肖宏輝 李春霖 張永志 聶 晶 吳 振， 袁玉偉 ，

（1浙江省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品質(zhì)量安全與營(yíng)養(yǎng)研究所，浙江 杭州 310021；2寧波大學(xué)食品與藥學(xué)學(xué)院，浙江 寧波 315211；3農(nóng)業(yè)農(nóng)村部農(nóng)產(chǎn)品信息溯源重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 310021）

我國(guó)是水果生產(chǎn)和消費(fèi)大國(guó)，2022 年水果產(chǎn)量為31 296.2 萬(wàn)噸，同比2021 年增長(zhǎng)4.4%，位居世界前列［1］。水果中富含膳食纖維、維生素、礦物質(zhì)、多酚類和有機(jī)酸類等功效成分，有較高的營(yíng)養(yǎng)價(jià)值，適量攝入對(duì)維持人體健康、預(yù)防食源性疾病具有重要意義［2］。同時(shí)，相關(guān)研究表明，水果消費(fèi)的增加與心理和主觀幸福感呈正相關(guān)［3］。

隨著消費(fèi)水平不斷升級(jí)，居民對(duì)優(yōu)質(zhì)水果的需求日益增加。水果的品質(zhì)等級(jí)由外觀、營(yíng)養(yǎng)成分、口感、氣味、貯藏期等多種因素決定。貨架期短、易受損等因素嚴(yán)重影響了不同產(chǎn)地和儲(chǔ)運(yùn)條件下的水果品質(zhì)，導(dǎo)致有效成分含量存在差異。近年，市場(chǎng)上不斷出現(xiàn)以次充好、摻雜摻假、農(nóng)藥殘留等問(wèn)題，已引起政府監(jiān)管部門和消費(fèi)者的普遍關(guān)注［4］。目前，科學(xué)研究領(lǐng)域通常采用質(zhì)譜法、原子熒光光譜法等方法測(cè)定水果中的品質(zhì)化學(xué)成分、礦物元素等。以上方法需要大型實(shí)驗(yàn)儀器并由專業(yè)人員操作，存在檢測(cè)成本高、周期長(zhǎng)、影響水果二次銷售等問(wèn)題。因此，低成本、高效率的水果無(wú)損檢測(cè)方法是當(dāng)前的主要研究方向之一。

無(wú)損檢測(cè)技術(shù)是一門新興的綜合性應(yīng)用學(xué)科，是在不破壞被檢測(cè)對(duì)象物理狀態(tài)和化學(xué)性質(zhì)的前提下，準(zhǔn)確獲取其內(nèi)外部性質(zhì)、成分等理化信息的檢測(cè)技術(shù)［5］。如圖1 所示，無(wú)損檢測(cè)技術(shù)主要包含以下幾類。①光譜技術(shù)：利用果實(shí)對(duì)光的吸收、反射、折射等特性進(jìn)行檢測(cè)，根據(jù)所用光源的不同，分為近紅外光譜檢測(cè)技術(shù)、X 射線技術(shù)等，可用于水果大小、含水率、硬度等方面的檢測(cè)，應(yīng)用較為廣泛。②傳感器技術(shù)：利用電子鼻模擬生物嗅覺(jué)功能，分析、識(shí)別氣味進(jìn)行檢測(cè)。同一種水果在不同生長(zhǎng)階段的氣味不同，不同品種間氣味也存在差異，該方法可用于水果成熟度、機(jī)械損傷、品種分類等方面的檢測(cè)。③聲學(xué)技術(shù)：在聲波的作用下，利用果實(shí)反射、散射、吸收等聲學(xué)特性進(jìn)行檢測(cè)，如超聲波檢測(cè)技術(shù)、聲發(fā)射技術(shù)等，可用于水果硬度、成熟度、空心度等檢測(cè)。④力學(xué)技術(shù)：利用果實(shí)振動(dòng)頻率、振動(dòng)吸收、硬度、彈性等力學(xué)特性進(jìn)行檢測(cè)，可用于水果成熟度、硬度等檢測(cè)。⑤電學(xué)技術(shù)：利用果實(shí)介電常數(shù)、電感、阻抗等介電特性進(jìn)行檢測(cè)，如傳輸線技術(shù)、同軸探頭技術(shù)等，可用于水果糖度、含水率等方面的檢測(cè)。

圖1 無(wú)損檢測(cè)技術(shù)的分類及應(yīng)用Fig.1 Classification and application of nondestructive testing technology

1 無(wú)損檢測(cè)技術(shù)應(yīng)用于水果品質(zhì)分析

1.1 品質(zhì)化學(xué)成分檢測(cè)

無(wú)損檢測(cè)技術(shù)在水果品質(zhì)化學(xué)成分檢測(cè)中的應(yīng)用以營(yíng)養(yǎng)成分、功能性成分和理化成分檢測(cè)為主。

1.1.1 營(yíng)養(yǎng)成分檢測(cè) 水果的營(yíng)養(yǎng)成分包含糖類、維生素類、膳食纖維等，它們不僅可以促進(jìn)機(jī)體的新陳代謝，還可以提供一定的能量。可溶性固形物含量是評(píng)價(jià)水果營(yíng)養(yǎng)價(jià)值的重要指標(biāo)之一，也是影響水果風(fēng)味和口感的重要因素之一。Monago-Mara?a 等［6］利用拉曼光譜對(duì)蘋果中的可溶性固性物進(jìn)行了檢測(cè)，測(cè)得完整蘋果的均方根誤差為0.66，與近紅外光譜得到的結(jié)果相似。劉燕德等［7］利用可見(jiàn)近紅外光譜技術(shù)預(yù)測(cè)了不同貯藏期內(nèi)水蜜桃的糖度，發(fā)現(xiàn)在漫反射檢測(cè)方式下，糖度的最佳預(yù)測(cè)相關(guān)系數(shù)（coefficient of determination，R2）和預(yù)測(cè)均方根誤差（root mean squared error predict，RMSEP）分別為0.886和0.727。在測(cè)定甜瓜中的葡萄糖、果糖和蔗糖成分時(shí)，所建立的模型都顯示較高的準(zhǔn)確率［8］。維生素是機(jī)體不能合成或合成量太少必須通過(guò)食物或其他途徑補(bǔ)取的營(yíng)養(yǎng)物質(zhì)。水果中含有大量的維生素，它不僅可以調(diào)節(jié)人體的生長(zhǎng)發(fā)育，還可以保持肌膚美白有彈性，防止皺紋的產(chǎn)生［9］。Bobasa 等［10］利用便攜式近紅外光譜儀對(duì)澳大利亞卡卡杜李中的維生素C 和鞣花酸進(jìn)行測(cè)定，測(cè)得維生素C 的殘差預(yù)測(cè)偏差（residual predictive deviation，RPD）值為2.1。多項(xiàng)研究表明，利用光譜技術(shù)測(cè)定不同水果中的維生素均取得了較好的效果［11-13］。無(wú)損檢測(cè)技術(shù)在水果營(yíng)養(yǎng)成分檢測(cè)中的其他應(yīng)用示例見(jiàn)表1［14-18］。

表1 無(wú)損檢測(cè)技術(shù)在水果營(yíng)養(yǎng)成分檢測(cè)中的其他應(yīng)用示例Table 1 Other examples of the application of nondestructive testing technology in the detection of fruit nutritional ingredient

1.1.2 功能性成分檢測(cè) 水果中含有豐富的多酚類、有機(jī)酸類、氨基酸類等功能性成分，其中多酚類化合物含有多種抗氧化物質(zhì)，可以有效地抵抗自由基的侵害，減少疾病的發(fā)生。光譜技術(shù)可以在短時(shí)間內(nèi)快速測(cè)定不同水果中的總酚［19］及類胡蘿卜素［20］含量，從而通過(guò)信號(hào)特征值來(lái)判別水果的新鮮度。Li 等［21］利用高光譜技術(shù)對(duì)桑葚中的花青素含量進(jìn)行了測(cè)定，結(jié)果表明所建立的自動(dòng)編碼遺傳算法極端學(xué)習(xí)機(jī)（stacked-auto encoder-genetic algorithm extreme learning machine，SAEGA-ELM）模型達(dá)到了較好的效果，其RMSEP 為0.22。此外，利用電子鼻技術(shù)能夠有效測(cè)定水果及產(chǎn)品中的揮發(fā)性成分及氣味特征。無(wú)損檢測(cè)技術(shù)在水果功能性成分檢測(cè)中的其他應(yīng)用示例見(jiàn)表2［22-24］。

表2 無(wú)損檢測(cè)技術(shù)在水果功能性成分檢測(cè)中的其他應(yīng)用示例Table 2 Other examples of the application of nondestructive testing technology in the detection of fruit functional component

1.1.3 理化成分檢測(cè) 水果理化成分方面的測(cè)定主要以水分和pH 值為主。水果果實(shí)中含有超過(guò)80%的水分，極易被人體吸收并利用，是影響果品新鮮度、脆度和口感的重要成分。Abasi 等［25］利用近紅外光譜儀對(duì)蘋果中的水分含量等成分進(jìn)行了測(cè)定，結(jié)合偏最小二乘回歸（partial least squares，PLS）模型，得出水分含量的均方根誤差為0.009。Wang 等［26］利用高光譜成像技術(shù)對(duì)獼猴桃的pH值進(jìn)行了測(cè)定，結(jié)果表明迭代保留信息變量方法、迭代空間收縮方法、模型自適應(yīng)空間收縮方法、隨機(jī)森林方法以及多核支持向量回歸方法相結(jié)合預(yù)測(cè)結(jié)果最好，R2P為0.851 2。無(wú)損檢測(cè)技術(shù)在水果理化成分檢測(cè)中的其他應(yīng)用示例見(jiàn)表3［27-31］。

表3 無(wú)損檢測(cè)技術(shù)在水果理化成分檢測(cè)中的其他應(yīng)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 感官屬性檢測(cè)

感官品質(zhì)是描述和判斷水果質(zhì)量最直觀的指標(biāo)，主要包括視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)、觸覺(jué)和味覺(jué)5 個(gè)方面，它不僅體現(xiàn)了水果可食用性的要求，還綜合反映了對(duì)食品安全性的要求，直接影響了水果的市場(chǎng)銷售價(jià)格和消費(fèi)者的購(gòu)買欲望。

果實(shí)的形狀、顏色、質(zhì)地是判別水果成熟度的一個(gè)重要指標(biāo)。傳統(tǒng)的水果外觀品質(zhì)檢測(cè)方法主要依靠人工經(jīng)驗(yàn)，存在誤差較大、檢測(cè)效率低、對(duì)水果造成損傷等問(wèn)題。隨著檢測(cè)精度要求的提高，可以客觀地通過(guò)無(wú)損檢測(cè)來(lái)判斷，如機(jī)器視覺(jué)成像技術(shù)、光譜技術(shù)、聲學(xué)技術(shù)等。機(jī)器視覺(jué)成像技術(shù)可以通過(guò)圖像處理和分析實(shí)現(xiàn)對(duì)水果表面的缺陷、褐變、變形等問(wèn)題進(jìn)行快速檢測(cè)和分類，并對(duì)水果的大小和形狀進(jìn)行精準(zhǔn)測(cè)量，從而保證水果品質(zhì)的一致性和可靠性。劉陽(yáng)等［32］采用機(jī)器視覺(jué)技術(shù)并結(jié)合高斯混合模型對(duì)有潰爛、傷疤、雨斑缺陷的青梅進(jìn)行了檢測(cè)，準(zhǔn)確率分別為100%、97.22%、92.31%。水果的顏色從側(cè)面反映了營(yíng)養(yǎng)成分的含量，可利用人工智能技術(shù)提取桑葚的顏色和紋理特征，結(jié)合支持向量機(jī)算法建立人工神經(jīng)網(wǎng)絡(luò)（artifificial neural network，ANN）模型，其成熟度的判別準(zhǔn)確率為98.62%［33］。Xie 等［34］利用光譜技術(shù)提取香蕉的顏色特征，其建立的模型獲得了較好的預(yù)測(cè)系數(shù)。除此之外，果實(shí)的硬度和彈性指標(biāo)是質(zhì)量判別的重要依據(jù)。Ding等［35］利用聲振分析在線檢測(cè)系統(tǒng)檢測(cè)梨的硬度指標(biāo)，結(jié)果表明反向傳播神經(jīng)網(wǎng)絡(luò)（back propagation neural network，BPNN）方法具有較高的判別精度，校準(zhǔn)集和驗(yàn)證集的準(zhǔn)確度分別為93.3%和90%。

香氣和滋味是影響水果感官品質(zhì)的重要指標(biāo)。水果的香氣檢測(cè)主要依靠電子鼻技術(shù)，利用氣體傳感器快速識(shí)別水果中復(fù)雜的揮發(fā)性成分，是一種用途廣泛的風(fēng)味物質(zhì)分析檢測(cè)方法。水果的滋味可利用電子舌和光譜技術(shù)等手段進(jìn)行檢測(cè)。Zhu等［36］利用電子鼻和電子舌技術(shù)對(duì)蘋果的風(fēng)味差異進(jìn)行了研究，通過(guò)電子鼻技術(shù)鑒定出45 種揮發(fā)性化合物，其中含量最高的是酯類；通過(guò)電子舌技術(shù)分析發(fā)現(xiàn)不同品種蘋果的酸味和甜味存在明顯差異，結(jié)果表明兩種技術(shù)的協(xié)同分析在風(fēng)味差異分析上具有重要意義。利用光譜技術(shù)對(duì)水果樣品進(jìn)行光譜分析，通過(guò)建立模型，可以有效地檢測(cè)水果的滋味特征。研究表明，利用近紅外光譜技術(shù)可實(shí)現(xiàn)在0.01 s 內(nèi)測(cè)定紅提樣本的甜度和酸度［37］。無(wú)損檢測(cè)技術(shù)在水果香氣和滋味中的應(yīng)用可以進(jìn)一步提高品質(zhì)檢測(cè)效率。

2 無(wú)損檢測(cè)技術(shù)應(yīng)用于水果安全性檢測(cè)

2.1 農(nóng)藥殘留的測(cè)定

近年來(lái)，大量學(xué)者利用液相色譜法、酶抑制法、生物傳感器法等技術(shù)對(duì)水果類農(nóng)藥殘留檢測(cè)方法進(jìn)行了研究。市場(chǎng)上農(nóng)藥殘留快速檢測(cè)的方法主要有速測(cè)箱、速測(cè)卡和速測(cè)試劑盒等，但受到檢測(cè)對(duì)象較為單一等因素限制。采用光譜、電子鼻等技術(shù)對(duì)農(nóng)藥進(jìn)行靈敏、廣譜和無(wú)損檢測(cè)發(fā)展迅速。其中，拉曼增強(qiáng)光譜技術(shù)可以獲得顯著的增強(qiáng)信號(hào)和豐富的分子指紋振動(dòng)信息，在水果農(nóng)藥殘留檢測(cè)中具有高靈敏度和特異性。Chen等［38］證實(shí)了通過(guò)表面增強(qiáng)拉曼散射（surface enhanced roman scattering，SERS）顯微成像技術(shù)可以研究蘋果表面的農(nóng)藥殘留分布。Yazici 等［39］利用近紅外光譜技術(shù)對(duì)草莓表面的農(nóng)藥進(jìn)行測(cè)定，結(jié)果測(cè)得啶酰菌胺的RPD 值為2.28，唑菌胺酯的RPD 值為2.31。利用電子鼻技術(shù)可以有效吸附水果殘留農(nóng)藥的揮發(fā)性成分，從而有效判別殘留農(nóng)藥的種類及含量。Tang 等［40］利用電子鼻系統(tǒng)結(jié)合金屬氧化物半導(dǎo)體傳感器（metal oxide semiconductor，MOS）對(duì)殘留蘋果表面的氯氰菊酯和毒死蜱兩種農(nóng)藥進(jìn)行了鑒定，結(jié)果表明主成分分析法（principal component analysis，PCA）的分類效果最好。無(wú)損檢測(cè)技術(shù)在水果農(nóng)藥殘留檢測(cè)中的其他應(yīng)用示例見(jiàn)表4［41-45］。

表4 無(wú)損檢測(cè)技術(shù)在水果農(nóng)藥殘留檢測(cè)中的其他應(yīng)用示例Table 4 Other examples of the application of nondestructive testing technology in the detection of fruit pesticide residue

2.2 病蟲害及霉變的鑒定

水果的病蟲害和霉變是影響水果品質(zhì)等級(jí)鑒定的重要因素。水果在生長(zhǎng)、銷售過(guò)程中易受病原菌（如真菌、細(xì)菌）侵染和害蟲侵蝕，這不僅降低了水果的品質(zhì)，同時(shí)對(duì)其安全性也造成了極大的影響。傳統(tǒng)的水果病蟲害檢測(cè)主要以人工分揀和理化檢測(cè)為主，但存在耗費(fèi)時(shí)間及破壞樣本等弊端，而無(wú)損檢測(cè)技術(shù)在實(shí)現(xiàn)快速檢測(cè)的同時(shí)，還可以保證樣本的完整性。利用計(jì)算機(jī)視覺(jué)技術(shù)獲取水果的顏色、紋理等特征，可以有效識(shí)別芒果炭疽?。?6］和哈密棗霉變［47］。王若琳等［48］通過(guò)感應(yīng)病變水果內(nèi)部電場(chǎng)的強(qiáng)度和分布，對(duì)蘋果的水心病進(jìn)行檢測(cè)，其中損耗因子結(jié)合人工神經(jīng)網(wǎng)絡(luò)對(duì)水心病果和好果的判別準(zhǔn)確率均達(dá)到100%。X 射線成像技術(shù)通過(guò)捕獲樣品內(nèi)部缺陷或異物引起的射線強(qiáng)度的變化，按照一定的方法轉(zhuǎn)換成二維圖像，進(jìn)而對(duì)樣品病蟲害進(jìn)行有效的檢測(cè)。Matsui 等［49］研究表明，基于深度學(xué)習(xí)的X射線圖像分析自動(dòng)檢測(cè)系統(tǒng)可以有效地檢測(cè)哈斯鱷梨果實(shí)的內(nèi)部腐爛。電子鼻技術(shù)利用傳感器性能，在水果的病害檢測(cè)領(lǐng)域效果顯著。閆子茹等［50］利用電子鼻系統(tǒng)檢測(cè)香梨的揮發(fā)性氣體來(lái)確定香梨的腐爛程度，結(jié)果表明線性判別分析（linear discriminant analysis，LDA）對(duì)傳感器響應(yīng)值變化效果最好，可以進(jìn)行有效的區(qū)分。無(wú)損檢測(cè)技術(shù)在水果病蟲害及霉變檢測(cè)中的其他應(yīng)用示例見(jiàn)表5［51-54］。

表5 無(wú)損檢測(cè)技術(shù)在水果病蟲害檢測(cè)中的其他應(yīng)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 無(wú)損檢測(cè)技術(shù)應(yīng)用于水果真實(shí)性鑒別

3.1 原產(chǎn)地判別

目前，水果及其產(chǎn)品的原產(chǎn)地認(rèn)證方法包括質(zhì)譜技術(shù)（同位素指紋技術(shù)、礦物質(zhì)元素技術(shù)、有機(jī)成分指紋技術(shù)）、分子生物學(xué)技術(shù)、光譜技術(shù)等。其中，光譜技術(shù)因快速、高效、無(wú)損等優(yōu)點(diǎn)逐漸得到相關(guān)學(xué)者的關(guān)注，在柑橘、蘋果、桃等水果的產(chǎn)地判別中取得了大量應(yīng)用。

不同產(chǎn)地的水果受自然環(huán)境、地理?xiàng)l件等影響，口感及品質(zhì)會(huì)存在差異，普通消費(fèi)者難以通過(guò)外觀進(jìn)行判定。利用快速無(wú)損檢測(cè)的手段檢測(cè)不同產(chǎn)地的水果，對(duì)保護(hù)消費(fèi)者權(quán)益和促進(jìn)產(chǎn)業(yè)健康發(fā)展具有重要意義。Wang 等［55］利用高光譜成像技術(shù)對(duì)浙江麗水、江西德興的紅樹莓進(jìn)行了營(yíng)養(yǎng)成分預(yù)測(cè)及產(chǎn)地鑒定，結(jié)果表明三個(gè)地區(qū)的紅樹莓果實(shí)營(yíng)養(yǎng)成分存在顯著差異，采用正交偏最小二乘判別分析（orthogonal partial least squares discrimination analysis，OPLSDA）模型成功對(duì)三個(gè)地區(qū)的紅樹莓進(jìn)行了分類，準(zhǔn)確率超過(guò)98%。Xu等［56］利用近紅外光譜結(jié)合化學(xué)計(jì)量技術(shù)對(duì)山東、山西、河南和河北的瓜蔞進(jìn)行了鑒別，校準(zhǔn)集和預(yù)測(cè)集的分類準(zhǔn)確率均高達(dá)100%。盧詩(shī)揚(yáng)等［57］利用拉曼光譜結(jié)合長(zhǎng)短期記憶（long short-term memory，LSTM）網(wǎng)絡(luò)對(duì)來(lái)自美國(guó)、山東和四川的櫻桃進(jìn)行了產(chǎn)地鑒別，準(zhǔn)確率達(dá)99.12%。光譜技術(shù)在進(jìn)行產(chǎn)地溯源時(shí)，由于其檢測(cè)樣本數(shù)量的局限性，會(huì)對(duì)結(jié)果造成一定的誤差。因此，需要通過(guò)增加樣本數(shù)量，使分類精度進(jìn)一步提高。無(wú)損檢測(cè)技術(shù)在水果原產(chǎn)地判別中的其他應(yīng)用示例見(jiàn)表6［58-62］。

表6 無(wú)損檢測(cè)技術(shù)在水果原產(chǎn)地判別中的其他應(yīng)用示例Table 6 Other examples of the application of nondestructive testing technology in fruit origin discrimination

3.2 標(biāo)簽信息判別

水果標(biāo)簽包括品種名稱、貯藏時(shí)間等信息，但部分不法分子受經(jīng)濟(jì)利益驅(qū)使，在標(biāo)簽上弄虛作假，極大地?fù)p害了消費(fèi)者權(quán)益。傳統(tǒng)的水果品種分類和貯藏時(shí)間檢測(cè)取決于個(gè)人的視覺(jué)和嗅覺(jué)，具有較強(qiáng)的主觀性，容易出現(xiàn)誤判；侵入性檢測(cè)方法會(huì)導(dǎo)致水果創(chuàng)傷，不適合廣泛應(yīng)用。因此，迫切需要開(kāi)發(fā)簡(jiǎn)單、準(zhǔn)確、無(wú)損的品質(zhì)檢測(cè)方法。

近年，國(guó)內(nèi)外學(xué)者對(duì)于水果品種方面的研究主要采用近紅外光譜技術(shù)、紫外/可見(jiàn)光譜技術(shù)、高光譜成像技術(shù)。馬惠玲等［63］利用高光譜成像技術(shù)對(duì)3個(gè)蘋果品種進(jìn)行分類，得出徑向基核函數(shù)支持向量機(jī)模型的準(zhǔn)確率可達(dá)96.67%。尚靜等［64］證實(shí)了利用紫外/可見(jiàn)光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法可以有效地對(duì)3 個(gè)不同品種的蘋果進(jìn)行區(qū)分。不同貯藏時(shí)間的水果對(duì)銷售質(zhì)量和消費(fèi)者的滿意程度都產(chǎn)生了極大的影響。利用電子耳系統(tǒng)采集水果振動(dòng)的聲學(xué)信號(hào)，可以有效識(shí)別水果的貯藏時(shí)間。Alipasandi 等［65］通過(guò)獲取西瓜的聲學(xué)信號(hào)對(duì)未成熟、成熟和過(guò)熟三種類型進(jìn)行分辨，其最優(yōu)結(jié)果為77.3%。陸勇等［66］通過(guò)聲振法選取3個(gè)特征值并建立西瓜貯藏時(shí)間的多元線性回歸模型，模型的確定系數(shù)為0.931 3。無(wú)損檢測(cè)技術(shù)在水果貯藏時(shí)間判別中的其他應(yīng)用示例見(jiàn)表7［67-69］。

表7 無(wú)損檢測(cè)技術(shù)在水果貯藏時(shí)間判別中的其他應(yīng)用示例Table 7 Other examples of the application of nondestructive testing technology in fruit storage time discrimination

4 結(jié)語(yǔ)與展望

4.1 結(jié)語(yǔ)

目前，我國(guó)水果的生產(chǎn)逐步向連續(xù)化、自動(dòng)化、智能化和標(biāo)準(zhǔn)化方向發(fā)展。將無(wú)損檢測(cè)技術(shù)應(yīng)用于連續(xù)化生產(chǎn)線中，可以實(shí)現(xiàn)在非接觸下對(duì)果實(shí)的外觀質(zhì)量、內(nèi)部成分和結(jié)構(gòu)等品質(zhì)指標(biāo)進(jìn)行全面評(píng)估，也可以聯(lián)合人工智能技術(shù)實(shí)現(xiàn)對(duì)水果的分類、分級(jí)和計(jì)數(shù)。無(wú)損檢測(cè)技術(shù)憑借操作速度快、無(wú)需大量預(yù)處理、不破壞產(chǎn)品原有形態(tài)等優(yōu)點(diǎn)，已初步應(yīng)用于水果的品質(zhì)評(píng)價(jià)、產(chǎn)品分級(jí)和安全鑒定，但仍存在亟需突破的技術(shù)難點(diǎn)。

4.1.1 檢測(cè)范圍有限 無(wú)損檢測(cè)技術(shù)大多應(yīng)用于小型薄皮水果的品質(zhì)安全檢測(cè)，在大型厚皮水果的應(yīng)用較少。原因是無(wú)損檢測(cè)信號(hào)難以穿透大型厚皮水果，無(wú)法獲取或獲取的檢測(cè)信號(hào)較弱，難以從中提取到足夠的有效信息，造成檢測(cè)精度較低。因此，需要進(jìn)一步完善現(xiàn)有應(yīng)用技術(shù)及開(kāi)發(fā)新的無(wú)損檢測(cè)技術(shù)。

4.1.2 硬件性能差 硬件設(shè)備的穩(wěn)定是獲取高質(zhì)量原始信號(hào)的關(guān)鍵，是保證水果品質(zhì)無(wú)損檢測(cè)的前提。電子鼻和電子舌技術(shù)存在傳感器具有選擇性和限制性、易受環(huán)境因素影響、便攜性差等弊端，光譜技術(shù)及其他無(wú)損檢測(cè)技術(shù)存在設(shè)備成本較高的問(wèn)題。因此，需要提高傳感器的靈敏度、穩(wěn)定性及優(yōu)化現(xiàn)有無(wú)損檢測(cè)儀器設(shè)備的結(jié)構(gòu)和參數(shù)，降低規(guī)?；瘷z測(cè)成本。

4.1.3 提高檢測(cè)精度 水果樣本由于存在品種、地理環(huán)境等方面的差異，會(huì)造成一定的模型適應(yīng)性問(wèn)題，影響檢測(cè)精度。模型的精度十分依賴于算法和模型建立，選取與檢測(cè)樣品信息高度匹配、針對(duì)性強(qiáng)的新型化學(xué)計(jì)量學(xué)方法，將有利于提高模型的精度。

4.2 展望

4.2.1 便攜式儀器的研發(fā) 現(xiàn)有部分檢測(cè)儀器過(guò)于龐大，不方便攜帶且只能在實(shí)驗(yàn)室中進(jìn)行，而小型便攜式儀器的研發(fā)能夠很好地滿足及時(shí)、準(zhǔn)確的現(xiàn)場(chǎng)分析要求。通過(guò)提升光纖探頭的性能，研發(fā)體積小且功率大的二極管激光光源以及優(yōu)化儀器的結(jié)構(gòu)，如增加小型計(jì)算機(jī)的接口，以及連接便攜式打印機(jī)等方法，可以有效提高儀器設(shè)備的精度、提升實(shí)時(shí)在線檢測(cè)的效率。

4.2.2 多種無(wú)損檢測(cè)技術(shù)的聯(lián)合使用 單一無(wú)損檢測(cè)技術(shù)只針對(duì)某一類指標(biāo)，未能實(shí)現(xiàn)多種目標(biāo)的同時(shí)檢測(cè)，無(wú)法實(shí)現(xiàn)水果的綜合品質(zhì)評(píng)價(jià)。通過(guò)多種技術(shù)的聯(lián)合使用，如光譜技術(shù)和傳感器技術(shù)的聯(lián)合使用，以及信息融合技術(shù)，如數(shù)據(jù)融合或多傳感器信息融合，憑借信息量大、容錯(cuò)能力較好的優(yōu)點(diǎn)可以對(duì)水果產(chǎn)品進(jìn)行多方面、多層次、多級(jí)別的處理，得到更準(zhǔn)確和可靠的結(jié)果。

4.2.3 通用模型的建立 現(xiàn)有儀器檢測(cè)獲得的信息數(shù)據(jù)量大，處理繁瑣，未能實(shí)現(xiàn)一種模型對(duì)多種指標(biāo)檢測(cè)的通用性。未來(lái)，可以通過(guò)尋找最優(yōu)的建模參數(shù)，優(yōu)化現(xiàn)有的特征提取算法和建模算法，并結(jié)合“模型更新”方法，如添加額外樣本信息來(lái)改善模型性能的方法，建立一套準(zhǔn)確、穩(wěn)定、建模成本低、工作量小的水果品質(zhì)安全無(wú)損檢測(cè)通用模型。