高海生

(河北科技師范學院食品科技學院，河北秦皇島，066600)

果實商品化是在深入了解其生理代謝規(guī)律的基礎上，根據(jù)其物性特征和品質特征，采用科學的方法，對各種果實產品進行檢測、分級、包裝等系列處理，使其品質得到有效保護和改善，實現(xiàn)果實產品從初級原料到高附加值商品的轉化。目前，減少果實采后損耗已成為世界農產品業(yè)主要關注的問題之一。據(jù)報道，國外發(fā)達國家果實采后損耗約占總產量的15%～20%。我國是世界果蔬生產的第一大國，但由于較重視品種選育、采前栽培和病蟲害防治工作，忽視了采后處理技術的應用，未能更好地解決果實的檢測、分級、運輸、保鮮等問題，使果品蔬菜在采后的流通過程中損失嚴重，每年的損失率為 30%～40%［1～3］。

隨著科學技術的迅猛發(fā)展和計算機視覺技術向農業(yè)領域的拓展，為果實品質的無損傷檢測、果實自動化分級提供了很多新的方法和手段。

1 果實品質的無損傷檢測

果實品質的無損傷檢測技術主要有光學特性檢測技術、聲波振動特性檢測技術、核磁共振(NMR)技術、機器視覺技術、電特性檢測技術、CT技術和電子鼻技術等。

1.1 利用光學特性檢測果實

由于果實內部成分的不同，在不同波長的射線照射下，會有不同的吸收或反射特性。據(jù)此特性并結合光學檢測裝置就能夠實現(xiàn)果實品質的無損傷檢測。

在水果內部品質光學特性檢測原理與檢測系統(tǒng)組成中，應義斌等［4］分析了規(guī)則反射、透射和漫反射三種光特性測量方法在水果內部品質檢測中的優(yōu)缺點，并詳細闡述了水果的糖度、酸度、硬度等內部品質光特性無損檢測的研究與應用技術。劉燕德等［5］研究了光纖傳感技術在水果品質上的無損檢測原理，設計了一種測量水果品質的系統(tǒng)，并對水果光譜的三種測量方式——規(guī)則反射、漫反射和透射進行了對比分析和試驗，試驗結果表明，漫反射方式是應用到水果內部品質預測的最好方式。其應用近紅外光譜漫反射技術進行蘋果糖分含量的無損檢測技術，在水蜜桃等水果上試驗，得到了較為滿意的效果［6］。同時，傅霞萍等［7］進行了相關試驗，效果良好。

韓東海等［8］通過對富士蘋果的正常部位和損傷部位的組織觀察、近紅外光譜的測量分析以及顏色的測量，認為與秦冠和黃香蕉蘋果相比，富士蘋果受損后，在1 h內表面色差最小;損傷部位吸光度基本上是沿著正常部位的變化趨勢而變化;760～960 nm范圍內的波長可以用于表面損傷蘋果的檢測;富士蘋果損傷部位的吸光度隨時間變化關系符合方程Y=aXb。

田海清等［9］設計的近紅外透射式西瓜可溶性固形物含量(SSC)檢測系統(tǒng)，主要包括光纖光譜儀、光纖透射附件、數(shù)據(jù)采集卡以及自制光源，對50個麒麟瓜的SSC進行了預測試驗，采用主成分回歸和偏最小二乘回歸法，分別建立了樣品的原始光譜、一階微分光譜、二階微分光譜和SSC的預測模型。結果表明，偏最小二乘回歸法建立的模型具有較高的相關性，相關系數(shù)為0.951，均方根校正誤差0.347，均方根預測誤差0.302，樣本真實值與預測值的相關系數(shù)為0.910。

日本學者開發(fā)了可見光和近紅外線測定梨、蘋果成熟度的傳感器，又研制了快速判別水果成熟度和色澤的選果裝置，并將此技術用于自動化選果線上，把成熟度、色彩傳感器與自動化分級、包裝線連在一起，率先實現(xiàn)了高度自動化的無損傷檢測選果［10］。

中國農業(yè)大學韓東海等［11］研究了蘋果貯藏中水心病發(fā)病情況的無損傷檢測。該研究通過自制差分儀監(jiān)測了貯藏中蘋果透光強度的變化，建立了貯藏中蘋果透光強度和質量隨時間變化的回歸方程。在貯藏過程中有水心病的蘋果透光強度下降較無水心病蘋果快，貯藏后期發(fā)病不嚴重的病果癥狀消失，同時發(fā)現(xiàn)質量較大的蘋果中水心病發(fā)病比率高。同時，韓東海等［12］利用可見近紅外連續(xù)透射光譜技術(650～900 nm)對蘋果內部褐變進行了研究，分析了其光譜特性，選擇715，750，810 nm等3個特征波長進行了褐變果判別分析，試驗結果表明，樣品的正確判別率達到96.65%。

綜上所述，利用光學特性實施果實產品的檢測，是目前無損傷檢測技術中最實用和最成功的技術之一，具有檢測靈敏度高、適應性強、設備輕巧、使用靈活、對人體無害等優(yōu)點，國外已逐步進入實用階段。

1.2 利用聲波振動檢測果實

關于能量吸收和聲音、超音震動技術反映采后果實內部的損傷情況的研究表明，這兩種技術僅用于對果實擠傷敏感性的分析，與熒光和延遲光發(fā)射的方法只適用于含葉綠素的果實材料相比，光譜分析可廣泛用于所有的果實損傷的檢測，但這些方法只能用于果實表面損傷的評價。對研究人員和產業(yè)部門來講，最大希望是能更好地了解果實采后處理和流通過程中內部損傷的情況。目前，X-射線分析、磁場共振圖像和激光檢查雖能檢測果實內部不同的損傷程度，但由于成本高，適用范圍十分有限，未能在商業(yè)上應用。同其他所有技術一樣，利用產品的聲波振動檢測果實技術的檢測成本正迅速下降，同時檢測能力迅速提高［13］。

1.3 利用機器視覺技術檢測果實

機器視覺技術在農業(yè)上的應用較早，開始主要是用于植物種類的鑒別。隨著圖像處理技術的迅猛發(fā)展和計算機軟硬件的日益提高，機器視覺系統(tǒng)在果實品質自動檢測和分級領域的應用已得到了較快的發(fā)展。研究表明，運用黑白圖像處理技術進行蘋果表面的碰壓傷檢測，在美國已開始應用。

應義斌等［14］研究，以表面色澤與固酸比為柑橘成熟度指標，建立了用于柑橘成熟度檢測的機器視覺系統(tǒng)，確定了適宜的背景顏色，進行了柑橘的分光反射試驗。結果表明，700 nm是獲得高質量柑橘圖像的較佳中心波長，并建立了利用協(xié)方差矩陣和樣本屬于橘黃色和綠色的概率來判斷柑橘成熟度的判別分析法，可以使柑橘成熟度的判別準確率達到91%以上。

高光譜圖像技術結合了計算機圖像與光譜技術兩者的優(yōu)點，是農畜產品品質檢測技術的發(fā)展趨勢。它比多光譜圖像有更高的波長分辨率，通常精度可達到2～3 nm。應用高光譜圖像研究了獼猴桃內部可溶性固形物的分布。試驗時，將獼猴桃切片后獲取圖像，測量的波長范圍為650～1 100 nm，通過偏最小二乘法建立了可溶性固形物的預測模型。結果表明，近紅外高光譜圖像預測可溶性固形物的質量濃度有很高的精度，預測誤差為12 g/L(1.2 Brix)［樣本的可溶性固形物的質量濃度在41.7～141.0 g/L(4.17～14.1 Brix范圍)］。用高光譜圖像技術進一步研究了不同種類及顏色蘋果的損傷、腐爛、疤痕和土壤污染檢測。設計了不均勻二次差分算法來分離不同種類蘋果中的缺陷或污染，利用該算法能很清楚地區(qū)分出各類蘋果中的缺陷或污染區(qū)域，而且不會把蘋果果梗誤判為缺陷，并能將其作為完好蘋果的一部分［15］。

1.4 利用核磁共振(NMR)技術檢測果實

核磁共振(NMR)是一種探測濃縮氫質子的技術，它對混合物料狀態(tài)下的響應變化比較敏感。研究人員發(fā)現(xiàn)，果實在成熟過程中，水、油和糖的氫質子的遷移率會隨著其含量的逐步變化而變化。另外，水、油、糖的濃度和遷移率還與其他一些品質因素諸如機械損傷、組織衰竭、過熟、腐爛、蟲害以及霜凍損害等有關。因此，基于以上特性，通過其濃度和遷移率的檢測，便能檢測出不同品質參數(shù)的果實產品。

核磁共振成像技術的應用，可以讓研究人員以更詳盡的參數(shù)無損傷檢測果實產品，不僅可以方便地找出核磁共振參數(shù)與果實品質參數(shù)之間的對應關系，而且可以大大促進高速核磁共振技術的發(fā)展。但是，雖然核磁共振成像技術已經成功商業(yè)應用于檢測人體的腫瘤和其他的人體異常的醫(yī)學領域，但它潛在的用來檢測果實產品的缺陷和其他品質因素的價值還沒有完全被挖掘出來。因此，該項技術在國內還尚未見過報道［3］。

1.5 利用電特性檢測果實

隨著水果新鮮度的降低，在切片組織腐爛或損傷與非腐爛或無損傷的兩種情況下，它們的電學特性呈現(xiàn)相反的變化，在切片組織已有腐爛或損傷的情況下，其等效阻抗值顯著地比新鮮的正常果肉要小，而相對介電常數(shù)及損耗因素則比正常組織大。以蘋果和梨為試驗對象，研究了低頻段(0.1～100 kHz)水果電學特性參數(shù)的頻率特性及其與水果品質特征之間的關系，結果表明，水果的電學特性參數(shù)與水果品質密切相關，為實現(xiàn)水果在線無損傷品質檢測和自動化分級奠定了基礎［16］。

為了解采后果品電特性變化機理，并探索基于電特性識別果品品質的方法，郭文川等［17］研究了桃采后電特性和生理特性的變化。結果表明，隨著桃新鮮度下降，相對介電常數(shù)呈余弦規(guī)律變化，損耗角正切逐漸減小，呼吸高峰時相對介電常數(shù)最大。分析了電特性變化的原因，進而建立了采后桃電特性與生理特性之間的關系模型。以相對介電常數(shù)和損耗角正切為輸入特征參數(shù)，應用BP(back propagation，反向傳播)神經網(wǎng)絡技術識別桃的新鮮度等級，平均識別率為82%。

1.6 利用CT技術檢測果實

CT(computed tomography)是電子計算機斷層掃描的簡稱，是電子計算機與X射線檢查技術相結合的產物。徐澍敏等［18］以陜西產富士蘋果為試驗材料，利用CT技術測定了從不同高度下落蘋果CT值的變化規(guī)律。試驗結果表明，受機械損傷的蘋果，在相同的掃描層上，蘋果的CT值隨貯藏時間增加而降低。且蘋果受機械損傷程度越高，蘋果的CT值越低。隨著掃描層位置與撞擊點距離的增加，未受損傷蘋果的CT值略有下降;而受機械損傷蘋果的CT值明顯上升。且隨著貯藏時間的變化，蘋果CT值隨受損傷程度的變化規(guī)律有所不同。張京平等［20］通過對紅富士蘋果進行CT掃描和試驗，并對蘋果CT圖像特性進行分析，發(fā)現(xiàn)蘋果某點的糖含量與該點相應CT值之間存在著顯著的線性相關關系。因而，可通過某點的CT值得到該點的糖含量，由此找到通過CT圖像來在線檢測果實糖含量分布的新途徑。在建立了蘋果的糖含量與該點CT值的線性關系模型后，通過無損方法進行了驗證，結果證明模型的平均誤差率僅為4.36%［19］。同時對富士蘋果主要成分進行了預測，神經網(wǎng)絡經優(yōu)化后對含水率、含糖量和含酸量的平均預測誤差分別為1.75%，5.81%，0.72%。說明CT技術結合神經網(wǎng)絡方法的精度滿足無損檢測的要求。

1.7 利用電子鼻技術檢測果實

電子鼻即電子嗅探器，是20世紀80年代末開發(fā)的一項探測技術。在日本，市場上有一種被稱為“Sakata水果檢測器”的便攜式無損檢測器，能夠以99%的準確率檢測未熟、過熟和已腐爛的水果。有學者研究模擬人的嗅覺形成過程，研制出了一套用金屬氧化物半導體氣敏傳感器陳列組成的電子鼻系統(tǒng)，同時用神經網(wǎng)絡對樣本進行識別分析，測試正確率達到了 80%［16］。

鄒小波等［21］提出一種根據(jù)蘋果氣味對蘋果進行無損檢測的方法，研制了一套適合蘋果氣味檢測的電子鼻系統(tǒng)。對好壞蘋果各50個進行了檢測，在獲得傳感器陣列數(shù)據(jù)的基礎上，從每個傳感器曲線中提取了5個特征參數(shù)，作為模式識別的輸入向量。用主成分分析法和遺傳RBF網(wǎng)絡(徑向基函數(shù)網(wǎng)絡)對所測的樣本進行分析，主成分分析可較好的把好壞蘋果區(qū)分開，遺傳RBF網(wǎng)絡對訓練集的回判正確率和對測試集的測試正確率分別為100%和96.4%。

2 自動分級技術

果實準確快速地分級難度很大，其主要原因是果實是在各種自然和人為因素綜合作用下形成的產品，無論在大小、形狀、顏色等外觀性狀上均有明顯表現(xiàn)。我國果實產品的分級主要靠人工完成。由于視覺本身存在個體差異，且視覺受健康狀況、心理因素、光照條件、疲勞程度等多方面的影響，人工分級缺乏客觀性、準確性，且效率低下。但是隨著機械化和自動化程度的提高，計算機技術的應用，果實分級的機械化和自動化水平越來越高。

2.1 果實機械化分級技術

果實分級機械按工作原理可分為大小分級機、重量分級機、果實色澤分級機和既按大小又按色澤進行分級的果實色澤重量分級機。

既按果實著色程度又按果實大小來進行分級，是當今世界生產上最先進的果實采后處理技術，該機的工作原理是:將上述的自動化色澤分級和自動化大小分級相結合。首先是帶有可變孔徑的傳送帶進行大小分級，在傳送帶的下邊裝有光源，傳送帶上漏下的果實經光源照射，反射光又傳送給電腦，由電腦根據(jù)光的反射情況不同，將每一級漏下的果實又分為全綠果、半綠半紅果、全紅果等級別，又通過不同的傳送帶輸送出去。該生產線可處理蘋果15～20 t/h［22，23］。

G.Carlomagno等［24］利用透射光譜方法在730～900 nm波長范圍內對不同地域的桃進行了分析，根據(jù)桃的含糖量和堅實度判斷成熟度，準確率可達82.5%。

比利時學者O.Kleynen等［25］在可見到近紅外光譜(450～1 050 nm)范圍內選擇最有效的波長，對喬納金蘋果的分級進行了研究，利用CCD(Charge Coupled Device，電荷耦合器件)采集蘋果圖像信息，根據(jù)蘋果的外形大小、外表顏色和缺陷進行分類。實驗結果表明，在450，500，750，800 nm波長處處理圖像信息時，蘋果的分級效果最好。

周增產等［26，27］提出了黃瓜的分級標準，在開發(fā)了機器視覺系統(tǒng)的基礎上，研制了挑選機器人和傳送帶等，設計了分級系統(tǒng)的軟硬件設備。

2.2 計算機視覺技術與自動分級

計算機視覺系統(tǒng)能夠模擬人的視覺功能，對空間物體的三維性狀產生感知，并具有人腦的部分功能。將這一信息進行傳遞、轉化、抽象和識別，從而作出判斷并指揮系統(tǒng)最終完成預期的目的。簡單的計算機視覺系統(tǒng)主要由照明室、CCD攝像機、圖像采集卡和計算機組成。照明室為攝像機提供最佳工作環(huán)境，使其在CCD視區(qū)內保持均勻一致的光照;CCD攝像機為圖像傳感器，其功能是完成圖像捕獲;圖像采集卡進行特征抽象，將視頻信號轉化為數(shù)字圖像信號;計算機則對數(shù)字信號進行處理與識別，作出判斷與解釋。

2.2.1 判斷果實大小 通過計算機視覺技術獲取水果的圖像，對該圖像進行邊緣檢測等處理后，以其自然對稱形態(tài)特征為依據(jù)，確定水果的檢測方向，進一步檢測水果的大小。馮斌等［28］提出的邊緣檢測方法對于模糊圖像的處理能力很強，不僅處理速度快，而且不需要細化、序列化等進一步處理。在水果軸向檢測中，用對稱性確定果軸，通用性好，檢測精度高。試驗中對兩組水果試驗，軸向檢測正確率達94.4%，水果大小檢測最大絕對測量誤差為3 mm，可以滿足生產需要，且水果大小的檢測方向與實際人工檢測一致，符合國標要求。

2.2.2 判斷果實色澤 色澤是果實內在品質的外在反映，必然地成為計算機視覺判斷的重要研究對象和分級依據(jù)。在顏色判斷中，應選用一定的顏色模型來對果實表面的顏色特征進行研究［29］。相關研究已建立了多種各具特色的顏色模型，在計算機視覺研究中，常用的RGB和HIS模型的描述更接近人的視覺對顏色的感知方式，它包含色相、飽和度和亮度三要素。根據(jù)對顏色的研究結果，結合有關標準，就可選定區(qū)別不同色度等級的色香閾值，計算出此值下的累計頻度值，就可完成顏色分級。研究表明，HIS彩色系統(tǒng)用于顏色判斷和圖像處理效果較好，同時用色調直方圖表示顏色特征，采用多變量識別技術在檢測馬鈴薯顏色時，分級正確率達到90%以上［30］。

K Choi等［31］根據(jù)美國農業(yè)部番茄成熟標準，采用計算機視覺判斷，按表面顏色將番茄分為綠色、淺綠色、紅綠相間、粉紅、淺紅和紅色6個等級，與人工分級的一致性達77%，錯誤分級的誤差為一個等級。S A Shearer等［32］以基于顏色的計算機視覺系統(tǒng)對新鮮果實進行分級，發(fā)現(xiàn)對甜椒分級正確率達到96%。

2.2.3 判斷果實損傷與表面缺陷 果實損傷與表面缺陷極大地影響著果實的內、外在品質。檢出損傷果、表面缺陷果，不僅是優(yōu)質優(yōu)價的分級要求，而且是防止腐爛變質的重要措施。至今，損傷與果面缺陷檢測仍是實現(xiàn)水果實時分級的障礙。

研究表明，一些果實的損傷缺陷部位與健康部位相比，在可見光區(qū)有不同的分光反射率，據(jù)此可在可見光區(qū)對表面缺陷進行測定。另外，果實碰壓傷往往在采摘、裝卸、運輸過程中隨機發(fā)生，相關的國家等級標準中對碰壓傷發(fā)生數(shù)、每處的損傷面積都作了規(guī)定，采用計算機視覺判斷時以此作為準則。

根據(jù)應義斌等［33］的研究，發(fā)現(xiàn)了黃花梨果實表面壞損區(qū)與非壞損區(qū)的顏色特征差異，提出圖像的紅、綠色彩分量在果面壞損區(qū)與非壞損區(qū)處有突變，對圖像進行逐行掃描，找出可疑壞損點，采用區(qū)域增長法即可計算出整個黃花梨的受損面積。齊曉娜等［34］對梨的碰壓傷自動化檢測進行了研究。采用多種圖像預處理和處理技術，從背景與梨正常組織中提取到碰壓傷信號，再以不同的灰度值表征不同的受傷區(qū)域，使各受傷區(qū)域得以區(qū)分。根據(jù)梨分級的國家標準制定檢測準則，以便計算機系統(tǒng)的檢測合乎實際生產需要。根據(jù)梨外形和碰壓傷特征，建立了判斷碰壓傷的數(shù)學模型，大部分判斷的相對誤差可控制在10%以內。

2.2.4 綜合品質判斷 果實的品質是一個綜合性概念。生產中經常見到果實個體較大但著色不良，或果形很小但色澤濃艷等情況。一般在適宜生長地區(qū)正常發(fā)育、實時采收的果實，其品種固有特性決定的果形、大小、色澤等，會同時表現(xiàn)出來;反之外觀品質必然受到影響。也就是說，果形、大小、色澤、缺損等各項指標相互關聯(lián)，共同表征著同一個實質——食用品質。分級的目的在于質量區(qū)分，而指標檢測僅是手段。

浙江大學應義斌等［35］研制了一條用于水果動態(tài)、實時檢測的果實品質智能化實時檢測分級生產線，由水果輸送翻轉系統(tǒng)、計算機視覺識別系統(tǒng)、分級系統(tǒng)組成。水果輸送翻轉系統(tǒng)的雙錐式滾筒水果輸送翻轉裝置，使水果以一定速度向前輸送，并使水果繞水平軸自由轉動，保證檢測系統(tǒng)能檢測到水果整個表面，獲得足夠的水果圖像信息。通過計算機視覺系統(tǒng)的視覺智能識別，綜合判斷每一水果的等級，并確定每個水果的位置信息，由計算機識別系統(tǒng)的控制模塊將指令傳輸給分級系統(tǒng)，完成水果的分級。

黃永林等［36］研究了一種用于計算機視覺水果自動分級系統(tǒng)的同步跟蹤自動控制裝置。圖像處理結果從計算機并行口輸出到移位寄存器，利用接近開關產生的脈沖作為寄存器的移位信號，將處理結果在移位寄存器輸出端口的位置與水果的實時位置保持一致，實現(xiàn)對水果的同步跟蹤，并利用硬件操作步進電機的脈沖分配和相關動作，從而完成對分級執(zhí)行機構的正確控制。

3 總結與展望

利用光學特性、聲波振動、機器視覺、核磁共振等技術，進行果實的無損傷檢測，具有其它儀器分析和化學分析所不具備的獨特優(yōu)勢，在果實品質檢測方面有廣闊的應用前景和發(fā)展?jié)摿?。傳統(tǒng)化學方法分析費時、費力、成本高，許多現(xiàn)代化的分析儀器又由于體積重量大、價格高、不便移動，只能在實驗室進行分析。因此，便攜式果實品質無損傷檢測儀器是農業(yè)部門、質檢部門、市場管理部門進行果實抽樣檢查迫切需要的設備，也是科研工作者盡快將研究成果與生產實踐相結合的一個發(fā)展方向。

對于各種無損傷檢測方法，它們各有自己的優(yōu)缺點。如利用光照射方法對果實表面的損傷能夠進行較好的檢測，但是對于內部品質的檢測不夠完善。而利用聲學特性、核磁共振等技術檢測果實品質，還處于實驗室研究階段，未進行商業(yè)化應用。國內外對計算機視覺技術在果實采后商品化處理技術中的應用，部分成果已進入了實用階段，同時，隨著計算機科學與技術的飛速發(fā)展和在許多領域中成功地專門化，又預示著果實分級、檢測的實時自動化完全可能。但是生物特征的復雜多變和隨機性與工業(yè)產品的生產又有著迥然的區(qū)別。

需要說明的是，早期由于技術條件的限制，我國對農業(yè)物料力學特性的研究還重視不夠。20世紀80年代后才引起關注，目前這一領域的研究工作剛剛起步，大量數(shù)據(jù)有待測定、充實完善。此外，由于果實等生物材料的基本特性隨品種和生長地域不同而異，國外的研究結果不一定能夠完全適用于我國。對于我國來說，應該盡可能多地取國外之“精華”。同時，需要我國科技工作者，在學科之間的滲透、交叉的基礎上，進行大量的研究工作，取得更好的效果，以便降低成本，將實驗室階段的研究工作盡快進入商業(yè)化運營。

總之，果實采后的商品化處理技術是一項系統(tǒng)工程，它是由一系列相關的配套技術共同支撐的，是眾多領域技術的集成。目前，該項工作已經引起了政府和有關部門的高度重視。

［1］ 高海生.我國果蔬貯藏保鮮業(yè)待突破［N］.北京:中國食品報，2003-07-07(A4).

［2］ 李里特，王頡，丹陽，等.我國果品蔬菜貯藏保鮮的現(xiàn)狀和新技術［J］.無錫輕工大學學報，2003，22(2):106-109.

［3］ 黃祥飛.果品振動損傷特性及其減損包裝的研究［D］.無錫:江南大學，2008.

［4］ 應義斌，劉燕德.水果內部品質光特性無損檢測研究及應用［J］.浙江大學學報:農業(yè)與生命科學版，2003，29(2):125-129.

［5］ 劉燕德，應義斌.光纖傳感技術在水果內部品質檢測中的應用研究［J］.傳感技術學報，2003(2):170-174.

［6］ 劉燕德，應義斌.水蜜桃糖度和有效酸度的近紅外光譜測定法［J］.營養(yǎng)學報，2004，26(5):400-402.

［7］ 傅霞萍，劉燕德，應義斌.近紅外光譜技術在水果內部品質無損檢測中的應用［J］.農機化研究，2004(2):201-203.

［8］ 韓東海，劉新鑫，趙麗麗，等.受損蘋果顏色和組織的近紅外光譜特性［J］.農業(yè)機械學報，2003，34(6):112-115.

［9］ 田海清，應義斌，徐惠榮，等.西瓜可溶性固形物含量近紅外透射檢測技術［J］.農業(yè)機械學報，2007，38(5):111-113.

［10］ 何東健，前川孝昭，森島博.水果內部品質在線近紅外分光檢測裝置及試驗［J］.農業(yè)工程學報，2001，17(1):146-148.

［11］ 韓東海，劉新鑫，趙麗麗，等.蘋果水心病的光學無損檢測［J］.農業(yè)機械學報，2004，35(5):143-146.

［12］ 韓東海，劉新鑫，魯超，等.蘋果內部褐變的光學無損傷檢測研究［J］.農業(yè)機械學報，2006，37(6):86-88，93.

［13］ 崔波，冉冉，許義，等.組學技術與果蔬采后質量和安全控制［J］.食品安全質量檢測學報，2013，4(6):1 683-1 691.

［14］ 應義斌，饒秀琴，馬俊福.柑橘成熟度機器視覺無損檢測方法研究［J］.農業(yè)工程學報，2004，20(2):144-147.

［15］ 劉木華，趙杰文，鄭建鴻，等.農畜產品品質檢測中高光譜圖像技術的應用進展［J］.農業(yè)機械學報，2005，36(9):139-143.

［16］ 安慧珍.蘋果貯藏期電學特性與生理特性間關系的研究［D］.楊凌:西北農林科技大學，2012.

［17］ 郭文川，朱新華，郭康權，等.桃的電特性及新鮮度識別［J］.農業(yè)機械學報，2007，38(1):112-115.

［18］ 徐澍敏，于勇，王俊.機械損傷蘋果 CT值的試驗研究［J］.農業(yè)機械學報，2006，37(6):83-85，97.

［19］ 張京平，王會，彭爭.蘋果剖面CT值與其糖含量分布的關系分析［J］.農業(yè)機械學報，2007，38(3):197-199.

［20］ 張京平，張華，王會.富士蘋果主要成分的CT無損檢測［J］.農業(yè)機械學報，2008，39(7):99-102.

［21］ 鄒小波，趙杰文，潘胤飛，等.基于遺傳RBF網(wǎng)絡的電子鼻對蘋果質量的評定［J］.農業(yè)機械學報，2005，36(1):61-64.

［22］ 高海生，孫慧先，李潤豐.果實采后處理的機械化、自動化技術［J］.世界農業(yè)，2002(9):36-38.

［23］ MILLER B K，DELWICHE M J.A collur vision system for peach grading［J］.Transactions of the ASAE，1989，34(6):2 509-2 515.

［24］ CARLOMAGNO G，CAPOZZO L，ATTOLICO G，et al.Nondestructive grading of peaches by near-infrared spectrometry［J］.Infrared Physics ＆ Technology，2004，46:23-29.

［25］ O KLEYNEN，V Leemans，M F Destain.Selection of the most efficient wavelength bands for“Jonagold”apple sorting［J］.Post harvest Biology and Technology，2003，30:221-232.

［26］ ZHOU Zengchan，ZHANG Xiaowen，WU Jianhong，et al.Development of automated grading system for cucumbers［J］.農業(yè)工程學報，2003，19(5):118-121.

［27］ 周增產，J Bontsema，L Vankollenburg-Crisan.荷蘭黃瓜收獲機器人的研究開發(fā)［J］.農業(yè)工程學報，2001，17(6):77-80.

［28］ 馮斌，汪懋華.基于計算機視覺的水果大小檢測方法［J］.農業(yè)機械學報，2003，34(1):73-75.

［29］ 康晴晴，荀一，張俊雄.基于計算機視覺的蘋果表面顏色分級技術研究［C］//中國農業(yè)機械學會.農業(yè)機械化與新農村建設——中國農業(yè)機械學會2006年學術年會論文集:上冊，鎮(zhèn)江:2006.

［30］ 郝敏.基于機器視覺的馬鈴薯外部品質檢測技術研究［D］.呼和浩特:內蒙古農業(yè)大學，2009.

［31］ K CHOI，LEE G，HAN R J.Tomato maturity evaluation using color image analysis［J］.Transactions of the ASAE，1995，38(1):171-176.

［32］ S A SHEARER，F(xiàn) A Payne.Machine vision sorting with bell peppers［J］.In proc of the 1990 conf.on food processing and automation，1990(3):289-300.

［33］ 應義斌，景寒松，馬俊福，等.機器視覺技術在黃花梨尺寸和果面缺陷檢測中的應用［J］.農業(yè)工程學報，1999，15(1):197-200.

［34］ 齊曉娜.鴨梨品質檢測與分級計算機視覺視覺系統(tǒng)的研究［D］.保定:河北農業(yè)大學，2005.

［35］ 應義斌，饒秀勤，黃永林，等.水果高速實時分級機構控制系統(tǒng)［J］.農業(yè)機械學報，2004，35(5):117-121，116.

［36］ 黃永林，應義斌.用于水果實時分級系統(tǒng)的同步跟蹤自動控制裝置［J］.農業(yè)工程學報，2002，18(4):163-166.

(責任編輯:朱寶昌)