呂佳煜，朱丹實(shí)，馮敘橋，梁潔玉，杜玉慧，董福，楊文晶

1(渤海大學(xué)食品科學(xué)研究院，遼寧省食品安全重點(diǎn)實(shí)驗(yàn)室，遼寧錦州，121000)

2(沈陽(yáng)農(nóng)業(yè)大學(xué)食品學(xué)院，遼寧 沈陽(yáng)，110866)

傳統(tǒng)意義上，新鮮果蔬的品質(zhì)評(píng)價(jià)主要是通過(guò)人的感官(味覺(jué)、嗅覺(jué)、視覺(jué)、聽(tīng)覺(jué))及理化、微生物指標(biāo)來(lái)檢測(cè)果蔬的外部形態(tài)、顏色、完整程度，內(nèi)部組織結(jié)構(gòu)、營(yíng)養(yǎng)成分含量，腐敗程度等方面后進(jìn)行評(píng)判。然而，傳統(tǒng)的品質(zhì)評(píng)價(jià)方法存在效率低、準(zhǔn)確率差等缺點(diǎn)［1-2］，單靠感官及理化、微生物指標(biāo)評(píng)價(jià)食品品質(zhì)已不能滿(mǎn)足快速農(nóng)業(yè)生產(chǎn)的需求。在此背景下，智能傳感技術(shù)(intelligent sensor technology)應(yīng)運(yùn)而生。智能傳感技術(shù)作為對(duì)人類(lèi)感官評(píng)價(jià)的延伸，現(xiàn)已從科研階段走向?qū)嶋H應(yīng)用階段并逐漸向高效化、智能化和人性化角度發(fā)展。智能傳感技術(shù)能夠模擬并分析人類(lèi)的感覺(jué)，在某種程度上甚至遠(yuǎn)遠(yuǎn)超出了人類(lèi)感覺(jué)所能檢測(cè)的范圍，根據(jù)感應(yīng)信號(hào)的性質(zhì)可分為模擬嗅覺(jué)、味覺(jué)、視覺(jué)、聽(tīng)覺(jué)傳感技術(shù)，普遍具有檢測(cè)快速、無(wú)損、適合實(shí)時(shí)監(jiān)測(cè)與在線(xiàn)檢測(cè)且節(jié)約人力資源等特點(diǎn)［3-4］。

1 智能傳感技術(shù)的主要研究進(jìn)展

目前，智能傳感技術(shù)在傳感器材料、識(shí)別模式、信號(hào)處理方式等研究方面均有了顯著的突破，使用新型復(fù)合材料的傳感器層出不窮，為智能傳感技術(shù)的發(fā)展打下了堅(jiān)實(shí)的基礎(chǔ)。

在傳感器材料方面，納米材料與復(fù)合材料的研發(fā)是目前科研的重點(diǎn)。納米材料傳感器識(shí)別陣列(鈀，聚吡咯，聚苯胺和氧化鋅)的靈敏度可達(dá)到10-6級(jí)，即使在極低濃度條件下，主成分分析中氣體的感應(yīng)圖也無(wú)重疊，能達(dá)到良好區(qū)分度［5］。Esteves等［6］對(duì)常規(guī)導(dǎo)電聚合物/路易斯酸混合傳感器進(jìn)行修改，以游離堿或金屬卟啉取代酸，研發(fā)出新型復(fù)合的傳感材料，傳感器使用不同種類(lèi)的卟啉和相同的導(dǎo)電性聚合物，獲得了不同化合物之間差異較大的響應(yīng)值，進(jìn)一步提高了電子鼻的分析靈敏度。

在信號(hào)處理方式方面，將抽象的分析數(shù)據(jù)演化成較為直觀的顏色、影像等更有利于分析，例如，將信號(hào)轉(zhuǎn)換成直觀顏色的嗅覺(jué)可視化傳感器(olfaction visualization sensor，OVS)及將信號(hào)轉(zhuǎn)換成直觀影像的高光譜成像技術(shù)(hyper-spectral imaging，HSI)、核磁共振成像技術(shù)(magnetic resonance imaging，MRI)。OVS是基于Musto等［7］的設(shè)想并由趙杰文及其團(tuán)隊(duì)共同開(kāi)發(fā)出的第一臺(tái)氣味影像化傳感系統(tǒng)，以對(duì)食品常見(jiàn)氣味具有響應(yīng)的金屬卟啉作為感應(yīng)材料，根據(jù)傳感器的感應(yīng)材料與揮發(fā)性化合物反應(yīng)前后的顏色變化對(duì)氣體進(jìn)行分析。目前，用于氣味影像化傳感系統(tǒng)常見(jiàn)的感應(yīng)材料有金屬卟啉、pH指示劑、金屬酞菁等［8］。另一方面，光譜成像技術(shù)特別是 HSI、MRI已在新鮮果蔬品質(zhì)檢測(cè)中得到了初步的應(yīng)用且已被部分企業(yè)用于生長(zhǎng)階段實(shí)時(shí)監(jiān)控和生產(chǎn)線(xiàn)在線(xiàn)監(jiān)測(cè)［9］。但超聲檢測(cè)(ultrasonic testing，UT)和超聲成像技術(shù)(ultrasound imaging，USI)在果蔬檢測(cè)中的應(yīng)用起步較晚，目前在設(shè)備靈敏度、分析方法上仍有不足［10］。

在識(shí)別模式方面，隨著計(jì)算機(jī)行業(yè)的快速發(fā)展，模擬分析軟件的使用極大地提高了檢測(cè)效率。Ziyatdinov等［11］基于聚合物傳感陣列的大型綜合試驗(yàn)，設(shè)計(jì)了一種兼具模擬傳感器陣列與數(shù)據(jù)生成功能的軟件工具，可在信號(hào)處理、神經(jīng)網(wǎng)絡(luò)模擬中使用，再現(xiàn)了聚合物陣列的多樣性與響應(yīng)情況。Hawari等［12］創(chuàng)新性地用HyperChem分子模擬軟件設(shè)計(jì)出分子印跡聚合物(molecularly imprint polymer，MIP)傳感器陣列，以期用于檢測(cè)芒果的成熟度，此種傳感器陣列具有較高的靈敏度和選擇性，此技術(shù)為成熟度的判定節(jié)約了大量的時(shí)間和成本，是分子印跡法檢測(cè)果蔬品質(zhì)的一項(xiàng)重大突破。

2 智能傳感技術(shù)在新鮮果蔬品質(zhì)檢測(cè)中的應(yīng)用

智能傳感技術(shù)能夠代替部分人工操作的檢測(cè)技術(shù)，常被用于檢測(cè)果蔬成熟度及新鮮度。隨著各方面研究的不斷深入，智能傳感技術(shù)的檢測(cè)范圍越來(lái)越大，準(zhǔn)確率也越來(lái)越高。根據(jù)智能傳感器感應(yīng)信號(hào)的性質(zhì)將其分為嗅覺(jué)、味覺(jué)傳感技術(shù)，視覺(jué)傳感技術(shù)和聽(tīng)覺(jué)傳感技術(shù)三類(lèi)。

2.1 嗅覺(jué)、味覺(jué)傳感技術(shù)

在果蔬生長(zhǎng)或貯藏的不同時(shí)期，其內(nèi)部的揮發(fā)性物質(zhì)與非揮發(fā)性物質(zhì)都在發(fā)生著巨大的變化，通過(guò)分析這些變化可以判斷果蔬的成熟度、新鮮度、腐敗程度并進(jìn)行貨架期、內(nèi)部成分變化的預(yù)測(cè)等。電子鼻(舌)檢測(cè)系統(tǒng)由氣體(液體)傳感器、數(shù)據(jù)預(yù)處理系統(tǒng)及計(jì)算機(jī)分析系統(tǒng)組成，分別模擬了嗅覺(jué)(味覺(jué))形成過(guò)程中人體的感受細(xì)胞、神經(jīng)傳遞系統(tǒng)及大腦皮層。電子鼻(舌)并非對(duì)單一物質(zhì)進(jìn)行分析而是對(duì)氣味的綜合評(píng)價(jià)，電子鼻、電子舌技術(shù)作為人類(lèi)嗅覺(jué)與味覺(jué)的延伸，因其準(zhǔn)確度高、快速的特點(diǎn)，在食品領(lǐng)域尤其是安全性未知的樣品分析中得到了廣泛的關(guān)注及突飛猛進(jìn)的發(fā)展［13-14］。傳感器將化學(xué)信號(hào)轉(zhuǎn)化成電信號(hào)或視覺(jué)信號(hào)，再利用計(jì)算機(jī)對(duì)轉(zhuǎn)化信號(hào)進(jìn)行特征提取及數(shù)據(jù)分析。無(wú)損檢測(cè)新鮮果蔬品質(zhì)多使用電子鼻，而需要破壞果蔬的電子舌檢測(cè)則最常用在發(fā)酵、果蔬汁制品中，近4年的電子鼻和電子舌技術(shù)在新鮮果蔬品質(zhì)檢測(cè)中的應(yīng)用主要包括:成熟度的測(cè)定、產(chǎn)地及損傷鑒定、新鮮度鑒定、建立預(yù)測(cè)模型(表1)，PCA為主要數(shù)據(jù)分析方法，當(dāng)主成分貢獻(xiàn)率高于85%即可認(rèn)為分析結(jié)果較好，例如:電子舌能夠分析食醋的風(fēng)味并加以區(qū)分，PCA總貢獻(xiàn)率達(dá)89.02%［15］;電子舌被用于分析草莓汁貯藏過(guò)程中的品質(zhì)變化，且PLS預(yù)測(cè)模型能夠較好的預(yù)測(cè)草莓汁成分［16］。

表1 電子鼻和電子舌技術(shù)在新鮮果蔬品質(zhì)檢測(cè)中的應(yīng)用Table 1 Application of electronic nose and tongue technologies in quality detection of fresh fruit and vegetables

續(xù)表1

2.2 視覺(jué)傳感技術(shù)

視覺(jué)形成過(guò)程中，光是必不可少的因素之一，人通過(guò)視覺(jué)感受物體的外在形態(tài)、顏色等信息。近些年，由于攝像技術(shù)、計(jì)算機(jī)處理技術(shù)的快速發(fā)展，光譜成像技術(shù)的檢測(cè)范圍已經(jīng)遠(yuǎn)遠(yuǎn)超出了人視覺(jué)所能承擔(dān)的任務(wù)，并在果蔬品質(zhì)檢測(cè)中有了新的應(yīng)用。目前，利用光譜成像及分析技術(shù)與虛擬儀器進(jìn)行品質(zhì)檢測(cè)、自動(dòng)化分級(jí)是農(nóng)業(yè)上的研究熱點(diǎn)，尤其是HSI、MRI、拉曼光譜技術(shù)(raman spectroscopy，RS)、近紅外光譜技術(shù)(near infrared spectroscopy，NIS)，不同的視覺(jué)傳感技術(shù)具有不同的特點(diǎn)和適宜的應(yīng)用范圍(表 2)。

表2 視覺(jué)傳感技術(shù)在新鮮果蔬品質(zhì)檢測(cè)中的特點(diǎn)及應(yīng)用Table 2 Features and applications of vision sensor technologies in quality detection of fresh fruit and vegetables

HSI整合傳統(tǒng)影像與光譜影像得到3D立體數(shù)據(jù)圖像，圖像可表示出特定位置的結(jié)構(gòu)組成及表面信息。在新鮮果蔬內(nèi)部、外部的品質(zhì)檢測(cè)上多有應(yīng)用。在新鮮果蔬的內(nèi)部品質(zhì)檢測(cè)方面，高海龍等［36］借助透射HSI對(duì)266個(gè)馬鈴薯樣品的光譜及圖像信息進(jìn)行分析并用不同方法建立模型。結(jié)果表明，此項(xiàng)技術(shù)能夠成功對(duì)馬鈴薯黑心病及其內(nèi)部品質(zhì)進(jìn)行檢測(cè)，所建模型黑心識(shí)別率高達(dá)100%，品質(zhì)預(yù)測(cè)模型R2=0.99，均方根誤差可達(dá)10.88。在新鮮果蔬的外部品質(zhì)檢測(cè)方面，Elmasry等［40］利用HSI對(duì)蘋(píng)果早期受損情況進(jìn)行檢測(cè)，對(duì)3種背景色下得出的圖像在750，820，960 nm波長(zhǎng)下進(jìn)行分析，結(jié)果表明，此方法可以有效檢測(cè)出早期受損的果實(shí)。Wang等［41］利用高光譜反射成像技術(shù)來(lái)鑒定棗的外部蟲(chóng)害，蟲(chóng)害棗的鑒別準(zhǔn)確率達(dá)到94%，完好棗的鑒別準(zhǔn)確率達(dá)98%，總體分類(lèi)準(zhǔn)確率達(dá)到97%，因此可以證明該技術(shù)可以從較復(fù)雜的表面特征中鑒別出有外部蟲(chóng)蛀的棗。

MRI能夠探測(cè)環(huán)境中水的分布并能根據(jù)圖像信號(hào)的強(qiáng)度信息，判斷出水的性質(zhì)差異及內(nèi)部結(jié)構(gòu)。新鮮果蔬含水量高于70%，且成熟、損傷及腐爛等品質(zhì)均與內(nèi)部的水有著緊密的關(guān)系，因此可以通過(guò)水的信息(如:狀態(tài)、含量、移動(dòng)等)判斷出果蔬的品質(zhì)。MRI比較適合分析含水量大或水分變化較大的果蔬及其制品。MRI的結(jié)果證明了不同季節(jié)番茄果皮、果肉中水分的遷移變化的重要性［42］。金志強(qiáng)等［53］對(duì)草莓采后貯藏過(guò)程中的水分變化及腐爛情況進(jìn)行研究，為進(jìn)一步研究其機(jī)理提供了直觀的材料。用MRI捕捉到多組番茄成熟過(guò)程中的影像，用PLS對(duì)影像信息進(jìn)行分析并建立番茄成熟度的判斷模型，驗(yàn)證集成熟度判斷正確率約為90%［45］。MRI結(jié)合掃描電鏡對(duì)獼猴桃生長(zhǎng)過(guò)程中組織的變化過(guò)程進(jìn)行觀測(cè)，從而判斷出不同種類(lèi)生長(zhǎng)調(diào)節(jié)劑的作用情況［54］。

RS基于拉曼散射光譜原理［55］，是一種快速無(wú)損分析技術(shù)。為了克服拉曼效應(yīng)易受干擾的缺點(diǎn)，在拉曼光譜基礎(chǔ)上又衍生出了多種新技術(shù)，如:傅里葉變換拉曼光譜(fourier transform raman spectroscopy，F(xiàn)TRaman)、空間偏移拉曼光譜(spatially offset raman spectroscopy，SORS)、顯微拉曼光譜(micro-raman spectroscopy，MRS)、共振增強(qiáng)拉曼光譜(resonance Raman spectroscopy，RRS)、表面增強(qiáng)拉曼光譜等(surface-enhanced Raman spectroscopy，SERS)［48，56］。由于胡蘿卜素類(lèi)中含有較多易引發(fā)拉曼效應(yīng)的碳碳、碳氧鍵，因此RS常用于檢測(cè)果蔬中胡蘿卜素類(lèi)(如α-胡蘿卜素、β-胡蘿卜素、番茄紅素等)［46-47］或通過(guò)胡蘿卜素類(lèi)間接分析成熟度、糖度、硬度等指標(biāo)［48-49］，檢測(cè)準(zhǔn)確度普遍較高。Qin 等［48］用 SORS對(duì)160個(gè)7種不同成熟度的西紅柿樣品進(jìn)行測(cè)試，由于樣品在不同成熟度內(nèi)部色素的種類(lèi)與含量有差異，拉曼峰的變化由光譜信息散度(spectral information divergence，SID)與純番茄紅素作為參考進(jìn)行評(píng)價(jià)，SID值下降，西紅柿成熟度上升，由此可較為準(zhǔn)確的判斷果實(shí)的成熟度。高曉陽(yáng)等［3］為了在線(xiàn)監(jiān)測(cè)蘋(píng)果擦傷情況，利用RS并設(shè)計(jì)了虛擬分級(jí)系統(tǒng)，再用不均等分散模型(unequal dispersed modeling，UNEQ)進(jìn)行檢驗(yàn)，結(jié)果證明用此方法可以區(qū)分果實(shí)受損程度，且要優(yōu)于區(qū)分果實(shí)受損部位。

NIS近紅外光譜的信息來(lái)源于對(duì)含氫基團(tuán)的吸收，通過(guò)對(duì)光譜譜圖的分析可以得出被測(cè)果蔬的物理化學(xué)信息，但是，由于光譜譜圖存在峰寬不理想、圖像重疊等現(xiàn)象，分析譜圖時(shí)常常要借助化學(xué)手段建立模型，確保較為準(zhǔn)確分析出果蔬品質(zhì)［57］，其檢測(cè)波長(zhǎng)范圍普遍在350～2 500 nm。NIS在蘋(píng)果、梨、杏等核果類(lèi)水果中研究較多，蔬菜(番茄除外)中的研究較少，且主要為果蔬品質(zhì)理化指標(biāo)的測(cè)定;果蔬表面損傷、病蟲(chóng)害鑒定個(gè)體差異較大，分析結(jié)果不理想。由于建立模型需要大量的樣本，故NIS技術(shù)雖然可實(shí)現(xiàn)無(wú)損、快速檢測(cè)，但是后期分析工作較為復(fù)雜且模型重復(fù)性較差。

HIS、MRI、RS、NIS 是視覺(jué)傳感技術(shù)中應(yīng)用較廣、檢測(cè)準(zhǔn)確度較高的4種技術(shù)，其檢測(cè)結(jié)果與傳感器靈敏度、傳感設(shè)備對(duì)果蔬檢測(cè)的適用性、分析方法的選擇等密切相關(guān)，檢測(cè)結(jié)果的干擾因素也不盡相同。因此，在選擇實(shí)驗(yàn)材料、檢測(cè)及消除干擾因素的方法時(shí)應(yīng)靈活處理，例如:應(yīng)用RS檢測(cè)果蔬樣本時(shí)可能會(huì)出現(xiàn)干擾拉曼光譜的熒光現(xiàn)象，這時(shí)可借助數(shù)學(xué)或其他校正方法進(jìn)行分析，而不一定非要消除引起干擾的熒光現(xiàn)象才能達(dá)到較好的效果。一種新興的校正方法和背景扣除算法——小波變換法，被證實(shí)可用于多種背景校正中，能簡(jiǎn)化檢測(cè)過(guò)程［58］。

2.3 聽(tīng)覺(jué)傳感技術(shù)

物體產(chǎn)生振動(dòng)形成聲波，經(jīng)人耳中的部位處理信號(hào)后形成神經(jīng)沖動(dòng)，傳遞到聽(tīng)覺(jué)中樞后人便感知到了聲音。聲音中包含著物體的相關(guān)信息，聽(tīng)覺(jué)傳感技術(shù)正是利用了這些聲波(甚至是超出人聽(tīng)覺(jué)范圍的聲波)傳遞的信息檢測(cè)果蔬的品質(zhì)。

聽(tīng)覺(jué)傳感技術(shù)的研究側(cè)重于通過(guò)聲音的變化檢測(cè)果蔬的內(nèi)部品質(zhì)，少數(shù)研究借助UT分析內(nèi)部成分含量，但是分析結(jié)果的準(zhǔn)確性仍有待提高。在竹筍生長(zhǎng)過(guò)程中，溫度的突變會(huì)導(dǎo)致其內(nèi)部結(jié)構(gòu)出現(xiàn)空洞等品質(zhì)缺陷，而目前的生產(chǎn)過(guò)程中仍需人工檢驗(yàn)，非常耗費(fèi)人力。Foerster等［59］用新開(kāi)發(fā)的聲學(xué)傳感器進(jìn)行計(jì)算機(jī)化共振分析，測(cè)量裝置包括集成傳感器(壓電式薄膜或電容式麥克風(fēng))、機(jī)械刺激器、非接觸式激光掃描等部分。敲擊竹筍后，聲信號(hào)由連接在計(jì)算機(jī)上的麥克風(fēng)進(jìn)行收集，通過(guò)對(duì)共振頻率的分析，可檢測(cè)內(nèi)部空洞的竹筍并進(jìn)行分選。無(wú)籽西瓜的內(nèi)部品質(zhì)缺陷、質(zhì)地品質(zhì)可以通過(guò)聲波脈沖的響應(yīng)進(jìn)行檢驗(yàn)，校準(zhǔn)和交叉驗(yàn)證模型的決定系數(shù)分別為0.999 8和0.998 6［60］。超聲波是超越人類(lèi)聽(tīng)覺(jué)的聲波(頻率為20～25 000 Hz)，UT是醫(yī)學(xué)檢測(cè)上較為成熟的技術(shù)，自20世紀(jì)90年代逐步應(yīng)用于農(nóng)產(chǎn)品的檢測(cè)，主要指標(biāo)為硬度、水及糖［61］。Valente 等［10］結(jié)合物理檢測(cè)與25 MHz的UT，建立芒果硬度的PLS模型及線(xiàn)性模型，結(jié)果并不理想，但在橙子［62］、椰子［63］中的檢測(cè)結(jié)果較好。綜上所述，聽(tīng)覺(jué)傳感器在新鮮果蔬的品質(zhì)檢測(cè)上仍處于起步階段，測(cè)定方法仍在探索階段，就目前的研究程度而言，聽(tīng)覺(jué)傳感器較適用于表面與內(nèi)部組織硬度差異較大的果蔬的品質(zhì)檢測(cè)。

3 展望

中國(guó)是農(nóng)業(yè)大國(guó)，在日益提倡發(fā)展農(nóng)業(yè)進(jìn)程高效化、便捷化的同時(shí)，智能傳感技術(shù)作為一種能夠代替部分人工操作的檢測(cè)技術(shù)，普遍具有檢測(cè)快速、無(wú)損、適合實(shí)時(shí)監(jiān)測(cè)與在線(xiàn)檢測(cè)且節(jié)約人力資源的特點(diǎn)，在果蔬品質(zhì)檢測(cè)方面將發(fā)揮越來(lái)越重要的作用。但是，由于品種、產(chǎn)地的多樣性，信號(hào)提取、分析方法的復(fù)雜性，要研發(fā)出能夠完全代替人類(lèi)智能的傳感器仍具有很大難度。為了優(yōu)化傳感器的檢測(cè)性能，傳感器新材料的使用、信號(hào)識(shí)別與分析新方法的開(kāi)發(fā)仍是智能傳感技術(shù)的研究重點(diǎn)。目前的傳感器大部分體積龐大，便攜性差，應(yīng)用地點(diǎn)受限，無(wú)法用于果蔬成熟度、可食用品質(zhì)等方面的現(xiàn)場(chǎng)檢測(cè)。如何減小傳感器尺寸、增強(qiáng)傳感器設(shè)備的便攜性仍是今后值得研究的課題。隨著各方面研究的不斷深入，智能傳感技術(shù)將在新鮮果蔬的品質(zhì)檢測(cè)應(yīng)用中發(fā)揮更大的作用。

［1］ 周顯青，暴占彪，崔麗靜，等.霉變玉米電子鼻識(shí)別及其傳感器陣列優(yōu)化［J］.河南工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2011，32(4):16-20.

［2］ 張?chǎng)?，齊玉潔，楊夏，等.利用電子鼻技術(shù)評(píng)價(jià)桃果實(shí)成熟度的研究［J］.華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2012，33(1):23-27.

［3］ 高曉陽(yáng)，Paul Heinemann，Irudayaraj J.蘋(píng)果擦傷拉曼光譜無(wú)損檢測(cè)虛擬系統(tǒng)研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2005，21(3):130-133.

［4］ PAN L，ZHANG W，ZHU N，et al.Early detection and classification of pathogenic fungal disease in post-harvest strawberry fruit by electronic nose and gas chromatographymass spectrometry ［J］.Food Research International，2014，62:162-168.

［5］ Hu Y，Lee H，Kim S，et al.A highly selective chemical sensor array based on nanowire/nanostructure for gas identification［J］.Sensors and Actuators B:Chemical，2013，181:424-431.

［6］ Esteves C H A，Iglesias B A，Li R W C，et al.New composite porphyrin-conductive polymer gas sensors for application in electronic noses［J］.Sensors and Actuators B:Chemical，2014，193:136-141.

［7］ Musto C J，Suslick K S.Differential sensing of sugars by colorimetric arrays［J］.Current Opinion in Chemical Biology，2010，14(6):758-766.

［8］ 黃星奕，辛君偉，趙杰文，等.可視化傳感技術(shù)在桃子質(zhì)量評(píng)價(jià)中的應(yīng)用［J］.江蘇大學(xué)學(xué)報(bào):自然科學(xué)版，2009，30(5):433-436.

［9］ 范世福.光譜技術(shù)和光譜儀器的近期發(fā)展［J］.現(xiàn)代儀器，2007(2):1-5.

［10］ Valente M，Prades A，Laux D.Potential use of physical measurements including ultrasound for a better mango fruit quality characterization［J］.Journal of Food Engineering，2013，116(1):57-64.

［11］ Ziyatdinov A，F(xiàn)ernández Diaz E，Chaudry A，et al.A software tool for large-scale synthetic experiments based on polymeric sensor arrays［J］.Sensors and Actuators B:Chemical，2013，177:596-604.

［12］ Hawari H F，Samsudin N M，Ahmad M N，et al.Array of MIP-based sensor for fruit maturity assessment［J］.Procedia Chemistry，2012，6:100-109.

［13］ Paolesse R，Alimelli A，Martinelli E，et al.Detection of fungal contamination of cereal grain samples by an electronic nose［J］.Sensors and Actuators B:Chemical，2006，119(2):425-430.

［14］ 張紅梅，王俊，葉盛，等.電子鼻傳感器陣列優(yōu)化與谷物霉變程度的檢測(cè)［J］.傳感技術(shù)學(xué)報(bào)，2007，20(6):1208-1210.

［15］ 張璟琳，黃明泉，孫寶國(guó)，等.電子舌技術(shù)在食醋口感評(píng)價(jià)中的應(yīng)用［J］.食品與發(fā)酵工業(yè)，2013，39(11):220-226.

［16］ 高利萍，王俊，崔紹慶.電子舌檢測(cè)不同冷藏時(shí)間草莓鮮榨汁的品質(zhì)變化［J］.農(nóng)業(yè)工程學(xué)報(bào)，2012，28(23):250-256.

［17］ Breijo E G，Guarrasi V，Peris R M，et al.Odour sampling system with modifiable parameters applied to fruit classification［J］.Journal of Food Engineering，2013，116(2):277-285.

［18］ Sa'ad F S A，Zakaria A，Shakaff A Y M，et al.Bio-inspired Sensor Fusion for Quality Assessment of Harumanis Mangoes［J］.Procedia Chemistry，2012，6:165-174.

［19］ Campos I，Bataller R，Armero R，et al.Monitoring grape ripeness using a voltammetric electronic tongue［J］.Food Research International，2013，54(2):1 369-1 375.

［20］ Biondi E，Blasioli S，Galeone A，et al.Detection of potato brown rot and ring rot by electronic nose:From laboratory to real scale［J］.Talanta.2014，129:422-430.

［21］ Akram K，Ahn J-J，Yoon S-R，et al.Quality attributes of Pleurotus eryngii following gamma irradiation［J］.Postharvest Biology and Technology，2012，66:42-47.

［22］ 李國(guó)鵬，賈惠娟，李紅旭，等.利用電子鼻對(duì)不同梨品種進(jìn)行區(qū)分的初步研究［J］.浙江農(nóng)業(yè)學(xué)報(bào)，2011，23(5):1 030-1 033.

［23］ 紀(jì)淑娟，張麗萍，卜慶狀，等.基于電子鼻技術(shù)對(duì)冷藏后南果梨貨架期間氣味的變化分析［J］.食品科學(xué)，2012，33(7):123-126.

［24］ Gruber J，Nascimento H M，Yamauchi E Y，et al.A conductive polymer based electronic nose for early detection of Penicillium digitatum in post-harvest oranges［J］.Materials Science and Engineering:C，2013，33(5):2 766-2 769.

［25］ 喬方，黃略略，方長(zhǎng)發(fā)，等.基于電子舌技術(shù)的荔枝品種和產(chǎn)地的辨別研究［J］.食品工業(yè)，2012，33(10):154-156.

［26］ ZHANG B，XI W P，Wei W W，et al.Changes in aroma-related volatiles and gene expression during low tem-perature storage and subsequent shelf-life of peach fruit［J］.Postharvest Biology and Technology，2011，60(1):7-16.

［27］ 康蕊，段振華，楊毅，等.電子鼻檢測(cè)椰肉原漿貨架期新鮮度變化［J］.食品研究與開(kāi)發(fā)，2013，34(16):84-87.

［28］ 惠國(guó)華，吳玉玲，陳裕泉.基于電子鼻的香蕉儲(chǔ)存時(shí)間鑒別方法研究［J］.傳感技術(shù)學(xué)報(bào)，2012，25(5):566-570.

［29］ 尹芳緣，曾小燕，徐薇薇，等.基于電子鼻的芒果儲(chǔ)存時(shí)間預(yù)測(cè)方法研究［J］.傳感技術(shù)學(xué)報(bào)，2012，25(9):1 199-1 203.

［30］ 朱娜，潘磊慶，毛淑波，等.基于電子鼻判別桃果實(shí)瘀傷的研究［J］.南京農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，36(1):138-141.

［31］ 朱娜，毛淑波，潘磊慶，等.電子鼻對(duì)草莓采后貯藏早期霉菌感染的檢測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2013，29(5):266-273.

［32］ Russo M，di Sanzo R，Cefaly V，et al.Nondestructive flavour evaluation of red onion(Allium cepa L.)Ecotypes:An electronic-nose-based approach［J］.Food Chemistry，2013，141(2):896-899.

［33］ Guohua H，Yuling W，Dandan Y，et al.Study of peach freshness predictive method based on electronic nose［J］.Food Control，2012，28(1):25-32.

［34］ Pennazza G，F(xiàn)anali C，Santonico M，et al.Electronic nose and GC-MS analysis of volatile compounds in Tuber magnatum Pico:Evaluation of different storage conditions［J］.Food Chemistry，2013，136(2):668-674.

［35］ WEI Z，WANG J.The evaluation of sugar content and firmness of non-climacteric pears based on voltammetric electronic tongue［J］.Journal of Food Engineering，2013，117(1):158-164.

［36］ 高海龍，李小昱，徐森淼，等.馬鈴薯黑心病和單薯質(zhì)量的透射高光譜檢測(cè)方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2013，29(15):279-285.

［37］ Garrido-Novell C，Pérez-Marin D，Amigo J M，et al.Grading and color evolution of apples using RGB and hyperspectral imaging vision cameras［J］.Journal of Food Engineering，2012，113(2):281-288.

［38］ Khojastehnazhand M，Omid M，Tabatabaeefar A.Determination of tangerine volume using image processing methods［J］.International Journal of Food Properties，2010，13(4):760-770.

［39］ Kim D G，Burks T F，Qin J，et al.Classification of grapefruit peel diseases using color texture feature analysis［J］.International Journal of Agricultural and Biological Engineering，2009，2(3):41-50.

［40］ ElMasry G，WANG N，Vigneault C，et al.Early detection of apple bruises on different background colors using hyperspectral imaging［J］.LWT-Food Science and Technology，2008，41(2):337-345.

［41］ WANG J，Nakano K，Ohashi S，et al.Detection of external insect infestations in jujube fruit using hyperspectral reflectance imaging［J］.Biosystems Engineering，2011，108(4):345-351.

［42］ Ciampa A，Dell'Abate M.T，Masetti O，et al.Seasonal chemical-physical changes of PGI Pachino cherry tomatoes detected by magnetic resonance imaging(MRI)［J］.Food Chemistry，2010，122(4):1 253-1 260.

［43］ Melado-Herreros A，Mun oz-García M A，Blanco A，et al.Assessment of watercore development in apples with MRI:Effect of fruit location in the canopy［J］.Postharvest Biology and Technology，2013，86:125-133.

［44］ Marcone M F，WANG S，Albabish W，et al.Diverse food-based applications of nuclear magnetic resonance(NMR)technology［J］.Food Research International，2013，51(2):729-747.

［45］ ZHANG L，McCarthy M J.Measurement and evaluation of tomato maturity using magnetic resonance imaging［J］.Postharvest Biology and Technology，2012，67:37-43.

［46］ Bicanic D，Dimitrovski D，Luterotti S.Estimating rapidly and precisely the concentration of beta carotene in mango homogenates by measuring the amplitude of optothermal signals，chromaticity indices and the intensities of Raman peaks［J］.Food Chemistry，2010，121(3):832-838.

［47］ Gonzálvez A G，Martnez N L，HTelle H.Monitoring LED-induced carotenoid increase in grapes by transmission resonance Roman spectroscopy［J］.Chemical Physics Letters，2013，559:26-29.

［48］ QIN J，CHAO K，Kim M S.Nondestructive evaluation of internal maturity of tomatoes using spatially offset Raman spectroscopy［J］.Postharvest Biology and Technology，2012，71:21-31.

［49］ 藥林桃，劉木華，王映龍.基于激光拉曼光譜的臍橙內(nèi)部品質(zhì)無(wú)損檢測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2008，24(11):233-236.

［50］ Berardinelli A，Cevoli C，Silaghi F.FT-NIR Spectroscopy for the quality characterization of apricots(Prunus armeniaca L.)［J］.Journal of Food Science，2010，75(7):462-468.

［51］ Guidetti R，Beghi R，Bodria L.Evaluation of grape quality by a simple Vis/NIR system［J］.Transactions of the ASABE，2010，53(2):1-8.

［52］ Machado N P，F(xiàn)achinello J C，Galarca S P，et al.Pear quality characteristics by Vis/NIR spectroscopy［J］.Anais da Academia Brasileira de Cincias，2012，84(3):853-863.

［53］ 金志強(qiáng)，張錦勝，林向陽(yáng)，等.應(yīng)用磁共振及其成像技術(shù)研究草莓失水率及其腐敗過(guò)程［J］.食品科學(xué)，2007，28(8):108-110.

［54］ Taglienti A，Sequi P，Cafiero C，et al.Hayward kiwifruits and plant growth regulators:detection and effects in post-harvest studied by magnetic resonance imaging and scanning electron microscopy［J］.Food Chemistry，2011，126(2):731-736.

［55］ 田國(guó)輝，陳亞杰，馮清茂.拉曼光譜的發(fā)展及應(yīng)用［J］.化學(xué)工程師，2008，148(1):34-36.

［56］ 孫璐，陳斌，高瑞昌，等.拉曼光譜技術(shù)在食品分析中的應(yīng)用［J］.中國(guó)食品學(xué)報(bào)，2012，12(12):113-118.

［57］ 傅霞萍，應(yīng)義斌.基于NIR和Raman光譜的果蔬質(zhì)量檢測(cè)研究進(jìn)展與展望［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(8):148-164.

［58］ 胡耀垓，趙正予，王剛.基于小波的光譜信號(hào)基線(xiàn)校正和背景扣除［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2011，39(6):36-40.

［59］ Foerster J，Truppel I，Bochow-NeB O，et al.Comparison of acoustic sensor systems for quality analysis of asparagus using scanning laser vibrometry for visualization［J］.Computers and Electronics in Agriculture，2013，91:10-18.

［60］ Abbaszadeh R，Rajabipour A，Mahjoob M，et al.Evaluation of watermelons texture using their vibration responses［J］.Biosystems Engineering，2013，115(1):102-105.

［61］ 孫力，林顥，蔡健榮，等.現(xiàn)代成像技術(shù)在食品/農(nóng)產(chǎn)品無(wú)損檢測(cè)中的研究進(jìn)展［J］.食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2014，5(3):643-650.

［62］ Morrison D S，Abeyratne U R.Ultrasonic technique for non-destructive quality evaluation of oranges［J］.Journal of Food Engineering，2014，141:107-112

［63］ Laux D，Gibert O，F(xiàn)errandis J-Y，et al.Ultrasonic evaluation of coconut water shear viscosity［J］.Journal of Food Engineering，2014，126:62-64.