果蔬品质无损检测技术研究进展

李志成，郑晓冬，闫新焕，刘雪梅，潘少香，孟晓萌，谭梦男，宋 烨

（中华全国供销合作总社济南果品研究院，山东济南 250014）

水果和蔬菜作为居民日常膳食结构中重要的组成部分，富含人体生长发育所需的维生素、有机酸、糖、植物纤维等多种营养物质。目前，我国是世界上最大的果蔬生产国和消费国，随着人们物质生活水平的提高和对健康饮食结构的关注，消费者对果蔬品质的要求越来越高[1]。传统的果蔬分级方法采用人工分选，根据果蔬的大小、外观进行筛选，存在效率低、成本高、外观分级尺度不统一等问题。在营养成分检测方面传统方法对一些简单的理化指标如糖度、硬度采用糖度计和硬度计进行现场破坏性检测，有机酸、维生素等指标则需取样带回实验室上机检测，因此检测周期长、时效性差。

在果蔬品质检测领域，相关科研人员展开了长期的研究，并形成了一系列的检测技术。无损检测技术是一种快速、高效、便于操作的检测方法，其基本原理是利用光、声、电、热、磁的物理特性，在不对被检测的果蔬产品产生破坏的前提下，通过反馈的相关谱图和信号来判断和分析果蔬的品质。近年来，随着研究的深入，越来越多的无损检测技术在果蔬品质快速检测识别领域得到了应用[2]。该技术在不破坏待测物质原来的状态、化学性质的前提下实现了果蔬快速、精准分级和营养功能性成分的无破坏性快速检测，提高了效率、降低了成本。本文介绍了国内外针对果蔬品质特性的无损检测技术方法及研究现状，阐述了各类无损检测技术的原理和特点，综合分析提出了果蔬无损检测技术的发展方向。

1 光谱无损快速检测技术

光谱无损快速检测技术的原理是基于光的反射、散射、吸收和透射等物理现象。当入射光束照射在果蔬表面时，一部分光束发生反射，另一部分光束透射进入果蔬内部，进入果蔬内部的光束又会发生三个途径的变化：一部分反射回表面，一部分被吸收，极少部分可以透射过去。由于果蔬中不同物质的化学键会使光束发生改变，因此这些发生反射、吸收和透射的光束中包含了果蔬的大量信息。果蔬发生损伤后，通常情况下会出现细胞破裂的情况，进而引发组织结构改变，原本排列规则有序的细胞结构之间被流出的细胞液填充。组织受到挤压发生变形也会改变光线在果蔬内部传播的路径，其结果是造成光学传感器接收到的光谱信息因果蔬内部发生变化导致光束信息的改变。光谱分析技术就是基于果蔬内部结构和成分与光束之间产生的作用变化，通过检测器捕捉光束变化，分析光束所携带信息，进而间接判断果蔬品质[3]。

目前应用较为成熟的光谱检测技术有近红外光谱检测技术（NIRS）、拉曼光谱检测技术（RS）以及高光谱成像检测技术（HIS）。

1.1 近红外光谱检测技术（NIRS）

近红外光谱通常是指波长范围在780～2 526 nm之间的电磁波。当位于近红外光谱波段范围内的光束照射到果蔬表面时，被照射到的果蔬内部物质会被光子激发，出现能级跃迁，从基态跃迁至激发态，出现相应的谱图[4]。

NIRS在果蔬品质检测领域的应用主要集中在果蔬成熟度分析、农药残留检测、表面损伤及机械损伤识别、病虫害果识别等方面，并且获得了大量的研究成果。赵珂等[5]基于近红外光谱技术开发了脐橙品质无损检测方法。运用偏最小二乘法建立检测模型，实现对“信丰”脐橙糖度的无损检测。陈建新[6]利用PFS-1100型光谱仪构建了近红外光谱检测系统，开展对苹果硬度的无损检测，结果显示苹果硬度真实值与设备检测值的相关系数为0.718。裴军强[7]使用近红外光谱仪设计检测系统，对苹果中糖度指标进行检测，检测结果显示糖度值的绝对偏差值低于15%。Clark等[8]利用近红外光谱技术获得牛油果的谱图，然后采用偏最小二乘法（PLSR）和多元线性回归（MLR）方法进行建模和数据分析，对牛油果的干物质含量进行分析预测，结果显示使用PLSR建立的模型预测效果更佳，其预测值和实测值之间拟合度达到0.88，该研究实现了通过近红外光谱法测定干物质含量并对牛油果成熟度进行分级的目的。Lourdes等[9]使用近红外光谱检测技术对橄榄表面农药残留“敌草隆”进行测定，对光谱采用二阶导数与多元散射校正进行优化，通过偏最小二乘回归分析法建模，该方法准确率为85.9%。Jamshidi等[10]使用近红外光谱技术结合PLSR判别分析，对黄瓜中农药残留“二嗪农”进行快速检测，检测的准确率达到97.5%。

表1 近红外光谱检测技术在果蔬品质检测中的应用Table 1 Application of near-infrared technology in quality detection of fruits and vegetables

近红外光谱检测技术的难点在于从近红外光谱图中捕捉待测成分信息并建立准确的预测模型，通常来说近红外光谱中包含了样品所有的光谱信息，需要找到目标成分所对应的谱图信息，然后建立目标成分变化与光谱信息改变的对应关系，进而建立预测模型。预测模型的好坏直接影响检测结果的准确性。

1.2 拉曼光谱检测技术（RS）

拉曼光谱和近红外光谱同属于振动光谱，拉曼光谱可以捕捉到近红外光谱捕捉不到的振动信息，通常作为一种检测技术与近红外光谱形成互补作用。目前将拉曼光谱应用于果蔬品质检测中研究最多的是检测果蔬中类胡萝卜素的含量。这是因为类胡萝卜素在1 150 cm-1和1 500 cm-1波段会有两个明显的拉曼光谱特征峰出现。根据这两个特征峰可以对果蔬中的类胡萝卜素含量进行定性和定量检测。Bhosale等[19]利用拉曼光谱仪获得了西红柿、胡萝卜、橙子的拉曼全谱图，与高效液相色谱法检测类胡萝卜素含量结果建立对应关系。用所建立的预测模型对西红柿表面类胡萝卜素含量进行分析检测，结果显示西红柿表面类胡萝卜素含量的决定系数R2在0.9以上。之后研究人员用该方法对果汁和稀释果汁进行检测，该方法的检测值与高效液相色谱法检测结果的相关系数分别为0.98和0.94。Schulz等[20]利用拉曼光谱仪对多种蔬菜（胡萝卜、西红柿、法国豆、西兰花、南瓜、玉米、红辣椒）和水果（油桃、杏和西瓜）中的类胡萝卜素进行检测，尝试利用拉曼光谱区分类胡萝卜素的同分异构体，实现对同一目标物中共轭类类胡萝卜素的定性分析。

有研究表明拉曼光谱快速检测技术在果蔬品质检测上的应用存在一定的局限性，这是拉曼光谱特征峰捕捉决定的，但由于拉曼光谱的指纹图谱特征，可以对具有拉曼光谱特征峰的成分进行有效的定性定量检测，因此，在使用拉曼光谱对果蔬品质进行分析的时候往往有一定的选择性，目前来说通常选择类胡萝卜含量丰富的果蔬进行分析[19-20]。

1.3 高光谱成像检测技术（HIS）

高光谱成像检测技术是一种影像数据技术，同时结合光谱和成像两种技术，通常是以紫外至近红外波段的光对目标物进行探测，获取光谱信息和图像数据，并获得样品在每一有效波长下的图像信息和每一检测位置的光谱信息，该数据包含2个空间维度信息和1个波长维度信息，通过对这些信息的分析实现对果蔬的检测和分级。

针对HIS的技术特点开发出的在传送带上的果蔬分级和品质检测设备应用广泛。如张然[21]利用HIS获得不同损伤程度马铃薯在468～1 000 nm波段下的图谱信息，采取主成分分析处理图谱信息，获得贡献率最高的波段进行递推最小二乘处理，建立分析模型进行数据处理，实现对马铃薯外部损伤的快速识别。张梦芸[22]利用HIS结合神经网络对高光谱图像进行分析建立算法数学模型，实现对蓝莓内部瘀伤检测的研究，该技术能够提早发现蓝莓的内部瘀伤情况，识别准确率达到81.1%。Wu等[23]利用HIS获取枣的图谱信息，通过建立分析模型对图谱信息进行解读，用于快速识别枣的表面损伤，该方法准确度达到96%。Xie等[24]利用HIS对不同成熟度的香蕉进行研究，通过图谱分析，选择380～1 023 nm波段图谱信息构建模型，使用偏最小二乘建模快速对香蕉的成熟度和硬度进行分级。

通过上述研究发现，高光谱成像技术的特点和优势在于快速识别损伤。基于以上研究内容，目前在果蔬无损检测和快速识别领域已有多款设备被研发出来并投入生产，可实现果蔬生产线上的无损快速分级。该类设备的技术难点在于HIS的图像采集的代表性以及仪器分析数据的处理速度制约性，该技术目前在实验室阶段取得了一定的成果，并在小试和中试车间完善改进，在大规模生产中实现快速识别和分选还需要在图谱信息获取和分析计算的速度上进行较大的提升。

2 声学快速检测技术

果蔬的声学检测技术是利用声波的物理学特性对果蔬品质进行分析的一项检测技术，其原理是将声学特征与果蔬品质建立对应关系，进而通过声波检测果蔬品质。果蔬的声学特性主要包括透射特性、散射特性、吸收特性、反射特性等。由于果蔬品质的变化会对声波衰减、吸收、散射产生影响，通过分析果蔬声学特征的变化对其品质特征进行判断。目前声学检测技术主要有两种：一种是超声波检测技术，另外一种是振动声学检测技术。

2.1 超声波检测技术

超声波指的是振动频率在20 kHz以上的声波，其振动频率超过人类听觉所能接受到的上限频率，具有较高的能量值。在果蔬的检测中，一般使用小于500 kHz的低频超声波作为检测波源，这是因为该波段能量相对较低，对果蔬制品破坏小，可实现果蔬无损检测。

Mizrach[25]设计研发了一种针对果品无损检测的超声波检测探头，在鳄梨、芒果表皮近距离发送和接收超声波信号，对果品的成熟度和硬度等品质进行无损检测。结果表明，超声波在果品果皮和果实组织传播过程中不断衰减，其衰减变化随着果实成熟度和硬度的改变而变化。实验将超声波衰减测量值与果实硬度、成熟度参数之间建立对应模型，建立了超声波测量值与果实品质之间的线性关系。Haydar等[26]将超声波检测技术应用到苹果的力学特性检测分析当中，设计研发出一种便携式检测系统，该系统由一对发声频率为40 kHz的收发换能器、控制器、显示器等构成。使用多元线性回归方法建立算法模型，完成苹果的硬度、弹性以及断裂能3个力学指标与超声波衰减变化的对应关系。该模型3个指标的相关系数分别是0.73、0.64和0.73，实现了通过超声波检测技术对果蔬力学特性的无损检测。王艳萍[27]利用低频超声设计试验方案检测萝卜内部是否存在糠心情况，通过获取萝卜的超声波图谱信息，根据图谱中的最大幅度值进行判断，结果表明该超声波检测技术检测萝卜存在糠心情况的准确率为75%。

超声波检测技术在果蔬品质无损检测中大多处于研究阶段，原因是超声波容易受到果蔬中气孔的影响，稳定性较差，导致检测准确率不高，因此超声波在很大程度上仍然仅是一种研究工具，真正用于市场尚需进一步探索。

2.2 振动声学检测技术

振动声学检测技术是收集物体撞击果蔬目标物而产生的声音信号，通过对撞击产生的声音信号进行提取分析，将其与果蔬自身的品质特征建立相应的模型关系，对果蔬品质特性进行检测和分析。振动声学检测技术在果蔬品质检测领域的应用多集中在对果品硬度的检测上。声学检测通过评价衰减信号和传播速率来判断组织是否发生损伤，操作简单且成本低，能够检测组织结构和成分的变化。但是只对某种类型的缺陷或损伤适用，而且需要进行接触式测量，不利于商业化应用。

3 电子鼻检测技术

电子鼻检测技术是一种通过模拟动物嗅觉功能对目标物气味组分信息进行检测分析的一种技术手段，具有操作简便、高通量、实时无损检测等特点。该技术能够满足果蔬及制品量大、无损检测的要求，被越来越多地运用到果蔬无损检测中。电子鼻检测设备通常由采样系统、传感器阵列、信号预处理系统、模式识别系统和气味表达程序5部分构成。其中电子传感器组件是电子鼻识别气体成分的核心部件，当被测气体与传感器接触后，被测气体与气敏元件发生氧化还原反应导致电导率、电阻值改变产生电信号，通过传感器处理会生成被测气体的指纹图谱[28]。下一步是对特征图谱进行分析提取，进而达到对目标气体成分的定性或定量检测，目前该技术已作为果蔬品质评价的重要手段，特别是在具有明显香气成分的果蔬上应用。

电子鼻检测技术在果蔬品无损检测中主要用于检测果蔬新鲜度和成熟度以及腐败情况，此外也有通过香气对产地进行溯源的研究。如Jia等[29]利用电子鼻检测技术对苹果腐败情况进行无损检测，分别用检测器对鲜苹果和接种了青霉、黑霉的苹果进行检测，试验表明W1S、W2S、W5S、W1W这几类传感器更易于捕捉到苹果中霉变产生的气味，试验还尝试多种模式的识别方法，对建模效果进行评价，筛选最近模型，该方法对苹果的腐败检测准确率为96.3%。Ren等[30]采用安装了顶空采集系统的电子鼻设备对苹果坠地产生的机械伤进行检测，开发了电子鼻+人工神经网络+多元分析算法以实现对苹果机械损伤程度的快速识别。Li等[31]为提高该技术的识别准确率继续深入研究，同时使用两台电子鼻测定苹果的损伤情况，优化协算法矩阵实现对苹果损伤的高度识别和分类。Hui等[32]采用自制电子鼻对富士苹果在室温条件下不同贮藏期的样品进行检测，分别采用主成分分析和随机共振信噪比图谱两种建模方法对检测结果进行建模分析,结果显示主成分分析法对样品不同贮藏期的分析识别率较低，而随机共振信噪比图谱能够实现对苹果不同贮藏期新鲜程度的检测识别,准确率为84.62%。Ma等[33]使用PEN3型号的电子鼻对猕猴桃产地信息进行检测分析，研究发现不同产地的猕猴桃具有不同的香气成分特征。试验对采集到的猕猴桃香气成分分别使用线性判别式分析和簇类独立软模式法模型进行分析，结果发现这2种模型都可以做到对不同产地的猕猴桃进行识别，但该方法的稳定性较为欠缺。

电子鼻检测技术是一种依托仿生技术和传感技术结合精密仪器、新材料的智能仿生技术，电子鼻的功能日益增强的同时体积越做越小，更加灵活方便。目前，在果蔬品质检测中应用较多且商业化较好的产品有德国AIRSENSE公司生产的PEN3、美国ISENSO公司生产的Super Nose以及上海保圣实业发展有限公司生产的Bosin CNose等。为了满足检测市场的需要，优化升级电子鼻检测技术是当下的研究热点。目前电子鼻的研究方向一是仪器传感器的改进和提升，即气体传感器的选择性、稳定性、重复性的完善；二是在信号处理技术时存在干扰的情况下，信号处理器需要更加稳定。随着新一代传感技术、纳米新材料等技术的进步，电子鼻未来的体积和成本会逐步降低，并出现与其他分析仪器的融合应用的发展趋势。

4 展望

本文阐述了几种常见的果蔬快速检测技术，并对其检测原理、优缺点和研究现状进行了介绍。挖掘无损检测技术在果蔬品质检测方面的应用具有其技术优势，相较于传统检测技术具有省时省力、易于操作、对样品无破坏的优势，可作为快速有效的手段应用于果蔬采后的品质判断和产品分级中。在各类无损快检技术中，目前仅近红外光谱检测技术较为成熟可靠，依托该技术的设备市场化程度较高，市场认可度高。另外几种无损检测技术对果蔬品质的分析还主要集中在探索阶段，需要进一步深入研究以增强其性能和稳定性才能得到市场的认可。

关于果蔬品质无损检测技术未来的研究和发展方向，可从以下几个方面展开。一是在技术研究领域。注重学科交叉和多技术融合发展，提升信息提取和数据分析的稳定性和准确率。例如综合使用光、电、声、磁等物理手段，深入探究果蔬分子与光、电、声、磁的详细作用机制。探索构建最佳算法模型。优化信号提取和分析处理手段，构建稳定高效的分析模型。二是在新设备开发研究领域。会更加注重向自动化程度更高、体积更小、携带更加方便的方向发展，根据市场需要开发出针对各类果蔬特征品质的更加模块化、智能化的专门设备，同时降低设备成本以满足市场的需求。三是无损检测技术与果品分级结合。随着人工智能技术、机械自动化技术、无损检测技术的深度融合，果蔬品质检测将与果蔬质量等级紧密联系，依托无损检测技术实现对果蔬规格等级和品质等级全方位同步化评价技术，根据市场的需求将果蔬进行品质和规格分级检测，实现其市场价值。