徐 賽，陸華忠，丘廣俊，王 陳，梁 鑫

（1.廣東省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品公共監(jiān)測(cè)中心，廣東 廣州 510640；2.廣東省農(nóng)業(yè)科學(xué)院，廣東 廣州 510640）

隨著人們生活水平的提高，消費(fèi)者對(duì)水果品質(zhì)不斷有新的需求，較好的外觀(guān)和風(fēng)味以及較少損傷和污染的水果愈發(fā)受到青睞。但目前世界大多數(shù)國(guó)家尤其是發(fā)展中國(guó)家在水果種植上多以散戶(hù)種植為主，種植標(biāo)準(zhǔn)不統(tǒng)一，使水果品質(zhì)良莠不齊。此外，水果品質(zhì)形成受陽(yáng)光、溫度、水分、土壤等諸多因素影響，無(wú)法保證所有水果果實(shí)均處于高品質(zhì)狀態(tài)。嚴(yán)重了影響水果市場(chǎng)競(jìng)爭(zhēng)力、品牌樹(shù)立和消費(fèi)者享用程度［1-2］。根據(jù)水果品質(zhì)進(jìn)行售前分級(jí)可有效保證市場(chǎng)品質(zhì)、促進(jìn)品牌打造、提升商品競(jìng)爭(zhēng)力、指導(dǎo)采后處理，具有重要意義。

雖然理化指標(biāo)檢測(cè)法是目前最精確、最廣泛使用的食品品質(zhì)與安全檢測(cè)技術(shù)，但該方法操作繁瑣、檢測(cè)速度慢、檢測(cè)成本較高、且常會(huì)造成果實(shí)浪費(fèi)，更適用于抽檢，無(wú)法滿(mǎn)足大批量水果品質(zhì)無(wú)損檢測(cè)與分選的要求。20世紀(jì)80—90年代，美國(guó)、日本、韓國(guó)等國(guó)家掀起了水果品質(zhì)無(wú)損檢測(cè)與分級(jí)技術(shù)的研究熱潮。我國(guó)水果品質(zhì)無(wú)損檢測(cè)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(guān)因素干擾大、勞動(dòng)強(qiáng)度大、準(zhǔn)確度差。無(wú)損檢測(cè)技術(shù)是在不破壞被測(cè)對(duì)象的前提下根據(jù)被測(cè)樣本品質(zhì)相關(guān)的物理特性對(duì)其進(jìn)行快速、智能檢測(cè)，達(dá)到分級(jí)的目的。經(jīng)過(guò)過(guò)去幾十年的發(fā)展，涌現(xiàn)了一大批基于聲、光、電、熱、磁等技術(shù)的水果品質(zhì)無(wú)損檢方法，如光譜技術(shù)、機(jī)器視覺(jué)技術(shù)、高光譜成像技術(shù)、電子鼻技術(shù)、聲特征技術(shù)、介電特性技術(shù)和低場(chǎng)核磁共振技術(shù)等。針對(duì)水果結(jié)構(gòu)、外形、檢測(cè)對(duì)象等，這些方法各有利弊，未全部實(shí)際應(yīng)用。

本文介紹了水果品質(zhì)無(wú)損檢測(cè)領(lǐng)域已有技術(shù)的特性及其對(duì)應(yīng)檢測(cè)可行的水果品質(zhì)參數(shù)，分析了無(wú)損檢測(cè)技術(shù)在水果品質(zhì)分級(jí)行業(yè)的實(shí)際應(yīng)用現(xiàn)狀，討論了目前水果品質(zhì)無(wú)損檢測(cè)領(lǐng)域存在的難點(diǎn)，并對(duì)下一步研究方向進(jìn)行展望，以期為水果品質(zhì)無(wú)損檢測(cè)研究提供參考。

1 水果品質(zhì)無(wú)損檢測(cè)技術(shù)種類(lèi)

1.1 光譜技術(shù)

光譜技術(shù)主要是以反射、半透射和全透射3種方式經(jīng)過(guò)水果并攜帶水果品質(zhì)相關(guān)信息從而對(duì)水果品質(zhì)進(jìn)行檢測(cè)。其中，反射光譜是光照射在水果表面反射回來(lái)的光譜信號(hào)，主要關(guān)注的是水果表層約1 cm以?xún)?nèi)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(hào)，可攜帶豐富全面的水果內(nèi)部品質(zhì)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(zhì)信息，達(dá)到減少光譜信號(hào)透過(guò)水果造成衰減的目的，用水果局部品質(zhì)特征表征整果品質(zhì)特征（水果內(nèi)部品質(zhì)相對(duì)均勻）。水果品質(zhì)光譜無(wú)損檢測(cè)技術(shù)主要有可見(jiàn)/近紅外光譜、X射線(xiàn)、激光多普勒、拉曼光譜和太赫茲。

1.1.1 可見(jiàn)/近紅外外光譜 可見(jiàn)/近紅外光譜技術(shù)是目前最常用的水果內(nèi)部品質(zhì)無(wú)損檢測(cè)技術(shù)?？梢?jiàn)光的范圍為380～780 nm，近紅外光是介于780～2 526 nm范圍內(nèi)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(zhǎng)波?？梢?jiàn)光區(qū)域主要對(duì)水果顏色變化較敏感，近紅外光主要是通過(guò)對(duì)含氫基團(tuán) X-H（X=C、N、O）振動(dòng)的倍頻和合頻吸收，使得經(jīng)過(guò)被測(cè)樣本的可見(jiàn)/近紅外光攜帶被測(cè)樣本相關(guān)品質(zhì)信息。由于可見(jiàn)和近紅外光譜均具有較強(qiáng)的穿透能力和信息獲取能力，該技術(shù)目前在水果糖度、酸度、硬度、水分、成熟度、貨架期、內(nèi)部缺陷、外部損傷、碳水化合物含量及其他營(yíng)養(yǎng)成分［3-12］等品質(zhì)特征檢測(cè)中得到了廣泛研究，結(jié)果證實(shí)是可行的。其中，對(duì)于小型薄皮水果而言，可見(jiàn)/近紅外光譜通常采用全透射方式檢測(cè)水果內(nèi)部品質(zhì)信息，反射方式檢測(cè)表層品質(zhì)信息。但對(duì)于大型厚皮水果而言，可見(jiàn)/近紅外信號(hào)全透射后衰減較大，反射信號(hào)又無(wú)法獲取果肉信息，通常采用半透射的方式降低光譜信號(hào)損耗對(duì)水果內(nèi)部品質(zhì)信息進(jìn)行檢測(cè)。

1.1.2 X射線(xiàn) X射線(xiàn)是由陰極燈絲發(fā)射的高速電子束打擊陽(yáng)極靶面而產(chǎn)生的，波長(zhǎng)在0.001～10 nm之間，光子能量比可見(jiàn)光的光子能量大幾萬(wàn)至幾十萬(wàn)倍，具有極強(qiáng)的穿透性，X射線(xiàn)通常以全透射的方式應(yīng)用在水果內(nèi)部品質(zhì)檢測(cè)。不同品質(zhì)狀態(tài)部位造成的X射線(xiàn)衰減程度不同，因此，對(duì)X射線(xiàn)通過(guò)水果后的信號(hào)進(jìn)行圖像重建可較好呈現(xiàn)與表征水果內(nèi)部品質(zhì)狀態(tài)。但X射線(xiàn)所能攜帶的特征信息不多，主要對(duì)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(nèi)部缺陷（硬?；?、爛心病、水心?。?3-17］等品質(zhì)信息的無(wú)損檢測(cè)。

1.1.3 激光多普勒測(cè)振 激光多普勒測(cè)振技術(shù)主要基于多普勒效應(yīng)測(cè)量從振動(dòng)物體表面散射回來(lái)的光所產(chǎn)生的頻移，具有靈敏度高、非接觸性測(cè)量、不破壞物體振動(dòng)等優(yōu)點(diǎn)，可通過(guò)測(cè)量農(nóng)產(chǎn)品的振動(dòng)特性實(shí)現(xiàn)對(duì)品質(zhì)的無(wú)損檢測(cè)。目前該方法主要用于水果成熟度、硬度［18-19］等無(wú)損檢測(cè)。

1.1.4 拉曼光譜 拉曼光譜提供的是分子內(nèi)部各種簡(jiǎn)正振動(dòng)頻率及有關(guān)振動(dòng)能級(jí)的信息，與紅外光譜產(chǎn)生的機(jī)制不同，拉曼光譜是由于分子極化率變化誘導(dǎo)產(chǎn)生的，而紅外光譜是由于分子偶極矩變化產(chǎn)生的［20］。二者在分子結(jié)構(gòu)分析中相互補(bǔ)充。極性基團(tuán)如C=O、N-H及O-H等具有很強(qiáng)的紅外活性，而非極性基團(tuán)如C=C、C-C、N=N及S-S等具有很強(qiáng)的拉曼活性。水分子具有強(qiáng)烈的紅外吸收和弱的拉曼活性。拉曼光譜主要用于水果農(nóng)藥殘留的無(wú)損檢測(cè)［21］，也有少量研究驗(yàn)證了拉曼光可以識(shí)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(chēng)T射線(xiàn)，是指頻率在 0.1～10 THz（1 THz=1012 Hz，對(duì)真空中波長(zhǎng)為30～3 000 μm）范圍內(nèi)的電磁波，傳統(tǒng)上也被稱(chēng)為亞毫米波或遠(yuǎn)紅外線(xiàn)。由于波段位置的特殊性，太赫茲光譜輻射兼具微波電子學(xué)和紅外光子學(xué)的特征，頻段處在許多生物大分子振動(dòng)和轉(zhuǎn)動(dòng)能級(jí)，可根據(jù)太赫茲波的強(qiáng)吸收和諧振特性建立分子指紋特征譜鑒別物質(zhì)成分。此外，太赫茲光譜的水敏感性高，非常適合物質(zhì)含水量分析［24］。目前，太赫茲光譜在水果品質(zhì)上的應(yīng)用主要集中在農(nóng)藥殘留的無(wú)損檢測(cè)上［25-26］。也有研究表明，太赫茲光譜可有效識(shí)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(cè)目標(biāo)窄波段連續(xù)光譜圖像的同時(shí)，以圖像的數(shù)據(jù)格式存儲(chǔ)每個(gè)像元幾乎連續(xù)的光譜數(shù)據(jù)，其分辨率在Δλ/λ=0.01數(shù)量級(jí)，這樣的傳感器在可見(jiàn)光和近紅外區(qū)域有幾十到數(shù)百個(gè)波段，光譜分辨率可達(dá)納米級(jí)。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(cè)對(duì)象整個(gè)面陣的品質(zhì)信息，檢測(cè)結(jié)果更加綜合、精確，避免了傳統(tǒng)點(diǎn)式光譜檢測(cè)技術(shù)以局部代替整體品質(zhì)的缺點(diǎn)。研究表明，高光譜成像技術(shù)可用于水果成熟度、硬度、可溶性固形物等［28-30］內(nèi)部品質(zhì)信息無(wú)損檢測(cè)，也可用于外皮損傷［31］、蟲(chóng)蛀［32］等外部品質(zhì)信息無(wú)損檢測(cè)。

1.2 機(jī)器視覺(jué)技術(shù)

機(jī)器視覺(jué)又稱(chēng)計(jì)算機(jī)視覺(jué)，是隨著計(jì)算機(jī)技術(shù)的發(fā)展迅速成長(zhǎng)起來(lái)的，是指計(jì)算機(jī)對(duì)三維空間的感知，包括捕獲、分析、識(shí)別等過(guò)程，是計(jì)算機(jī)科學(xué)、光學(xué)、自動(dòng)化技術(shù)、模式識(shí)別、人工智能技術(shù)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(jī)通過(guò)圖像采集卡將水果圖像傳入計(jì)算機(jī)，計(jì)算機(jī)對(duì)圖像進(jìn)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(guān)特征。

1.3 電子鼻技術(shù)

仿生電子鼻主要由傳感器陣列、接口電路和模式識(shí)別子系統(tǒng)3部分構(gòu)成，根據(jù)所測(cè)物質(zhì)的不同可適當(dāng)改進(jìn)。傳感器陣列包括數(shù)個(gè)氣敏傳感器，各傳感器對(duì)不同類(lèi)別的氣體揮發(fā)物敏感，使得整個(gè)電子鼻系統(tǒng)能夠分析、識(shí)別和檢測(cè)復(fù)雜氣味和絕大多數(shù)揮發(fā)氣體。其工作機(jī)理是：揮發(fā)性化合物與傳感器活性材料表面接觸時(shí)會(huì)發(fā)生瞬時(shí)響應(yīng)（發(fā)生系列物理化學(xué)變化），該響應(yīng)通過(guò)接口電路將電壓信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，被計(jì)算機(jī)記錄并傳送到信號(hào)處理單元進(jìn)行分析，與數(shù)據(jù)庫(kù)中已存有的大量揮發(fā)性化合物的信息進(jìn)行比較、鑒別，來(lái)確定氣體類(lèi)型，從而鑒別出相應(yīng)結(jié)果。已有較多研究表明，電子鼻技術(shù)在水果糖度、硬度、成熟度、腐敗程度、機(jī)械損傷［38-42］等品質(zhì)信息無(wú)損檢測(cè)上是可行的。

1.4 聲特征技術(shù)

水果受到外部激勵(lì)時(shí)，其共振頻率與彈性特性有較大的相關(guān)性，利用固定速度對(duì)水果施加沖擊力，可以采集到水果對(duì)應(yīng)的聲學(xué)數(shù)據(jù)，利用音頻采集器對(duì)數(shù)據(jù)進(jìn)行收集，并借助控制系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行相應(yīng)的處理分析，即可得到水果品質(zhì)與其聲學(xué)數(shù)據(jù)之間的關(guān)系?；诼曁卣鞯乃焚|(zhì)檢測(cè)系統(tǒng)通常包括機(jī)構(gòu)動(dòng)作（用于敲擊水果）、音頻采集和信號(hào)處理3個(gè)部分。研究表明，聲特征檢測(cè)技術(shù)對(duì)水果硬度、內(nèi)部缺陷、成熟度、貯藏時(shí)間［43-46］等品質(zhì)無(wú)損檢測(cè)是可行的。

1.5 介電特性技術(shù)

水果屬于電介質(zhì)，電介質(zhì)中的電子受原子核強(qiáng)烈束縛，不能自由移動(dòng)，其特征是以正、負(fù)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(guān)上看，水果分子內(nèi)部存在電場(chǎng)，且在分子線(xiàn)度范圍內(nèi)改變位置。這種微觀(guān)特性實(shí)質(zhì)上決定水果的生理、物理和化學(xué)特征。因此，可將被測(cè)水果直接放入平板電極間測(cè)定其電特性參數(shù)（介電常數(shù)、電感、阻抗等）來(lái)反映水果品質(zhì)特性。研究表明，介電特性檢測(cè)技術(shù)可有效對(duì)水果新鮮度、機(jī)械損傷、成熟度、含水率、糖度與硬度［47-52］等品質(zhì)特征進(jìn)行識(shí)別。

1.6 低場(chǎng)核磁共振技術(shù)

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(chǎng)與交變磁場(chǎng)作用下，與交變磁場(chǎng)發(fā)生能量交換的現(xiàn)象。磁場(chǎng)強(qiáng)度低于0.5 T的核磁共振現(xiàn)象稱(chēng)為低場(chǎng)核磁共振，其基本原理是對(duì)處于恒定磁場(chǎng)中的樣品施加不同的射頻脈沖，使氫質(zhì)子發(fā)生共振、衰減、聚相等現(xiàn)象而呈現(xiàn)不同的信號(hào)，這些信號(hào)經(jīng)傅里葉轉(zhuǎn)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(guò)圖譜和圖像的變化對(duì)樣品進(jìn)行分析，根據(jù)自擴(kuò)散系數(shù)、縱向弛豫時(shí)間和橫向弛豫時(shí)間來(lái)反映被測(cè)樣品的分子動(dòng)態(tài)信息。核磁共振具有很強(qiáng)的穿透性，低場(chǎng)核磁共振即可滿(mǎn)足農(nóng)產(chǎn)品的檢測(cè)需求。研究表明，低場(chǎng)核磁共振技術(shù)對(duì)水果成熟度、貨架期、硬度、機(jī)械損傷、水心病、木質(zhì)化［53-58］等無(wú)損檢測(cè)具有獨(dú)特優(yōu)勢(shì)。

2 水果品質(zhì)無(wú)損檢測(cè)技術(shù)實(shí)際應(yīng)用現(xiàn)狀

目前雖已有多種可行的水果品質(zhì)無(wú)損檢測(cè)方法，但并非所有方法都應(yīng)用于實(shí)際生產(chǎn)，不少方法在實(shí)用過(guò)程中尚存在諸多問(wèn)題，包括噪聲干擾、效率過(guò)低、無(wú)法適應(yīng)樣本差異、成本過(guò)高等。

2.1 光譜技術(shù)

對(duì)于光譜信號(hào)而言，波長(zhǎng)越短，信號(hào)穿透性越強(qiáng)，檢測(cè)過(guò)程中衰減越小，信號(hào)越穩(wěn)定；波長(zhǎng)越長(zhǎng)，穿透性越弱，檢測(cè)過(guò)程中衰減越大，信號(hào)越容易受干擾。上述光譜檢測(cè)方法中穿透性最強(qiáng)（波長(zhǎng)最短）的為X射線(xiàn)，但X射線(xiàn)檢測(cè)成本較高，數(shù)據(jù)采集速度較慢，包含的品質(zhì)特征信息較少，主要針對(duì)內(nèi)部結(jié)構(gòu)探測(cè)，多用于工業(yè)或醫(yī)學(xué)的無(wú)損檢測(cè)，在水果品質(zhì)無(wú)損檢測(cè)上實(shí)際應(yīng)用不多。Eshet Eilon公司采用X射線(xiàn)技術(shù)研發(fā)了鱷梨成熟度、內(nèi)部缺陷無(wú)損智能檢測(cè)裝備?？梢?jiàn)/近紅外光譜的波長(zhǎng)在整個(gè)光譜波段中相對(duì)居中，具有相對(duì)較強(qiáng)的穿透性能，同時(shí)又能攜帶較豐富的樣本特征，在水果品質(zhì)無(wú)損檢測(cè)中應(yīng)用最為廣泛，也是唯一一種反射、透射和半透射3種檢測(cè)方式均可較好實(shí)現(xiàn)的水果品質(zhì)無(wú)損檢測(cè)技術(shù)。美國(guó)Polychromix、日本Kubota、日本ATAGO、中國(guó)聚光科技、中國(guó)中浪科技和中國(guó)金標(biāo)果安農(nóng)業(yè)科技等企業(yè)，針對(duì)水果糖度、酸度、硬度和內(nèi)部蟲(chóng)害的便攜式內(nèi)部品質(zhì)無(wú)損檢測(cè)儀進(jìn)行了開(kāi)發(fā)、量產(chǎn)、銷(xiāo)售與實(shí)際產(chǎn)業(yè)應(yīng)用。便攜式無(wú)損檢測(cè)屬于靜態(tài)檢測(cè)，適用于抽檢或消費(fèi)者采購(gòu)挑選，為滿(mǎn)足大批量水果無(wú)損分級(jí)需要，可見(jiàn)/近紅外光譜技術(shù)亦可配合流水線(xiàn)傳輸，對(duì)大批量水果實(shí)現(xiàn)動(dòng)態(tài)快速無(wú)損檢測(cè)。為此，日本Mitsui Mining &Smelting公司、日本FANTEC公司、日本OMI公司、韓國(guó)農(nóng)業(yè)部、日本Shibuya公司、意大利Unitec集團(tuán)、中國(guó)浙江大學(xué)和中國(guó)江西綠盟公司都研發(fā)了水果品質(zhì)在線(xiàn)無(wú)損檢測(cè)裝備并投入實(shí)際應(yīng)用。其中，小型薄皮水果（蘋(píng)果、桃、梨等）的品質(zhì)可用反射和透射兩種方式進(jìn)行實(shí)現(xiàn)，對(duì)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(jìn)行實(shí)現(xiàn)。拉曼光譜采用的波長(zhǎng)雖然也為可見(jiàn)或近紅外波段，但該光譜技術(shù)是由光源照射到物質(zhì)上發(fā)生的非彈性散射光譜，使得其信號(hào)較弱，抗干擾能力差，無(wú)損檢測(cè)過(guò)程中通常需要配合信號(hào)增強(qiáng)劑的使用才能實(shí)現(xiàn)［59-60］，性能不夠穩(wěn)定，多用于有損可控背景下的快速智能檢測(cè)，在水果品質(zhì)無(wú)損檢測(cè)的實(shí)際應(yīng)用中未見(jiàn)報(bào)道。激光多普勒測(cè)振通常采用可見(jiàn)光的單一波段根據(jù)反射光譜的頻移進(jìn)行檢測(cè)，因此無(wú)法攜帶豐富的水果內(nèi)部信息，僅用于水果成熟度和硬度的檢測(cè)。而成熟度和硬度是水果關(guān)注度相對(duì)較低的指標(biāo)，因此該技術(shù)在水果品質(zhì)無(wú)損檢測(cè)中的實(shí)際應(yīng)用較少。德國(guó)OptoMET針對(duì)蘋(píng)果、梨、獼猴桃等水果的成熟度、硬度無(wú)損檢測(cè)，研發(fā)了基于激光多普勒測(cè)振技術(shù)的無(wú)損檢測(cè)儀。太赫茲光譜作為一種新興的光譜檢測(cè)技術(shù)，檢測(cè)成本較高，光路技術(shù)還不夠成熟，透射性能較差，雖然具有一定的應(yīng)用前景，但目前尚未在水果品質(zhì)無(wú)損檢測(cè)中實(shí)際應(yīng)用。

高光譜成像技術(shù)實(shí)際上是光譜技術(shù)的進(jìn)階，相對(duì)于傳統(tǒng)的點(diǎn)式光譜檢測(cè)，高光譜成像可獲得檢測(cè)對(duì)象整個(gè)面陣的光譜信號(hào)，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(dǎo)致后期數(shù)據(jù)分析運(yùn)行效率不高，成為該技術(shù)走向流水線(xiàn)式實(shí)際應(yīng)用的最大阻礙。此外，高光譜設(shè)備較傳統(tǒng)光譜設(shè)備復(fù)雜、笨重、集成度低，不便于形成手持便攜式檢測(cè)設(shè)備，加之高光譜成像設(shè)備價(jià)格昂貴，因此，在水果品質(zhì)靜態(tài)檢測(cè)的實(shí)際應(yīng)用中也少見(jiàn)報(bào)道。不少專(zhuān)家提出通過(guò)提取極度相關(guān)特征來(lái)減少特征數(shù)量、提升高光譜運(yùn)算效率。但輕微的特征減少仍無(wú)法實(shí)現(xiàn)運(yùn)算效率的明顯提升，過(guò)度減少特征又會(huì)降低檢測(cè)精度，失去了高光譜成像技術(shù)本身的意義。因此，高光譜成像技術(shù)在實(shí)際應(yīng)用中存在的問(wèn)題至今尚未得到較好解決。

2.2 機(jī)器視覺(jué)技術(shù)

機(jī)器視覺(jué)技術(shù)在無(wú)損檢測(cè)領(lǐng)域中最為成熟、穩(wěn)定，已形成的裝備在水果品質(zhì)無(wú)損檢測(cè)與分級(jí)中得到廣泛應(yīng)用。例如，美國(guó)的OSCARTM型和MERLIN 型高速水果分級(jí)生產(chǎn)線(xiàn)用于對(duì)蘋(píng)果、梨、橘子、桃等水果的品質(zhì)檢測(cè)與分級(jí)；日本 Naoshi研究的計(jì)算機(jī)視覺(jué)檢測(cè)設(shè)備，針對(duì)蘋(píng)果、桃、梨等多個(gè)水果品種，分別制定了顏色、形狀、大小、紋理、外部損傷的計(jì)算機(jī)視覺(jué)分級(jí)標(biāo)準(zhǔn)；中國(guó)浙江大學(xué)研制的臍橙機(jī)器視覺(jué)分選設(shè)備，在國(guó)內(nèi)應(yīng)用較廣泛；中國(guó)江西綠盟公司生產(chǎn)的機(jī)器視覺(jué)外觀(guān)品質(zhì)檢測(cè)分級(jí)線(xiàn)，在海內(nèi)外均取得實(shí)際應(yīng)用。隨著多源信息融合技術(shù)的出現(xiàn)，國(guó)外專(zhuān)家提出采用一條生產(chǎn)線(xiàn)搭載多檢測(cè)信息源設(shè)備的水果無(wú)損檢測(cè)分級(jí)裝備，并取得了實(shí)際應(yīng)用，尤其是針對(duì)大型厚皮水果，該技術(shù)手段可有效提升檢測(cè)維度和精度。例如，日本OMI公司開(kāi)發(fā)的西瓜品質(zhì)在線(xiàn)檢測(cè)裝備，結(jié)合了近紅外光譜、機(jī)器視覺(jué)和聲特征等檢測(cè)手段，可對(duì)西瓜顏色、大小、形狀、糖度、空心和硬度進(jìn)行識(shí)別；韓國(guó)農(nóng)業(yè)部開(kāi)發(fā)的無(wú)損檢測(cè)分級(jí)裝備結(jié)合了近紅外光譜、機(jī)器視覺(jué)和聲特征等檢測(cè)手段，可對(duì)西瓜糖度和內(nèi)部損害進(jìn)行檢測(cè)。

2.3 電子鼻技術(shù)

電子鼻技術(shù)是一種新興的無(wú)損檢測(cè)技術(shù)，但在實(shí)際應(yīng)用中還存在許多問(wèn)題：（1）檢測(cè)速度較慢。電子鼻完成一次檢測(cè)需要經(jīng)過(guò)集氣、傳感器清洗和進(jìn)樣等過(guò)程，耗時(shí)通常至少1 min以上，因此較難實(shí)現(xiàn)流水線(xiàn)動(dòng)態(tài)檢測(cè)。（2）易受噪聲干擾。電子鼻的氣敏傳感器的輸出結(jié)果極易受到環(huán)境噪聲的影響，如環(huán)境溫濕度變化、環(huán)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(cè)精度，但也容易老化，形成漂移噪聲。

2.4 聲特征技術(shù)

聲特征果品檢測(cè)技術(shù)最開(kāi)始是通過(guò)傳感器貼于水果表面來(lái)感受敲擊水果時(shí)的聲學(xué)振動(dòng)，從而對(duì)水果內(nèi)部品質(zhì)進(jìn)行檢測(cè)，但貼片式的檢測(cè)方法不易固定和安裝，且影響水果的自由振動(dòng)。隨著聲學(xué)檢測(cè)技術(shù)的日漸成熟，學(xué)者開(kāi)始采用麥克風(fēng)收集水果被敲擊的聲音，雖然信號(hào)采集起來(lái)更加靈活，但易受環(huán)境噪聲的干擾，因此，聲特征檢測(cè)技術(shù)研發(fā)的裝備以靜態(tài)檢測(cè)方式居多。但隨著降噪技術(shù)的提升，也有動(dòng)態(tài)無(wú)損檢測(cè)裝備出現(xiàn)，如日本Shizuoka Shibuya Seiki 公司基于聲特征檢測(cè)技術(shù)研發(fā)出西瓜在線(xiàn)檢測(cè)分級(jí)裝置。

2.5 介電特性技術(shù)

介電特性特性檢測(cè)技術(shù)通常依靠?jī)蓧K電極板夾住水果以獲得水果導(dǎo)電狀態(tài)下的介電特性，受檢測(cè)方式限制，無(wú)法實(shí)現(xiàn)動(dòng)態(tài)在線(xiàn)檢測(cè)。此外，水果的介電特性在采集過(guò)程中波動(dòng)較大，且介電特性與內(nèi)部成分之間的相關(guān)性不夠強(qiáng)，不足以直接用于預(yù)測(cè)許多重要的指標(biāo)參數(shù)。因此，介電特性檢測(cè)法在水果品質(zhì)無(wú)損檢測(cè)中實(shí)際應(yīng)用不多。

2.6 核磁共振技術(shù)

核磁共振檢測(cè)法雖然檢測(cè)精度高，不僅可獲取內(nèi)部圖像信息，且可根據(jù)弛豫特征預(yù)測(cè)內(nèi)部品質(zhì)。但其檢測(cè)速度較慢，即便是低場(chǎng)核磁共振成本也十分昂貴，目前大多在醫(yī)學(xué)上使用，很少在農(nóng)業(yè)上取得實(shí)際應(yīng)用。

3 水果品質(zhì)無(wú)損檢測(cè)領(lǐng)域存在難點(diǎn)

3.1 檢測(cè)精度進(jìn)一步提升

無(wú)損檢測(cè)技術(shù)的出現(xiàn)彌補(bǔ)了傳統(tǒng)有損檢測(cè)的不足，但也降低了檢測(cè)精度。目前在無(wú)損檢測(cè)領(lǐng)域，識(shí)別精度70%以上或擬合系數(shù)0.7以上即認(rèn)為可行，精度80%以上或擬合系數(shù)0.8以上即認(rèn)為達(dá)到了較好效果。雖然無(wú)損檢測(cè)技術(shù)理論上不可能達(dá)到有損檢測(cè)的精度，但仍有較大的精度提升空間。目前的檢測(cè)精度可以幫助批量水果進(jìn)行快速分類(lèi)，雖然對(duì)于單個(gè)水果而言可能存在一定甚至較大誤差，但該技術(shù)的實(shí)現(xiàn)對(duì)整批水果而言具有重要意義，對(duì)產(chǎn)業(yè)貢獻(xiàn)較大。然而，若能夠進(jìn)一步提高無(wú)損檢測(cè)精度，其快速智能的檢測(cè)優(yōu)勢(shì)則能有更大的發(fā)揮空間，隨著無(wú)損檢測(cè)結(jié)果的可信度、穩(wěn)定性進(jìn)一步提高，在誤差允許情況下，無(wú)損檢測(cè)在一定領(lǐng)域有望取代有損檢測(cè)。

3.2 模型適應(yīng)性改善

建立準(zhǔn)確、穩(wěn)定的檢測(cè)模型是實(shí)現(xiàn)無(wú)損檢測(cè)技術(shù)的關(guān)鍵。通常對(duì)一定數(shù)量的水果樣本進(jìn)行無(wú)損檢測(cè)特征提取，通過(guò)擬合水果無(wú)損檢測(cè)特征與目標(biāo)品質(zhì)參數(shù)輸出之間的映射關(guān)系來(lái)建立檢測(cè)模型，以用于后續(xù)水果品質(zhì)參數(shù)的無(wú)損檢測(cè)。但水果樣本特征在時(shí)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(xù)待測(cè)樣本的全部特征情況，會(huì)造成一定的模型適應(yīng)性問(wèn)題，影響檢測(cè)精度。此外，模型建立時(shí)刻的環(huán)境參數(shù)（溫度、濕度等）與實(shí)際檢測(cè)時(shí)刻的環(huán)境參數(shù)存在一定差異，從而影響傳感器輸出值波動(dòng)對(duì)檢測(cè)模型的適應(yīng)性。

3.3 線(xiàn)性漂移去除

無(wú)損檢測(cè)裝備中的傳感器等電子元器件均存在老化的過(guò)程，傳感器的輸出值會(huì)隨著老化程度的加深而發(fā)生變化，這種變化通常是線(xiàn)性的，稱(chēng)之為線(xiàn)性漂移噪聲，影響檢測(cè)精度。

3.4 大型厚皮水果內(nèi)部品質(zhì)檢測(cè)

目前無(wú)損檢測(cè)技術(shù)大多應(yīng)用在小型薄皮水果上，在大型厚皮水果上應(yīng)用較少，原因是小型薄皮水果更有利于無(wú)損檢測(cè)信號(hào)的穿透，可獲取較強(qiáng)的內(nèi)部品質(zhì)特征信號(hào)。而無(wú)損檢測(cè)信號(hào)經(jīng)過(guò)大型厚皮水果后衰減較大，無(wú)法獲取或獲取到的無(wú)損檢測(cè)信號(hào)較弱，信噪比較低，較難從中提取足夠的分類(lèi)識(shí)別有效信息，造成檢測(cè)精度較低。目前無(wú)損檢測(cè)技術(shù)僅在柚子、西瓜、哈密瓜的品質(zhì)信息快速檢測(cè)上得到應(yīng)用，且精度不高，對(duì)榴蓮、菠蘿密等大型厚皮水果尚無(wú)較好的無(wú)損檢測(cè)方法。

4 展望

4.1 加強(qiáng)人工智能算法研究

人工智能算法是無(wú)損檢測(cè)的核心，建立一套準(zhǔn)確、穩(wěn)定、容錯(cuò)能力強(qiáng)的無(wú)損檢測(cè)模型是技術(shù)實(shí)現(xiàn)的關(guān)鍵。但目前的建模方式通常套用幾種常規(guī)算法，擇優(yōu)而定，模型效果具有較大的隨機(jī)性，缺乏綜合、深入的數(shù)據(jù)挖掘與分析?？紤]建模算法的發(fā)展程度與實(shí)際應(yīng)用存在的問(wèn)題，后續(xù)可從以下5個(gè)方面加強(qiáng)無(wú)損檢測(cè)智能算法研究：（1）機(jī)理研究。加強(qiáng)水果品質(zhì)形成（變化）機(jī)理研究可為無(wú)損檢測(cè)特征提取提供科學(xué)參考，使特征選擇更準(zhǔn)確，提升檢測(cè)精度；（2）深度學(xué)習(xí)。深度學(xué)習(xí)是傳統(tǒng)人工智能算法的分支與進(jìn)階，可更全面、深層次地提取特征信息，提升檢測(cè)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(zhì)相關(guān)特征信息，提升檢測(cè)精度；（4）模型的傳遞算法。針對(duì)樣本差異造成的模型適應(yīng)性問(wèn)題，可通過(guò)少量的樣本檢測(cè)結(jié)果矯正原有模型，使原有模型適應(yīng)后續(xù)的樣本變化，避免重新建模的大量采樣與調(diào)參工作；（5）噪聲補(bǔ)償算法。針對(duì)環(huán)境噪聲、線(xiàn)性漂移噪聲，研究噪聲對(duì)傳感器檢測(cè)結(jié)果的影響規(guī)律，反演出一套噪聲補(bǔ)償算法，矯正模型的檢測(cè)精度。

4.2 提升無(wú)損檢測(cè)關(guān)鍵硬件性能

光源、檢測(cè)傳感器、信號(hào)發(fā)生器等一系列無(wú)損檢測(cè)關(guān)鍵硬件的穩(wěn)定性同樣對(duì)無(wú)損檢測(cè)技術(shù)的應(yīng)用造成較大影響。硬件設(shè)備的穩(wěn)定是獲取高質(zhì)量原始信號(hào)的關(guān)鍵，是保證水果品質(zhì)無(wú)損檢測(cè)的前提，如提升檢測(cè)傳感器的穩(wěn)定性可有效緩解漂移噪聲強(qiáng)度、保證光源或信號(hào)發(fā)生裝置的穩(wěn)定性可有效減少檢測(cè)信號(hào)的噪聲波動(dòng)等。

4.3 優(yōu)化無(wú)損檢測(cè)裝備結(jié)構(gòu)與參數(shù)

無(wú)損檢測(cè)裝備結(jié)構(gòu)與參數(shù)需要根據(jù)檢測(cè)對(duì)象而定，如對(duì)于可見(jiàn)/近紅外光譜檢測(cè)技術(shù)而言，小型薄皮水果可用透射和反射的檢測(cè)方式，大型厚皮水果則需采用半透射的檢測(cè)方式。此外，樣本無(wú)損檢測(cè)初始信號(hào)需在適合的裝備參數(shù)下獲取才能達(dá)到最佳效果，如信號(hào)強(qiáng)度、角度、傳送速度、距離、用材、溫濕度等。

4.4 其他種類(lèi)水果品質(zhì)無(wú)損檢測(cè)研究

無(wú)損檢測(cè)技術(shù)目前在部分水果上已經(jīng)得到應(yīng)用，但仍有大量水果的品質(zhì)無(wú)損檢測(cè)技術(shù)存在空白。尤其是針對(duì)大型厚皮水果，其內(nèi)部品質(zhì)無(wú)損檢測(cè)技術(shù)較少。研發(fā)更多種類(lèi)水果品質(zhì)無(wú)損檢測(cè)技術(shù)，尤其是克服尚存在檢測(cè)難點(diǎn)的水果，有利于該技術(shù)的普及、推廣與進(jìn)一步發(fā)展。