水果成熟度近红外光谱及高光谱成像无损检测

分类：论文范文 发表时间：2021-06-04 09:55

　　摘要：成熟度作为一项水果品质重要评价指标，与水果的采收、储存、加工、运输、销售等环节息息相关，也是其产量和质量的关键影响因素之一。本文综述了国内外近十年来利用近红外光谱和高光谱成像技术检测水果成熟度的研究现状。从水果成熟度定性判别和成熟度参数定量预测两个方面入手，详细分析了光谱仪器工作波段、光谱采集方式、光谱采样区域、成熟度表征因子、单一成熟度参数、多元成熟度指数对最终检测模型精度和稳定性的影响。最后展望了近红外光谱和高成像技术在水果成熟度检测方向的未来发展趋势，以期为相关领域研究工作提供科学依据和技术参考。

　　关键词：水果成熟度，近红外光谱，高光谱成像，无损检测，研究进展

　　成熟度这一指标在水果产业中扮演着重要角色，对水果的采收时间和采后加工处理方式起主导作用[1]。如果采收过早，水果产量低、品质差、风味不好；采收过晚，水果易脱落、硬度下降、货架期短[2]。因此，建立水果成熟度评价方法，不仅有助于水果的科学按需采摘及采后分选，也可提高水果的经济效益，满足水果产业的发展需求。

　　1近红外光谱和高光谱成像

　　近红外光谱是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，反映了含氢基团（C-H、N-H、O-H）伸缩振动的倍频和合频吸收[11]。近红外光谱区是指波长介于780~2526nm的区域。在进行光谱检测时，入射光经样品吸收、透射或反射后被定向探测器采集并携带大量的光谱信息，通过对吸收谱峰的解析可以得到样品的理化成分信息，从而完成对样品的无损检测[12]。近红外光谱设备成本低、检测速度快，可以实时获取样品的光谱信息，适合在线检测过程中使用，系统鲁棒性好。但该类设备只能进行单点检测，将其应用于水果成熟度检测，由于水果内部成分分布的不均匀性，以点概面会产生一定程度上的检测误差，且所测样品之间的差异性需要足够大才能获得准确的成熟度判别模型。

　　2水果成熟度检测

　　利用近红外光谱和高光谱成像技术检测水果成熟度可分为对水果成熟度的定性判别以及对水果成熟度参数的定量预测，本节将从这两个方面展开论述。

　　2.1水果成熟度的定性判别

　　利用光谱技术将不同成熟度的水果准确地区分开来，有助于按需供销，提高果蔬的市场竞争力。为了验证各类光谱系统对不同水果的分类能力，实验室中将水果预先分为若干成熟度等级，如未熟、半熟、成熟和过熟。划分水果成熟度等级的依据一般包括以下3种：（a）根据盛花期天数分批采样，每一批次样品的成熟度为一个等级[15]；（b）根据水果的着色程度，比如果皮绿色面积占其总面积的比例[16]；（c）对于同一批次采集的样品，依靠专业人士根据水果的色泽、风味、硬度等指标进行成熟度划分[17]，或者利用水果的后熟特性，每间隔一段时间测量部分样本的光谱数据和理化指标[18]。然后根据水果的近红外光谱特征进行成熟度分类，其中影响分类准确率的因素有：光谱仪器的工作波段、光谱采集方式、光谱采样区域和成熟度表征因子。

　　2.2果品成熟度参数的定量预测

　　成熟度参数是指在水果成熟过程中变化相对明显的理化指标，当这些理化指标的值在某一区间范围时，可以反映水果的成熟度等级和采摘时间[34]。利用近红外光谱和高光谱成像技术检测水果的成熟度参数，主要分为基于单一成熟度参数的定量预测和基于多元成熟度指数的综合评价。表2列举了不同水果的成熟度参数定量预测方法及结果。

　　3其他类果实成熟度检测

　　除水果外，也有部分学者尝试使用近红外光谱及其成像技术检测油料作物果实的成熟度。Bensaeed等[52]对400~1000nm范围内的油棕果实高光谱数据分析后发现830nm和880nm是划分不同成熟度油棕果实的最佳波长，Dharma等[53]等利用GANN（GeneticAlgorithmNeuralNetwork）建立了油棕果实成熟度的判别模型，分类准确率在80%以上。José等[54]对橄榄的近红外光谱特征进行跟踪观测，建立PLSR模型能较好地预测不同成熟度阶段橄榄的品质参数。Zou等[55]将带壳花生的高光谱图像解混，使用FCLS（FullyConstrainedLeastSquares）实现了不成熟与成熟花生的准确分类，与传统的剥壳观察花生仁颜色判断成熟度的做法相比，该方法有很大的优势。油料作物成熟度不仅决定其收获时间，也影响其产量和油质。使用光谱技术长期监测油料作物的成熟状态，有助于油料作物的精准适时采收，实现产量、品质及经济效益的最大化。

　　4发展趋势

　　准确判断水果的成熟度，不仅可以确定采摘的最佳时间，而且有利于良种培育、贮藏、运输和深加工。传统的根据从业人员经验或者利用理化指标检测仪判断成熟度的方法存在明显的缺陷，使得近红外光谱和高光谱成像等无损检测技术在水果成熟度判别方面具有广泛的应用前景。

　　（a）检测硬件方面：目前，高光谱成像设备成本高和图像处理速度慢仍然是高光谱成像技术在水果检测应用中的发展障碍[56]。开发低成本实时成像的高速多光谱检测系统，可大幅降低高光谱高维数据的处理时间。可以有针对性地选择信息最丰富的波段，以便使用价格低廉的激光二极管来代替连续激光光源和单色器，从而研发低成本高效益的多光谱传感器。

　　（b）检测对象方面：水果拥有多样的物理形态和丰富的化学成分，这要求检测时除了采用合适的光谱采集方式外，也要选择合理的数据采集波段。近红外光谱中波长较短的部分（<1100nm）可以更好地穿透生物材料，如果感兴趣的化学成分位于生物材料的深处，这个短波区域将提供更有效的光谱信息，而化学成分靠近表面，则长波区域（>1100nm）会更有效[57]。对于光谱采集区域，通过分析光与水果内部组织交互作用机理，寻找并建立水果感兴趣区域的标准库将有助检测模型精度和研究效率的提升。

　　参考文献：

　　[1]JohnPJ.Handbookonpostharvestmanagementoffruitsandvegetables[J].Agrotécnica,2013:49-52.

　　[2]KaderAA.Flavorqualityoffruitsandvegetables[J].JournaloftheScienceofFoodandAgriculture,2008,88(11):1863-1868.

　　[3]ObasiMO.EvaluationofgrowthanddevelopmentinmangofruitsCvs.JulieAndPeterToDetermineMaturity[J].BioResearch,2005,2(2).

　　[4]兰海鹏,张宏,唐玉荣.一种基于成熟规律的水果成熟度评价方法[P].专利:104597217,2015-05-06

　　胡逸磊姜洪喆周宏平王影

上一篇：考虑采收成熟度的生鲜水果两阶段定价策略研究 下一篇：泰安企业信息化和电子商务应用发展研究