李志成，鄭曉冬，閆新煥，劉雪梅，潘少香，孟曉萌，譚夢男，宋 燁

（中華全國供銷合作總社濟(jì)南果品研究院，山東濟(jì)南 250014）

水果和蔬菜作為居民日常膳食結(jié)構(gòu)中重要的組成部分，富含人體生長發(fā)育所需的維生素、有機(jī)酸、糖、植物纖維等多種營養(yǎng)物質(zhì)。目前，我國是世界上最大的果蔬生產(chǎn)國和消費(fèi)國，隨著人們物質(zhì)生活水平的提高和對健康飲食結(jié)構(gòu)的關(guān)注，消費(fèi)者對果蔬品質(zhì)的要求越來越高[1]。傳統(tǒng)的果蔬分級方法采用人工分選，根據(jù)果蔬的大小、外觀進(jìn)行篩選，存在效率低、成本高、外觀分級尺度不統(tǒng)一等問題。在營養(yǎng)成分檢測方面?zhèn)鹘y(tǒng)方法對一些簡單的理化指標(biāo)如糖度、硬度采用糖度計(jì)和硬度計(jì)進(jìn)行現(xiàn)場破壞性檢測，有機(jī)酸、維生素等指標(biāo)則需取樣帶回實(shí)驗(yàn)室上機(jī)檢測，因此檢測周期長、時效性差。

在果蔬品質(zhì)檢測領(lǐng)域，相關(guān)科研人員展開了長期的研究，并形成了一系列的檢測技術(shù)。無損檢測技術(shù)是一種快速、高效、便于操作的檢測方法，其基本原理是利用光、聲、電、熱、磁的物理特性，在不對被檢測的果蔬產(chǎn)品產(chǎn)生破壞的前提下，通過反饋的相關(guān)譜圖和信號來判斷和分析果蔬的品質(zhì)。近年來，隨著研究的深入，越來越多的無損檢測技術(shù)在果蔬品質(zhì)快速檢測識別領(lǐng)域得到了應(yīng)用[2]。該技術(shù)在不破壞待測物質(zhì)原來的狀態(tài)、化學(xué)性質(zhì)的前提下實(shí)現(xiàn)了果蔬快速、精準(zhǔn)分級和營養(yǎng)功能性成分的無破壞性快速檢測，提高了效率、降低了成本。本文介紹了國內(nèi)外針對果蔬品質(zhì)特性的無損檢測技術(shù)方法及研究現(xiàn)狀，闡述了各類無損檢測技術(shù)的原理和特點(diǎn)，綜合分析提出了果蔬無損檢測技術(shù)的發(fā)展方向。

1 光譜無損快速檢測技術(shù)

光譜無損快速檢測技術(shù)的原理是基于光的反射、散射、吸收和透射等物理現(xiàn)象。當(dāng)入射光束照射在果蔬表面時，一部分光束發(fā)生反射，另一部分光束透射進(jìn)入果蔬內(nèi)部，進(jìn)入果蔬內(nèi)部的光束又會發(fā)生三個途徑的變化：一部分反射回表面，一部分被吸收，極少部分可以透射過去。由于果蔬中不同物質(zhì)的化學(xué)鍵會使光束發(fā)生改變，因此這些發(fā)生反射、吸收和透射的光束中包含了果蔬的大量信息。果蔬發(fā)生損傷后，通常情況下會出現(xiàn)細(xì)胞破裂的情況，進(jìn)而引發(fā)組織結(jié)構(gòu)改變，原本排列規(guī)則有序的細(xì)胞結(jié)構(gòu)之間被流出的細(xì)胞液填充。組織受到擠壓發(fā)生變形也會改變光線在果蔬內(nèi)部傳播的路徑，其結(jié)果是造成光學(xué)傳感器接收到的光譜信息因果蔬內(nèi)部發(fā)生變化導(dǎo)致光束信息的改變。光譜分析技術(shù)就是基于果蔬內(nèi)部結(jié)構(gòu)和成分與光束之間產(chǎn)生的作用變化，通過檢測器捕捉光束變化，分析光束所攜帶信息，進(jìn)而間接判斷果蔬品質(zhì)[3]。

目前應(yīng)用較為成熟的光譜檢測技術(shù)有近紅外光譜檢測技術(shù)（NIRS）、拉曼光譜檢測技術(shù)（RS）以及高光譜成像檢測技術(shù)（HIS）。

1.1 近紅外光譜檢測技術(shù)（NIRS）

近紅外光譜通常是指波長范圍在780～2 526 nm之間的電磁波。當(dāng)位于近紅外光譜波段范圍內(nèi)的光束照射到果蔬表面時，被照射到的果蔬內(nèi)部物質(zhì)會被光子激發(fā)，出現(xiàn)能級躍遷，從基態(tài)躍遷至激發(fā)態(tài)，出現(xiàn)相應(yīng)的譜圖[4]。

NIRS在果蔬品質(zhì)檢測領(lǐng)域的應(yīng)用主要集中在果蔬成熟度分析、農(nóng)藥殘留檢測、表面損傷及機(jī)械損傷識別、病蟲害果識別等方面，并且獲得了大量的研究成果。趙珂等[5]基于近紅外光譜技術(shù)開發(fā)了臍橙品質(zhì)無損檢測方法。運(yùn)用偏最小二乘法建立檢測模型，實(shí)現(xiàn)對“信豐”臍橙糖度的無損檢測。陳建新[6]利用PFS-1100型光譜儀構(gòu)建了近紅外光譜檢測系統(tǒng)，開展對蘋果硬度的無損檢測，結(jié)果顯示蘋果硬度真實(shí)值與設(shè)備檢測值的相關(guān)系數(shù)為0.718。裴軍強(qiáng)[7]使用近紅外光譜儀設(shè)計(jì)檢測系統(tǒng)，對蘋果中糖度指標(biāo)進(jìn)行檢測，檢測結(jié)果顯示糖度值的絕對偏差值低于15%。Clark等[8]利用近紅外光譜技術(shù)獲得牛油果的譜圖，然后采用偏最小二乘法（PLSR）和多元線性回歸（MLR）方法進(jìn)行建模和數(shù)據(jù)分析，對牛油果的干物質(zhì)含量進(jìn)行分析預(yù)測，結(jié)果顯示使用PLSR建立的模型預(yù)測效果更佳，其預(yù)測值和實(shí)測值之間擬合度達(dá)到0.88，該研究實(shí)現(xiàn)了通過近紅外光譜法測定干物質(zhì)含量并對牛油果成熟度進(jìn)行分級的目的。Lourdes等[9]使用近紅外光譜檢測技術(shù)對橄欖表面農(nóng)藥殘留“敵草隆”進(jìn)行測定，對光譜采用二階導(dǎo)數(shù)與多元散射校正進(jìn)行優(yōu)化，通過偏最小二乘回歸分析法建模，該方法準(zhǔn)確率為85.9%。Jamshidi等[10]使用近紅外光譜技術(shù)結(jié)合PLSR判別分析，對黃瓜中農(nóng)藥殘留“二嗪農(nóng)”進(jìn)行快速檢測，檢測的準(zhǔn)確率達(dá)到97.5%。

表1 近紅外光譜檢測技術(shù)在果蔬品質(zhì)檢測中的應(yīng)用Table 1 Application of near-infrared technology in quality detection of fruits and vegetables

近紅外光譜檢測技術(shù)的難點(diǎn)在于從近紅外光譜圖中捕捉待測成分信息并建立準(zhǔn)確的預(yù)測模型，通常來說近紅外光譜中包含了樣品所有的光譜信息，需要找到目標(biāo)成分所對應(yīng)的譜圖信息，然后建立目標(biāo)成分變化與光譜信息改變的對應(yīng)關(guān)系，進(jìn)而建立預(yù)測模型。預(yù)測模型的好壞直接影響檢測結(jié)果的準(zhǔn)確性。

1.2 拉曼光譜檢測技術(shù)（RS）

拉曼光譜和近紅外光譜同屬于振動光譜，拉曼光譜可以捕捉到近紅外光譜捕捉不到的振動信息，通常作為一種檢測技術(shù)與近紅外光譜形成互補(bǔ)作用。目前將拉曼光譜應(yīng)用于果蔬品質(zhì)檢測中研究最多的是檢測果蔬中類胡蘿卜素的含量。這是因?yàn)轭惡}卜素在1 150 cm-1和1 500 cm-1波段會有兩個明顯的拉曼光譜特征峰出現(xiàn)。根據(jù)這兩個特征峰可以對果蔬中的類胡蘿卜素含量進(jìn)行定性和定量檢測。Bhosale等[19]利用拉曼光譜儀獲得了西紅柿、胡蘿卜、橙子的拉曼全譜圖，與高效液相色譜法檢測類胡蘿卜素含量結(jié)果建立對應(yīng)關(guān)系。用所建立的預(yù)測模型對西紅柿表面類胡蘿卜素含量進(jìn)行分析檢測，結(jié)果顯示西紅柿表面類胡蘿卜素含量的決定系數(shù)R2在0.9以上。之后研究人員用該方法對果汁和稀釋果汁進(jìn)行檢測，該方法的檢測值與高效液相色譜法檢測結(jié)果的相關(guān)系數(shù)分別為0.98和0.94。Schulz等[20]利用拉曼光譜儀對多種蔬菜（胡蘿卜、西紅柿、法國豆、西蘭花、南瓜、玉米、紅辣椒）和水果（油桃、杏和西瓜）中的類胡蘿卜素進(jìn)行檢測，嘗試?yán)美庾V區(qū)分類胡蘿卜素的同分異構(gòu)體，實(shí)現(xiàn)對同一目標(biāo)物中共軛類類胡蘿卜素的定性分析。

有研究表明拉曼光譜快速檢測技術(shù)在果蔬品質(zhì)檢測上的應(yīng)用存在一定的局限性，這是拉曼光譜特征峰捕捉?jīng)Q定的，但由于拉曼光譜的指紋圖譜特征，可以對具有拉曼光譜特征峰的成分進(jìn)行有效的定性定量檢測，因此，在使用拉曼光譜對果蔬品質(zhì)進(jìn)行分析的時候往往有一定的選擇性，目前來說通常選擇類胡蘿卜含量豐富的果蔬進(jìn)行分析[19-20]。

1.3 高光譜成像檢測技術(shù)（HIS）

高光譜成像檢測技術(shù)是一種影像數(shù)據(jù)技術(shù)，同時結(jié)合光譜和成像兩種技術(shù)，通常是以紫外至近紅外波段的光對目標(biāo)物進(jìn)行探測，獲取光譜信息和圖像數(shù)據(jù)，并獲得樣品在每一有效波長下的圖像信息和每一檢測位置的光譜信息，該數(shù)據(jù)包含2個空間維度信息和1個波長維度信息，通過對這些信息的分析實(shí)現(xiàn)對果蔬的檢測和分級。

針對HIS的技術(shù)特點(diǎn)開發(fā)出的在傳送帶上的果蔬分級和品質(zhì)檢測設(shè)備應(yīng)用廣泛。如張然[21]利用HIS獲得不同損傷程度馬鈴薯在468～1 000 nm波段下的圖譜信息，采取主成分分析處理圖譜信息，獲得貢獻(xiàn)率最高的波段進(jìn)行遞推最小二乘處理，建立分析模型進(jìn)行數(shù)據(jù)處理，實(shí)現(xiàn)對馬鈴薯外部損傷的快速識別。張夢蕓[22]利用HIS結(jié)合神經(jīng)網(wǎng)絡(luò)對高光譜圖像進(jìn)行分析建立算法數(shù)學(xué)模型，實(shí)現(xiàn)對藍(lán)莓內(nèi)部瘀傷檢測的研究，該技術(shù)能夠提早發(fā)現(xiàn)藍(lán)莓的內(nèi)部瘀傷情況，識別準(zhǔn)確率達(dá)到81.1%。Wu等[23]利用HIS獲取棗的圖譜信息，通過建立分析模型對圖譜信息進(jìn)行解讀，用于快速識別棗的表面損傷，該方法準(zhǔn)確度達(dá)到96%。Xie等[24]利用HIS對不同成熟度的香蕉進(jìn)行研究，通過圖譜分析，選擇380～1 023 nm波段圖譜信息構(gòu)建模型，使用偏最小二乘建?？焖賹ο憬兜某墒於群陀捕冗M(jìn)行分級。

通過上述研究發(fā)現(xiàn)，高光譜成像技術(shù)的特點(diǎn)和優(yōu)勢在于快速識別損傷?；谝陨涎芯績?nèi)容，目前在果蔬無損檢測和快速識別領(lǐng)域已有多款設(shè)備被研發(fā)出來并投入生產(chǎn)，可實(shí)現(xiàn)果蔬生產(chǎn)線上的無損快速分級。該類設(shè)備的技術(shù)難點(diǎn)在于HIS的圖像采集的代表性以及儀器分析數(shù)據(jù)的處理速度制約性，該技術(shù)目前在實(shí)驗(yàn)室階段取得了一定的成果，并在小試和中試車間完善改進(jìn)，在大規(guī)模生產(chǎn)中實(shí)現(xiàn)快速識別和分選還需要在圖譜信息獲取和分析計(jì)算的速度上進(jìn)行較大的提升。

2 聲學(xué)快速檢測技術(shù)

果蔬的聲學(xué)檢測技術(shù)是利用聲波的物理學(xué)特性對果蔬品質(zhì)進(jìn)行分析的一項(xiàng)檢測技術(shù)，其原理是將聲學(xué)特征與果蔬品質(zhì)建立對應(yīng)關(guān)系，進(jìn)而通過聲波檢測果蔬品質(zhì)。果蔬的聲學(xué)特性主要包括透射特性、散射特性、吸收特性、反射特性等。由于果蔬品質(zhì)的變化會對聲波衰減、吸收、散射產(chǎn)生影響，通過分析果蔬聲學(xué)特征的變化對其品質(zhì)特征進(jìn)行判斷。目前聲學(xué)檢測技術(shù)主要有兩種：一種是超聲波檢測技術(shù)，另外一種是振動聲學(xué)檢測技術(shù)。

2.1 超聲波檢測技術(shù)

超聲波指的是振動頻率在20 kHz以上的聲波，其振動頻率超過人類聽覺所能接受到的上限頻率，具有較高的能量值。在果蔬的檢測中，一般使用小于500 kHz的低頻超聲波作為檢測波源，這是因?yàn)樵摬ǘ文芰肯鄬^低，對果蔬制品破壞小，可實(shí)現(xiàn)果蔬無損檢測。

Mizrach[25]設(shè)計(jì)研發(fā)了一種針對果品無損檢測的超聲波檢測探頭，在鱷梨、芒果表皮近距離發(fā)送和接收超聲波信號，對果品的成熟度和硬度等品質(zhì)進(jìn)行無損檢測。結(jié)果表明，超聲波在果品果皮和果實(shí)組織傳播過程中不斷衰減，其衰減變化隨著果實(shí)成熟度和硬度的改變而變化。實(shí)驗(yàn)將超聲波衰減測量值與果實(shí)硬度、成熟度參數(shù)之間建立對應(yīng)模型，建立了超聲波測量值與果實(shí)品質(zhì)之間的線性關(guān)系。Haydar等[26]將超聲波檢測技術(shù)應(yīng)用到蘋果的力學(xué)特性檢測分析當(dāng)中，設(shè)計(jì)研發(fā)出一種便攜式檢測系統(tǒng)，該系統(tǒng)由一對發(fā)聲頻率為40 kHz的收發(fā)換能器、控制器、顯示器等構(gòu)成。使用多元線性回歸方法建立算法模型，完成蘋果的硬度、彈性以及斷裂能3個力學(xué)指標(biāo)與超聲波衰減變化的對應(yīng)關(guān)系。該模型3個指標(biāo)的相關(guān)系數(shù)分別是0.73、0.64和0.73，實(shí)現(xiàn)了通過超聲波檢測技術(shù)對果蔬力學(xué)特性的無損檢測。王艷萍[27]利用低頻超聲設(shè)計(jì)試驗(yàn)方案檢測蘿卜內(nèi)部是否存在糠心情況，通過獲取蘿卜的超聲波圖譜信息，根據(jù)圖譜中的最大幅度值進(jìn)行判斷，結(jié)果表明該超聲波檢測技術(shù)檢測蘿卜存在糠心情況的準(zhǔn)確率為75%。

超聲波檢測技術(shù)在果蔬品質(zhì)無損檢測中大多處于研究階段，原因是超聲波容易受到果蔬中氣孔的影響，穩(wěn)定性較差，導(dǎo)致檢測準(zhǔn)確率不高，因此超聲波在很大程度上仍然僅是一種研究工具，真正用于市場尚需進(jìn)一步探索。

2.2 振動聲學(xué)檢測技術(shù)

振動聲學(xué)檢測技術(shù)是收集物體撞擊果蔬目標(biāo)物而產(chǎn)生的聲音信號，通過對撞擊產(chǎn)生的聲音信號進(jìn)行提取分析，將其與果蔬自身的品質(zhì)特征建立相應(yīng)的模型關(guān)系，對果蔬品質(zhì)特性進(jìn)行檢測和分析。振動聲學(xué)檢測技術(shù)在果蔬品質(zhì)檢測領(lǐng)域的應(yīng)用多集中在對果品硬度的檢測上。聲學(xué)檢測通過評價衰減信號和傳播速率來判斷組織是否發(fā)生損傷，操作簡單且成本低，能夠檢測組織結(jié)構(gòu)和成分的變化。但是只對某種類型的缺陷或損傷適用，而且需要進(jìn)行接觸式測量，不利于商業(yè)化應(yīng)用。

3 電子鼻檢測技術(shù)

電子鼻檢測技術(shù)是一種通過模擬動物嗅覺功能對目標(biāo)物氣味組分信息進(jìn)行檢測分析的一種技術(shù)手段，具有操作簡便、高通量、實(shí)時無損檢測等特點(diǎn)。該技術(shù)能夠滿足果蔬及制品量大、無損檢測的要求，被越來越多地運(yùn)用到果蔬無損檢測中。電子鼻檢測設(shè)備通常由采樣系統(tǒng)、傳感器陣列、信號預(yù)處理系統(tǒng)、模式識別系統(tǒng)和氣味表達(dá)程序5部分構(gòu)成。其中電子傳感器組件是電子鼻識別氣體成分的核心部件，當(dāng)被測氣體與傳感器接觸后，被測氣體與氣敏元件發(fā)生氧化還原反應(yīng)導(dǎo)致電導(dǎo)率、電阻值改變產(chǎn)生電信號，通過傳感器處理會生成被測氣體的指紋圖譜[28]。下一步是對特征圖譜進(jìn)行分析提取，進(jìn)而達(dá)到對目標(biāo)氣體成分的定性或定量檢測，目前該技術(shù)已作為果蔬品質(zhì)評價的重要手段，特別是在具有明顯香氣成分的果蔬上應(yīng)用。

電子鼻檢測技術(shù)在果蔬品無損檢測中主要用于檢測果蔬新鮮度和成熟度以及腐敗情況，此外也有通過香氣對產(chǎn)地進(jìn)行溯源的研究。如Jia等[29]利用電子鼻檢測技術(shù)對蘋果腐敗情況進(jìn)行無損檢測，分別用檢測器對鮮蘋果和接種了青霉、黑霉的蘋果進(jìn)行檢測，試驗(yàn)表明W1S、W2S、W5S、W1W這幾類傳感器更易于捕捉到蘋果中霉變產(chǎn)生的氣味，試驗(yàn)還嘗試多種模式的識別方法，對建模效果進(jìn)行評價，篩選最近模型，該方法對蘋果的腐敗檢測準(zhǔn)確率為96.3%。Ren等[30]采用安裝了頂空采集系統(tǒng)的電子鼻設(shè)備對蘋果墜地產(chǎn)生的機(jī)械傷進(jìn)行檢測，開發(fā)了電子鼻+人工神經(jīng)網(wǎng)絡(luò)+多元分析算法以實(shí)現(xiàn)對蘋果機(jī)械損傷程度的快速識別。Li等[31]為提高該技術(shù)的識別準(zhǔn)確率繼續(xù)深入研究，同時使用兩臺電子鼻測定蘋果的損傷情況，優(yōu)化協(xié)算法矩陣實(shí)現(xiàn)對蘋果損傷的高度識別和分類。Hui等[32]采用自制電子鼻對富士蘋果在室溫條件下不同貯藏期的樣品進(jìn)行檢測，分別采用主成分分析和隨機(jī)共振信噪比圖譜兩種建模方法對檢測結(jié)果進(jìn)行建模分析,結(jié)果顯示主成分分析法對樣品不同貯藏期的分析識別率較低，而隨機(jī)共振信噪比圖譜能夠?qū)崿F(xiàn)對蘋果不同貯藏期新鮮程度的檢測識別,準(zhǔn)確率為84.62%。Ma等[33]使用PEN3型號的電子鼻對獼猴桃產(chǎn)地信息進(jìn)行檢測分析，研究發(fā)現(xiàn)不同產(chǎn)地的獼猴桃具有不同的香氣成分特征。試驗(yàn)對采集到的獼猴桃香氣成分分別使用線性判別式分析和簇類獨(dú)立軟模式法模型進(jìn)行分析，結(jié)果發(fā)現(xiàn)這2種模型都可以做到對不同產(chǎn)地的獼猴桃進(jìn)行識別，但該方法的穩(wěn)定性較為欠缺。

電子鼻檢測技術(shù)是一種依托仿生技術(shù)和傳感技術(shù)結(jié)合精密儀器、新材料的智能仿生技術(shù)，電子鼻的功能日益增強(qiáng)的同時體積越做越小，更加靈活方便。目前，在果蔬品質(zhì)檢測中應(yīng)用較多且商業(yè)化較好的產(chǎn)品有德國AIRSENSE公司生產(chǎn)的PEN3、美國ISENSO公司生產(chǎn)的Super Nose以及上海保圣實(shí)業(yè)發(fā)展有限公司生產(chǎn)的Bosin CNose等。為了滿足檢測市場的需要，優(yōu)化升級電子鼻檢測技術(shù)是當(dāng)下的研究熱點(diǎn)。目前電子鼻的研究方向一是儀器傳感器的改進(jìn)和提升，即氣體傳感器的選擇性、穩(wěn)定性、重復(fù)性的完善；二是在信號處理技術(shù)時存在干擾的情況下，信號處理器需要更加穩(wěn)定。隨著新一代傳感技術(shù)、納米新材料等技術(shù)的進(jìn)步，電子鼻未來的體積和成本會逐步降低，并出現(xiàn)與其他分析儀器的融合應(yīng)用的發(fā)展趨勢。

4 展望

本文闡述了幾種常見的果蔬快速檢測技術(shù)，并對其檢測原理、優(yōu)缺點(diǎn)和研究現(xiàn)狀進(jìn)行了介紹。挖掘無損檢測技術(shù)在果蔬品質(zhì)檢測方面的應(yīng)用具有其技術(shù)優(yōu)勢，相較于傳統(tǒng)檢測技術(shù)具有省時省力、易于操作、對樣品無破壞的優(yōu)勢，可作為快速有效的手段應(yīng)用于果蔬采后的品質(zhì)判斷和產(chǎn)品分級中。在各類無損快檢技術(shù)中，目前僅近紅外光譜檢測技術(shù)較為成熟可靠，依托該技術(shù)的設(shè)備市場化程度較高，市場認(rèn)可度高。另外幾種無損檢測技術(shù)對果蔬品質(zhì)的分析還主要集中在探索階段，需要進(jìn)一步深入研究以增強(qiáng)其性能和穩(wěn)定性才能得到市場的認(rèn)可。

關(guān)于果蔬品質(zhì)無損檢測技術(shù)未來的研究和發(fā)展方向，可從以下幾個方面展開。一是在技術(shù)研究領(lǐng)域。注重學(xué)科交叉和多技術(shù)融合發(fā)展，提升信息提取和數(shù)據(jù)分析的穩(wěn)定性和準(zhǔn)確率。例如綜合使用光、電、聲、磁等物理手段，深入探究果蔬分子與光、電、聲、磁的詳細(xì)作用機(jī)制。探索構(gòu)建最佳算法模型。優(yōu)化信號提取和分析處理手段，構(gòu)建穩(wěn)定高效的分析模型。二是在新設(shè)備開發(fā)研究領(lǐng)域。會更加注重向自動化程度更高、體積更小、攜帶更加方便的方向發(fā)展，根據(jù)市場需要開發(fā)出針對各類果蔬特征品質(zhì)的更加模塊化、智能化的專門設(shè)備，同時降低設(shè)備成本以滿足市場的需求。三是無損檢測技術(shù)與果品分級結(jié)合。隨著人工智能技術(shù)、機(jī)械自動化技術(shù)、無損檢測技術(shù)的深度融合，果蔬品質(zhì)檢測將與果蔬質(zhì)量等級緊密聯(lián)系，依托無損檢測技術(shù)實(shí)現(xiàn)對果蔬規(guī)格等級和品質(zhì)等級全方位同步化評價技術(shù)，根據(jù)市場的需求將果蔬進(jìn)行品質(zhì)和規(guī)格分級檢測，實(shí)現(xiàn)其市場價值。