張 磊，連 爽，陸雅麗，吳 健，祝賢芳，高瑜悅，唐藝玲

（貴陽(yáng)市食品藥品檢驗(yàn)檢測(cè)中心，貴州貴陽(yáng) 550081）

近年來(lái)，在鄉(xiāng)村振興背景下，我國(guó)許多中西部地區(qū)城市將水果產(chǎn)業(yè)作為當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的重要抓手，種植規(guī)模及產(chǎn)量不斷擴(kuò)大。我國(guó)水果產(chǎn)業(yè)已成為繼蔬菜和糧食之后的第三大產(chǎn)業(yè)，是我國(guó)發(fā)展現(xiàn)代化農(nóng)業(yè)的重要組成部分。2021 年我國(guó)水果產(chǎn)量達(dá)到2.997 億t，是世界第一水果生產(chǎn)國(guó)，但出口總量卻僅有0.355 億t，貿(mào)易逆差達(dá)到91.6 億美元[1]。這主要是因?yàn)槲覈?guó)水果產(chǎn)業(yè)雖然有資源優(yōu)勢(shì)，但在高端水果產(chǎn)業(yè)發(fā)展上明顯落后于西方國(guó)家，導(dǎo)致我國(guó)水果出口面臨“低價(jià)銷售”的窘境。因此，發(fā)展水果品質(zhì)快速檢測(cè)，實(shí)現(xiàn)對(duì)水果品質(zhì)的篩選分類，有助于提高我國(guó)水果產(chǎn)業(yè)的發(fā)展及國(guó)際競(jìng)爭(zhēng)力[2]。

水果無(wú)損檢測(cè)技術(shù)是在不破壞水果原有物理和化學(xué)性質(zhì)的前提下，獲取水果內(nèi)部和外部信息所采取的檢測(cè)方法。與傳統(tǒng)的水果品質(zhì)檢測(cè)方法相比，具有高效、無(wú)損等優(yōu)勢(shì)。隨著水果產(chǎn)業(yè)的發(fā)展，無(wú)損檢測(cè)技術(shù)被越來(lái)越多地用于水果品質(zhì)檢測(cè)中，已成為該領(lǐng)域的研究熱點(diǎn)。目前，水果無(wú)損檢測(cè)的主要方法分為近紅外光譜無(wú)損檢測(cè)技術(shù)、高光譜成像無(wú)損檢測(cè)技術(shù)、智能感官仿生無(wú)損檢測(cè)技術(shù)、聲學(xué)特性無(wú)損檢測(cè)技術(shù)及電學(xué)特?zé)o損檢測(cè)技術(shù)[3]。

1 近紅外光譜無(wú)損檢測(cè)技術(shù)

近紅外光譜無(wú)損檢測(cè)技術(shù)是利用波長(zhǎng)介于780～2 500 nm 的近紅外線照射被檢測(cè)物質(zhì)，不同物質(zhì)對(duì)光的吸收、散射、反射和透射等特性不同而獲得特定的光譜信息，以此確定物質(zhì)化學(xué)、物理信息的一種無(wú)損檢測(cè)技術(shù)[4]。例如，章林忠等人[5]利用近紅外光譜采集10 種不同葡萄品種、不同成熟期及1 種病害，共計(jì)188 個(gè)葡萄樣品的總酚、總糖、果糖、蔗糖和可溶性固形物的紅外光譜數(shù)據(jù)，并結(jié)合偏最小二乘（PLS）算法建立了葡糖果實(shí)與以上5 個(gè)指標(biāo)的定量預(yù)測(cè)模型。結(jié)果表明，該模型與以上指標(biāo)的相關(guān)系數(shù)在0.77 以上，均方誤差在0.022～1.410，具有較高的可信度；同時(shí)，采用主成分分析法（PCA）對(duì)光譜結(jié)果在4 119.20～9 881.46 cm-1的區(qū)域建立區(qū)分葡萄糖果實(shí)品種、成熟度和是否受病害的判別分析模型，結(jié)果表明該模型識(shí)別率高達(dá)92.11%，88.89%和96.16%，可快速實(shí)現(xiàn)葡萄果實(shí)品質(zhì)分類。黎新榮[6]采用近紅外光譜分析儀對(duì)5 個(gè)種植園內(nèi)不同成熟度，共計(jì)150 kg 的滑皮金橘果實(shí)進(jìn)行光譜數(shù)據(jù)采集和糖度測(cè)定，并利用S-G 卷積平滑對(duì)光譜數(shù)據(jù)進(jìn)行優(yōu)化處理，選擇720～920 nm 為建模波段，結(jié)合偏最小二乘法建立了滑皮金橘糖度預(yù)測(cè)模型。結(jié)果表明，該模型在滑皮金橘糖度預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)達(dá)0.958 2，均方根誤差為0.518 7，相對(duì)分析誤差為3.24，可實(shí)現(xiàn)對(duì)滑皮金橘糖度的快速無(wú)損檢測(cè)。章海亮等人[7]使用近紅外光譜儀采集168 個(gè)贛南臍橙光譜信息并測(cè)定其總酸含量，選取400～880 nm 作為建模波段范圍，使用平滑算法和遺傳算法對(duì)數(shù)據(jù)進(jìn)行特征提取，結(jié)合最小二乘支持向量機(jī)算法建立贛南臍橙總酸含量預(yù)測(cè)系統(tǒng)。結(jié)果表明，該模型預(yù)測(cè)集均方根誤差為0.01 6，預(yù)測(cè)集決定系數(shù)為0.983 4，相對(duì)分析誤差為7.76，可較為準(zhǔn)確地檢測(cè)贛南臍橙的總酸含量。

雖然，近紅外光譜檢測(cè)技術(shù)具有無(wú)損、快速和操作簡(jiǎn)便等優(yōu)點(diǎn)，但由于傳統(tǒng)近紅外光譜儀價(jià)格昂貴，便攜式紅外光譜儀穩(wěn)定性和精密度不夠，因此實(shí)際應(yīng)用中亟需兼具穩(wěn)定性、精密度和價(jià)格低廉的便攜式光譜儀。同時(shí)，紅外光譜儀容易受到溫度、濕度和測(cè)量距離等因素的影響，因此在特定環(huán)境下采集的光譜數(shù)據(jù)用于預(yù)測(cè)模型建立，在實(shí)際應(yīng)用時(shí)會(huì)受到環(huán)境因素的影響，導(dǎo)致結(jié)果準(zhǔn)確度的下降。

2 高光譜成像無(wú)損檢測(cè)技術(shù)

高光譜成像技術(shù)是使用幾十個(gè)到數(shù)百個(gè)波長(zhǎng)同時(shí)對(duì)物體進(jìn)行掃描成像，從而獲得待測(cè)物的圖像信息和光譜信息，其波長(zhǎng)范圍（200～2 252 nm）覆蓋了從紫外光譜到近紅外光波段，光譜分辨率可達(dá)納米級(jí)別，能全面反映待測(cè)物體的外部和內(nèi)部信息[8-9]。許麗佳等人[10]利用高光譜分選儀對(duì)120 個(gè)獼猴桃采集波長(zhǎng)400～1 000 nm 內(nèi)的高光譜圖像并測(cè)定其糖度，使用自適應(yīng)重加權(quán)算法和連續(xù)投影算法對(duì)光譜圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，結(jié)合極限學(xué)習(xí)模型，建立了獼猴桃糖度預(yù)測(cè)模型。結(jié)果表明，糖度預(yù)測(cè)模型相關(guān)系數(shù)達(dá)0.839 0，均方差根為0.598 3，相對(duì)分析誤差為2.535 1，說(shuō)明該方法可對(duì)獼猴桃的糖度實(shí)現(xiàn)無(wú)損精準(zhǔn)測(cè)定。Zhang Dongyan 等人[11]采集了160 個(gè)蘋果在波長(zhǎng)1 000～2 500 nm 內(nèi)的高光譜圖像并測(cè)定其可溶性固體含量，使用重加權(quán)算法和連續(xù)投影算法對(duì)光譜圖像數(shù)據(jù)進(jìn)行處理，并結(jié)合偏最小二乘法建立蘋果可溶性固體的預(yù)測(cè)模型。結(jié)果表明，該模型相關(guān)系數(shù)達(dá)0.907，均方差根0.479，說(shuō)明該方法可實(shí)現(xiàn)對(duì)蘋果可溶性固體無(wú)損精確測(cè)定。有研究表明，使用高光譜成像系統(tǒng)采集135 個(gè)獼猴桃光譜信息，并結(jié)合主成分回歸模型建立貯藏期內(nèi)獼猴桃酸度預(yù)測(cè)回歸模型。結(jié)果表明，該方法預(yù)測(cè)集相關(guān)系數(shù)為0.9，剩余預(yù)測(cè)偏差為2.13，均方根偏差為0.08，能較為準(zhǔn)確地檢測(cè)獼猴桃果實(shí)酸度。

高光譜成像技術(shù)能獲取水果豐富的圖像和光譜信息，可以更加全面反映水果的外部形狀、大小、缺陷及內(nèi)部組成成分等信息，因此該技術(shù)在對(duì)水果品質(zhì)進(jìn)行無(wú)損檢測(cè)時(shí)能達(dá)到更高的精準(zhǔn)度。但是高光譜成像技術(shù)也存在不足，如雖然高光譜圖譜的信息豐富，但數(shù)據(jù)冗余度和數(shù)據(jù)處理量大、系統(tǒng)檢測(cè)時(shí)間長(zhǎng)，對(duì)計(jì)算機(jī)資源配置的要求高，且高光譜儀價(jià)格昂貴。因此，在實(shí)際應(yīng)用中的發(fā)展緩慢。

3 智能感官仿生無(wú)損檢測(cè)技術(shù)

智能感官仿生檢測(cè)技術(shù)是利用現(xiàn)代傳感技術(shù)和信息技術(shù)模仿人體感官感知行為，如視覺、嗅覺、觸覺、嗅覺、味覺等，以此來(lái)獲取待測(cè)物品質(zhì)信息，并模擬人對(duì)信息的理解和判別進(jìn)行待測(cè)物品質(zhì)檢測(cè)，目前應(yīng)用于水果品質(zhì)無(wú)損檢測(cè)的智能感官技術(shù)主要是電子鼻和機(jī)器視覺[12-13]。丁慶行等人[14]采用8 種氣敏傳感器模擬人的嗅覺細(xì)胞，檢測(cè)白心火龍果、趙州雪花梨、翠玉獼猴桃和富士康4 種水果，在倉(cāng)庫(kù)環(huán)境模擬器內(nèi)檢測(cè)乙醇、甲烷、丙烷、丙烯、丁烷、丁烯、一氧化碳、氫氣、氨氣、硫化物、硫化氫、醛醇、酮及芳族化合物氣體含量變化，每12 h 測(cè)量一次，持續(xù)測(cè)量120 h。將檢測(cè)數(shù)據(jù)結(jié)合主成分分析法，建立倉(cāng)儲(chǔ)果品腐爛電子鼻監(jiān)測(cè)系統(tǒng)。結(jié)果表明，該系統(tǒng)可有效區(qū)別水果的微腐敗和嚴(yán)重腐敗程度。張建超等人[15]使用便攜式電子鼻，采集不同病變程度霉心蘋果數(shù)據(jù)，通過(guò)PCA，HCA 和OPLS-DA 分析法對(duì)數(shù)據(jù)進(jìn)行降維處理和特征信息提取，結(jié)合Fisher函數(shù)、多層感知器神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，建立霉心病蘋果病變程度的判別模型。結(jié)果表明，多層感知器神經(jīng)網(wǎng)絡(luò)模型判別效果最好，其對(duì)訓(xùn)練集和驗(yàn)證集的預(yù)測(cè)判別率分別為88.61%和88.46%。李頎等人[16]使用CCD 彩色工業(yè)相機(jī)動(dòng)態(tài)采集紅富士蘋果2 個(gè)面的實(shí)時(shí)圖像，采用泛洪填充+自適應(yīng)Ostu 閾值分割算法、最小外接圓法和最小外接矩形法對(duì)圖像信息進(jìn)行特征提取，結(jié)合粒子群SVM決策樹算法建立蘋果分級(jí)評(píng)判模型。結(jié)果表明，該方法對(duì)蘋果分級(jí)準(zhǔn)確率達(dá)到94%以上，分級(jí)速率達(dá)到4 個(gè)/ s，可滿足蘋果在線分級(jí)要求。

計(jì)算機(jī)和傳感器技術(shù)的快速發(fā)展促使智能感官仿生無(wú)損檢測(cè)技術(shù)不斷進(jìn)步，其快速、準(zhǔn)確、無(wú)損等優(yōu)點(diǎn)能較好滿足現(xiàn)代化機(jī)械自動(dòng)化流水線生產(chǎn)要求，在水果品質(zhì)分級(jí)篩選中應(yīng)用廣泛。但是，智能感官仿生無(wú)損檢測(cè)技術(shù)也存在智能仿生感官傳感器設(shè)備成本價(jià)格過(guò)高、電子鼻仿生系統(tǒng)易受到環(huán)境溫濕度影響而導(dǎo)致靈敏度降低等問(wèn)題。

4 聲學(xué)特性無(wú)損檢測(cè)技術(shù)

聲學(xué)特性無(wú)損檢測(cè)技術(shù)是指水果在聲波刺激下的反射、散射、透射、吸收、衰減系數(shù)、頻率、傳播速度與聲阻抗等特性會(huì)隨著水果內(nèi)部組織變化（如成分、結(jié)構(gòu)、物理狀態(tài)等）特性的改變而發(fā)生變化，因此可依據(jù)水果聲學(xué)特性的改變，實(shí)現(xiàn)對(duì)水果品質(zhì)的檢測(cè)[17]。Alfadhl Y 等人[18]通過(guò)聲脈沖響應(yīng)采集健康蘋果和患蠹蛾蘋果的數(shù)據(jù)信息，結(jié)合K -近鄰和嶺回歸模型建立蠹蛾蘋果檢測(cè)系統(tǒng)。結(jié)果表明，該系統(tǒng)對(duì)蠹蛾蘋果識(shí)別準(zhǔn)確率達(dá)90%以上。Morrison D S 等人[19]通過(guò)超聲反射采集柑橘表面信息，建立柑橘超聲反射信息與柑橘密度模型，該方法可較為準(zhǔn)確地測(cè)定9 d 內(nèi)柑橘硬度的變化，從而可較為準(zhǔn)確地預(yù)測(cè)柑橘成熟度變化。

目前，基于聲學(xué)特性的水果品質(zhì)無(wú)損檢測(cè)技術(shù)具有操作簡(jiǎn)便、設(shè)備簡(jiǎn)單、不易受到外界環(huán)境干擾等特點(diǎn)，但也存在弊端，如高頻的超聲波容易造成水果營(yíng)養(yǎng)的流失和硬度損害，同時(shí)高能量超聲儀器價(jià)格昂貴限制其廣泛的商業(yè)化應(yīng)用。

5 電學(xué)特性無(wú)損檢測(cè)技術(shù)

電學(xué)特性無(wú)損檢測(cè)技術(shù)是指通過(guò)對(duì)水果施加外部電場(chǎng)來(lái)觀察水果內(nèi)部導(dǎo)電特性和介電特性的變化，而水果在生長(zhǎng)成熟、發(fā)生病害和損傷等過(guò)程中其內(nèi)部會(huì)發(fā)生一系列生理生化反應(yīng)，造成果實(shí)組織中所攜帶電荷的數(shù)量和空間分布發(fā)生變化，影響果實(shí)內(nèi)部電場(chǎng)強(qiáng)度和分布，導(dǎo)致水果電學(xué)特性變化。因此，可依據(jù)水果電學(xué)特性的改變，實(shí)現(xiàn)對(duì)水果品質(zhì)的檢測(cè)[20]。王若琳等人[21]在100.00 Hz～3.98 MHz 頻率范圍采集200 個(gè)健康蘋果和300 個(gè)水心病蘋果的11 個(gè)電學(xué)指標(biāo)，結(jié)合多層感知器人工神經(jīng)網(wǎng)絡(luò)和徑向基人工神經(jīng)網(wǎng)絡(luò)模型建立水心病蘋果分析判定系統(tǒng)。結(jié)果表明，2 種模型對(duì)好果和水心病果的識(shí)別正確率均能達(dá)100%，能高效實(shí)現(xiàn)蘋果水心病的無(wú)損檢測(cè)。李小龍等人[22]使用電學(xué)特性檢測(cè)儀在1 MHz 頻率下采集庫(kù)爾勒香梨等效電容、品質(zhì)因素、并聯(lián)等效電阻、復(fù)阻抗、復(fù)阻抗相角和電抗6 個(gè)電學(xué)參數(shù)并測(cè)定香梨質(zhì)量，建立電學(xué)參數(shù)與質(zhì)量之間關(guān)系。結(jié)果表明，庫(kù)爾勒香梨并聯(lián)等效電容與質(zhì)量呈顯著相關(guān)，相關(guān)性系數(shù)可達(dá)到0.917 8，該方法可快速實(shí)現(xiàn)對(duì)庫(kù)爾勒香梨果實(shí)質(zhì)量無(wú)損測(cè)定。羅安偉等人[23]在100 Hz～3.98 MHz 頻率范圍測(cè)定患青霉病獼猴桃電學(xué)參數(shù)及生理指標(biāo)，建立患青霉病獼猴桃判別模型。結(jié)果表明，等效串聯(lián)電阻與β -1,3 -葡聚糖酶活性及等效串聯(lián)電容與可滴定酸均呈顯著相關(guān)，依據(jù)獼猴桃β -1,3 -葡聚糖酶活性和可滴定酸預(yù)測(cè)值可實(shí)現(xiàn)對(duì)患青霉病獼猴桃的準(zhǔn)確識(shí)別，在貯藏期15～45 d 時(shí)準(zhǔn)確率達(dá)到83%。

電學(xué)特性的水果品質(zhì)無(wú)損檢測(cè)技術(shù)具有儀器反應(yīng)靈敏、操作步驟簡(jiǎn)單等優(yōu)點(diǎn)，但電學(xué)特性受儀器設(shè)備限制其檢測(cè)精度和效率較低，同時(shí)水果在導(dǎo)電狀態(tài)下的電學(xué)特性波動(dòng)較大，并且電學(xué)特性與水果內(nèi)部成分之間的相關(guān)性不高，因此基于電學(xué)特性的無(wú)損檢測(cè)在實(shí)際水果品質(zhì)檢測(cè)中應(yīng)用并不多。

6 結(jié)語(yǔ)

水果品質(zhì)無(wú)損檢測(cè)研究技術(shù)解決了傳統(tǒng)檢測(cè)方法操作繁瑣、破壞樣品等問(wèn)題，具有獨(dú)特的優(yōu)勢(shì)，所以近年來(lái)發(fā)展迅速，研究對(duì)象涵蓋了目前市場(chǎng)上大部分水果。檢測(cè)儀器、檢測(cè)原理及建模算法的創(chuàng)新都已成為當(dāng)前水果品質(zhì)無(wú)損檢測(cè)技術(shù)研究的熱點(diǎn)。但水果品質(zhì)無(wú)損檢測(cè)研究技術(shù)仍然存在著許多不足，如目前檢測(cè)儀器存在設(shè)備價(jià)格昂貴、體積過(guò)大等問(wèn)題，導(dǎo)致在實(shí)際推廣過(guò)程中難以滿足需求。另外，目前的檢測(cè)設(shè)備只能針對(duì)單一品種和單一指標(biāo)進(jìn)行檢測(cè)，而水果在品質(zhì)分類篩選中往往需要多品種、多指標(biāo)、多維度的綜合分析評(píng)判。目前，檢測(cè)設(shè)備多基于光學(xué)、電學(xué)、聲學(xué)等原理建立，而這些設(shè)備儀器容易受到環(huán)境條件的影響，同時(shí)品質(zhì)分類模型在建立時(shí)，數(shù)據(jù)的采集通常是在實(shí)驗(yàn)室特定條件下進(jìn)行，導(dǎo)致在實(shí)際應(yīng)用中隨著環(huán)境條件的改變模型準(zhǔn)確率會(huì)明顯降低。雖然目前研究者們積極開展水果光學(xué)參數(shù)、電學(xué)參數(shù)及聲學(xué)參數(shù)與水果品質(zhì)存在的關(guān)系和影響，但對(duì)其影響機(jī)理的研究還很缺乏。上述問(wèn)題的解決，勢(shì)必都將促進(jìn)水果品質(zhì)無(wú)損檢測(cè)技術(shù)在實(shí)際應(yīng)用中的發(fā)展，從而提高我國(guó)國(guó)產(chǎn)水果在國(guó)際市場(chǎng)中的競(jìng)爭(zhēng)力，為我國(guó)水果產(chǎn)業(yè)發(fā)展創(chuàng)造更強(qiáng)大的發(fā)展動(dòng)力。