高海生

(河北科技師范學(xué)院食品科技學(xué)院，河北秦皇島，066600)

果實(shí)商品化是在深入了解其生理代謝規(guī)律的基礎(chǔ)上，根據(jù)其物性特征和品質(zhì)特征，采用科學(xué)的方法，對(duì)各種果實(shí)產(chǎn)品進(jìn)行檢測(cè)、分級(jí)、包裝等系列處理，使其品質(zhì)得到有效保護(hù)和改善，實(shí)現(xiàn)果實(shí)產(chǎn)品從初級(jí)原料到高附加值商品的轉(zhuǎn)化。目前，減少果實(shí)采后損耗已成為世界農(nóng)產(chǎn)品業(yè)主要關(guān)注的問題之一。據(jù)報(bào)道，國外發(fā)達(dá)國家果實(shí)采后損耗約占總產(chǎn)量的15%～20%。我國是世界果蔬生產(chǎn)的第一大國，但由于較重視品種選育、采前栽培和病蟲害防治工作，忽視了采后處理技術(shù)的應(yīng)用，未能更好地解決果實(shí)的檢測(cè)、分級(jí)、運(yùn)輸、保鮮等問題，使果品蔬菜在采后的流通過程中損失嚴(yán)重，每年的損失率為 30%～40%［1～3］。

隨著科學(xué)技術(shù)的迅猛發(fā)展和計(jì)算機(jī)視覺技術(shù)向農(nóng)業(yè)領(lǐng)域的拓展，為果實(shí)品質(zhì)的無損傷檢測(cè)、果實(shí)自動(dòng)化分級(jí)提供了很多新的方法和手段。

1 果實(shí)品質(zhì)的無損傷檢測(cè)

果實(shí)品質(zhì)的無損傷檢測(cè)技術(shù)主要有光學(xué)特性檢測(cè)技術(shù)、聲波振動(dòng)特性檢測(cè)技術(shù)、核磁共振(NMR)技術(shù)、機(jī)器視覺技術(shù)、電特性檢測(cè)技術(shù)、CT技術(shù)和電子鼻技術(shù)等。

1.1 利用光學(xué)特性檢測(cè)果實(shí)

由于果實(shí)內(nèi)部成分的不同，在不同波長的射線照射下，會(huì)有不同的吸收或反射特性。據(jù)此特性并結(jié)合光學(xué)檢測(cè)裝置就能夠?qū)崿F(xiàn)果實(shí)品質(zhì)的無損傷檢測(cè)。

在水果內(nèi)部品質(zhì)光學(xué)特性檢測(cè)原理與檢測(cè)系統(tǒng)組成中，應(yīng)義斌等［4］分析了規(guī)則反射、透射和漫反射三種光特性測(cè)量方法在水果內(nèi)部品質(zhì)檢測(cè)中的優(yōu)缺點(diǎn)，并詳細(xì)闡述了水果的糖度、酸度、硬度等內(nèi)部品質(zhì)光特性無損檢測(cè)的研究與應(yīng)用技術(shù)。劉燕德等［5］研究了光纖傳感技術(shù)在水果品質(zhì)上的無損檢測(cè)原理，設(shè)計(jì)了一種測(cè)量水果品質(zhì)的系統(tǒng)，并對(duì)水果光譜的三種測(cè)量方式——規(guī)則反射、漫反射和透射進(jìn)行了對(duì)比分析和試驗(yàn)，試驗(yàn)結(jié)果表明，漫反射方式是應(yīng)用到水果內(nèi)部品質(zhì)預(yù)測(cè)的最好方式。其應(yīng)用近紅外光譜漫反射技術(shù)進(jìn)行蘋果糖分含量的無損檢測(cè)技術(shù)，在水蜜桃等水果上試驗(yàn)，得到了較為滿意的效果［6］。同時(shí)，傅霞萍等［7］進(jìn)行了相關(guān)試驗(yàn)，效果良好。

韓東海等［8］通過對(duì)富士蘋果的正常部位和損傷部位的組織觀察、近紅外光譜的測(cè)量分析以及顏色的測(cè)量，認(rèn)為與秦冠和黃香蕉蘋果相比，富士蘋果受損后，在1 h內(nèi)表面色差最小;損傷部位吸光度基本上是沿著正常部位的變化趨勢(shì)而變化;760～960 nm范圍內(nèi)的波長可以用于表面損傷蘋果的檢測(cè);富士蘋果損傷部位的吸光度隨時(shí)間變化關(guān)系符合方程Y=aXb。

田海清等［9］設(shè)計(jì)的近紅外透射式西瓜可溶性固形物含量(SSC)檢測(cè)系統(tǒng)，主要包括光纖光譜儀、光纖透射附件、數(shù)據(jù)采集卡以及自制光源，對(duì)50個(gè)麒麟瓜的SSC進(jìn)行了預(yù)測(cè)試驗(yàn)，采用主成分回歸和偏最小二乘回歸法，分別建立了樣品的原始光譜、一階微分光譜、二階微分光譜和SSC的預(yù)測(cè)模型。結(jié)果表明，偏最小二乘回歸法建立的模型具有較高的相關(guān)性，相關(guān)系數(shù)為0.951，均方根校正誤差0.347，均方根預(yù)測(cè)誤差0.302，樣本真實(shí)值與預(yù)測(cè)值的相關(guān)系數(shù)為0.910。

日本學(xué)者開發(fā)了可見光和近紅外線測(cè)定梨、蘋果成熟度的傳感器，又研制了快速判別水果成熟度和色澤的選果裝置，并將此技術(shù)用于自動(dòng)化選果線上，把成熟度、色彩傳感器與自動(dòng)化分級(jí)、包裝線連在一起，率先實(shí)現(xiàn)了高度自動(dòng)化的無損傷檢測(cè)選果［10］。

中國農(nóng)業(yè)大學(xué)韓東海等［11］研究了蘋果貯藏中水心病發(fā)病情況的無損傷檢測(cè)。該研究通過自制差分儀監(jiān)測(cè)了貯藏中蘋果透光強(qiáng)度的變化，建立了貯藏中蘋果透光強(qiáng)度和質(zhì)量隨時(shí)間變化的回歸方程。在貯藏過程中有水心病的蘋果透光強(qiáng)度下降較無水心病蘋果快，貯藏后期發(fā)病不嚴(yán)重的病果癥狀消失，同時(shí)發(fā)現(xiàn)質(zhì)量較大的蘋果中水心病發(fā)病比率高。同時(shí)，韓東海等［12］利用可見近紅外連續(xù)透射光譜技術(shù)(650～900 nm)對(duì)蘋果內(nèi)部褐變進(jìn)行了研究，分析了其光譜特性，選擇715，750，810 nm等3個(gè)特征波長進(jìn)行了褐變果判別分析，試驗(yàn)結(jié)果表明，樣品的正確判別率達(dá)到96.65%。

綜上所述，利用光學(xué)特性實(shí)施果實(shí)產(chǎn)品的檢測(cè)，是目前無損傷檢測(cè)技術(shù)中最實(shí)用和最成功的技術(shù)之一，具有檢測(cè)靈敏度高、適應(yīng)性強(qiáng)、設(shè)備輕巧、使用靈活、對(duì)人體無害等優(yōu)點(diǎn)，國外已逐步進(jìn)入實(shí)用階段。

1.2 利用聲波振動(dòng)檢測(cè)果實(shí)

關(guān)于能量吸收和聲音、超音震動(dòng)技術(shù)反映采后果實(shí)內(nèi)部的損傷情況的研究表明，這兩種技術(shù)僅用于對(duì)果實(shí)擠傷敏感性的分析，與熒光和延遲光發(fā)射的方法只適用于含葉綠素的果實(shí)材料相比，光譜分析可廣泛用于所有的果實(shí)損傷的檢測(cè)，但這些方法只能用于果實(shí)表面損傷的評(píng)價(jià)。對(duì)研究人員和產(chǎn)業(yè)部門來講，最大希望是能更好地了解果實(shí)采后處理和流通過程中內(nèi)部損傷的情況。目前，X-射線分析、磁場(chǎng)共振圖像和激光檢查雖能檢測(cè)果實(shí)內(nèi)部不同的損傷程度，但由于成本高，適用范圍十分有限，未能在商業(yè)上應(yīng)用。同其他所有技術(shù)一樣，利用產(chǎn)品的聲波振動(dòng)檢測(cè)果實(shí)技術(shù)的檢測(cè)成本正迅速下降，同時(shí)檢測(cè)能力迅速提高［13］。

1.3 利用機(jī)器視覺技術(shù)檢測(cè)果實(shí)

機(jī)器視覺技術(shù)在農(nóng)業(yè)上的應(yīng)用較早，開始主要是用于植物種類的鑒別。隨著圖像處理技術(shù)的迅猛發(fā)展和計(jì)算機(jī)軟硬件的日益提高，機(jī)器視覺系統(tǒng)在果實(shí)品質(zhì)自動(dòng)檢測(cè)和分級(jí)領(lǐng)域的應(yīng)用已得到了較快的發(fā)展。研究表明，運(yùn)用黑白圖像處理技術(shù)進(jìn)行蘋果表面的碰壓傷檢測(cè)，在美國已開始應(yīng)用。

應(yīng)義斌等［14］研究，以表面色澤與固酸比為柑橘成熟度指標(biāo)，建立了用于柑橘成熟度檢測(cè)的機(jī)器視覺系統(tǒng)，確定了適宜的背景顏色，進(jìn)行了柑橘的分光反射試驗(yàn)。結(jié)果表明，700 nm是獲得高質(zhì)量柑橘圖像的較佳中心波長，并建立了利用協(xié)方差矩陣和樣本屬于橘黃色和綠色的概率來判斷柑橘成熟度的判別分析法，可以使柑橘成熟度的判別準(zhǔn)確率達(dá)到91%以上。

高光譜圖像技術(shù)結(jié)合了計(jì)算機(jī)圖像與光譜技術(shù)兩者的優(yōu)點(diǎn)，是農(nóng)畜產(chǎn)品品質(zhì)檢測(cè)技術(shù)的發(fā)展趨勢(shì)。它比多光譜圖像有更高的波長分辨率，通常精度可達(dá)到2～3 nm。應(yīng)用高光譜圖像研究了獼猴桃內(nèi)部可溶性固形物的分布。試驗(yàn)時(shí)，將獼猴桃切片后獲取圖像，測(cè)量的波長范圍為650～1 100 nm，通過偏最小二乘法建立了可溶性固形物的預(yù)測(cè)模型。結(jié)果表明，近紅外高光譜圖像預(yù)測(cè)可溶性固形物的質(zhì)量濃度有很高的精度，預(yù)測(cè)誤差為12 g/L(1.2 Brix)［樣本的可溶性固形物的質(zhì)量濃度在41.7～141.0 g/L(4.17～14.1 Brix范圍)］。用高光譜圖像技術(shù)進(jìn)一步研究了不同種類及顏色蘋果的損傷、腐爛、疤痕和土壤污染檢測(cè)。設(shè)計(jì)了不均勻二次差分算法來分離不同種類蘋果中的缺陷或污染，利用該算法能很清楚地區(qū)分出各類蘋果中的缺陷或污染區(qū)域，而且不會(huì)把蘋果果梗誤判為缺陷，并能將其作為完好蘋果的一部分［15］。

1.4 利用核磁共振(NMR)技術(shù)檢測(cè)果實(shí)

核磁共振(NMR)是一種探測(cè)濃縮氫質(zhì)子的技術(shù)，它對(duì)混合物料狀態(tài)下的響應(yīng)變化比較敏感。研究人員發(fā)現(xiàn)，果實(shí)在成熟過程中，水、油和糖的氫質(zhì)子的遷移率會(huì)隨著其含量的逐步變化而變化。另外，水、油、糖的濃度和遷移率還與其他一些品質(zhì)因素諸如機(jī)械損傷、組織衰竭、過熟、腐爛、蟲害以及霜凍損害等有關(guān)。因此，基于以上特性，通過其濃度和遷移率的檢測(cè)，便能檢測(cè)出不同品質(zhì)參數(shù)的果實(shí)產(chǎn)品。

核磁共振成像技術(shù)的應(yīng)用，可以讓研究人員以更詳盡的參數(shù)無損傷檢測(cè)果實(shí)產(chǎn)品，不僅可以方便地找出核磁共振參數(shù)與果實(shí)品質(zhì)參數(shù)之間的對(duì)應(yīng)關(guān)系，而且可以大大促進(jìn)高速核磁共振技術(shù)的發(fā)展。但是，雖然核磁共振成像技術(shù)已經(jīng)成功商業(yè)應(yīng)用于檢測(cè)人體的腫瘤和其他的人體異常的醫(yī)學(xué)領(lǐng)域，但它潛在的用來檢測(cè)果實(shí)產(chǎn)品的缺陷和其他品質(zhì)因素的價(jià)值還沒有完全被挖掘出來。因此，該項(xiàng)技術(shù)在國內(nèi)還尚未見過報(bào)道［3］。

1.5 利用電特性檢測(cè)果實(shí)

隨著水果新鮮度的降低，在切片組織腐爛或損傷與非腐爛或無損傷的兩種情況下，它們的電學(xué)特性呈現(xiàn)相反的變化，在切片組織已有腐爛或損傷的情況下，其等效阻抗值顯著地比新鮮的正常果肉要小，而相對(duì)介電常數(shù)及損耗因素則比正常組織大。以蘋果和梨為試驗(yàn)對(duì)象，研究了低頻段(0.1～100 kHz)水果電學(xué)特性參數(shù)的頻率特性及其與水果品質(zhì)特征之間的關(guān)系，結(jié)果表明，水果的電學(xué)特性參數(shù)與水果品質(zhì)密切相關(guān)，為實(shí)現(xiàn)水果在線無損傷品質(zhì)檢測(cè)和自動(dòng)化分級(jí)奠定了基礎(chǔ)［16］。

為了解采后果品電特性變化機(jī)理，并探索基于電特性識(shí)別果品品質(zhì)的方法，郭文川等［17］研究了桃采后電特性和生理特性的變化。結(jié)果表明，隨著桃新鮮度下降，相對(duì)介電常數(shù)呈余弦規(guī)律變化，損耗角正切逐漸減小，呼吸高峰時(shí)相對(duì)介電常數(shù)最大。分析了電特性變化的原因，進(jìn)而建立了采后桃電特性與生理特性之間的關(guān)系模型。以相對(duì)介電常數(shù)和損耗角正切為輸入特征參數(shù)，應(yīng)用BP(back propagation，反向傳播)神經(jīng)網(wǎng)絡(luò)技術(shù)識(shí)別桃的新鮮度等級(jí)，平均識(shí)別率為82%。

1.6 利用CT技術(shù)檢測(cè)果實(shí)

CT(computed tomography)是電子計(jì)算機(jī)斷層掃描的簡(jiǎn)稱，是電子計(jì)算機(jī)與X射線檢查技術(shù)相結(jié)合的產(chǎn)物。徐澍敏等［18］以陜西產(chǎn)富士蘋果為試驗(yàn)材料，利用CT技術(shù)測(cè)定了從不同高度下落蘋果CT值的變化規(guī)律。試驗(yàn)結(jié)果表明，受機(jī)械損傷的蘋果，在相同的掃描層上，蘋果的CT值隨貯藏時(shí)間增加而降低。且蘋果受機(jī)械損傷程度越高，蘋果的CT值越低。隨著掃描層位置與撞擊點(diǎn)距離的增加，未受損傷蘋果的CT值略有下降;而受機(jī)械損傷蘋果的CT值明顯上升。且隨著貯藏時(shí)間的變化，蘋果CT值隨受損傷程度的變化規(guī)律有所不同。張京平等［20］通過對(duì)紅富士蘋果進(jìn)行CT掃描和試驗(yàn)，并對(duì)蘋果CT圖像特性進(jìn)行分析，發(fā)現(xiàn)蘋果某點(diǎn)的糖含量與該點(diǎn)相應(yīng)CT值之間存在著顯著的線性相關(guān)關(guān)系。因而，可通過某點(diǎn)的CT值得到該點(diǎn)的糖含量，由此找到通過CT圖像來在線檢測(cè)果實(shí)糖含量分布的新途徑。在建立了蘋果的糖含量與該點(diǎn)CT值的線性關(guān)系模型后，通過無損方法進(jìn)行了驗(yàn)證，結(jié)果證明模型的平均誤差率僅為4.36%［19］。同時(shí)對(duì)富士蘋果主要成分進(jìn)行了預(yù)測(cè)，神經(jīng)網(wǎng)絡(luò)經(jīng)優(yōu)化后對(duì)含水率、含糖量和含酸量的平均預(yù)測(cè)誤差分別為1.75%，5.81%，0.72%。說明CT技術(shù)結(jié)合神經(jīng)網(wǎng)絡(luò)方法的精度滿足無損檢測(cè)的要求。

1.7 利用電子鼻技術(shù)檢測(cè)果實(shí)

電子鼻即電子嗅探器，是20世紀(jì)80年代末開發(fā)的一項(xiàng)探測(cè)技術(shù)。在日本，市場(chǎng)上有一種被稱為“Sakata水果檢測(cè)器”的便攜式無損檢測(cè)器，能夠以99%的準(zhǔn)確率檢測(cè)未熟、過熟和已腐爛的水果。有學(xué)者研究模擬人的嗅覺形成過程，研制出了一套用金屬氧化物半導(dǎo)體氣敏傳感器陳列組成的電子鼻系統(tǒng)，同時(shí)用神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行識(shí)別分析，測(cè)試正確率達(dá)到了 80%［16］。

鄒小波等［21］提出一種根據(jù)蘋果氣味對(duì)蘋果進(jìn)行無損檢測(cè)的方法，研制了一套適合蘋果氣味檢測(cè)的電子鼻系統(tǒng)。對(duì)好壞蘋果各50個(gè)進(jìn)行了檢測(cè)，在獲得傳感器陣列數(shù)據(jù)的基礎(chǔ)上，從每個(gè)傳感器曲線中提取了5個(gè)特征參數(shù)，作為模式識(shí)別的輸入向量。用主成分分析法和遺傳RBF網(wǎng)絡(luò)(徑向基函數(shù)網(wǎng)絡(luò))對(duì)所測(cè)的樣本進(jìn)行分析，主成分分析可較好的把好壞蘋果區(qū)分開，遺傳RBF網(wǎng)絡(luò)對(duì)訓(xùn)練集的回判正確率和對(duì)測(cè)試集的測(cè)試正確率分別為100%和96.4%。

2 自動(dòng)分級(jí)技術(shù)

果實(shí)準(zhǔn)確快速地分級(jí)難度很大，其主要原因是果實(shí)是在各種自然和人為因素綜合作用下形成的產(chǎn)品，無論在大小、形狀、顏色等外觀性狀上均有明顯表現(xiàn)。我國果實(shí)產(chǎn)品的分級(jí)主要靠人工完成。由于視覺本身存在個(gè)體差異，且視覺受健康狀況、心理因素、光照條件、疲勞程度等多方面的影響，人工分級(jí)缺乏客觀性、準(zhǔn)確性，且效率低下。但是隨著機(jī)械化和自動(dòng)化程度的提高，計(jì)算機(jī)技術(shù)的應(yīng)用，果實(shí)分級(jí)的機(jī)械化和自動(dòng)化水平越來越高。

2.1 果實(shí)機(jī)械化分級(jí)技術(shù)

果實(shí)分級(jí)機(jī)械按工作原理可分為大小分級(jí)機(jī)、重量分級(jí)機(jī)、果實(shí)色澤分級(jí)機(jī)和既按大小又按色澤進(jìn)行分級(jí)的果實(shí)色澤重量分級(jí)機(jī)。

既按果實(shí)著色程度又按果實(shí)大小來進(jìn)行分級(jí)，是當(dāng)今世界生產(chǎn)上最先進(jìn)的果實(shí)采后處理技術(shù)，該機(jī)的工作原理是:將上述的自動(dòng)化色澤分級(jí)和自動(dòng)化大小分級(jí)相結(jié)合。首先是帶有可變孔徑的傳送帶進(jìn)行大小分級(jí)，在傳送帶的下邊裝有光源，傳送帶上漏下的果實(shí)經(jīng)光源照射，反射光又傳送給電腦，由電腦根據(jù)光的反射情況不同，將每一級(jí)漏下的果實(shí)又分為全綠果、半綠半紅果、全紅果等級(jí)別，又通過不同的傳送帶輸送出去。該生產(chǎn)線可處理蘋果15～20 t/h［22，23］。

G.Carlomagno等［24］利用透射光譜方法在730～900 nm波長范圍內(nèi)對(duì)不同地域的桃進(jìn)行了分析，根據(jù)桃的含糖量和堅(jiān)實(shí)度判斷成熟度，準(zhǔn)確率可達(dá)82.5%。

比利時(shí)學(xué)者O.Kleynen等［25］在可見到近紅外光譜(450～1 050 nm)范圍內(nèi)選擇最有效的波長，對(duì)喬納金蘋果的分級(jí)進(jìn)行了研究，利用CCD(Charge Coupled Device，電荷耦合器件)采集蘋果圖像信息，根據(jù)蘋果的外形大小、外表顏色和缺陷進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，在450，500，750，800 nm波長處處理圖像信息時(shí)，蘋果的分級(jí)效果最好。

周增產(chǎn)等［26，27］提出了黃瓜的分級(jí)標(biāo)準(zhǔn)，在開發(fā)了機(jī)器視覺系統(tǒng)的基礎(chǔ)上，研制了挑選機(jī)器人和傳送帶等，設(shè)計(jì)了分級(jí)系統(tǒng)的軟硬件設(shè)備。

2.2 計(jì)算機(jī)視覺技術(shù)與自動(dòng)分級(jí)

計(jì)算機(jī)視覺系統(tǒng)能夠模擬人的視覺功能，對(duì)空間物體的三維性狀產(chǎn)生感知，并具有人腦的部分功能。將這一信息進(jìn)行傳遞、轉(zhuǎn)化、抽象和識(shí)別，從而作出判斷并指揮系統(tǒng)最終完成預(yù)期的目的。簡(jiǎn)單的計(jì)算機(jī)視覺系統(tǒng)主要由照明室、CCD攝像機(jī)、圖像采集卡和計(jì)算機(jī)組成。照明室為攝像機(jī)提供最佳工作環(huán)境，使其在CCD視區(qū)內(nèi)保持均勻一致的光照;CCD攝像機(jī)為圖像傳感器，其功能是完成圖像捕獲;圖像采集卡進(jìn)行特征抽象，將視頻信號(hào)轉(zhuǎn)化為數(shù)字圖像信號(hào);計(jì)算機(jī)則對(duì)數(shù)字信號(hào)進(jìn)行處理與識(shí)別，作出判斷與解釋。

2.2.1 判斷果實(shí)大小 通過計(jì)算機(jī)視覺技術(shù)獲取水果的圖像，對(duì)該圖像進(jìn)行邊緣檢測(cè)等處理后，以其自然對(duì)稱形態(tài)特征為依據(jù)，確定水果的檢測(cè)方向，進(jìn)一步檢測(cè)水果的大小。馮斌等［28］提出的邊緣檢測(cè)方法對(duì)于模糊圖像的處理能力很強(qiáng)，不僅處理速度快，而且不需要細(xì)化、序列化等進(jìn)一步處理。在水果軸向檢測(cè)中，用對(duì)稱性確定果軸，通用性好，檢測(cè)精度高。試驗(yàn)中對(duì)兩組水果試驗(yàn)，軸向檢測(cè)正確率達(dá)94.4%，水果大小檢測(cè)最大絕對(duì)測(cè)量誤差為3 mm，可以滿足生產(chǎn)需要，且水果大小的檢測(cè)方向與實(shí)際人工檢測(cè)一致，符合國標(biāo)要求。

2.2.2 判斷果實(shí)色澤 色澤是果實(shí)內(nèi)在品質(zhì)的外在反映，必然地成為計(jì)算機(jī)視覺判斷的重要研究對(duì)象和分級(jí)依據(jù)。在顏色判斷中，應(yīng)選用一定的顏色模型來對(duì)果實(shí)表面的顏色特征進(jìn)行研究［29］。相關(guān)研究已建立了多種各具特色的顏色模型，在計(jì)算機(jī)視覺研究中，常用的RGB和HIS模型的描述更接近人的視覺對(duì)顏色的感知方式，它包含色相、飽和度和亮度三要素。根據(jù)對(duì)顏色的研究結(jié)果，結(jié)合有關(guān)標(biāo)準(zhǔn)，就可選定區(qū)別不同色度等級(jí)的色香閾值，計(jì)算出此值下的累計(jì)頻度值，就可完成顏色分級(jí)。研究表明，HIS彩色系統(tǒng)用于顏色判斷和圖像處理效果較好，同時(shí)用色調(diào)直方圖表示顏色特征，采用多變量識(shí)別技術(shù)在檢測(cè)馬鈴薯顏色時(shí)，分級(jí)正確率達(dá)到90%以上［30］。

K Choi等［31］根據(jù)美國農(nóng)業(yè)部番茄成熟標(biāo)準(zhǔn)，采用計(jì)算機(jī)視覺判斷，按表面顏色將番茄分為綠色、淺綠色、紅綠相間、粉紅、淺紅和紅色6個(gè)等級(jí)，與人工分級(jí)的一致性達(dá)77%，錯(cuò)誤分級(jí)的誤差為一個(gè)等級(jí)。S A Shearer等［32］以基于顏色的計(jì)算機(jī)視覺系統(tǒng)對(duì)新鮮果實(shí)進(jìn)行分級(jí)，發(fā)現(xiàn)對(duì)甜椒分級(jí)正確率達(dá)到96%。

2.2.3 判斷果實(shí)損傷與表面缺陷 果實(shí)損傷與表面缺陷極大地影響著果實(shí)的內(nèi)、外在品質(zhì)。檢出損傷果、表面缺陷果，不僅是優(yōu)質(zhì)優(yōu)價(jià)的分級(jí)要求，而且是防止腐爛變質(zhì)的重要措施。至今，損傷與果面缺陷檢測(cè)仍是實(shí)現(xiàn)水果實(shí)時(shí)分級(jí)的障礙。

研究表明，一些果實(shí)的損傷缺陷部位與健康部位相比，在可見光區(qū)有不同的分光反射率，據(jù)此可在可見光區(qū)對(duì)表面缺陷進(jìn)行測(cè)定。另外，果實(shí)碰壓傷往往在采摘、裝卸、運(yùn)輸過程中隨機(jī)發(fā)生，相關(guān)的國家等級(jí)標(biāo)準(zhǔn)中對(duì)碰壓傷發(fā)生數(shù)、每處的損傷面積都作了規(guī)定，采用計(jì)算機(jī)視覺判斷時(shí)以此作為準(zhǔn)則。

根據(jù)應(yīng)義斌等［33］的研究，發(fā)現(xiàn)了黃花梨果實(shí)表面壞損區(qū)與非壞損區(qū)的顏色特征差異，提出圖像的紅、綠色彩分量在果面壞損區(qū)與非壞損區(qū)處有突變，對(duì)圖像進(jìn)行逐行掃描，找出可疑壞損點(diǎn)，采用區(qū)域增長法即可計(jì)算出整個(gè)黃花梨的受損面積。齊曉娜等［34］對(duì)梨的碰壓傷自動(dòng)化檢測(cè)進(jìn)行了研究。采用多種圖像預(yù)處理和處理技術(shù)，從背景與梨正常組織中提取到碰壓傷信號(hào)，再以不同的灰度值表征不同的受傷區(qū)域，使各受傷區(qū)域得以區(qū)分。根據(jù)梨分級(jí)的國家標(biāo)準(zhǔn)制定檢測(cè)準(zhǔn)則，以便計(jì)算機(jī)系統(tǒng)的檢測(cè)合乎實(shí)際生產(chǎn)需要。根據(jù)梨外形和碰壓傷特征，建立了判斷碰壓傷的數(shù)學(xué)模型，大部分判斷的相對(duì)誤差可控制在10%以內(nèi)。

2.2.4 綜合品質(zhì)判斷 果實(shí)的品質(zhì)是一個(gè)綜合性概念。生產(chǎn)中經(jīng)常見到果實(shí)個(gè)體較大但著色不良，或果形很小但色澤濃艷等情況。一般在適宜生長地區(qū)正常發(fā)育、實(shí)時(shí)采收的果實(shí)，其品種固有特性決定的果形、大小、色澤等，會(huì)同時(shí)表現(xiàn)出來;反之外觀品質(zhì)必然受到影響。也就是說，果形、大小、色澤、缺損等各項(xiàng)指標(biāo)相互關(guān)聯(lián)，共同表征著同一個(gè)實(shí)質(zhì)——食用品質(zhì)。分級(jí)的目的在于質(zhì)量區(qū)分，而指標(biāo)檢測(cè)僅是手段。

浙江大學(xué)應(yīng)義斌等［35］研制了一條用于水果動(dòng)態(tài)、實(shí)時(shí)檢測(cè)的果實(shí)品質(zhì)智能化實(shí)時(shí)檢測(cè)分級(jí)生產(chǎn)線，由水果輸送翻轉(zhuǎn)系統(tǒng)、計(jì)算機(jī)視覺識(shí)別系統(tǒng)、分級(jí)系統(tǒng)組成。水果輸送翻轉(zhuǎn)系統(tǒng)的雙錐式滾筒水果輸送翻轉(zhuǎn)裝置，使水果以一定速度向前輸送，并使水果繞水平軸自由轉(zhuǎn)動(dòng)，保證檢測(cè)系統(tǒng)能檢測(cè)到水果整個(gè)表面，獲得足夠的水果圖像信息。通過計(jì)算機(jī)視覺系統(tǒng)的視覺智能識(shí)別，綜合判斷每一水果的等級(jí)，并確定每個(gè)水果的位置信息，由計(jì)算機(jī)識(shí)別系統(tǒng)的控制模塊將指令傳輸給分級(jí)系統(tǒng)，完成水果的分級(jí)。

黃永林等［36］研究了一種用于計(jì)算機(jī)視覺水果自動(dòng)分級(jí)系統(tǒng)的同步跟蹤自動(dòng)控制裝置。圖像處理結(jié)果從計(jì)算機(jī)并行口輸出到移位寄存器，利用接近開關(guān)產(chǎn)生的脈沖作為寄存器的移位信號(hào)，將處理結(jié)果在移位寄存器輸出端口的位置與水果的實(shí)時(shí)位置保持一致，實(shí)現(xiàn)對(duì)水果的同步跟蹤，并利用硬件操作步進(jìn)電機(jī)的脈沖分配和相關(guān)動(dòng)作，從而完成對(duì)分級(jí)執(zhí)行機(jī)構(gòu)的正確控制。

3 總結(jié)與展望

利用光學(xué)特性、聲波振動(dòng)、機(jī)器視覺、核磁共振等技術(shù)，進(jìn)行果實(shí)的無損傷檢測(cè)，具有其它儀器分析和化學(xué)分析所不具備的獨(dú)特優(yōu)勢(shì)，在果實(shí)品質(zhì)檢測(cè)方面有廣闊的應(yīng)用前景和發(fā)展?jié)摿?。傳統(tǒng)化學(xué)方法分析費(fèi)時(shí)、費(fèi)力、成本高，許多現(xiàn)代化的分析儀器又由于體積重量大、價(jià)格高、不便移動(dòng)，只能在實(shí)驗(yàn)室進(jìn)行分析。因此，便攜式果實(shí)品質(zhì)無損傷檢測(cè)儀器是農(nóng)業(yè)部門、質(zhì)檢部門、市場(chǎng)管理部門進(jìn)行果實(shí)抽樣檢查迫切需要的設(shè)備，也是科研工作者盡快將研究成果與生產(chǎn)實(shí)踐相結(jié)合的一個(gè)發(fā)展方向。

對(duì)于各種無損傷檢測(cè)方法，它們各有自己的優(yōu)缺點(diǎn)。如利用光照射方法對(duì)果實(shí)表面的損傷能夠進(jìn)行較好的檢測(cè)，但是對(duì)于內(nèi)部品質(zhì)的檢測(cè)不夠完善。而利用聲學(xué)特性、核磁共振等技術(shù)檢測(cè)果實(shí)品質(zhì)，還處于實(shí)驗(yàn)室研究階段，未進(jìn)行商業(yè)化應(yīng)用。國內(nèi)外對(duì)計(jì)算機(jī)視覺技術(shù)在果實(shí)采后商品化處理技術(shù)中的應(yīng)用，部分成果已進(jìn)入了實(shí)用階段，同時(shí)，隨著計(jì)算機(jī)科學(xué)與技術(shù)的飛速發(fā)展和在許多領(lǐng)域中成功地專門化，又預(yù)示著果實(shí)分級(jí)、檢測(cè)的實(shí)時(shí)自動(dòng)化完全可能。但是生物特征的復(fù)雜多變和隨機(jī)性與工業(yè)產(chǎn)品的生產(chǎn)又有著迥然的區(qū)別。

需要說明的是，早期由于技術(shù)條件的限制，我國對(duì)農(nóng)業(yè)物料力學(xué)特性的研究還重視不夠。20世紀(jì)80年代后才引起關(guān)注，目前這一領(lǐng)域的研究工作剛剛起步，大量數(shù)據(jù)有待測(cè)定、充實(shí)完善。此外，由于果實(shí)等生物材料的基本特性隨品種和生長地域不同而異，國外的研究結(jié)果不一定能夠完全適用于我國。對(duì)于我國來說，應(yīng)該盡可能多地取國外之“精華”。同時(shí)，需要我國科技工作者，在學(xué)科之間的滲透、交叉的基礎(chǔ)上，進(jìn)行大量的研究工作，取得更好的效果，以便降低成本，將實(shí)驗(yàn)室階段的研究工作盡快進(jìn)入商業(yè)化運(yùn)營。

總之，果實(shí)采后的商品化處理技術(shù)是一項(xiàng)系統(tǒng)工程，它是由一系列相關(guān)的配套技術(shù)共同支撐的，是眾多領(lǐng)域技術(shù)的集成。目前，該項(xiàng)工作已經(jīng)引起了政府和有關(guān)部門的高度重視。

［1］ 高海生.我國果蔬貯藏保鮮業(yè)待突破［N］.北京:中國食品報(bào)，2003-07-07(A4).

［2］ 李里特，王頡，丹陽，等.我國果品蔬菜貯藏保鮮的現(xiàn)狀和新技術(shù)［J］.無錫輕工大學(xué)學(xué)報(bào)，2003，22(2):106-109.

［3］ 黃祥飛.果品振動(dòng)損傷特性及其減損包裝的研究［D］.無錫:江南大學(xué)，2008.

［4］ 應(yīng)義斌，劉燕德.水果內(nèi)部品質(zhì)光特性無損檢測(cè)研究及應(yīng)用［J］.浙江大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)版，2003，29(2):125-129.

［5］ 劉燕德，應(yīng)義斌.光纖傳感技術(shù)在水果內(nèi)部品質(zhì)檢測(cè)中的應(yīng)用研究［J］.傳感技術(shù)學(xué)報(bào)，2003(2):170-174.

［6］ 劉燕德，應(yīng)義斌.水蜜桃糖度和有效酸度的近紅外光譜測(cè)定法［J］.營養(yǎng)學(xué)報(bào)，2004，26(5):400-402.

［7］ 傅霞萍，劉燕德，應(yīng)義斌.近紅外光譜技術(shù)在水果內(nèi)部品質(zhì)無損檢測(cè)中的應(yīng)用［J］.農(nóng)機(jī)化研究，2004(2):201-203.

［8］ 韓東海，劉新鑫，趙麗麗，等.受損蘋果顏色和組織的近紅外光譜特性［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34(6):112-115.

［9］ 田海清，應(yīng)義斌，徐惠榮，等.西瓜可溶性固形物含量近紅外透射檢測(cè)技術(shù)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38(5):111-113.

［10］ 何東健，前川孝昭，森島博.水果內(nèi)部品質(zhì)在線近紅外分光檢測(cè)裝置及試驗(yàn)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2001，17(1):146-148.

［11］ 韓東海，劉新鑫，趙麗麗，等.蘋果水心病的光學(xué)無損檢測(cè)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2004，35(5):143-146.

［12］ 韓東海，劉新鑫，魯超，等.蘋果內(nèi)部褐變的光學(xué)無損傷檢測(cè)研究［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2006，37(6):86-88，93.

［13］ 崔波，冉冉，許義，等.組學(xué)技術(shù)與果蔬采后質(zhì)量和安全控制［J］.食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2013，4(6):1 683-1 691.

［14］ 應(yīng)義斌，饒秀琴，馬俊福.柑橘成熟度機(jī)器視覺無損檢測(cè)方法研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2004，20(2):144-147.

［15］ 劉木華，趙杰文，鄭建鴻，等.農(nóng)畜產(chǎn)品品質(zhì)檢測(cè)中高光譜圖像技術(shù)的應(yīng)用進(jìn)展［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36(9):139-143.

［16］ 安慧珍.蘋果貯藏期電學(xué)特性與生理特性間關(guān)系的研究［D］.楊凌:西北農(nóng)林科技大學(xué)，2012.

［17］ 郭文川，朱新華，郭康權(quán)，等.桃的電特性及新鮮度識(shí)別［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38(1):112-115.

［18］ 徐澍敏，于勇，王俊.機(jī)械損傷蘋果 CT值的試驗(yàn)研究［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2006，37(6):83-85，97.

［19］ 張京平，王會(huì)，彭爭(zhēng).蘋果剖面CT值與其糖含量分布的關(guān)系分析［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38(3):197-199.

［20］ 張京平，張華，王會(huì).富士蘋果主要成分的CT無損檢測(cè)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39(7):99-102.

［21］ 鄒小波，趙杰文，潘胤飛，等.基于遺傳RBF網(wǎng)絡(luò)的電子鼻對(duì)蘋果質(zhì)量的評(píng)定［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36(1):61-64.

［22］ 高海生，孫慧先，李潤豐.果實(shí)采后處理的機(jī)械化、自動(dòng)化技術(shù)［J］.世界農(nóng)業(yè)，2002(9):36-38.

［23］ MILLER B K，DELWICHE M J.A collur vision system for peach grading［J］.Transactions of the ASAE，1989，34(6):2 509-2 515.

［24］ CARLOMAGNO G，CAPOZZO L，ATTOLICO G，et al.Nondestructive grading of peaches by near-infrared spectrometry［J］.Infrared Physics ＆ Technology，2004，46:23-29.

［25］ O KLEYNEN，V Leemans，M F Destain.Selection of the most efficient wavelength bands for“Jonagold”apple sorting［J］.Post harvest Biology and Technology，2003，30:221-232.

［26］ ZHOU Zengchan，ZHANG Xiaowen，WU Jianhong，et al.Development of automated grading system for cucumbers［J］.農(nóng)業(yè)工程學(xué)報(bào)，2003，19(5):118-121.

［27］ 周增產(chǎn)，J Bontsema，L Vankollenburg-Crisan.荷蘭黃瓜收獲機(jī)器人的研究開發(fā)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2001，17(6):77-80.

［28］ 馮斌，汪懋華.基于計(jì)算機(jī)視覺的水果大小檢測(cè)方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34(1):73-75.

［29］ 康晴晴，荀一，張俊雄.基于計(jì)算機(jī)視覺的蘋果表面顏色分級(jí)技術(shù)研究［C］//中國農(nóng)業(yè)機(jī)械學(xué)會(huì).農(nóng)業(yè)機(jī)械化與新農(nóng)村建設(shè)——中國農(nóng)業(yè)機(jī)械學(xué)會(huì)2006年學(xué)術(shù)年會(huì)論文集:上冊(cè)，鎮(zhèn)江:2006.

［30］ 郝敏.基于機(jī)器視覺的馬鈴薯外部品質(zhì)檢測(cè)技術(shù)研究［D］.呼和浩特:內(nèi)蒙古農(nóng)業(yè)大學(xué)，2009.

［31］ K CHOI，LEE G，HAN R J.Tomato maturity evaluation using color image analysis［J］.Transactions of the ASAE，1995，38(1):171-176.

［32］ S A SHEARER，F(xiàn) A Payne.Machine vision sorting with bell peppers［J］.In proc of the 1990 conf.on food processing and automation，1990(3):289-300.

［33］ 應(yīng)義斌，景寒松，馬俊福，等.機(jī)器視覺技術(shù)在黃花梨尺寸和果面缺陷檢測(cè)中的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，1999，15(1):197-200.

［34］ 齊曉娜.鴨梨品質(zhì)檢測(cè)與分級(jí)計(jì)算機(jī)視覺視覺系統(tǒng)的研究［D］.保定:河北農(nóng)業(yè)大學(xué)，2005.

［35］ 應(yīng)義斌，饒秀勤，黃永林，等.水果高速實(shí)時(shí)分級(jí)機(jī)構(gòu)控制系統(tǒng)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2004，35(5):117-121，116.

［36］ 黃永林，應(yīng)義斌.用于水果實(shí)時(shí)分級(jí)系統(tǒng)的同步跟蹤自動(dòng)控制裝置［J］.農(nóng)業(yè)工程學(xué)報(bào)，2002，18(4):163-166.

(責(zé)任編輯:朱寶昌)