水果品质无损检测研究进展

张 磊，连 爽，陆雅丽，吴 健，祝贤芳，高瑜悦，唐艺玲

（贵阳市食品药品检验检测中心，贵州贵阳 550081）

近年来，在乡村振兴背景下，我国许多中西部地区城市将水果产业作为当地经济发展的重要抓手，种植规模及产量不断扩大。我国水果产业已成为继蔬菜和粮食之后的第三大产业，是我国发展现代化农业的重要组成部分。2021 年我国水果产量达到2.997 亿t，是世界第一水果生产国，但出口总量却仅有0.355 亿t，贸易逆差达到91.6 亿美元[1]。这主要是因为我国水果产业虽然有资源优势，但在高端水果产业发展上明显落后于西方国家，导致我国水果出口面临“低价销售”的窘境。因此，发展水果品质快速检测，实现对水果品质的筛选分类，有助于提高我国水果产业的发展及国际竞争力[2]。

水果无损检测技术是在不破坏水果原有物理和化学性质的前提下，获取水果内部和外部信息所采取的检测方法。与传统的水果品质检测方法相比，具有高效、无损等优势。随着水果产业的发展，无损检测技术被越来越多地用于水果品质检测中，已成为该领域的研究热点。目前，水果无损检测的主要方法分为近红外光谱无损检测技术、高光谱成像无损检测技术、智能感官仿生无损检测技术、声学特性无损检测技术及电学特无损检测技术[3]。

1 近红外光谱无损检测技术

近红外光谱无损检测技术是利用波长介于780～2 500 nm 的近红外线照射被检测物质，不同物质对光的吸收、散射、反射和透射等特性不同而获得特定的光谱信息，以此确定物质化学、物理信息的一种无损检测技术[4]。例如，章林忠等人[5]利用近红外光谱采集10 种不同葡萄品种、不同成熟期及1 种病害，共计188 个葡萄样品的总酚、总糖、果糖、蔗糖和可溶性固形物的红外光谱数据，并结合偏最小二乘（PLS）算法建立了葡糖果实与以上5 个指标的定量预测模型。结果表明，该模型与以上指标的相关系数在0.77 以上，均方误差在0.022～1.410，具有较高的可信度；同时，采用主成分分析法（PCA）对光谱结果在4 119.20～9 881.46 cm-1的区域建立区分葡萄糖果实品种、成熟度和是否受病害的判别分析模型，结果表明该模型识别率高达92.11%，88.89%和96.16%，可快速实现葡萄果实品质分类。黎新荣[6]采用近红外光谱分析仪对5 个种植园内不同成熟度，共计150 kg 的滑皮金橘果实进行光谱数据采集和糖度测定，并利用S-G 卷积平滑对光谱数据进行优化处理，选择720～920 nm 为建模波段，结合偏最小二乘法建立了滑皮金橘糖度预测模型。结果表明，该模型在滑皮金橘糖度预测值与实际值的相关系数达0.958 2，均方根误差为0.518 7，相对分析误差为3.24，可实现对滑皮金橘糖度的快速无损检测。章海亮等人[7]使用近红外光谱仪采集168 个赣南脐橙光谱信息并测定其总酸含量，选取400～880 nm 作为建模波段范围，使用平滑算法和遗传算法对数据进行特征提取，结合最小二乘支持向量机算法建立赣南脐橙总酸含量预测系统。结果表明，该模型预测集均方根误差为0.01 6，预测集决定系数为0.983 4，相对分析误差为7.76，可较为准确地检测赣南脐橙的总酸含量。

虽然，近红外光谱检测技术具有无损、快速和操作简便等优点，但由于传统近红外光谱仪价格昂贵，便携式红外光谱仪稳定性和精密度不够，因此实际应用中亟需兼具稳定性、精密度和价格低廉的便携式光谱仪。同时，红外光谱仪容易受到温度、湿度和测量距离等因素的影响，因此在特定环境下采集的光谱数据用于预测模型建立，在实际应用时会受到环境因素的影响，导致结果准确度的下降。

2 高光谱成像无损检测技术

高光谱成像技术是使用几十个到数百个波长同时对物体进行扫描成像，从而获得待测物的图像信息和光谱信息，其波长范围（200～2 252 nm）覆盖了从紫外光谱到近红外光波段，光谱分辨率可达纳米级别，能全面反映待测物体的外部和内部信息[8-9]。许丽佳等人[10]利用高光谱分选仪对120 个猕猴桃采集波长400～1 000 nm 内的高光谱图像并测定其糖度，使用自适应重加权算法和连续投影算法对光谱图像数据进行数据处理，结合极限学习模型，建立了猕猴桃糖度预测模型。结果表明，糖度预测模型相关系数达0.839 0，均方差根为0.598 3，相对分析误差为2.535 1，说明该方法可对猕猴桃的糖度实现无损精准测定。Zhang Dongyan 等人[11]采集了160 个苹果在波长1 000～2 500 nm 内的高光谱图像并测定其可溶性固体含量，使用重加权算法和连续投影算法对光谱图像数据进行处理，并结合偏最小二乘法建立苹果可溶性固体的预测模型。结果表明，该模型相关系数达0.907，均方差根0.479，说明该方法可实现对苹果可溶性固体无损精确测定。有研究表明，使用高光谱成像系统采集135 个猕猴桃光谱信息，并结合主成分回归模型建立贮藏期内猕猴桃酸度预测回归模型。结果表明，该方法预测集相关系数为0.9，剩余预测偏差为2.13，均方根偏差为0.08，能较为准确地检测猕猴桃果实酸度。

高光谱成像技术能获取水果丰富的图像和光谱信息，可以更加全面反映水果的外部形状、大小、缺陷及内部组成成分等信息，因此该技术在对水果品质进行无损检测时能达到更高的精准度。但是高光谱成像技术也存在不足，如虽然高光谱图谱的信息丰富，但数据冗余度和数据处理量大、系统检测时间长，对计算机资源配置的要求高，且高光谱仪价格昂贵。因此，在实际应用中的发展缓慢。

3 智能感官仿生无损检测技术

智能感官仿生检测技术是利用现代传感技术和信息技术模仿人体感官感知行为，如视觉、嗅觉、触觉、嗅觉、味觉等，以此来获取待测物品质信息，并模拟人对信息的理解和判别进行待测物品质检测，目前应用于水果品质无损检测的智能感官技术主要是电子鼻和机器视觉[12-13]。丁庆行等人[14]采用8 种气敏传感器模拟人的嗅觉细胞，检测白心火龙果、赵州雪花梨、翠玉猕猴桃和富士康4 种水果，在仓库环境模拟器内检测乙醇、甲烷、丙烷、丙烯、丁烷、丁烯、一氧化碳、氢气、氨气、硫化物、硫化氢、醛醇、酮及芳族化合物气体含量变化，每12 h 测量一次，持续测量120 h。将检测数据结合主成分分析法，建立仓储果品腐烂电子鼻监测系统。结果表明，该系统可有效区别水果的微腐败和严重腐败程度。张建超等人[15]使用便携式电子鼻，采集不同病变程度霉心苹果数据，通过PCA，HCA 和OPLS-DA 分析法对数据进行降维处理和特征信息提取，结合Fisher函数、多层感知器神经网络和径向基函数神经网络算法，建立霉心病苹果病变程度的判别模型。结果表明，多层感知器神经网络模型判别效果最好，其对训练集和验证集的预测判别率分别为88.61%和88.46%。李颀等人[16]使用CCD 彩色工业相机动态采集红富士苹果2 个面的实时图像，采用泛洪填充+自适应Ostu 阈值分割算法、最小外接圆法和最小外接矩形法对图像信息进行特征提取，结合粒子群SVM决策树算法建立苹果分级评判模型。结果表明，该方法对苹果分级准确率达到94%以上，分级速率达到4 个/ s，可满足苹果在线分级要求。

计算机和传感器技术的快速发展促使智能感官仿生无损检测技术不断进步，其快速、准确、无损等优点能较好满足现代化机械自动化流水线生产要求，在水果品质分级筛选中应用广泛。但是，智能感官仿生无损检测技术也存在智能仿生感官传感器设备成本价格过高、电子鼻仿生系统易受到环境温湿度影响而导致灵敏度降低等问题。

4 声学特性无损检测技术

声学特性无损检测技术是指水果在声波刺激下的反射、散射、透射、吸收、衰减系数、频率、传播速度与声阻抗等特性会随着水果内部组织变化（如成分、结构、物理状态等）特性的改变而发生变化，因此可依据水果声学特性的改变，实现对水果品质的检测[17]。Alfadhl Y 等人[18]通过声脉冲响应采集健康苹果和患蠹蛾苹果的数据信息，结合K -近邻和岭回归模型建立蠹蛾苹果检测系统。结果表明，该系统对蠹蛾苹果识别准确率达90%以上。Morrison D S 等人[19]通过超声反射采集柑橘表面信息，建立柑橘超声反射信息与柑橘密度模型，该方法可较为准确地测定9 d 内柑橘硬度的变化，从而可较为准确地预测柑橘成熟度变化。

目前，基于声学特性的水果品质无损检测技术具有操作简便、设备简单、不易受到外界环境干扰等特点，但也存在弊端，如高频的超声波容易造成水果营养的流失和硬度损害，同时高能量超声仪器价格昂贵限制其广泛的商业化应用。

5 电学特性无损检测技术

电学特性无损检测技术是指通过对水果施加外部电场来观察水果内部导电特性和介电特性的变化，而水果在生长成熟、发生病害和损伤等过程中其内部会发生一系列生理生化反应，造成果实组织中所携带电荷的数量和空间分布发生变化，影响果实内部电场强度和分布，导致水果电学特性变化。因此，可依据水果电学特性的改变，实现对水果品质的检测[20]。王若琳等人[21]在100.00 Hz～3.98 MHz 频率范围采集200 个健康苹果和300 个水心病苹果的11 个电学指标，结合多层感知器人工神经网络和径向基人工神经网络模型建立水心病苹果分析判定系统。结果表明，2 种模型对好果和水心病果的识别正确率均能达100%，能高效实现苹果水心病的无损检测。李小龙等人[22]使用电学特性检测仪在1 MHz 频率下采集库尔勒香梨等效电容、品质因素、并联等效电阻、复阻抗、复阻抗相角和电抗6 个电学参数并测定香梨质量，建立电学参数与质量之间关系。结果表明，库尔勒香梨并联等效电容与质量呈显著相关，相关性系数可达到0.917 8，该方法可快速实现对库尔勒香梨果实质量无损测定。罗安伟等人[23]在100 Hz～3.98 MHz 频率范围测定患青霉病猕猴桃电学参数及生理指标，建立患青霉病猕猴桃判别模型。结果表明，等效串联电阻与β -1,3 -葡聚糖酶活性及等效串联电容与可滴定酸均呈显著相关，依据猕猴桃β -1,3 -葡聚糖酶活性和可滴定酸预测值可实现对患青霉病猕猴桃的准确识别，在贮藏期15～45 d 时准确率达到83%。

电学特性的水果品质无损检测技术具有仪器反应灵敏、操作步骤简单等优点，但电学特性受仪器设备限制其检测精度和效率较低，同时水果在导电状态下的电学特性波动较大，并且电学特性与水果内部成分之间的相关性不高，因此基于电学特性的无损检测在实际水果品质检测中应用并不多。

6 结语

水果品质无损检测研究技术解决了传统检测方法操作繁琐、破坏样品等问题，具有独特的优势，所以近年来发展迅速，研究对象涵盖了目前市场上大部分水果。检测仪器、检测原理及建模算法的创新都已成为当前水果品质无损检测技术研究的热点。但水果品质无损检测研究技术仍然存在着许多不足，如目前检测仪器存在设备价格昂贵、体积过大等问题，导致在实际推广过程中难以满足需求。另外，目前的检测设备只能针对单一品种和单一指标进行检测，而水果在品质分类筛选中往往需要多品种、多指标、多维度的综合分析评判。目前，检测设备多基于光学、电学、声学等原理建立，而这些设备仪器容易受到环境条件的影响，同时品质分类模型在建立时，数据的采集通常是在实验室特定条件下进行，导致在实际应用中随着环境条件的改变模型准确率会明显降低。虽然目前研究者们积极开展水果光学参数、电学参数及声学参数与水果品质存在的关系和影响，但对其影响机理的研究还很缺乏。上述问题的解决，势必都将促进水果品质无损检测技术在实际应用中的发展，从而提高我国国产水果在国际市场中的竞争力，为我国水果产业发展创造更强大的发展动力。