水果品質無損檢測研究進展及應用現狀

徐 賽，陸華忠，丘廣俊，王 陳，梁 鑫

（1.廣東省農業科學院農產品公共監測中心，廣東 廣州 510640；2.廣東省農業科學院，廣東 廣州 510640）

隨著人們生活水平的提高，消費者對水果品質不斷有新的需求，較好的外觀和風味以及較少損傷和污染的水果愈發受到青睞。但目前世界大多數國家尤其是發展中國家在水果種植上多以散戶種植為主，種植標準不統一，使水果品質良莠不齊。此外，水果品質形成受陽光、溫度、水分、土壤等諸多因素影響，無法保證所有水果果實均處于高品質狀態。嚴重了影響水果市場競爭力、品牌樹立和消費者享用程度［1-2］。根據水果品質進行售前分級可有效保證市場品質、促進品牌打造、提升商品競爭力、指導采后處理，具有重要意義。

雖然理化指標檢測法是目前最精確、最廣泛使用的食品品質與安全檢測技術，但該方法操作繁瑣、檢測速度慢、檢測成本較高、且常會造成果實浪費，更適用于抽檢，無法滿足大批量水果品質無損檢測與分選的要求。20世紀80—90年代，美國、日本、韓國等國家掀起了水果品質無損檢測與分級技術的研究熱潮。我國水果品質無損檢測研究起步較晚，目前大多還停留在人工感官分選，該方式效率低、受主觀因素干擾大、勞動強度大、準確度差。無損檢測技術是在不破壞被測對象的前提下根據被測樣本品質相關的物理特性對其進行快速、智能檢測，達到分級的目的。經過過去幾十年的發展，涌現了一大批基于聲、光、電、熱、磁等技術的水果品質無損檢方法，如光譜技術、機器視覺技術、高光譜成像技術、電子鼻技術、聲特征技術、介電特性技術和低場核磁共振技術等。針對水果結構、外形、檢測對象等，這些方法各有利弊，未全部實際應用。

本文介紹了水果品質無損檢測領域已有技術的特性及其對應檢測可行的水果品質參數，分析了無損檢測技術在水果品質分級行業的實際應用現狀，討論了目前水果品質無損檢測領域存在的難點，并對下一步研究方向進行展望，以期為水果品質無損檢測研究提供參考。

1 水果品質無損檢測技術種類

1.1 光譜技術

光譜技術主要是以反射、半透射和全透射3種方式經過水果并攜帶水果品質相關信息從而對水果品質進行檢測。其中，反射光譜是光照射在水果表面反射回來的光譜信號，主要關注的是水果表層約1 cm以內的特征信息；全透射光譜是光穿透水果一端后從另一端射出的光譜信號，可攜帶豐富全面的水果內部品質信息；半透射光譜是將光穿透水果赤道位置后從底部射出，從而攜帶水果局部品質信息，達到減少光譜信號透過水果造成衰減的目的，用水果局部品質特征表征整果品質特征（水果內部品質相對均勻）。水果品質光譜無損檢測技術主要有可見/近紅外光譜、X射線、激光多普勒、拉曼光譜和太赫茲。

1.1.1 可見/近紅外外光譜 可見/近紅外光譜技術是目前最常用的水果內部品質無損檢測技術。可見光的范圍為380～780 nm，近紅外光是介于780～2 526 nm范圍內的電磁波，其中780～1 100 nm為近紅外短波、1 100～2 526 nm為近紅外長波。可見光區域主要對水果顏色變化較敏感，近紅外光主要是通過對含氫基團 X-H（X=C、N、O）振動的倍頻和合頻吸收，使得經過被測樣本的可見/近紅外光攜帶被測樣本相關品質信息。由于可見和近紅外光譜均具有較強的穿透能力和信息獲取能力，該技術目前在水果糖度、酸度、硬度、水分、成熟度、貨架期、內部缺陷、外部損傷、碳水化合物含量及其他營養成分［3-12］等品質特征檢測中得到了廣泛研究，結果證實是可行的。其中，對于小型薄皮水果而言，可見/近紅外光譜通常采用全透射方式檢測水果內部品質信息，反射方式檢測表層品質信息。但對于大型厚皮水果而言，可見/近紅外信號全透射后衰減較大，反射信號又無法獲取果肉信息，通常采用半透射的方式降低光譜信號損耗對水果內部品質信息進行檢測。

1.1.2 X射線 X射線是由陰極燈絲發射的高速電子束打擊陽極靶面而產生的，波長在0.001～10 nm之間，光子能量比可見光的光子能量大幾萬至幾十萬倍，具有極強的穿透性，X射線通常以全透射的方式應用在水果內部品質檢測。不同品質狀態部位造成的X射線衰減程度不同，因此，對X射線通過水果后的信號進行圖像重建可較好呈現與表征水果內部品質狀態。但X射線所能攜帶的特征信息不多，主要對水果的密度和水分敏感，可用于水果體積、密度、含水率、可食率、內部缺陷（硬粒化、爛心病、水心病）［13-17］等品質信息的無損檢測。

1.1.3 激光多普勒測振 激光多普勒測振技術主要基于多普勒效應測量從振動物體表面散射回來的光所產生的頻移，具有靈敏度高、非接觸性測量、不破壞物體振動等優點，可通過測量農產品的振動特性實現對品質的無損檢測。目前該方法主要用于水果成熟度、硬度［18-19］等無損檢測。

1.1.4 拉曼光譜 拉曼光譜提供的是分子內部各種簡正振動頻率及有關振動能級的信息，與紅外光譜產生的機制不同，拉曼光譜是由于分子極化率變化誘導產生的，而紅外光譜是由于分子偶極矩變化產生的［20］。二者在分子結構分析中相互補充。極性基團如C=O、N-H及O-H等具有很強的紅外活性，而非極性基團如C=C、C-C、N=N及S-S等具有很強的拉曼活性。水分子具有強烈的紅外吸收和弱的拉曼活性。拉曼光譜主要用于水果農藥殘留的無損檢測［21］，也有少量研究驗證了拉曼光可以識別水果新鮮度［22］、成熟度［23］等。

1.1.5 太赫茲光譜 太赫茲光譜又稱T射線，是指頻率在 0.1～10 THz（1 THz=1012 Hz，對真空中波長為30～3 000 μm）范圍內的電磁波，傳統上也被稱為亞毫米波或遠紅外線。由于波段位置的特殊性，太赫茲光譜輻射兼具微波電子學和紅外光子學的特征，頻段處在許多生物大分子振動和轉動能級，可根據太赫茲波的強吸收和諧振特性建立分子指紋特征譜鑒別物質成分。此外，太赫茲光譜的水敏感性高，非常適合物質含水量分析［24］。目前，太赫茲光譜在水果品質上的應用主要集中在農藥殘留的無損檢測上［25-26］。也有研究表明，太赫茲光譜可有效識別水果糖度［27］。

1.1.6 高光譜成像 高光譜成像的主要目的是獲取大量被測目標窄波段連續光譜圖像的同時，以圖像的數據格式存儲每個像元幾乎連續的光譜數據，其分辨率在Δλ/λ=0.01數量級，這樣的傳感器在可見光和近紅外區域有幾十到數百個波段，光譜分辨率可達納米級。因此，高光譜成像不僅在信息豐富程度方面有了極大提高，還可獲取被測對象整個面陣的品質信息，檢測結果更加綜合、精確，避免了傳統點式光譜檢測技術以局部代替整體品質的缺點。研究表明，高光譜成像技術可用于水果成熟度、硬度、可溶性固形物等［28-30］內部品質信息無損檢測，也可用于外皮損傷［31］、蟲蛀［32］等外部品質信息無損檢測。

1.2 機器視覺技術

機器視覺又稱計算機視覺，是隨著計算機技術的發展迅速成長起來的，是指計算機對三維空間的感知，包括捕獲、分析、識別等過程，是計算機科學、光學、自動化技術、模式識別、人工智能技術的綜合。主要由圖像的獲取、處理和分析、輸出或顯示3部分組成。CCD 攝像機通過圖像采集卡將水果圖像傳入計算機，計算機對圖像進行一系列處理，可確定水果的顏色、大小、形狀、紋理、表皮損傷［33-37］等外觀特征。

1.3 電子鼻技術

仿生電子鼻主要由傳感器陣列、接口電路和模式識別子系統3部分構成，根據所測物質的不同可適當改進。傳感器陣列包括數個氣敏傳感器，各傳感器對不同類別的氣體揮發物敏感，使得整個電子鼻系統能夠分析、識別和檢測復雜氣味和絕大多數揮發氣體。其工作機理是：揮發性化合物與傳感器活性材料表面接觸時會發生瞬時響應（發生系列物理化學變化），該響應通過接口電路將電壓信號轉化為數字信號，被計算機記錄并傳送到信號處理單元進行分析，與數據庫中已存有的大量揮發性化合物的信息進行比較、鑒別，來確定氣體類型，從而鑒別出相應結果。已有較多研究表明，電子鼻技術在水果糖度、硬度、成熟度、腐敗程度、機械損傷［38-42］等品質信息無損檢測上是可行的。

1.4 聲特征技術

水果受到外部激勵時，其共振頻率與彈性特性有較大的相關性，利用固定速度對水果施加沖擊力，可以采集到水果對應的聲學數據，利用音頻采集器對數據進行收集，并借助控制系統對數據進行相應的處理分析，即可得到水果品質與其聲學數據之間的關系。基于聲特征的水果品質檢測系統通常包括機構動作（用于敲擊水果）、音頻采集和信號處理3個部分。研究表明，聲特征檢測技術對水果硬度、內部缺陷、成熟度、貯藏時間［43-46］等品質無損檢測是可行的。

1.5 介電特性技術

水果屬于電介質，電介質中的電子受原子核強烈束縛，不能自由移動，其特征是以正、負電荷重心不重合的電極化方式傳遞、存貯或記錄電的作用和影響，從而起到束縛電荷和作用。從微觀上看，水果分子內部存在電場，且在分子線度范圍內改變位置。這種微觀特性實質上決定水果的生理、物理和化學特征。因此，可將被測水果直接放入平板電極間測定其電特性參數（介電常數、電感、阻抗等）來反映水果品質特性。研究表明，介電特性檢測技術可有效對水果新鮮度、機械損傷、成熟度、含水率、糖度與硬度［47-52］等品質特征進行識別。

1.6 低場核磁共振技術

核磁共振是指具有固定磁矩的原子核（如1H、13C、31P、19F 等）在恒定的磁場與交變磁場作用下，與交變磁場發生能量交換的現象。磁場強度低于0.5 T的核磁共振現象稱為低場核磁共振，其基本原理是對處于恒定磁場中的樣品施加不同的射頻脈沖，使氫質子發生共振、衰減、聚相等現象而呈現不同的信號，這些信號經傅里葉轉換、反演、二維或三維成像等處理后，得到不同的圖譜或圖像，通過圖譜和圖像的變化對樣品進行分析，根據自擴散系數、縱向弛豫時間和橫向弛豫時間來反映被測樣品的分子動態信息。核磁共振具有很強的穿透性，低場核磁共振即可滿足農產品的檢測需求。研究表明，低場核磁共振技術對水果成熟度、貨架期、硬度、機械損傷、水心病、木質化［53-58］等無損檢測具有獨特優勢。

2 水果品質無損檢測技術實際應用現狀

目前雖已有多種可行的水果品質無損檢測方法，但并非所有方法都應用于實際生產，不少方法在實用過程中尚存在諸多問題，包括噪聲干擾、效率過低、無法適應樣本差異、成本過高等。

2.1 光譜技術

對于光譜信號而言，波長越短，信號穿透性越強，檢測過程中衰減越小，信號越穩定；波長越長，穿透性越弱，檢測過程中衰減越大，信號越容易受干擾。上述光譜檢測方法中穿透性最強（波長最短）的為X射線，但X射線檢測成本較高，數據采集速度較慢，包含的品質特征信息較少，主要針對內部結構探測，多用于工業或醫學的無損檢測，在水果品質無損檢測上實際應用不多。Eshet Eilon公司采用X射線技術研發了鱷梨成熟度、內部缺陷無損智能檢測裝備。可見/近紅外光譜的波長在整個光譜波段中相對居中，具有相對較強的穿透性能，同時又能攜帶較豐富的樣本特征，在水果品質無損檢測中應用最為廣泛，也是唯一一種反射、透射和半透射3種檢測方式均可較好實現的水果品質無損檢測技術。美國Polychromix、日本Kubota、日本ATAGO、中國聚光科技、中國中浪科技和中國金標果安農業科技等企業，針對水果糖度、酸度、硬度和內部蟲害的便攜式內部品質無損檢測儀進行了開發、量產、銷售與實際產業應用。便攜式無損檢測屬于靜態檢測，適用于抽檢或消費者采購挑選，為滿足大批量水果無損分級需要，可見/近紅外光譜技術亦可配合流水線傳輸，對大批量水果實現動態快速無損檢測。為此，日本Mitsui Mining &Smelting公司、日本FANTEC公司、日本OMI公司、韓國農業部、日本Shibuya公司、意大利Unitec集團、中國浙江大學和中國江西綠盟公司都研發了水果品質在線無損檢測裝備并投入實際應用。其中，小型薄皮水果（蘋果、桃、梨等）的品質可用反射和透射兩種方式進行實現，對于大型厚皮水果（西瓜、柚果、哈密瓜等）通常采用半透射的方式進行實現。拉曼光譜采用的波長雖然也為可見或近紅外波段，但該光譜技術是由光源照射到物質上發生的非彈性散射光譜，使得其信號較弱，抗干擾能力差，無損檢測過程中通常需要配合信號增強劑的使用才能實現［59-60］，性能不夠穩定，多用于有損可控背景下的快速智能檢測，在水果品質無損檢測的實際應用中未見報道。激光多普勒測振通常采用可見光的單一波段根據反射光譜的頻移進行檢測，因此無法攜帶豐富的水果內部信息，僅用于水果成熟度和硬度的檢測。而成熟度和硬度是水果關注度相對較低的指標，因此該技術在水果品質無損檢測中的實際應用較少。德國OptoMET針對蘋果、梨、獼猴桃等水果的成熟度、硬度無損檢測，研發了基于激光多普勒測振技術的無損檢測儀。太赫茲光譜作為一種新興的光譜檢測技術，檢測成本較高，光路技術還不夠成熟，透射性能較差，雖然具有一定的應用前景，但目前尚未在水果品質無損檢測中實際應用。

高光譜成像技術實際上是光譜技術的進階，相對于傳統的點式光譜檢測，高光譜成像可獲得檢測對象整個面陣的光譜信號，采集的信息更加全面豐富。但也正因高光譜成像獲取的信息量龐大，導致后期數據分析運行效率不高，成為該技術走向流水線式實際應用的最大阻礙。此外，高光譜設備較傳統光譜設備復雜、笨重、集成度低，不便于形成手持便攜式檢測設備，加之高光譜成像設備價格昂貴，因此，在水果品質靜態檢測的實際應用中也少見報道。不少專家提出通過提取極度相關特征來減少特征數量、提升高光譜運算效率。但輕微的特征減少仍無法實現運算效率的明顯提升，過度減少特征又會降低檢測精度，失去了高光譜成像技術本身的意義。因此，高光譜成像技術在實際應用中存在的問題至今尚未得到較好解決。

2.2 機器視覺技術

機器視覺技術在無損檢測領域中最為成熟、穩定，已形成的裝備在水果品質無損檢測與分級中得到廣泛應用。例如，美國的OSCARTM型和MERLIN 型高速水果分級生產線用于對蘋果、梨、橘子、桃等水果的品質檢測與分級；日本 Naoshi研究的計算機視覺檢測設備，針對蘋果、桃、梨等多個水果品種，分別制定了顏色、形狀、大小、紋理、外部損傷的計算機視覺分級標準；中國浙江大學研制的臍橙機器視覺分選設備，在國內應用較廣泛；中國江西綠盟公司生產的機器視覺外觀品質檢測分級線，在海內外均取得實際應用。隨著多源信息融合技術的出現，國外專家提出采用一條生產線搭載多檢測信息源設備的水果無損檢測分級裝備，并取得了實際應用，尤其是針對大型厚皮水果，該技術手段可有效提升檢測維度和精度。例如，日本OMI公司開發的西瓜品質在線檢測裝備，結合了近紅外光譜、機器視覺和聲特征等檢測手段，可對西瓜顏色、大小、形狀、糖度、空心和硬度進行識別；韓國農業部開發的無損檢測分級裝備結合了近紅外光譜、機器視覺和聲特征等檢測手段，可對西瓜糖度和內部損害進行檢測。

2.3 電子鼻技術

電子鼻技術是一種新興的無損檢測技術，但在實際應用中還存在許多問題：（1）檢測速度較慢。電子鼻完成一次檢測需要經過集氣、傳感器清洗和進樣等過程，耗時通常至少1 min以上，因此較難實現流水線動態檢測。（2）易受噪聲干擾。電子鼻的氣敏傳感器的輸出結果極易受到環境噪聲的影響，如環境溫濕度變化、環境背景氣味變化等。（3）易受漂移噪聲干擾。電子鼻傳感器保持高靈敏性以保證檢測精度，但也容易老化，形成漂移噪聲。

2.4 聲特征技術

聲特征果品檢測技術最開始是通過傳感器貼于水果表面來感受敲擊水果時的聲學振動，從而對水果內部品質進行檢測，但貼片式的檢測方法不易固定和安裝，且影響水果的自由振動。隨著聲學檢測技術的日漸成熟，學者開始采用麥克風收集水果被敲擊的聲音，雖然信號采集起來更加靈活，但易受環境噪聲的干擾，因此，聲特征檢測技術研發的裝備以靜態檢測方式居多。但隨著降噪技術的提升，也有動態無損檢測裝備出現，如日本Shizuoka Shibuya Seiki 公司基于聲特征檢測技術研發出西瓜在線檢測分級裝置。

2.5 介電特性技術

介電特性特性檢測技術通常依靠兩塊電極板夾住水果以獲得水果導電狀態下的介電特性，受檢測方式限制，無法實現動態在線檢測。此外，水果的介電特性在采集過程中波動較大，且介電特性與內部成分之間的相關性不夠強，不足以直接用于預測許多重要的指標參數。因此，介電特性檢測法在水果品質無損檢測中實際應用不多。

2.6 核磁共振技術

核磁共振檢測法雖然檢測精度高，不僅可獲取內部圖像信息，且可根據弛豫特征預測內部品質。但其檢測速度較慢，即便是低場核磁共振成本也十分昂貴，目前大多在醫學上使用，很少在農業上取得實際應用。

3 水果品質無損檢測領域存在難點

3.1 檢測精度進一步提升

無損檢測技術的出現彌補了傳統有損檢測的不足，但也降低了檢測精度。目前在無損檢測領域，識別精度70%以上或擬合系數0.7以上即認為可行，精度80%以上或擬合系數0.8以上即認為達到了較好效果。雖然無損檢測技術理論上不可能達到有損檢測的精度，但仍有較大的精度提升空間。目前的檢測精度可以幫助批量水果進行快速分類，雖然對于單個水果而言可能存在一定甚至較大誤差，但該技術的實現對整批水果而言具有重要意義，對產業貢獻較大。然而，若能夠進一步提高無損檢測精度，其快速智能的檢測優勢則能有更大的發揮空間，隨著無損檢測結果的可信度、穩定性進一步提高，在誤差允許情況下，無損檢測在一定領域有望取代有損檢測。

3.2 模型適應性改善

建立準確、穩定的檢測模型是實現無損檢測技術的關鍵。通常對一定數量的水果樣本進行無損檢測特征提取，通過擬合水果無損檢測特征與目標品質參數輸出之間的映射關系來建立檢測模型，以用于后續水果品質參數的無損檢測。但水果樣本特征在時序、品種、地域等方面上均存在一定差異，因此模型建立所用的樣本很難完全包含后續待測樣本的全部特征情況，會造成一定的模型適應性問題，影響檢測精度。此外，模型建立時刻的環境參數（溫度、濕度等）與實際檢測時刻的環境參數存在一定差異，從而影響傳感器輸出值波動對檢測模型的適應性。

3.3 線性漂移去除

無損檢測裝備中的傳感器等電子元器件均存在老化的過程，傳感器的輸出值會隨著老化程度的加深而發生變化，這種變化通常是線性的，稱之為線性漂移噪聲，影響檢測精度。

3.4 大型厚皮水果內部品質檢測

目前無損檢測技術大多應用在小型薄皮水果上，在大型厚皮水果上應用較少，原因是小型薄皮水果更有利于無損檢測信號的穿透，可獲取較強的內部品質特征信號。而無損檢測信號經過大型厚皮水果后衰減較大，無法獲取或獲取到的無損檢測信號較弱，信噪比較低，較難從中提取足夠的分類識別有效信息，造成檢測精度較低。目前無損檢測技術僅在柚子、西瓜、哈密瓜的品質信息快速檢測上得到應用，且精度不高，對榴蓮、菠蘿密等大型厚皮水果尚無較好的無損檢測方法。

4 展望

4.1 加強人工智能算法研究

人工智能算法是無損檢測的核心，建立一套準確、穩定、容錯能力強的無損檢測模型是技術實現的關鍵。但目前的建模方式通常套用幾種常規算法，擇優而定，模型效果具有較大的隨機性，缺乏綜合、深入的數據挖掘與分析。考慮建模算法的發展程度與實際應用存在的問題，后續可從以下5個方面加強無損檢測智能算法研究：（1）機理研究。加強水果品質形成（變化）機理研究可為無損檢測特征提取提供科學參考，使特征選擇更準確，提升檢測精度；（2）深度學習。深度學習是傳統人工智能算法的分支與進階，可更全面、深層次地提取特征信息，提升檢測精度；（3）多源信息融合。多源信息融合可多角度地全面獲取水果品質相關特征信息，提升檢測精度；（4）模型的傳遞算法。針對樣本差異造成的模型適應性問題，可通過少量的樣本檢測結果矯正原有模型，使原有模型適應后續的樣本變化，避免重新建模的大量采樣與調參工作；（5）噪聲補償算法。針對環境噪聲、線性漂移噪聲，研究噪聲對傳感器檢測結果的影響規律，反演出一套噪聲補償算法，矯正模型的檢測精度。

4.2 提升無損檢測關鍵硬件性能

光源、檢測傳感器、信號發生器等一系列無損檢測關鍵硬件的穩定性同樣對無損檢測技術的應用造成較大影響。硬件設備的穩定是獲取高質量原始信號的關鍵，是保證水果品質無損檢測的前提，如提升檢測傳感器的穩定性可有效緩解漂移噪聲強度、保證光源或信號發生裝置的穩定性可有效減少檢測信號的噪聲波動等。

4.3 優化無損檢測裝備結構與參數

無損檢測裝備結構與參數需要根據檢測對象而定，如對于可見/近紅外光譜檢測技術而言，小型薄皮水果可用透射和反射的檢測方式，大型厚皮水果則需采用半透射的檢測方式。此外，樣本無損檢測初始信號需在適合的裝備參數下獲取才能達到最佳效果，如信號強度、角度、傳送速度、距離、用材、溫濕度等。

4.4 其他種類水果品質無損檢測研究

無損檢測技術目前在部分水果上已經得到應用，但仍有大量水果的品質無損檢測技術存在空白。尤其是針對大型厚皮水果，其內部品質無損檢測技術較少。研發更多種類水果品質無損檢測技術，尤其是克服尚存在檢測難點的水果，有利于該技術的普及、推廣與進一步發展。