无损检测技术在水果品质安全和真实性的应用研究进展

肖宏辉 李春霖 张永志 聂 晶 吴 振， 袁玉伟 ，

（1浙江省农业科学院农产品质量安全与营养研究所，浙江 杭州 310021；2宁波大学食品与药学学院，浙江 宁波 315211；3农业农村部农产品信息溯源重点实验室，浙江 杭州 310021）

我国是水果生产和消费大国，2022 年水果产量为31 296.2 万吨，同比2021 年增长4.4%，位居世界前列［1］。水果中富含膳食纤维、维生素、矿物质、多酚类和有机酸类等功效成分，有较高的营养价值，适量摄入对维持人体健康、预防食源性疾病具有重要意义［2］。同时，相关研究表明，水果消费的增加与心理和主观幸福感呈正相关［3］。

随着消费水平不断升级，居民对优质水果的需求日益增加。水果的品质等级由外观、营养成分、口感、气味、贮藏期等多种因素决定。货架期短、易受损等因素严重影响了不同产地和储运条件下的水果品质，导致有效成分含量存在差异。近年，市场上不断出现以次充好、掺杂掺假、农药残留等问题，已引起政府监管部门和消费者的普遍关注［4］。目前，科学研究领域通常采用质谱法、原子荧光光谱法等方法测定水果中的品质化学成分、矿物元素等。以上方法需要大型实验仪器并由专业人员操作，存在检测成本高、周期长、影响水果二次销售等问题。因此，低成本、高效率的水果无损检测方法是当前的主要研究方向之一。

无损检测技术是一门新兴的综合性应用学科，是在不破坏被检测对象物理状态和化学性质的前提下，准确获取其内外部性质、成分等理化信息的检测技术［5］。如图1 所示，无损检测技术主要包含以下几类。①光谱技术：利用果实对光的吸收、反射、折射等特性进行检测，根据所用光源的不同，分为近红外光谱检测技术、X 射线技术等，可用于水果大小、含水率、硬度等方面的检测，应用较为广泛。②传感器技术：利用电子鼻模拟生物嗅觉功能，分析、识别气味进行检测。同一种水果在不同生长阶段的气味不同，不同品种间气味也存在差异，该方法可用于水果成熟度、机械损伤、品种分类等方面的检测。③声学技术：在声波的作用下，利用果实反射、散射、吸收等声学特性进行检测，如超声波检测技术、声发射技术等，可用于水果硬度、成熟度、空心度等检测。④力学技术：利用果实振动频率、振动吸收、硬度、弹性等力学特性进行检测，可用于水果成熟度、硬度等检测。⑤电学技术：利用果实介电常数、电感、阻抗等介电特性进行检测，如传输线技术、同轴探头技术等，可用于水果糖度、含水率等方面的检测。

图1 无损检测技术的分类及应用Fig.1 Classification and application of nondestructive testing technology

1 无损检测技术应用于水果品质分析

1.1 品质化学成分检测

无损检测技术在水果品质化学成分检测中的应用以营养成分、功能性成分和理化成分检测为主。

1.1.1 营养成分检测 水果的营养成分包含糖类、维生素类、膳食纤维等，它们不仅可以促进机体的新陈代谢，还可以提供一定的能量。可溶性固形物含量是评价水果营养价值的重要指标之一，也是影响水果风味和口感的重要因素之一。Monago-Maraña 等［6］利用拉曼光谱对苹果中的可溶性固性物进行了检测，测得完整苹果的均方根误差为0.66，与近红外光谱得到的结果相似。刘燕德等［7］利用可见近红外光谱技术预测了不同贮藏期内水蜜桃的糖度，发现在漫反射检测方式下，糖度的最佳预测相关系数（coefficient of determination，R2）和预测均方根误差（root mean squared error predict，RMSEP）分别为0.886和0.727。在测定甜瓜中的葡萄糖、果糖和蔗糖成分时，所建立的模型都显示较高的准确率［8］。维生素是机体不能合成或合成量太少必须通过食物或其他途径补取的营养物质。水果中含有大量的维生素，它不仅可以调节人体的生长发育，还可以保持肌肤美白有弹性，防止皱纹的产生［9］。Bobasa 等［10］利用便携式近红外光谱仪对澳大利亚卡卡杜李中的维生素C 和鞣花酸进行测定，测得维生素C 的残差预测偏差（residual predictive deviation，RPD）值为2.1。多项研究表明，利用光谱技术测定不同水果中的维生素均取得了较好的效果［11-13］。无损检测技术在水果营养成分检测中的其他应用示例见表1［14-18］。

表1 无损检测技术在水果营养成分检测中的其他应用示例Table 1 Other examples of the application of nondestructive testing technology in the detection of fruit nutritional ingredient

1.1.2 功能性成分检测 水果中含有丰富的多酚类、有机酸类、氨基酸类等功能性成分，其中多酚类化合物含有多种抗氧化物质，可以有效地抵抗自由基的侵害，减少疾病的发生。光谱技术可以在短时间内快速测定不同水果中的总酚［19］及类胡萝卜素［20］含量，从而通过信号特征值来判别水果的新鲜度。Li 等［21］利用高光谱技术对桑葚中的花青素含量进行了测定，结果表明所建立的自动编码遗传算法极端学习机（stacked-auto encoder-genetic algorithm extreme learning machine，SAEGA-ELM）模型达到了较好的效果，其RMSEP 为0.22。此外，利用电子鼻技术能够有效测定水果及产品中的挥发性成分及气味特征。无损检测技术在水果功能性成分检测中的其他应用示例见表2［22-24］。

表2 无损检测技术在水果功能性成分检测中的其他应用示例Table 2 Other examples of the application of nondestructive testing technology in the detection of fruit functional component

1.1.3 理化成分检测 水果理化成分方面的测定主要以水分和pH 值为主。水果果实中含有超过80%的水分，极易被人体吸收并利用，是影响果品新鲜度、脆度和口感的重要成分。Abasi 等［25］利用近红外光谱仪对苹果中的水分含量等成分进行了测定，结合偏最小二乘回归（partial least squares，PLS）模型，得出水分含量的均方根误差为0.009。Wang 等［26］利用高光谱成像技术对猕猴桃的pH值进行了测定，结果表明迭代保留信息变量方法、迭代空间收缩方法、模型自适应空间收缩方法、随机森林方法以及多核支持向量回归方法相结合预测结果最好，R2P为0.851 2。无损检测技术在水果理化成分检测中的其他应用示例见表3［27-31］。

表3 无损检测技术在水果理化成分检测中的其他应用示例Table 3 Other examples of the application of nondestructive testing technology in the detection of fruit physical and chemical compositions

1.2 感官属性检测

感官品质是描述和判断水果质量最直观的指标，主要包括视觉、听觉、嗅觉、触觉和味觉5 个方面，它不仅体现了水果可食用性的要求，还综合反映了对食品安全性的要求，直接影响了水果的市场销售价格和消费者的购买欲望。

果实的形状、颜色、质地是判别水果成熟度的一个重要指标。传统的水果外观品质检测方法主要依靠人工经验，存在误差较大、检测效率低、对水果造成损伤等问题。随着检测精度要求的提高，可以客观地通过无损检测来判断，如机器视觉成像技术、光谱技术、声学技术等。机器视觉成像技术可以通过图像处理和分析实现对水果表面的缺陷、褐变、变形等问题进行快速检测和分类，并对水果的大小和形状进行精准测量，从而保证水果品质的一致性和可靠性。刘阳等［32］采用机器视觉技术并结合高斯混合模型对有溃烂、伤疤、雨斑缺陷的青梅进行了检测，准确率分别为100%、97.22%、92.31%。水果的颜色从侧面反映了营养成分的含量，可利用人工智能技术提取桑葚的颜色和纹理特征，结合支持向量机算法建立人工神经网络（artifificial neural network，ANN）模型，其成熟度的判别准确率为98.62%［33］。Xie 等［34］利用光谱技术提取香蕉的颜色特征，其建立的模型获得了较好的预测系数。除此之外，果实的硬度和弹性指标是质量判别的重要依据。Ding等［35］利用声振分析在线检测系统检测梨的硬度指标，结果表明反向传播神经网络（back propagation neural network，BPNN）方法具有较高的判别精度，校准集和验证集的准确度分别为93.3%和90%。

香气和滋味是影响水果感官品质的重要指标。水果的香气检测主要依靠电子鼻技术，利用气体传感器快速识别水果中复杂的挥发性成分，是一种用途广泛的风味物质分析检测方法。水果的滋味可利用电子舌和光谱技术等手段进行检测。Zhu等［36］利用电子鼻和电子舌技术对苹果的风味差异进行了研究，通过电子鼻技术鉴定出45 种挥发性化合物，其中含量最高的是酯类；通过电子舌技术分析发现不同品种苹果的酸味和甜味存在明显差异，结果表明两种技术的协同分析在风味差异分析上具有重要意义。利用光谱技术对水果样品进行光谱分析，通过建立模型，可以有效地检测水果的滋味特征。研究表明，利用近红外光谱技术可实现在0.01 s 内测定红提样本的甜度和酸度［37］。无损检测技术在水果香气和滋味中的应用可以进一步提高品质检测效率。

2 无损检测技术应用于水果安全性检测

2.1 农药残留的测定

近年来，大量学者利用液相色谱法、酶抑制法、生物传感器法等技术对水果类农药残留检测方法进行了研究。市场上农药残留快速检测的方法主要有速测箱、速测卡和速测试剂盒等，但受到检测对象较为单一等因素限制。采用光谱、电子鼻等技术对农药进行灵敏、广谱和无损检测发展迅速。其中，拉曼增强光谱技术可以获得显著的增强信号和丰富的分子指纹振动信息，在水果农药残留检测中具有高灵敏度和特异性。Chen等［38］证实了通过表面增强拉曼散射（surface enhanced roman scattering，SERS）显微成像技术可以研究苹果表面的农药残留分布。Yazici 等［39］利用近红外光谱技术对草莓表面的农药进行测定，结果测得啶酰菌胺的RPD 值为2.28，唑菌胺酯的RPD 值为2.31。利用电子鼻技术可以有效吸附水果残留农药的挥发性成分，从而有效判别残留农药的种类及含量。Tang 等［40］利用电子鼻系统结合金属氧化物半导体传感器（metal oxide semiconductor，MOS）对残留苹果表面的氯氰菊酯和毒死蜱两种农药进行了鉴定，结果表明主成分分析法（principal component analysis，PCA）的分类效果最好。无损检测技术在水果农药残留检测中的其他应用示例见表4［41-45］。

表4 无损检测技术在水果农药残留检测中的其他应用示例Table 4 Other examples of the application of nondestructive testing technology in the detection of fruit pesticide residue

2.2 病虫害及霉变的鉴定

水果的病虫害和霉变是影响水果品质等级鉴定的重要因素。水果在生长、销售过程中易受病原菌（如真菌、细菌）侵染和害虫侵蚀，这不仅降低了水果的品质，同时对其安全性也造成了极大的影响。传统的水果病虫害检测主要以人工分拣和理化检测为主，但存在耗费时间及破坏样本等弊端，而无损检测技术在实现快速检测的同时，还可以保证样本的完整性。利用计算机视觉技术获取水果的颜色、纹理等特征，可以有效识别芒果炭疽病［46］和哈密枣霉变［47］。王若琳等［48］通过感应病变水果内部电场的强度和分布，对苹果的水心病进行检测，其中损耗因子结合人工神经网络对水心病果和好果的判别准确率均达到100%。X 射线成像技术通过捕获样品内部缺陷或异物引起的射线强度的变化，按照一定的方法转换成二维图像，进而对样品病虫害进行有效的检测。Matsui 等［49］研究表明，基于深度学习的X射线图像分析自动检测系统可以有效地检测哈斯鳄梨果实的内部腐烂。电子鼻技术利用传感器性能，在水果的病害检测领域效果显著。闫子茹等［50］利用电子鼻系统检测香梨的挥发性气体来确定香梨的腐烂程度，结果表明线性判别分析（linear discriminant analysis，LDA）对传感器响应值变化效果最好，可以进行有效的区分。无损检测技术在水果病虫害及霉变检测中的其他应用示例见表5［51-54］。

表5 无损检测技术在水果病虫害检测中的其他应用示例Table 5 Other examples of the application of nondestructive testing technology in the detection of fruit plant diseases and insect pests

3 无损检测技术应用于水果真实性鉴别

3.1 原产地判别

目前，水果及其产品的原产地认证方法包括质谱技术（同位素指纹技术、矿物质元素技术、有机成分指纹技术）、分子生物学技术、光谱技术等。其中，光谱技术因快速、高效、无损等优点逐渐得到相关学者的关注，在柑橘、苹果、桃等水果的产地判别中取得了大量应用。

不同产地的水果受自然环境、地理条件等影响，口感及品质会存在差异，普通消费者难以通过外观进行判定。利用快速无损检测的手段检测不同产地的水果，对保护消费者权益和促进产业健康发展具有重要意义。Wang 等［55］利用高光谱成像技术对浙江丽水、江西德兴的红树莓进行了营养成分预测及产地鉴定，结果表明三个地区的红树莓果实营养成分存在显著差异，采用正交偏最小二乘判别分析（orthogonal partial least squares discrimination analysis，OPLSDA）模型成功对三个地区的红树莓进行了分类，准确率超过98%。Xu等［56］利用近红外光谱结合化学计量技术对山东、山西、河南和河北的瓜蒌进行了鉴别，校准集和预测集的分类准确率均高达100%。卢诗扬等［57］利用拉曼光谱结合长短期记忆（long short-term memory，LSTM）网络对来自美国、山东和四川的樱桃进行了产地鉴别，准确率达99.12%。光谱技术在进行产地溯源时，由于其检测样本数量的局限性，会对结果造成一定的误差。因此，需要通过增加样本数量，使分类精度进一步提高。无损检测技术在水果原产地判别中的其他应用示例见表6［58-62］。

表6 无损检测技术在水果原产地判别中的其他应用示例Table 6 Other examples of the application of nondestructive testing technology in fruit origin discrimination

3.2 标签信息判别

水果标签包括品种名称、贮藏时间等信息，但部分不法分子受经济利益驱使，在标签上弄虚作假，极大地损害了消费者权益。传统的水果品种分类和贮藏时间检测取决于个人的视觉和嗅觉，具有较强的主观性，容易出现误判；侵入性检测方法会导致水果创伤，不适合广泛应用。因此，迫切需要开发简单、准确、无损的品质检测方法。

近年，国内外学者对于水果品种方面的研究主要采用近红外光谱技术、紫外/可见光谱技术、高光谱成像技术。马惠玲等［63］利用高光谱成像技术对3个苹果品种进行分类，得出径向基核函数支持向量机模型的准确率可达96.67%。尚静等［64］证实了利用紫外/可见光谱技术结合化学计量学方法可以有效地对3 个不同品种的苹果进行区分。不同贮藏时间的水果对销售质量和消费者的满意程度都产生了极大的影响。利用电子耳系统采集水果振动的声学信号，可以有效识别水果的贮藏时间。Alipasandi 等［65］通过获取西瓜的声学信号对未成熟、成熟和过熟三种类型进行分辨，其最优结果为77.3%。陆勇等［66］通过声振法选取3个特征值并建立西瓜贮藏时间的多元线性回归模型，模型的确定系数为0.931 3。无损检测技术在水果贮藏时间判别中的其他应用示例见表7［67-69］。

表7 无损检测技术在水果贮藏时间判别中的其他应用示例Table 7 Other examples of the application of nondestructive testing technology in fruit storage time discrimination

4 结语与展望

4.1 结语

目前，我国水果的生产逐步向连续化、自动化、智能化和标准化方向发展。将无损检测技术应用于连续化生产线中，可以实现在非接触下对果实的外观质量、内部成分和结构等品质指标进行全面评估，也可以联合人工智能技术实现对水果的分类、分级和计数。无损检测技术凭借操作速度快、无需大量预处理、不破坏产品原有形态等优点，已初步应用于水果的品质评价、产品分级和安全鉴定，但仍存在亟需突破的技术难点。

4.1.1 检测范围有限 无损检测技术大多应用于小型薄皮水果的品质安全检测，在大型厚皮水果的应用较少。原因是无损检测信号难以穿透大型厚皮水果，无法获取或获取的检测信号较弱，难以从中提取到足够的有效信息，造成检测精度较低。因此，需要进一步完善现有应用技术及开发新的无损检测技术。

4.1.2 硬件性能差 硬件设备的稳定是获取高质量原始信号的关键，是保证水果品质无损检测的前提。电子鼻和电子舌技术存在传感器具有选择性和限制性、易受环境因素影响、便携性差等弊端，光谱技术及其他无损检测技术存在设备成本较高的问题。因此，需要提高传感器的灵敏度、稳定性及优化现有无损检测仪器设备的结构和参数，降低规模化检测成本。

4.1.3 提高检测精度 水果样本由于存在品种、地理环境等方面的差异，会造成一定的模型适应性问题，影响检测精度。模型的精度十分依赖于算法和模型建立，选取与检测样品信息高度匹配、针对性强的新型化学计量学方法，将有利于提高模型的精度。

4.2 展望

4.2.1 便携式仪器的研发 现有部分检测仪器过于庞大，不方便携带且只能在实验室中进行，而小型便携式仪器的研发能够很好地满足及时、准确的现场分析要求。通过提升光纤探头的性能，研发体积小且功率大的二极管激光光源以及优化仪器的结构，如增加小型计算机的接口，以及连接便携式打印机等方法，可以有效提高仪器设备的精度、提升实时在线检测的效率。

4.2.2 多种无损检测技术的联合使用 单一无损检测技术只针对某一类指标，未能实现多种目标的同时检测，无法实现水果的综合品质评价。通过多种技术的联合使用，如光谱技术和传感器技术的联合使用，以及信息融合技术，如数据融合或多传感器信息融合，凭借信息量大、容错能力较好的优点可以对水果产品进行多方面、多层次、多级别的处理，得到更准确和可靠的结果。

4.2.3 通用模型的建立 现有仪器检测获得的信息数据量大，处理繁琐，未能实现一种模型对多种指标检测的通用性。未来，可以通过寻找最优的建模参数，优化现有的特征提取算法和建模算法，并结合“模型更新”方法，如添加额外样本信息来改善模型性能的方法，建立一套准确、稳定、建模成本低、工作量小的水果品质安全无损检测通用模型。