劉非凡

摘 要：隨著經(jīng)濟發(fā)展與消費觀念的轉(zhuǎn)變，相比于水果價格，消費者更關(guān)注水果品質(zhì)，當(dāng)前我國水果采摘后的品質(zhì)分級手段仍依賴人工或者簡單粗略的機械篩選。本文介紹了電子鼻技術(shù)、計算機視覺技術(shù)、紅外光譜技術(shù)以及電學(xué)特性檢測技術(shù)的原理及發(fā)展，并比較了這些技術(shù)在水果無損檢測領(lǐng)域中的不同應(yīng)用。

關(guān)鍵詞：水果；無損檢測；計算機視覺；近紅外光譜

A Review of Fruit Nondestructive Testing Techniques

LIU Feifan

（School of Electronic Information， Xijing University， Xian 710123， China）

Abstract： With the development of economy and the change of consumption concept， consumers pay more attention to the quality of fruit compared to the price of fruit. At present， the quality classification means of fruit picking in our country still rely on manual or simple or rough mechanical screening. This paper introduces the principle and development of electronic nose technology， computer vision technology， infrared spectroscopy technology and electrical characteristics testing technology， and compares the different applications of these technologies in the field of fruit nondestructive testing.

Keywords： fruit; nondestructive testing; computer vision; near infrared spectroscopy

近年來我國水果產(chǎn)量增加，目前國內(nèi)市場以及國外市場對高品質(zhì)水果的需求也不斷增加，水果無損檢測和分級能夠提升水果的競爭力，有利于我國水果行業(yè)的發(fā)展。水果品質(zhì)檢測主要有內(nèi)部品質(zhì)以及外部品質(zhì)，原始的外部品質(zhì)檢測主要是使用專門的分級器械來對水果的大小、重量進行簡單分類，或者人工對水果的外觀、紋理、表面缺陷等進行分類。傳統(tǒng)的分級器械較為煩瑣、速度慢且易對水果造成損傷。人工分選又帶有感官評價，主觀性強，無法形成統(tǒng)一的標(biāo)準(zhǔn)。傳統(tǒng)的內(nèi)部檢測主要通過化學(xué)方法進行測定，這種方法需要破壞水果，通過分析少量樣本推測整個批次的水果品質(zhì)，可靠性不高。為了克服這些缺陷，水果無損檢測技術(shù)應(yīng)運而生，水果無損檢測要求在不破壞水果外表皮以及內(nèi)部環(huán)境的情況下，利用聲、電、磁、光等技術(shù)得到水果的外部特征以及內(nèi)部營養(yǎng)成分含量等數(shù)據(jù)，相比傳統(tǒng)檢測方法更高效。伴隨著物理、材料、計算機多個領(lǐng)域技術(shù)的發(fā)展，無損檢測技術(shù)也日益完善。

1 電子鼻技術(shù)

Gardne在1994年首次確定了“電子鼻”的定義，并且在該領(lǐng)域發(fā)表了論文，在近30年來電子鼻技術(shù)突飛猛進。電子鼻的靈感來源于仿生學(xué)，它的核心器件是氣體傳感器，捕捉氣體的特征，將氣體特征轉(zhuǎn)化為可以量化的模擬信號，通過處理變?yōu)閿?shù)字信號，PC端再通過神經(jīng)網(wǎng)絡(luò)或模式識別等算法進行處理。電子鼻技術(shù)相對成熟，檢測和等待結(jié)果耗費時間少，誤差小，在食品檢測、癌癥檢測、有毒有害氣體檢測等方面有廣泛的應(yīng)用。

1.1 在水果無損檢測中的應(yīng)用

劉強等[1]利用電子鼻技術(shù)結(jié)合不同的特征提取方案分別建立了草莓果實真菌病害的PLSR模型，區(qū)分了健康果實和病害果實，準(zhǔn)確率達到92.9%。尹芳緣等[2]基于電子鼻對芒果的可貯藏時間進行了預(yù)測，將檢測數(shù)據(jù)使用非周期隨機共振方法處理，提取互相關(guān)系數(shù)極大值，并擬合得到芒果儲存期預(yù)測模型，經(jīng)驗證準(zhǔn)確率為87.5%。胡桂仙等[3]基于電子鼻，采用線性判別法判斷柑橘的成熟度，準(zhǔn)確率達到88%。

1.2 優(yōu)缺點

電子鼻操作簡單、成本低、反應(yīng)快，可以用于果實病害檢測、果實成熟度檢測、果實儲存期的預(yù)測等。缺點是在無損檢測領(lǐng)域易受環(huán)境的溫濕度、氣壓影響，而且檢測結(jié)果受到傳感器靈敏度以及模型算法的制約，需要提高傳感器的精密性以及模式識別算法的通用性。隨著機器嗅覺等技術(shù)的研究，電子鼻技術(shù)在水果無損檢測領(lǐng)域會得到更進一步的發(fā)展。

2 計算機視覺技術(shù)

近幾年人工智能領(lǐng)域發(fā)展迅猛，這也促進了計算機視覺技術(shù)的發(fā)展。通過攝像頭相機等代替人眼來進行圖像獲取，再利用計算機對采集的圖形進行特征提取，將圖像的灰度、亮度等轉(zhuǎn)化為數(shù)字信號，通過相關(guān)算法程序自動生成結(jié)果。

2.1 在水果無損檢測中的應(yīng)用

伍光緒[4]通過圖像采集、預(yù)處理、分割技術(shù)，提取了血橙的成熟度、大小、周長的3個特征參數(shù)，并將血橙分為極好、好、一般、差4個等級。徐瑩瑩[5]利用計算機視覺技術(shù)研究了甜瓜的缺陷算法，根據(jù)甜瓜瓜蒂區(qū)域和其他部分的角點差，可以找到并去除瓜蒂，魯棒性好，有較小的耗時以及不錯的識別率。實驗提取了甜瓜的顏色和外部紋路作為特征參數(shù)，采用SVM進行模式識別。對甜瓜的圖像進行分析時，采用灰度共生矩陣進行了特征參數(shù)處理，發(fā)現(xiàn)其中的角二階矩和對比度這兩個參數(shù)能夠明顯區(qū)分甜瓜是否病變，經(jīng)驗證對甜瓜的缺陷識別率達到92.2%。童旭[6]采用雙目視覺獲取了蘋果、梨的圖片，對其進行預(yù)處理特征提取，再優(yōu)化，建立了SVM模型，使用粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法，針對外表皮對蘋果、梨進行了分級。

2.2 優(yōu)缺點

計算機視覺技術(shù)能在一定的距離上對水果品質(zhì)進行檢測，分級更穩(wěn)定、精度更高。相較于人眼，能夠長時間地對自動化產(chǎn)線進行實時監(jiān)測與控制，比對已有的數(shù)據(jù)庫來篩選出病變或者瑕疵的水果。缺點是尚在研究階段，沒有得到大規(guī)模的應(yīng)用，另外一個缺陷是只能對水果外部進行檢測，無法檢測到水果的內(nèi)部成分。

3 近紅外光譜技術(shù)

廣義上來講，波長為780～2 526 nm的電磁波都被稱為近紅外光。近紅外光譜技術(shù)的基本原理來源于比爾定律，又稱為吸光定律，通過定量分析物質(zhì)在某些光譜區(qū)的吸收強度和吸光粒子數(shù)的關(guān)系來分析待檢物品。用近紅外光照射被檢測物品，捕捉被檢測物品對光的反射、散射、吸收后的光譜特征，再對其進行特征分析來確定被檢測物品各種成分含量，將該技術(shù)應(yīng)用于水果檢測領(lǐng)域具有檢測快速、成本低、可檢測水果內(nèi)部糖度和維生素等優(yōu)點。

3.1 在水果無損檢測中的應(yīng)用

近紅外光譜技術(shù)能夠檢測水果硬度、糖度以及內(nèi)部可溶性物質(zhì)的含量。OLIVEIRA等[7]研究了近紅外光譜和中紅外光譜快速檢測百香果果肉并分級，利用PLS回歸分析建立了預(yù)測果糖、蔗糖、酸度、可溶性固形物含量和維生素的模型。結(jié)果顯示，該模型不能很好地預(yù)測維生素的含量，能很好地預(yù)測果糖、蔗糖、酸度、可溶性固形物含量。ABASI等[8]提取了原始的近紅外光譜數(shù)據(jù)，使用了小波變換算法處理數(shù)據(jù)，并與其他常用的預(yù)處理函數(shù)相結(jié)合，基于RMSE（估計均方根誤差）和相關(guān)系數(shù)評價模型決定相關(guān)系數(shù)，預(yù)測了蘋果樣品硬度。最終預(yù)測的蘋果樣品硬度是可以接受的（RMSEP=3.86），實驗應(yīng)用小波變換去噪預(yù)處理，實現(xiàn)了PLS回歸模型的快速性和精準(zhǔn)性預(yù)測。

3.2 優(yōu)缺點

近紅外光譜技術(shù)能夠快速、無損、高效地對水果品質(zhì)進行檢測，不僅對水果表面紋理和內(nèi)部成分進行檢測，還可以預(yù)測水果的成熟度、儲存期、病變等。缺點是在該領(lǐng)域中相關(guān)技術(shù)不夠成熟，國內(nèi)的研究起步較晚，溫度變化以及其他無關(guān)信息變量的噪聲對檢測和預(yù)測的結(jié)果影響較大。BLANCO等[9]驗證了溫度變化會改變液體樣品的近紅外光譜，而且會大大降低在嚴(yán)格控制的溫度條件下記錄的光譜所構(gòu)建的標(biāo)準(zhǔn)模型的預(yù)測能力，在這種情況下就需要更復(fù)雜的模型。

4 基于電學(xué)特性的無損檢測技術(shù)

水果是一種電介質(zhì)，從微觀來看每個水果內(nèi)部都由無數(shù)帶電粒子組成，整體構(gòu)成了生物電場，而水果的生長過程中經(jīng)歷成熟、病變等過程，會產(chǎn)生一系列復(fù)雜的化學(xué)變化，導(dǎo)致內(nèi)部的電荷數(shù)量和空間發(fā)生變化，從而影響整個生物電場。利用電學(xué)特性可以分析出水果成熟程度、表面堅硬程度、病毒害等分級所需特征，該技術(shù)所需要的設(shè)備不復(fù)雜、信號易于處理，具有廣闊的應(yīng)用場景。

4.1 在水果無損檢測中的應(yīng)用

JACKSON等[10]用電阻抗法檢測蘋果損傷，分別對蘋果撞擊前后的阻抗進行測量，在50 Hz～1MHz的36個點頻率下，電阻與電抗描繪了一個半圓弧，這些曲線的一些特征與瘀傷面積相關(guān)。蘋果品種和溫度對電阻抗的影響可能會造成大規(guī)模應(yīng)用中測量的困難，但是電阻抗檢測方法的進一步發(fā)展可能會方便評估瘀傷技術(shù)的研究。

4.2 優(yōu)缺點

利用基于電學(xué)特性的無損檢測技術(shù)對水果進行品質(zhì)檢測，快速、便捷且數(shù)據(jù)量少。但是果實發(fā)生病蟲害往往會伴隨多個生化變化，相應(yīng)的電學(xué)特性也會變化，果實不同，果實生理變化引起的一系列電學(xué)參數(shù)變化也不同，因此挑選出適合的參數(shù)是基于電學(xué)特性無損檢測的研究難點與方向。

5 核磁共振技術(shù)

核磁共振技術(shù)因其在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用被人們所熟知，核磁共振技術(shù)可按頻率分為高場和低場核磁共振技術(shù)，也可以分為核磁共振成像技術(shù)和波譜法。

5.1 在水果無損檢測中的應(yīng)用

核磁共振成像技術(shù)可以檢測水果的成熟度、果皮硬度、營養(yǎng)成分等信息，也可以對水果的外部損傷程度進行測定，進而對水果進行分級。高營養(yǎng)價值的混合果汁消費在全國范圍內(nèi)不斷增加，核磁共振波譜廣泛應(yīng)用在果汁飲品的質(zhì)量檢測中，它可以檢測制備果汁的原料來源，從而分析商家是否采取了欺詐手段進行虛假宣傳，保障生產(chǎn)者和消費者的權(quán)利，有利于改善居民的飲食安全問題。

5.2 優(yōu)缺點

光譜數(shù)據(jù)涵蓋了廣泛的化合物，所以核磁共振波譜法檢測果汁等其他水果衍生品具有可行性，并且已被證明是十分有效的工具。核磁共振檢測技術(shù)能夠?qū)崿F(xiàn)無損檢測，且結(jié)果穩(wěn)定，受時間干擾較少。缺點是果汁中含有大量的有機酸和其他有機物質(zhì)，可能會導(dǎo)致復(fù)雜的光譜，需要技術(shù)手段去除冗余的信號。

6 結(jié)語

水果的品質(zhì)分級由外觀、氣味、口感、內(nèi)部營養(yǎng)成分含量、儲存期等因素決定，因此低成本、高效、便捷地對水果進行無損檢測是當(dāng)前的研究方向。無損檢測技術(shù)的準(zhǔn)確性高、響應(yīng)速度快，可以用于水果品質(zhì)分級。本文綜述了近紅外光譜技術(shù)、電子鼻技術(shù)、基于電學(xué)特性的無損檢測技術(shù)、計算機視覺技術(shù)，并分析了它們各自的優(yōu)缺點，在實際應(yīng)用中應(yīng)根據(jù)具體情況進行選擇。

參考文獻

[1]劉強，張婷婷，周丹丹，等.基于電子鼻技術(shù)對草莓采后灰霉病的分析與早期診斷[J].食品科學(xué)，2022，43（12）：341-349.

[2]尹芳緣，曾小燕，徐薇薇，等.基于電子鼻的芒果儲存時間預(yù)測方法研究[J].傳感技術(shù)學(xué)報，2012，25（9）：1199-1203.

[3]胡桂仙，ANTIHUS H G，王俊，等.電子鼻無損檢測柑橘成熟度的實驗研究[J].食品與發(fā)酵工業(yè)，2005（8）：57-61.

[4]伍光緒.基于計算機視覺的血橙無損檢測與分級技術(shù)研究[D].重慶：西南大學(xué)，2016.

[5]徐瑩瑩.基于計算機視覺的甜瓜外觀品質(zhì)檢測研究[D].蘭州：甘肅農(nóng)業(yè)大學(xué)，2011.

[6]童旭.基于機器視覺水果表面等級分類識別的研究[D].重慶：重慶交通大學(xué)，2018.

[7]OLIVEIRA-FOLADOR G，DE OLIVEIRA BICUDO M，DE ANDRADE E F，et al.Quality traits prediction of the passion fruit pulp using NIR and MIR spectroscopy [J].LWT，2018，95：172-178.

[8]ABASI S，MINAEI S，JAMSHIDI B，et al.Rapid measurement of apple quality parameters using wavelet de-noising transform with Vis/NIR analysis[J].Scientia Horticulturae，2019，252：7-13.

[9]BLANCO M，VALDES D，Suppressing the temperature effect in near infrared spectroscopy by using orthogonal signal correction[J].Journal of Near Infrared Spectroscopy，2006，14：155-160.

[10]JACKSON P J，HARKER F R.Apple bruise detection by electrical impedance measurement[J].Hortscience A Publication of the American Society for Horticultural Science，2000，35（1）：104-107.