水果品質(zhì)無損檢測研究進展

張 磊，連 爽，陸雅麗，吳 健，祝賢芳，高瑜悅，唐藝玲

（貴陽市食品藥品檢驗檢測中心，貴州貴陽 550081）

近年來，在鄉(xiāng)村振興背景下，我國許多中西部地區(qū)城市將水果產(chǎn)業(yè)作為當?shù)亟?jīng)濟發(fā)展的重要抓手，種植規(guī)模及產(chǎn)量不斷擴大。我國水果產(chǎn)業(yè)已成為繼蔬菜和糧食之后的第三大產(chǎn)業(yè)，是我國發(fā)展現(xiàn)代化農(nóng)業(yè)的重要組成部分。2021 年我國水果產(chǎn)量達到2.997 億t，是世界第一水果生產(chǎn)國，但出口總量卻僅有0.355 億t，貿(mào)易逆差達到91.6 億美元[1]。這主要是因為我國水果產(chǎn)業(yè)雖然有資源優(yōu)勢，但在高端水果產(chǎn)業(yè)發(fā)展上明顯落后于西方國家，導(dǎo)致我國水果出口面臨“低價銷售”的窘境。因此，發(fā)展水果品質(zhì)快速檢測，實現(xiàn)對水果品質(zhì)的篩選分類，有助于提高我國水果產(chǎn)業(yè)的發(fā)展及國際競爭力[2]。

水果無損檢測技術(shù)是在不破壞水果原有物理和化學(xué)性質(zhì)的前提下，獲取水果內(nèi)部和外部信息所采取的檢測方法。與傳統(tǒng)的水果品質(zhì)檢測方法相比，具有高效、無損等優(yōu)勢。隨著水果產(chǎn)業(yè)的發(fā)展，無損檢測技術(shù)被越來越多地用于水果品質(zhì)檢測中，已成為該領(lǐng)域的研究熱點。目前，水果無損檢測的主要方法分為近紅外光譜無損檢測技術(shù)、高光譜成像無損檢測技術(shù)、智能感官仿生無損檢測技術(shù)、聲學(xué)特性無損檢測技術(shù)及電學(xué)特無損檢測技術(shù)[3]。

1 近紅外光譜無損檢測技術(shù)

近紅外光譜無損檢測技術(shù)是利用波長介于780～2 500 nm 的近紅外線照射被檢測物質(zhì)，不同物質(zhì)對光的吸收、散射、反射和透射等特性不同而獲得特定的光譜信息，以此確定物質(zhì)化學(xué)、物理信息的一種無損檢測技術(shù)[4]。例如，章林忠等人[5]利用近紅外光譜采集10 種不同葡萄品種、不同成熟期及1 種病害，共計188 個葡萄樣品的總酚、總糖、果糖、蔗糖和可溶性固形物的紅外光譜數(shù)據(jù)，并結(jié)合偏最小二乘（PLS）算法建立了葡糖果實與以上5 個指標的定量預(yù)測模型。結(jié)果表明，該模型與以上指標的相關(guān)系數(shù)在0.77 以上，均方誤差在0.022～1.410，具有較高的可信度；同時，采用主成分分析法（PCA）對光譜結(jié)果在4 119.20～9 881.46 cm-1的區(qū)域建立區(qū)分葡萄糖果實品種、成熟度和是否受病害的判別分析模型，結(jié)果表明該模型識別率高達92.11%，88.89%和96.16%，可快速實現(xiàn)葡萄果實品質(zhì)分類。黎新榮[6]采用近紅外光譜分析儀對5 個種植園內(nèi)不同成熟度，共計150 kg 的滑皮金橘果實進行光譜數(shù)據(jù)采集和糖度測定，并利用S-G 卷積平滑對光譜數(shù)據(jù)進行優(yōu)化處理，選擇720～920 nm 為建模波段，結(jié)合偏最小二乘法建立了滑皮金橘糖度預(yù)測模型。結(jié)果表明，該模型在滑皮金橘糖度預(yù)測值與實際值的相關(guān)系數(shù)達0.958 2，均方根誤差為0.518 7，相對分析誤差為3.24，可實現(xiàn)對滑皮金橘糖度的快速無損檢測。章海亮等人[7]使用近紅外光譜儀采集168 個贛南臍橙光譜信息并測定其總酸含量，選取400～880 nm 作為建模波段范圍，使用平滑算法和遺傳算法對數(shù)據(jù)進行特征提取，結(jié)合最小二乘支持向量機算法建立贛南臍橙總酸含量預(yù)測系統(tǒng)。結(jié)果表明，該模型預(yù)測集均方根誤差為0.01 6，預(yù)測集決定系數(shù)為0.983 4，相對分析誤差為7.76，可較為準確地檢測贛南臍橙的總酸含量。

雖然，近紅外光譜檢測技術(shù)具有無損、快速和操作簡便等優(yōu)點，但由于傳統(tǒng)近紅外光譜儀價格昂貴，便攜式紅外光譜儀穩(wěn)定性和精密度不夠，因此實際應(yīng)用中亟需兼具穩(wěn)定性、精密度和價格低廉的便攜式光譜儀。同時，紅外光譜儀容易受到溫度、濕度和測量距離等因素的影響，因此在特定環(huán)境下采集的光譜數(shù)據(jù)用于預(yù)測模型建立，在實際應(yīng)用時會受到環(huán)境因素的影響，導(dǎo)致結(jié)果準確度的下降。

2 高光譜成像無損檢測技術(shù)

高光譜成像技術(shù)是使用幾十個到數(shù)百個波長同時對物體進行掃描成像，從而獲得待測物的圖像信息和光譜信息，其波長范圍（200～2 252 nm）覆蓋了從紫外光譜到近紅外光波段，光譜分辨率可達納米級別，能全面反映待測物體的外部和內(nèi)部信息[8-9]。許麗佳等人[10]利用高光譜分選儀對120 個獼猴桃采集波長400～1 000 nm 內(nèi)的高光譜圖像并測定其糖度，使用自適應(yīng)重加權(quán)算法和連續(xù)投影算法對光譜圖像數(shù)據(jù)進行數(shù)據(jù)處理，結(jié)合極限學(xué)習模型，建立了獼猴桃糖度預(yù)測模型。結(jié)果表明，糖度預(yù)測模型相關(guān)系數(shù)達0.839 0，均方差根為0.598 3，相對分析誤差為2.535 1，說明該方法可對獼猴桃的糖度實現(xiàn)無損精準測定。Zhang Dongyan 等人[11]采集了160 個蘋果在波長1 000～2 500 nm 內(nèi)的高光譜圖像并測定其可溶性固體含量，使用重加權(quán)算法和連續(xù)投影算法對光譜圖像數(shù)據(jù)進行處理，并結(jié)合偏最小二乘法建立蘋果可溶性固體的預(yù)測模型。結(jié)果表明，該模型相關(guān)系數(shù)達0.907，均方差根0.479，說明該方法可實現(xiàn)對蘋果可溶性固體無損精確測定。有研究表明，使用高光譜成像系統(tǒng)采集135 個獼猴桃光譜信息，并結(jié)合主成分回歸模型建立貯藏期內(nèi)獼猴桃酸度預(yù)測回歸模型。結(jié)果表明，該方法預(yù)測集相關(guān)系數(shù)為0.9，剩余預(yù)測偏差為2.13，均方根偏差為0.08，能較為準確地檢測獼猴桃果實酸度。

高光譜成像技術(shù)能獲取水果豐富的圖像和光譜信息，可以更加全面反映水果的外部形狀、大小、缺陷及內(nèi)部組成成分等信息，因此該技術(shù)在對水果品質(zhì)進行無損檢測時能達到更高的精準度。但是高光譜成像技術(shù)也存在不足，如雖然高光譜圖譜的信息豐富，但數(shù)據(jù)冗余度和數(shù)據(jù)處理量大、系統(tǒng)檢測時間長，對計算機資源配置的要求高，且高光譜儀價格昂貴。因此，在實際應(yīng)用中的發(fā)展緩慢。

3 智能感官仿生無損檢測技術(shù)

智能感官仿生檢測技術(shù)是利用現(xiàn)代傳感技術(shù)和信息技術(shù)模仿人體感官感知行為，如視覺、嗅覺、觸覺、嗅覺、味覺等，以此來獲取待測物品質(zhì)信息，并模擬人對信息的理解和判別進行待測物品質(zhì)檢測，目前應(yīng)用于水果品質(zhì)無損檢測的智能感官技術(shù)主要是電子鼻和機器視覺[12-13]。丁慶行等人[14]采用8 種氣敏傳感器模擬人的嗅覺細胞，檢測白心火龍果、趙州雪花梨、翠玉獼猴桃和富士康4 種水果，在倉庫環(huán)境模擬器內(nèi)檢測乙醇、甲烷、丙烷、丙烯、丁烷、丁烯、一氧化碳、氫氣、氨氣、硫化物、硫化氫、醛醇、酮及芳族化合物氣體含量變化，每12 h 測量一次，持續(xù)測量120 h。將檢測數(shù)據(jù)結(jié)合主成分分析法，建立倉儲果品腐爛電子鼻監(jiān)測系統(tǒng)。結(jié)果表明，該系統(tǒng)可有效區(qū)別水果的微腐敗和嚴重腐敗程度。張建超等人[15]使用便攜式電子鼻，采集不同病變程度霉心蘋果數(shù)據(jù)，通過PCA，HCA 和OPLS-DA 分析法對數(shù)據(jù)進行降維處理和特征信息提取，結(jié)合Fisher函數(shù)、多層感知器神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，建立霉心病蘋果病變程度的判別模型。結(jié)果表明，多層感知器神經(jīng)網(wǎng)絡(luò)模型判別效果最好，其對訓(xùn)練集和驗證集的預(yù)測判別率分別為88.61%和88.46%。李頎等人[16]使用CCD 彩色工業(yè)相機動態(tài)采集紅富士蘋果2 個面的實時圖像，采用泛洪填充+自適應(yīng)Ostu 閾值分割算法、最小外接圓法和最小外接矩形法對圖像信息進行特征提取，結(jié)合粒子群SVM決策樹算法建立蘋果分級評判模型。結(jié)果表明，該方法對蘋果分級準確率達到94%以上，分級速率達到4 個/ s，可滿足蘋果在線分級要求。

計算機和傳感器技術(shù)的快速發(fā)展促使智能感官仿生無損檢測技術(shù)不斷進步，其快速、準確、無損等優(yōu)點能較好滿足現(xiàn)代化機械自動化流水線生產(chǎn)要求，在水果品質(zhì)分級篩選中應(yīng)用廣泛。但是，智能感官仿生無損檢測技術(shù)也存在智能仿生感官傳感器設(shè)備成本價格過高、電子鼻仿生系統(tǒng)易受到環(huán)境溫濕度影響而導(dǎo)致靈敏度降低等問題。

4 聲學(xué)特性無損檢測技術(shù)

聲學(xué)特性無損檢測技術(shù)是指水果在聲波刺激下的反射、散射、透射、吸收、衰減系數(shù)、頻率、傳播速度與聲阻抗等特性會隨著水果內(nèi)部組織變化（如成分、結(jié)構(gòu)、物理狀態(tài)等）特性的改變而發(fā)生變化，因此可依據(jù)水果聲學(xué)特性的改變，實現(xiàn)對水果品質(zhì)的檢測[17]。Alfadhl Y 等人[18]通過聲脈沖響應(yīng)采集健康蘋果和患蠹蛾蘋果的數(shù)據(jù)信息，結(jié)合K -近鄰和嶺回歸模型建立蠹蛾蘋果檢測系統(tǒng)。結(jié)果表明，該系統(tǒng)對蠹蛾蘋果識別準確率達90%以上。Morrison D S 等人[19]通過超聲反射采集柑橘表面信息，建立柑橘超聲反射信息與柑橘密度模型，該方法可較為準確地測定9 d 內(nèi)柑橘硬度的變化，從而可較為準確地預(yù)測柑橘成熟度變化。

目前，基于聲學(xué)特性的水果品質(zhì)無損檢測技術(shù)具有操作簡便、設(shè)備簡單、不易受到外界環(huán)境干擾等特點，但也存在弊端，如高頻的超聲波容易造成水果營養(yǎng)的流失和硬度損害，同時高能量超聲儀器價格昂貴限制其廣泛的商業(yè)化應(yīng)用。

5 電學(xué)特性無損檢測技術(shù)

電學(xué)特性無損檢測技術(shù)是指通過對水果施加外部電場來觀察水果內(nèi)部導(dǎo)電特性和介電特性的變化，而水果在生長成熟、發(fā)生病害和損傷等過程中其內(nèi)部會發(fā)生一系列生理生化反應(yīng)，造成果實組織中所攜帶電荷的數(shù)量和空間分布發(fā)生變化，影響果實內(nèi)部電場強度和分布，導(dǎo)致水果電學(xué)特性變化。因此，可依據(jù)水果電學(xué)特性的改變，實現(xiàn)對水果品質(zhì)的檢測[20]。王若琳等人[21]在100.00 Hz～3.98 MHz 頻率范圍采集200 個健康蘋果和300 個水心病蘋果的11 個電學(xué)指標，結(jié)合多層感知器人工神經(jīng)網(wǎng)絡(luò)和徑向基人工神經(jīng)網(wǎng)絡(luò)模型建立水心病蘋果分析判定系統(tǒng)。結(jié)果表明，2 種模型對好果和水心病果的識別正確率均能達100%，能高效實現(xiàn)蘋果水心病的無損檢測。李小龍等人[22]使用電學(xué)特性檢測儀在1 MHz 頻率下采集庫爾勒香梨等效電容、品質(zhì)因素、并聯(lián)等效電阻、復(fù)阻抗、復(fù)阻抗相角和電抗6 個電學(xué)參數(shù)并測定香梨質(zhì)量，建立電學(xué)參數(shù)與質(zhì)量之間關(guān)系。結(jié)果表明，庫爾勒香梨并聯(lián)等效電容與質(zhì)量呈顯著相關(guān)，相關(guān)性系數(shù)可達到0.917 8，該方法可快速實現(xiàn)對庫爾勒香梨果實質(zhì)量無損測定。羅安偉等人[23]在100 Hz～3.98 MHz 頻率范圍測定患青霉病獼猴桃電學(xué)參數(shù)及生理指標，建立患青霉病獼猴桃判別模型。結(jié)果表明，等效串聯(lián)電阻與β -1,3 -葡聚糖酶活性及等效串聯(lián)電容與可滴定酸均呈顯著相關(guān)，依據(jù)獼猴桃β -1,3 -葡聚糖酶活性和可滴定酸預(yù)測值可實現(xiàn)對患青霉病獼猴桃的準確識別，在貯藏期15～45 d 時準確率達到83%。

電學(xué)特性的水果品質(zhì)無損檢測技術(shù)具有儀器反應(yīng)靈敏、操作步驟簡單等優(yōu)點，但電學(xué)特性受儀器設(shè)備限制其檢測精度和效率較低，同時水果在導(dǎo)電狀態(tài)下的電學(xué)特性波動較大，并且電學(xué)特性與水果內(nèi)部成分之間的相關(guān)性不高，因此基于電學(xué)特性的無損檢測在實際水果品質(zhì)檢測中應(yīng)用并不多。

6 結(jié)語

水果品質(zhì)無損檢測研究技術(shù)解決了傳統(tǒng)檢測方法操作繁瑣、破壞樣品等問題，具有獨特的優(yōu)勢，所以近年來發(fā)展迅速，研究對象涵蓋了目前市場上大部分水果。檢測儀器、檢測原理及建模算法的創(chuàng)新都已成為當前水果品質(zhì)無損檢測技術(shù)研究的熱點。但水果品質(zhì)無損檢測研究技術(shù)仍然存在著許多不足，如目前檢測儀器存在設(shè)備價格昂貴、體積過大等問題，導(dǎo)致在實際推廣過程中難以滿足需求。另外，目前的檢測設(shè)備只能針對單一品種和單一指標進行檢測，而水果在品質(zhì)分類篩選中往往需要多品種、多指標、多維度的綜合分析評判。目前，檢測設(shè)備多基于光學(xué)、電學(xué)、聲學(xué)等原理建立，而這些設(shè)備儀器容易受到環(huán)境條件的影響，同時品質(zhì)分類模型在建立時，數(shù)據(jù)的采集通常是在實驗室特定條件下進行，導(dǎo)致在實際應(yīng)用中隨著環(huán)境條件的改變模型準確率會明顯降低。雖然目前研究者們積極開展水果光學(xué)參數(shù)、電學(xué)參數(shù)及聲學(xué)參數(shù)與水果品質(zhì)存在的關(guān)系和影響，但對其影響機理的研究還很缺乏。上述問題的解決，勢必都將促進水果品質(zhì)無損檢測技術(shù)在實際應(yīng)用中的發(fā)展，從而提高我國國產(chǎn)水果在國際市場中的競爭力，為我國水果產(chǎn)業(yè)發(fā)展創(chuàng)造更強大的發(fā)展動力。