蘋果糖度無損檢測技術研究進展分析

張嘉君，許海濤，張子沫，趙建禹

（天津理工大學集成電路科學與工程學院，天津 300384）

蘋果作為一種營養物質豐富、易于貯存的水果，深受廣大消費者喜愛。隨著人們生活水平的提高，人們越來越關注蘋果的酸度、糖度及維生素含量等品質特征。傳統的檢測技術主要通過化學方法檢測蘋果的糖度，需事先破壞蘋果取出少量樣品，通過化學試劑處理測量蘋果糖度，其過程往往費時費力、成本較高。因此，開展有關蘋果糖度無損檢測的研究具有十分重要的意義。

通過相關調研，本文從光譜分析、介質頻譜分析、后向散射光斑分析、CT技術分析及光子模擬傳輸等方面闡述現如今無損檢測技術的發展現狀及技術原理，并對無損檢測領域未來的發展方向與前景進行展望。

1 無損檢測的定義

無損檢測是指在不傷害被檢測對象內部組織的前提下，完成對物質特性參數的定量測量。常見的無損檢測往往通過研究電磁性質參數隨物質的某一理化特性參數的變化情況建立起無損檢測模型，從而實現對該特性參數的定量分析。蘋果的糖分中含有大量O-H基團和C-H基團，且含量越多，對應的糖度值越高[1]。同時，也正因為這兩種官能團的大量存在，使不同糖度下的蘋果果肉對外界的響應各不相同，存在一定的相關性，這也為實現無損檢測提供了可能。

2 常見的無損檢測手段分析

2.1 基于光譜分析的蘋果糖度無損檢測技術

2.1.1 基于近紅外光譜分析的蘋果糖度無損檢測技術

近年來，近紅外光譜技術得益于其檢測速度快和對被檢測物無損傷、無污染的特點，被廣泛應用于果蔬品質安全的檢測。近紅外光波長處在中紅外光和紅光波長之間，該波長區域內通過對蘋果進行近紅外光譜掃描并記錄含有氫原子化學鍵振動的組合頻吸收和倍頻吸收信息，進而推測出蘋果中含氫基團的各項信息指標與蘋果糖度值的對應關系，從而建立起預測模型。田喜等[2]通過利用近紅外光譜對蘋果糖度進行檢測，并且對檢測模型進行優化，最終得到了蘋果糖度檢測的通用模型，實現了對蘋果糖度值的無損精確測量。

2.1.2 基于高光譜分析的蘋果糖度無損檢測技術

高光譜成像技術主要基于近紅外光譜分析原理和二維成像原理，通過分析高光譜圖像中各像素點的圖像信息與待檢測點的光譜信息，從而實現對物質外部特征及內部理化性質的同時獲取。袁旭林等[3]利用高光譜成像信息獲取完備的特點，成功研制出一種基于高光譜成像技術的蘋果糖度無損檢測系統。該系統驗證了基于競爭性自適應重加權算法的偏最小二乘回歸預測模型為最優模型。交叉驗證均方根誤差RMSECV為0.3203，測試集決定系數Rp為 0.9308，測試集均方根誤差RMSEP為0.4681，模型展現出較好的適用性。

2.1.3 基于可見光光譜分析的蘋果糖度無損檢測技術

一般來講，基于紅外光譜分析所需實驗條件較為苛刻，對光柵等實驗器材的要求較高。因此，基于可見光波段的光譜分析技術逐漸成為一種新的、具有廣闊發展前景的技術。相較于基于近紅外光譜分析，國內外對基于可見光回歸分析的蘋果糖度無損檢測技術的研究相對較少，比較有代表性的是曹錫磊等學者[4]的研究，其結果充分證明，當570 nm和682 nm的光照射蘋果表面時漫反射光強同蘋果糖度值之間具有良好的線性關系，其相關系數可達0.793與0.721。這也體現了在可見光波段利用回歸分析的方法實現蘋果糖度無損檢測的可靠性與可行性。

2.2 基于介電頻譜分析的蘋果糖度無損檢測技術

除光譜特性外，物質的介電特性同樣能用于檢測蘋果的糖度。通過探究物質的介電特性變化規律，可了解物質內部的組成成分，進而對其內部品質建立起一個合適的評價模型。王轉衛等[5]通過收集不同糖度值下蘋果相應點位的相對介電常數ε'以及介質損耗因數ε''數據，分別構建了基于最小二乘支持向量機方法（LS-SVM方法）及支持向量機方法（ELM方法)的預測模型。結果表明，基于LS-SVM方法及ELM方法的預測模型對測試集的預測結果與實際測試數據的相關系數分別在0.94及0.71以上，充分證明基于LS-SVM方法的預測模型更適用于蘋果糖度的檢測，為后續展開科研工作指明了方向。

值得注意的是，除相對介電常數以及介質損耗因數外，國內研究表明蘋果所具有的電阻值Rp與其糖度值也同樣具有一定的相關性，而與其電感值Lp、電容值Cp不相關[6]。

2.3 基于光散射圖像分析的蘋果糖度無損檢測技術

激光散射圖像分析技術作為一種基于光散射原理、圖像處理及圖像分析的新興技術，被廣泛應用于無損檢測領域。當激光器所發射的激光經準直擴束裝置照射蘋果表面時，會在蘋果表面形成散斑。通過研究激光散射圖像的變化情況可對蘋果的糖度值進行無損檢測。在這一領域，徐苗等[7]設計的基于激光散射圖像檢測水果糖度和硬度的便攜式儀器通過分析激光散射圖像中的顏色及紋理特征參數，成功地建立了對蘋果硬度和糖度的PLS-DA和SVM-C預測模型，準確率分別可達82%與88%。

除利用圖像的各項特征參數外，還可通過建立散射光斑圖像的灰度值與蘋果糖度值之間的關系，實現對糖度的定點無損測量。戰錢等[8]設計的窄帶濾光片所構成的后向散射光斑分析系統為人們提供了相關思路。該課題組通過分析5個特定波長下的后向散射光斑圖像，利用回歸分析的方法建立起光斑圖像的總灰度、平均灰度分別對蘋果糖度值的檢測模型。經測驗，后向散射光斑的圖像總灰度、平均灰度與蘋果糖度值的相關系數分別為0.5077和 0.7759，揭示了散射光斑圖像的灰度值與蘋果糖度值之間存在較好的相關性。

2.4 基于光子模擬傳輸分析的蘋果糖度無損檢測技術

基于傳統檢測技術的蘋果品質評價手段，其結果往往受樣本數量等因素的影響，為解決此問題，徐煥良等[9]通過利用光子模擬傳輸的方法妥善地解決了因樣本數量不足造成的誤差較大的問題。該課題組通過利用蒙特卡洛算法仿真在蘋果中光子的運動軌跡，進而得到了20000幅蘋果表面光亮度分布圖像。通過合理地設置各項標簽參數，采用卷積神經網絡得到訓練模型，并且利用遷移學習的方法實現了對各項光學特性參數（吸收參數μa與散射參數μs）的反演，成功建立起神經網絡模型的輸出結果與蘋果糖度值之間的聯系，體現了深度學習在光學傳感測量領域的應用優勢。

2.5 基于CT分析原理的蘋果糖度無損檢測技術

作為一種基于X射線的計算機斷層掃描技術，CT技術利用X射線振動頻率高、穿透力強與方向性好的特點，可準確、高效地得到蘋果內部各斷層的圖像，進而推測蘋果內部的品質信息，由此實現對蘋果糖度值的無損測量。基于此原理，黃滔滔等[10]利用CT技術成功建立起中心斷面果肉區CT均值與蘋果整體內部品質參數的關系模型，該模型對蘋果糖度的檢測誤差保持在4.96%以內，充分展示了CT技術在無損檢測領域內廣闊的應用發展前景。

3 蘋果糖度無損檢測技術發展過程中遇到的問題

3.1 復現模型困難

蘋果糖度無損檢測模型的建立往往需進行大量實驗以獲取具有代表性的數據。這也就決定了所建立的模型會在一定程度上受到樣品品質和測量方法的影響，也因此為復現模型造成了重重困難。

3.2 功能單一

采用不同技術路線的蘋果糖度無損檢測技術往往功能單一，所檢測的精度往往取決于模型訓練的好壞而沒有橫向的參考。此外，針對蘋果糖度的無損檢測技術也存在推廣到其他特性參數檢測領域的可能性。

4 蘋果糖度無損檢測技術未來的發展方向

4.1 多種方法并用，提高精度

在利用蘋果糖度無損檢測技術的過程中，各種檢測方法之間并不是相互獨立的，可通過多種方法并用的手段，采用不同的技術對同一樣品進行檢測，彼此之間相互印證、互為補充，以此來提高對蘋果糖度的檢測精度。

4.2 多功能化

針對蘋果糖度的無損檢測技術，同樣可推廣到其他水果糖度檢測領域或其他品質參數檢測。通過研究相關技術推廣的可行性，實現蘋果糖度檢測裝置的多功能化，以滿足不同人群的需求，有效減少開發成本。

4.3 集成化與小型化

通過集成化與小型化設計可有效提高蘋果糖度無損檢測裝置的便攜性與耐用性。對室外等復雜的使用環境通過集成化設計，可有效解決環境因素對測量精度的影響，使檢測裝置更穩定、可靠與 高效。

5 結語

隨著廣大科研工作者的不斷努力，相關蘋果糖度無損檢測技術在近年來得到了迅速發展，在可靠性與穩定性上均取得較大突破。而蘋果糖度無損檢測技術也因其便捷、快速與精確的特點而逐漸被大眾認可與接受。未來，研究人員必將進一步開展更多、更深層次的研究，以取得更大進步。