哈密瓜無損檢測技術(shù)及分級裝備的研究現(xiàn)狀和發(fā)展趨勢

史 勇，郭俊先，李雪蓮，郭 陽，劉彥岑，周 軍

（新疆農(nóng)業(yè)大學(xué) 機(jī)電工程學(xué)院，烏魯木齊 830052）

0 引言

哈密瓜是新疆特產(chǎn)，厚皮甜瓜品種群的統(tǒng)稱。哈密瓜歷史悠久，風(fēng)味獨(dú)特，并且果肉柔嫩，香氣濃郁，甜潤多汁，富含大量的礦物元素和豐富的膳食纖維[1]。哈密瓜主要種植區(qū)域是新疆的吐魯番和哈密地區(qū)，近年哈密瓜產(chǎn)業(yè)發(fā)展迅速，種植面積和產(chǎn)量都在逐年增加[2]。

哈密瓜的品質(zhì)檢測和分選不僅取決于其形狀、大小、顏色等外部特征，還取決于哈密瓜的硬度、含糖量、可溶性固形物含量等內(nèi)部特征因素[3]。目前，新疆當(dāng)?shù)貙芄系牟墒蘸头诌x主要依靠人工經(jīng)驗(yàn)，依據(jù)哈密瓜的外部特征完成采摘和分選，其判定結(jié)果隨意性大，缺乏可靠性和準(zhǔn)確性，造成分選結(jié)果良莠不齊，嚴(yán)重影響到哈密瓜的品質(zhì)和聲譽(yù)，也給瓜農(nóng)帶來一定的經(jīng)濟(jì)損失。

近年來，無損檢測技術(shù)在農(nóng)產(chǎn)品的品質(zhì)檢測方面應(yīng)用廣泛[4]。國內(nèi)外學(xué)者在近紅外光譜技術(shù)、高光譜技術(shù)、機(jī)器視覺技術(shù)、聲學(xué)特性和電磁特性等領(lǐng)域做了許多探索和研究[5-6]。無損檢測技術(shù)通過盡可能不損壞被檢測對象的原有狀態(tài)來檢測其內(nèi)部化學(xué)成分和外觀物理特性。用于哈密瓜的快速品質(zhì)鑒別及分級，有助于增強(qiáng)哈密瓜在國際市場的競爭力。本文對哈密瓜的無損檢測技術(shù)進(jìn)行分析和總結(jié)，介紹基于無損檢測及自動化技術(shù)的哈密瓜分級裝置，并提出今后的研究和發(fā)展方向。

1 哈密瓜無損檢測技術(shù)的研究進(jìn)展

1.1 近紅外光譜檢測技術(shù)對哈密瓜品質(zhì)檢測的研究現(xiàn)狀

近紅外光譜指波段位于可見和近紅外間波長780～2 526 nm 范圍內(nèi)的電磁輻射波[7]，可以實(shí)現(xiàn)對哈密瓜的堅(jiān)實(shí)度、糖分含量和可溶性固形物含量等的間接檢測。近紅外光譜技術(shù)具有效率高、無破壞性、成本低和操作簡單等特點(diǎn)[8]，可應(yīng)用于哈密瓜等厚皮瓜果的品質(zhì)快速檢測，為分選和分級設(shè)備的開發(fā)提供可靠依據(jù)。

GUTHRIE[9]利用近紅外光譜技術(shù)對甜瓜的含糖量進(jìn)行了預(yù)測研究。選取甜瓜“赤道”部位作為光譜采集區(qū)域，利用二階導(dǎo)數(shù)結(jié)合多元散射校正對最優(yōu)波段（695～1 045 nm）的光譜進(jìn)行處理，建立了改良偏最小二乘法的甜瓜總糖含量的預(yù)測模型，其預(yù)測集均方根誤差和標(biāo)準(zhǔn)偏差分別為1.1和0.04，驗(yàn)證了近紅外光譜技術(shù)可以用來預(yù)測甜瓜的含糖量。SANCHEZ等[10]利用近紅外光譜儀對甜瓜成熟度進(jìn)行無損檢測研究，利用甜瓜果肉的4個顏色分量特征建立了甜瓜成熟度及其品質(zhì)的改良偏最小二乘模型，證明可利用近紅外光譜技術(shù)結(jié)合果肉顏色評價甜瓜的成熟度和品質(zhì)。袁琳[11]利用近紅外漫反射光譜檢測甜瓜的可溶性固形物含量和堅(jiān)實(shí)度，得出矢量歸一化處理后的偏最小二乘模型對甜瓜可溶性固形物含量的預(yù)測效果較好。張德虎等[12]利用近紅外光譜技術(shù)對河套蜜瓜的糖度和堅(jiān)實(shí)度進(jìn)行了檢測，得出利用二階導(dǎo)數(shù)處理的蜜瓜糖度偏最小二乘模型預(yù)測效果最好，經(jīng)Norris一階導(dǎo)數(shù)處理的蜜瓜堅(jiān)實(shí)度偏最小二乘模型預(yù)測效果最好。畢智健等[13]研究了光譜數(shù)據(jù)預(yù)處理方法對哈密瓜糖度偏最小二乘法建模精度的影響，得出標(biāo)準(zhǔn)正態(tài)變量變換與二階導(dǎo)數(shù)相結(jié)合的光譜預(yù)處理方法可有效預(yù)測哈密瓜糖度含量。孫靜濤等[14]建立了近紅外光譜技術(shù)、高光譜技術(shù)和機(jī)器視覺技術(shù)融合的哈密瓜內(nèi)部品質(zhì)預(yù)測模型和成熟度判別模型，得出使用近紅外光譜特征與機(jī)器視覺圖像融合所建立的哈密瓜成熟度預(yù)測模型最優(yōu)，預(yù)測集判別正確率為98%。徐璐[15]采集哈密瓜“赤道”部位近紅外光譜特征，并基于偏最小二乘法和最小二乘支持向量機(jī)法建立哈密瓜可溶性固形物含量的預(yù)測模型，得出用“赤道”部位信息建立的模型可以用來預(yù)測哈密瓜的可溶性固形物含量。

1.2 高光譜檢測技術(shù)對哈密瓜品質(zhì)檢測的研究現(xiàn)狀

高光譜圖像是一系列光波在不同波長處的光學(xué)圖像，既包含圖像信息，又包含光譜信息[16]。高光譜圖像可反映哈密瓜的形狀大小、物理結(jié)構(gòu)和表面缺陷等外部特征信息，也可反映其內(nèi)部結(jié)構(gòu)和化學(xué)成分等內(nèi)部品質(zhì)信息。但高光譜圖像數(shù)據(jù)龐大，對硬件要求高，數(shù)據(jù)的存儲、傳輸、分析和處理都較為麻煩，不易實(shí)現(xiàn)在線檢測，數(shù)據(jù)建模也較為困難。隨著科技的進(jìn)步、信息技術(shù)的快速發(fā)展和高效數(shù)據(jù)建模算法的開發(fā)，高光譜技術(shù)會更加成熟，在農(nóng)產(chǎn)品的無損檢測領(lǐng)域應(yīng)用也會更加廣泛[17]。

馬本學(xué)等[18]利用高光譜成像技術(shù)對哈密瓜的糖度進(jìn)行了預(yù)測研究，結(jié)果表明，偏最小二乘法構(gòu)建的模型對帶皮哈密瓜糖度檢測是可行的，逐步多元線性回歸模型對去皮哈密瓜糖度預(yù)測效果最佳。SUN等[19]利用近紅外高光譜系統(tǒng)對甜瓜的糖度和硬度進(jìn)行了無損檢測研究，比較了偏最小二乘法、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)3種建模方法的預(yù)測結(jié)果，得出偏最小二乘模型預(yù)測效果最優(yōu)。伍恒等[20]采用高光譜技術(shù)用以識別新疆阿克蘇地區(qū)新和縣的大田哈密瓜的物候期，通過4種光譜預(yù)處理方法，建立廣義回歸神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)2種哈密瓜物候期判別模型，結(jié)果顯示，2種模型均能很好地識別哈密瓜果實(shí)物候期。李明周[21]利用高光譜無損檢測技術(shù)對哈密瓜不同生長期的糖分、蛋白質(zhì)、可滴定酸以及維生素C的含量進(jìn)行預(yù)測，得出了不同生長期各物質(zhì)含量的最佳預(yù)測模型，為全生長周期內(nèi)哈密瓜果實(shí)品質(zhì)的無損檢測技術(shù)提供了理論依據(jù)。李鋒霞等[22]利用高光譜成像技術(shù)預(yù)測了哈密瓜的堅(jiān)實(shí)度，結(jié)果表明，在500～800 nm波段范圍內(nèi)，標(biāo)準(zhǔn)正態(tài)變換結(jié)合一階導(dǎo)數(shù)的偏最小二乘模型預(yù)測哈密瓜的堅(jiān)實(shí)度效果最優(yōu)。徐潔等[23]采用高光譜成像技術(shù)對哈密瓜表面農(nóng)藥殘留情況進(jìn)行檢測，采集了450～1 000 nm范圍內(nèi)的哈密瓜光譜圖像數(shù)據(jù)信息，在鹵素光源條件下采用貝葉斯判別法，預(yù)測農(nóng)藥殘留樣本的準(zhǔn)確率為100%，說明高光譜技術(shù)能夠準(zhǔn)確預(yù)測哈密瓜表面的農(nóng)藥殘留。

1.3 機(jī)器視覺技術(shù)對哈密瓜品質(zhì)檢測的研究現(xiàn)狀

計(jì)算機(jī)視覺技術(shù)是利用計(jì)算機(jī)模擬人的視覺系統(tǒng)功能來感知周圍世界，并了解它的空間組成和變化規(guī)律[24]。目前，機(jī)器技術(shù)已廣泛應(yīng)用到農(nóng)產(chǎn)品的外部品質(zhì)（形狀、大小、顏色、重量、表面缺陷等）評價及分級檢測中，具有操作簡單、速度快和精度高等優(yōu)點(diǎn)，在農(nóng)產(chǎn)品的外部品質(zhì)檢測方面有廣闊的應(yīng)用前景[25]。同時，機(jī)器聽覺、味覺和嗅覺技術(shù)也在瓜果的無損檢測領(lǐng)域得到應(yīng)用，特別是電子鼻技術(shù)，在預(yù)測瓜果的可溶性固形物含量方面發(fā)揮著重要作用[26]。

WEI等[27]利用計(jì)算機(jī)視覺技術(shù)對甜瓜總糖含量進(jìn)行了預(yù)測研究，提取了甜瓜圖像的RGB、HSV和LAB顏色空間中的9個顏色分量和4個表面紋理特征變量，作為輸入變量建立了BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，其模型的決定系數(shù)為0.888，說明機(jī)器視覺技術(shù)結(jié)合圖像分析可預(yù)測甜瓜含糖量。張建華[28]利用計(jì)算機(jī)視覺技術(shù)對厚皮甜瓜的表面缺陷進(jìn)行識別研究，得出BP神經(jīng)網(wǎng)絡(luò)模型對甜瓜表面缺陷的判別正確率為86.7%。劉超[29]利用機(jī)器視覺技術(shù)對哈密瓜糖度進(jìn)行預(yù)測，利用哈密瓜表面顏色特征結(jié)合主成分分析建立糖度的支持向量機(jī)回歸模型，預(yù)測相關(guān)系數(shù)為0.505 9，均方根誤差為1.594 9。許濟(jì)海[30]采用機(jī)器視覺技術(shù)，研究哈密瓜紋理特征與糖度的相關(guān)性，發(fā)現(xiàn)采用偏最小二乘法的糖度檢測模型可以較好預(yù)測哈密瓜的中心糖度。胡光輝等[31]利用機(jī)器視覺結(jié)合主成分分析優(yōu)化神經(jīng)網(wǎng)絡(luò)技術(shù)開展哈密瓜成熟等級識別方法的研究，構(gòu)建并搭建田間哈密瓜圖像采集系統(tǒng)，采集并提取能表征哈密瓜不同成熟等級的外觀特征，建立基于BP神經(jīng)網(wǎng)絡(luò)的哈密瓜成熟等級預(yù)測模型，準(zhǔn)確率達(dá)86.59%。呂琛[32]采用機(jī)器視覺技術(shù)對哈密瓜的成熟度開展無損檢測技術(shù)研究，表明利用哈密瓜的彩色數(shù)字圖像的色度信息可以預(yù)測其成熟度，利用BP人工神經(jīng)網(wǎng)絡(luò)結(jié)合主成分分析法，預(yù)測精度達(dá)到96.25%。肖文東等[33]采用機(jī)器視覺技術(shù)，對哈密瓜的紋理特征進(jìn)行提取、分割和分類，利用OpenCV結(jié)合特征提取算法可實(shí)現(xiàn)哈密瓜高光譜紋理特征圖像的提取，利用Matlab輔助DSP技術(shù)可對哈密瓜紋理特征快速提取，分類準(zhǔn)確率達(dá)到88.10%。

1.4 聲學(xué)檢測技術(shù)對哈密瓜、西瓜等厚皮瓜類品質(zhì)檢測的研究現(xiàn)狀

物體的屬性與聲波的傳播速度、頻率和受到的阻力有一定的聯(lián)系，可通過這種聯(lián)系判斷物體的品質(zhì)。聲學(xué)特性無損檢測技術(shù)適合在線檢測，適應(yīng)性強(qiáng)，可用于瓜果硬度和成熟度等特性的檢測，應(yīng)用前景較好。小型的聲學(xué)檢測設(shè)備也便于攜帶，方便人們的日常生活需要。

TANIWAKI等[34]利用聲振法監(jiān)測甜瓜成熟速度，得出彈性指數(shù)與甜瓜成熟度指標(biāo)相關(guān)性較高，可通過彈性指數(shù)對甜瓜的成熟期及收獲期進(jìn)行預(yù)測。ITO[35]利用聲振便攜式硬度儀檢測了網(wǎng)紋甜瓜的硬度并對其成熟度進(jìn)行了評價，結(jié)果表明，聲波的傳輸速度隨著甜瓜的成熟而降低，當(dāng)傳輸速度低于80 m/s時，表明甜瓜蔗糖含量超過了8.5%，因此，利用聲波傳輸速度可預(yù)估甜瓜的采收時間。危艷君等[36]利用聲學(xué)特性檢測西瓜糖度和空心，利用6個特征頻率的聲透過率值建立西瓜的糖度模型，結(jié)果表明，敲擊點(diǎn)和信號接收點(diǎn)在西瓜“赤道”中部時檢測結(jié)果較好。葛明[37]研究了聲波傳播速度和主頻與西瓜成熟特征參數(shù)的關(guān)系，結(jié)果表明，聲波的傳輸頻率與西瓜的含糖量存在線性關(guān)系，決定系數(shù)為 0.905 7。肖珂等[38]通過分析敲擊西瓜產(chǎn)生的音頻信號，用功率譜峰值頻率判斷西瓜的成熟度，結(jié)果表明，不同成熟度的西瓜峰值頻率處于不同的頻率范圍，檢測正確率可達(dá)到90%。賀少鵬[39]利用聲學(xué)特性對哈密瓜硬度及成熟度的無損檢測研究，結(jié)果表明，哈密瓜的硬度可以采用彈性指數(shù)和阻尼比聯(lián)合預(yù)測，所構(gòu)建的預(yù)測模型相關(guān)性達(dá)到0.913，哈密瓜的成熟度可以采用頻帶幅值參數(shù)基于主成分回歸法進(jìn)行預(yù)測，預(yù)測模型校正集相關(guān)系數(shù)為0.891。

1.5 電學(xué)特性檢測技術(shù)對甜瓜品質(zhì)檢測的研究現(xiàn)狀

電學(xué)特性法是利用瓜果等物料的主動電特性（電位差）和被動電特性（如電阻、電導(dǎo)、介電特性）與其組織結(jié)構(gòu)、力學(xué)特性、熱學(xué)性質(zhì)的相互關(guān)聯(lián)和影響，實(shí)現(xiàn)瓜果品質(zhì)無損檢測的方法。電學(xué)特性法可用于瓜果成熟度的無損檢測，具有一定的應(yīng)用前景[40]。

NELSON 等[41]在 10～1.8 GHz的頻率范圍內(nèi)獲取了甜瓜的介電常數(shù)和損耗因子，得出甜瓜可溶性固形物含量與相對介電常數(shù)有較好的相關(guān)性，相關(guān)系數(shù)為0.96，證明了甜瓜的可溶性固形物含量可用相對介電常數(shù)來預(yù)測。郭文川等[42]分析介電特性和甜瓜糖度之間的關(guān)系，研究表明，哈密瓜汁的損耗角正切值在1.8 GHz頻率下與糖度的線性關(guān)系較好，其決定系數(shù)為0.784。劉梅[43]通過測定甜瓜電阻值和瓜體長短半軸的方法預(yù)測甜瓜果肉含糖量，采用遺傳算法優(yōu)化最小二乘支持向量機(jī)所建立的智能網(wǎng)絡(luò)對甜瓜糖度進(jìn)行無損檢測，得出該方法建立的網(wǎng)絡(luò)可較為精確地預(yù)測甜瓜的糖度。王轉(zhuǎn)衛(wèi)等[44]應(yīng)用介電頻譜技術(shù)對陜西楊凌外形相似的4類成熟甜瓜種類進(jìn)行判別，研究不同預(yù)處理方法對模型精度的影響，得出連續(xù)投影算法-極限學(xué)習(xí)機(jī)模型判別效果最好，驗(yàn)證集總正確率達(dá)到100%，適用于基于介電頻譜的甜瓜種類判別。

2 基于無損檢測技術(shù)的哈密瓜分級裝備的研究進(jìn)展

2.1 基于機(jī)器視覺和光譜技術(shù)的哈密瓜分級裝備

虞飛宇[45]研制了基于機(jī)器視覺和圖像處理的哈密瓜分級系統(tǒng)，如圖1所示。

圖1 哈密瓜分級系統(tǒng)結(jié)構(gòu)示意圖Fig.1 Structure diagram of Hami melon grading system

系統(tǒng)利用機(jī)器視覺技術(shù)實(shí)現(xiàn)哈密瓜圖像的動態(tài)采集與處理、哈密瓜位置跟蹤以及分級等功能。裝置可依據(jù)哈密瓜表面的缺陷與大小、形狀等特征進(jìn)行檢測和分級，提高了生產(chǎn)率和分級精度。劉啟全[46]隨后對哈密瓜分級機(jī)進(jìn)行了改進(jìn)設(shè)計(jì)，利用機(jī)器視覺技術(shù)結(jié)合圖像處理、模式識別實(shí)現(xiàn)對哈密瓜的表面顏色、表面缺陷、表面紋理和果體形狀等參數(shù)的提取確定，最終實(shí)現(xiàn)對哈密瓜外部品質(zhì)的綜合分級。但此基于線陣相機(jī)的哈密瓜分級機(jī)在實(shí)際運(yùn)行中只能平行前進(jìn)，不能實(shí)現(xiàn)旋轉(zhuǎn)，無法獲取哈密瓜整體圖像，對分級結(jié)果的判別有一定的偏差。

王運(yùn)祥[47]設(shè)計(jì)了哈密瓜分級試驗(yàn)裝置，如圖2所示。裝置主要包括：機(jī)架、動力及傳動部分、輸送旋轉(zhuǎn)機(jī)構(gòu)、角度調(diào)節(jié)機(jī)構(gòu)和分級執(zhí)行機(jī)構(gòu)等。工作時，打開電源調(diào)節(jié)變頻器，將哈密瓜放在鏈條輸送帶左端承載托輥的上方，哈密瓜在承載托輥的推動作用下順時針向上滾動前進(jìn)。在此過程中，利用無損檢測裝置采集哈密瓜全表面信息，分級執(zhí)行機(jī)構(gòu)接到分級信號時打開活動口，使哈密瓜掉落，從而完成分級。裝置具有結(jié)構(gòu)緊湊、性能可靠、便于調(diào)試等特點(diǎn)。

圖2 哈密瓜分級試驗(yàn)裝置整體結(jié)構(gòu)示意圖Fig.2 The overall structure schematic diagram of Hami melon grading and test device

畢智健[48]結(jié)合可見近紅外光譜檢測系統(tǒng)，設(shè)計(jì)出一種哈密瓜糖度在線檢測裝置，如圖3所示。

圖3 哈密瓜糖度可見近紅外光譜在線檢測裝置總體設(shè)計(jì)圖Fig.3 The overall design of on-line detection device for sugar content of Hami melon by visible near infrared spectroscopy

裝置硬件部分主要由哈密瓜輸送裝置、光照模塊和光譜采集裝置組成。裝置采用漫透射光譜采集方法，其原理是將光源安裝在與采集探頭方向角度介于90°～180°之間位置，以整個哈密瓜作為檢測對象，能夠更好地獲取其內(nèi)部的品質(zhì)信息，為哈密瓜的分級提供了理論依據(jù)。裝置簡單方便，檢測成本低，分析速度快，不損傷樣品。

2.2 基于傳感器和智能控制器的哈密瓜分級裝備

董冬冬等[49]設(shè)計(jì)了一種翻轉(zhuǎn)式哈密瓜分級裝置，如圖4所示。裝置由機(jī)架、傳送系統(tǒng)、托盤、控制系統(tǒng)和分級執(zhí)行裝置組成。工作時，哈密瓜由進(jìn)料口進(jìn)入托盤，并由傳送系統(tǒng)進(jìn)行傳送。當(dāng)哈密瓜通過對射式激光傳感器區(qū)域時，會觸發(fā)傳感器產(chǎn)生信號，然后由PLC 控制調(diào)速電機(jī)轉(zhuǎn)動，帶動凸輪機(jī)構(gòu)使相應(yīng)的托盤翻轉(zhuǎn)，完成哈密瓜的大小分級。裝置利用傳感器技術(shù)實(shí)現(xiàn)對哈密瓜的大小分級，可減少工人分選的勞動強(qiáng)度，提高分級效率。

圖4 翻轉(zhuǎn)式哈密瓜分級裝置示意圖Fig.4 Schematic diagram of inverted Hami melon grading device

董冬冬[50]又設(shè)計(jì)出一套哈密瓜自動分級裝置。裝置在前期研發(fā)的翻轉(zhuǎn)式哈密瓜分級裝置的基礎(chǔ)上，增加了哈密瓜的輸送系統(tǒng)，可以實(shí)現(xiàn)自動上料、自動定位和輸送等功能，并最終實(shí)現(xiàn)哈密瓜的自動分級。裝置可有效利用傳感器及控制器提高哈密瓜的分級效率，提升自動化分級水平，節(jié)約勞動力。

3 展望

（1）近紅外光譜技術(shù)今后的發(fā)展方向是朝向小型化和輕型化發(fā)展，開發(fā)便攜式的檢測設(shè)備，可連接手機(jī)、平板等移動端，隨時實(shí)現(xiàn)對哈密瓜生長過程和品質(zhì)的無損監(jiān)測。

（2）高光譜技術(shù)未來發(fā)展趨勢是通過設(shè)計(jì)合適的光譜圖像采集系統(tǒng)，結(jié)合光譜預(yù)處理、數(shù)據(jù)降維、特征波長篩選和模型建立等方法，研究基于被測對象特征的最佳算法和模型，這樣可降低成本和提高檢測效率。

（3）機(jī)器視覺技術(shù)未來可用于瓜果生長過程的無損監(jiān)測，從哈密瓜種植、初加工、貯藏和分選等階段加大機(jī)器視覺技術(shù)的應(yīng)用程度。

（4）利用介電特性可實(shí)現(xiàn)對哈密瓜成熟度的無損檢測，但是很少有學(xué)者深入研究哈密瓜介電特性的機(jī)理和哈密瓜采后生理變化對其介電特性的影響機(jī)理。未來應(yīng)加強(qiáng)聲學(xué)和介電檢測設(shè)備的研發(fā)，為哈密瓜的無損檢測提供裝備和技術(shù)方面支持。

（5）在研發(fā)哈密瓜的分級裝置過程中，可以融合機(jī)器視覺和光譜分析技術(shù)，綜合分析哈密瓜內(nèi)、外部品質(zhì)，實(shí)現(xiàn)在線快速檢測、精準(zhǔn)分級。同時，分級裝置的研發(fā)還可將無損檢測技術(shù)和機(jī)械系統(tǒng)技術(shù)、信息處理技術(shù)、電子控制技術(shù)及液壓氣動技術(shù)結(jié)合起來，搭建自動化和智能化的分選裝置，利用光學(xué)成像原理技術(shù)、圖像處理技術(shù)、模式識別技術(shù)及各類算法，快速準(zhǔn)確實(shí)現(xiàn)哈密瓜的分選。

4 結(jié)語

綜上所述，無損檢測技術(shù)應(yīng)用于哈密瓜的生長監(jiān)測、品質(zhì)檢測和分級，可以實(shí)現(xiàn)對哈密瓜的精準(zhǔn)管理、提高品質(zhì)和產(chǎn)量、實(shí)現(xiàn)精準(zhǔn)快速分級，避免造成品質(zhì)的良莠不齊，幫助瓜農(nóng)增產(chǎn)增收?；跓o損檢測技術(shù)的哈密瓜分級裝置能實(shí)現(xiàn)對哈密瓜的在線檢測和分級，實(shí)現(xiàn)機(jī)械化和自動化作業(yè)。今后，還需要加大對哈密瓜無損檢測方法和檢測機(jī)理的研究，開發(fā)更高效的算法模型和更先進(jìn)便攜的檢測設(shè)備，并融合多種檢測技術(shù)，研制自動化程度高、安全環(huán)保和易于實(shí)現(xiàn)產(chǎn)業(yè)化的分級裝備，為哈密瓜產(chǎn)業(yè)的快速健康發(fā)展提供技術(shù)和裝備上的支持。