陳 斐 劉媛媛 王統(tǒng)炤 粟 容 胡啟旺

(1.塔里木大學機械電氣化工程學院，新疆 阿拉爾 843300；2.新疆維吾爾自治區(qū)現(xiàn)代農(nóng)業(yè)工程重點實驗室，新疆 阿拉爾 843300)

0引言

中國是世界主要的水果生產(chǎn)大國，于國內(nèi)外都有巨大的市場需求。從1990年開始，水果產(chǎn)業(yè)以可觀的速度逐步發(fā)展成為我國農(nóng)村經(jīng)濟發(fā)展的主要支柱產(chǎn)業(yè)[1]。隨著我國經(jīng)濟持續(xù)向好，人們物質(zhì)水平提高，人們愈發(fā)看重水果的品質(zhì)。提高水果品質(zhì)評價能力不僅有利于我國水果產(chǎn)業(yè)的發(fā)展，還有利于增強我國在水果出口方面的競爭力[2]。水果的品質(zhì)分內(nèi)外，對內(nèi)有硬度、糖度、酸度、可溶性固形物和內(nèi)部的缺陷等。對外有水果的表皮狀態(tài)(顏色、光澤、粗糙度等)，大小等。使用傳統(tǒng)水果品質(zhì)檢測方法，主觀性影響大，且在水果內(nèi)部品質(zhì)檢測時會對水果造成的不同程度的破壞，為了應對以上問題，無損檢測技術(shù)因其高效和無損的優(yōu)點開始興起。

根據(jù)不同的檢測原理，當前主要的水果無損檢測技術(shù)多基于智能感官仿生技術(shù)、水果特性和光譜技術(shù)。其中主流的檢測方法為以下幾種：機器視覺無損檢測技術(shù)、近紅外光譜無損檢測技術(shù)、電學特性無損檢測技術(shù)以及聲學特性無損檢測技術(shù)。

1機器視覺無損檢測技術(shù)

1.1概述

隨著計算機技術(shù)的發(fā)展，計算機應用領(lǐng)域延伸出許多新分支。機器視覺技術(shù)便是其中之一，此技術(shù)主要應用相機采集被測物圖像信息，將采集的圖像信息進行處理，在數(shù)字圖像處理技術(shù)下，利用各種類型的算法與分析方法對被測水果的輪廓、大小、成熟度和外部品質(zhì)等特征值進行采集[3]。在機器視覺技術(shù)中，攝像機、圖像采集卡、光源和上位機是硬件基礎(chǔ)，圖像處理軟件為軟件系統(tǒng)[4]。此技術(shù)普遍應用于水果的品質(zhì)分級中，具有檢測效率高、準確性好和可重復的特點。

1.2水果品質(zhì)檢測中應用現(xiàn)狀

1.2.1 表面缺陷檢測

由于圖像處理技術(shù)的發(fā)展，使機器視覺識別和分析水果的表面缺陷成為可能。紀宇慧[5]發(fā)現(xiàn)灰度圖利于提取清晰的蘋果疤痕輪廓，結(jié)合canny算子和空洞填補法進行圖像預處理，并運用形態(tài)學的開運算解決果實邊緣不清的問題。劉軍[6]優(yōu)選自適應閾值法進行圖像預處理，在對核桃的外部特征進行交叉對比分析后，選擇其中的長寬比、面積和分散度等九個特征組成九維最優(yōu)特征空間，以其為基礎(chǔ)建立多種核桃外部缺陷檢測模型。該模型對缺陷的總識別率為90.21%。David[7]研制的基于RGB圖像番茄分級機器視覺系統(tǒng)通過直方圖閾值法對缺陷與健康番茄的花萼和莖部瘢痕進行檢測，平均準確率均為0.9515。結(jié)合徑向基神經(jīng)網(wǎng)(Radial Basis Function，RBF)基于支持向量機(Support Vector Machine，SVM)建立RBF-SVM分類識別模型，該模型的準確率達0.9709，且分級精度隨著分級類別數(shù)量的增加而降低。

1.2.1 水果分級檢測

機器視覺技術(shù)基于被測水果圖像，從圖像中獲取水果外部品質(zhì)信息。水果外部品質(zhì)信息包括水果輪廓大小、輪廓形狀、表面紋理和顏色等信息。研究學者通過上述信息來研究如何對相應水果進行檢測與分級。朱丹[8]結(jié)合PLC控制系統(tǒng)與圖像識別系統(tǒng)對蘋果進行分級分揀實驗。實驗中歸一化處理圖像，用Niblack算法進行二值化，并提取蘋果輪廓特征，結(jié)果發(fā)現(xiàn)基于蘋果周長可以實現(xiàn)蘋果的等級分類。Kumar A[9]優(yōu)選小波特征，將其納入機器視覺對石榴果的分類與分級中，隨著訓練樣本數(shù)增加，檢測準確性提高。Peng H[10]設計基于支持向量機的多分類模型，利用異常懲罰因子對被測樣本進行不完全分類并建立基于線性核函數(shù)的SVM多分類模型，該模型對蘋果、香蕉、柑橘、楊桃、梨、火龍果6種水果的識別準確率分別為：95%、80%、97.5%、86.7%、92.5%、96.7%。

1.3存在問題及發(fā)展趨勢

在目前研究中，大部分研究都致力于提高系統(tǒng)計算力以及特征的精確識別。究其根源，目前在最優(yōu)成本內(nèi)所選擇硬件的計算能力不足以支撐大量計算，而機器視覺直接面對的對象是圖像和視頻，其中數(shù)據(jù)量的龐雜、無用數(shù)據(jù)占比高和高特征空間維度造成機器必須進行大量運算。那么，對特征選取的算法優(yōu)化，更優(yōu)數(shù)據(jù)處理模型的探索，依然是未來機器視覺發(fā)展的趨勢。目前，研究的檢測樣本普遍單一，學者通常只選取一種水果樣本進行研究，以此減少所需處理的數(shù)據(jù)量。多種類水果樣本的檢測，是未來機器視覺技術(shù)必然的發(fā)展方向。同時，因為機器視覺只能檢測水果表面的數(shù)據(jù)信息，少數(shù)研究者開始探尋通過表面信息與水果內(nèi)部品質(zhì)建立聯(lián)系的方式，以此能兼顧對水果內(nèi)部品質(zhì)的實時檢測。

2近紅外光譜無損檢測技術(shù)

2.1概述

近紅外光是介于可見光與中紅外光之間的電磁波，其波長范圍為780～2526 nm[11]。水果中含有大量的含氫基團，對于不同的基團，其吸收峰位置以及強度都會明顯區(qū)別于其他基團。以伯-比爾吸收定律為基礎(chǔ)，結(jié)合不同光譜特征與被測樣本內(nèi)部結(jié)構(gòu)建立聯(lián)系，便可判定樣本內(nèi)部結(jié)構(gòu)的變化。紅外光譜技術(shù)多結(jié)合計算機科學、化學計量學以及光譜學等學科，常用多元統(tǒng)計、聚類分析和曲線擬合等化學計量學方法提取光譜所含信息。因紅外光在光纖中傳輸效果良好，可實現(xiàn)水果在線快速檢測，近些年其引起了國內(nèi)外許多學者的研究興趣。

2.2水果品質(zhì)檢測中應用現(xiàn)狀

2.2.1 水果內(nèi)部品質(zhì)檢測

光作用于水果產(chǎn)生的反射、散射、透射和吸收等物理現(xiàn)象，為水果的光學特性。近紅外光具備高穿透特性，可利用此特性獲取水果內(nèi)部的化學信息。據(jù)以上原理，可獲得水果內(nèi)部的含糖量，酸度和可溶性固形物含量等信息，進而對水果內(nèi)部品質(zhì)進行分析。

程麗娟[12]采集靈武長棗近紅外光譜圖像，用高效液相色譜法測量長棗中的葡萄糖含量。結(jié)合光譜值和化學值分別建立偏最小二乘回歸(Partial Least Rquares Regression，PLSR)和多元線性回歸(Multiple Linear Regression，MLR)模型提取特征波長，發(fā)現(xiàn)使用多項式平滑算法預處理方式，可降低噪音，去掉無用信息，其定標相關(guān)系數(shù)為0.8265，預測相關(guān)系數(shù)為0.7910。其中結(jié)合PLSR、間隔隨機蛙跳算法和競爭性自適應重加權(quán)算法(Competitive adaptive reweighted sampling，CARS)的模型為最優(yōu)模型，定標相關(guān)系數(shù)為0.8353，預測相關(guān)系數(shù)為0.8322，這說明提取特征波長可減少冗長數(shù)據(jù)，降低維數(shù)，實現(xiàn)快速檢測。何嘉琳[13]采集長棗的近紅外光譜圖像，分別用遺傳算法、連續(xù)投影算法和CARS算法提取特征波段，優(yōu)選標準正態(tài)變量變換法為最優(yōu)原始光譜預處理方法，所建偏最小二乘(Partial Least Rquares，PLS)模型交互驗證相關(guān)系數(shù)和交互驗證均方根誤差分別為0.8395和16.2482。牛曉穎[14]通過近紅外漫反射技術(shù)提取不同成熟度李果的光譜主成分，用馬氏距離判別法建立分類模型，該模型的校正集判別正確率為96.33%，預測集判別正確率為96.30%。發(fā)現(xiàn)對于不同成熟度的李果，其堅實度、可滴定酸和可溶性固形物的聚類效應明顯且不同，此可作為不同成熟度的李果分選的依據(jù)。

2.2.1 水果外部品質(zhì)檢測

Xuyang P[15]采集蘋果損傷的HSI顏色模型，用集成學習方法對特征波段進行篩選，并使用線性判別分析法(linear discriminant analysis，LDA)將模型準確率提高到92.86%。Zhao Z L[16]利用近紅外光譜技術(shù)對李子褐變和非褐變進行檢測，并發(fā)現(xiàn)馬氏距離判別分析和反向傳播-人工神經(jīng)網(wǎng)絡構(gòu)建的分類模型能夠有效地識別李子褐變情況，預測集精度達97.56%。孫世鵬[17]等為了去除損傷區(qū)域近紅外光譜中冗雜的信息，在研究中用連續(xù)投影算法、相關(guān)特征選擇算法和一致性算法處理冗余信息，提取特征波段，并基于k-鄰近、樸素貝葉斯、支持向量機3種分類方法建立分類器，其中一致性算法選擇的特征波段在SVM分類器下分類識別正確率達95.16%。

2.3存在問題及發(fā)展趨勢

近紅外光譜技術(shù)因其非破壞性和便捷的特點，于水果品質(zhì)的無損檢測中發(fā)展迅速。國內(nèi)外學者相關(guān)研究中，一般只對水果內(nèi)部或外部品質(zhì)單指標進行研究，少有進行多指標混合研究的。不同的水果適用的光譜數(shù)據(jù)處理方式、特征波段選擇標準和模型建立都各不相同，檢測方法不通用。因為現(xiàn)階段已有模型預測精度不夠，建模的方法還需研究改進，現(xiàn)在對于近紅外光譜技術(shù)的研究點，多在運用合適的數(shù)據(jù)預處理方法排除冗雜的數(shù)據(jù)，降低數(shù)據(jù)量，建立較優(yōu)預測模型提高檢測時的效率和準確度。此技術(shù)多用于水果的定性與定量分析，分析結(jié)果可作為水果內(nèi)部可溶性固形物、總糖和總酸的預測依據(jù)以及水果品種和水果產(chǎn)地的區(qū)分依據(jù)，目前大部分研究都處于理論階段，數(shù)據(jù)多來源于實驗室靜態(tài)檢測，而對動態(tài)檢測的研究較少。

3電學特性檢測技術(shù)

3.1概述

在外加電場下，水果產(chǎn)生的介電特性、導電及電磁等物理特性被稱作水果的電學特性[18]。水果的細胞中含有許多帶電粒子其導電性能好，而細胞膜因富含蛋白質(zhì)、果膠和纖維素等導致其導電性極差，因此可以將水果的細胞看做一個由導體和絕緣體構(gòu)成的復合體，其擁有導電和絕緣的雙重特性[19]。水果在成熟過程或受病蟲害侵害時，水果的內(nèi)部理化特性會發(fā)生顯著變化，從而使細胞的結(jié)構(gòu)、化學成分和細胞膜通透性發(fā)生改變[20-21]。水果細胞的生化反應從宏觀的角度上改變的了水果的電學特性[22-23]，因此對于不同的水果，由于成分和狀態(tài)的不同，其介電特性也不同。基于特定的電學特性可對水果實現(xiàn)無損檢測，對水果的內(nèi)部結(jié)構(gòu)進行分析[24]。

3.2水果品質(zhì)檢測中應用現(xiàn)狀

李大偉[25]對紅棗的電學特性和含水率變化情況進行測定，研究發(fā)現(xiàn)在1000 Hz內(nèi)可用復阻抗來建立與紅棗含水率的關(guān)系，即在含水率55.85%以下時復阻抗隨著含水率的降低而增大?？追睒s[26]采用同軸探頭技術(shù)測量發(fā)育后期3個月內(nèi)的富士蘋果，獲得其在20～4500 MHz間的相對介電常數(shù)和介質(zhì)損耗因子，并與測得的生理特性和內(nèi)部品質(zhì)進行比較，得知相對介電常數(shù)隨頻率增加而減小，介質(zhì)損耗因子在2000 MHz處存在極小值，可溶性固形物和pH值與相對介電常數(shù)和介質(zhì)損耗因子之間存在負的線性相關(guān)性，硬度和含水率與相對介電常數(shù)和介質(zhì)損耗因子間存在正的線性相關(guān)性。張莉[27]對柿果電學參數(shù)進行檢測，發(fā)現(xiàn)頻率在251～398 kHz時可利用阻抗、電感和電容區(qū)分柿果成熟度，頻率為3.98 kHz和63.1 kHz時可利用電導判斷柿果的成熟度。Chowdhury A[28]用電阻抗譜作為香蕉成熟過程中電阻抗變化的一種無損評價方法，將香蕉電阻抗變化與成熟過程建立聯(lián)系。研究中將少量交流電注入香蕉，連接到Ag/AgCl電極陣列上，用阻抗儀測量表面電位，香蕉的阻抗隨著香蕉的成熟而增加。Massah J[29]用特制的測壓元件調(diào)節(jié)兩電極之間的夾持力，對收獲的蘋果進行電阻檢測。頻率分別為120 Hz和1 kHz時，對蘋果的重量和電阻進行測量，結(jié)果表明隨著貯藏時間的延長，電阻增大。Takashi Watanabe[30]應用細胞等效電路分析日本梨組織瘀傷，并對梨組織瘀傷區(qū)進行等效電路阻抗值分析，發(fā)現(xiàn)損傷組織中原生質(zhì)的抗逆性略有提高，細胞膜的電容和蛻膜液的抗逆性明顯降低。

3.3存在問題及發(fā)展趨勢

利用介電特性對水果進行無損檢測，雖然因其快速簡便和數(shù)據(jù)量小的特點，讓該無損檢測技術(shù)擁有廣闊的前景，但因為水果之間的介電特性都各不相同，所以大部分研究只針對一種類型水果進行研究，且研究結(jié)果僅表明基于電學特性的水果無損檢測技術(shù)在實踐上是可行的，研究結(jié)果總結(jié)的方法規(guī)律不具有普適性。因為水果的電學特性，目前研究多在于檢測水果的含水量，成熟度和損傷情況，理論上的研究較多，基于電學特性針對水果無損檢測的設備研發(fā)不足。未來的研究重點在將測試的頻率、電壓、溫度等影響因素標準化，減少這些因素對實驗結(jié)果的干擾，使對水果電學特性的研究不僅只能在一個特性上。同時增強對基于電學特性無損檢測技術(shù)的檢測設備的研究，強化該技術(shù)的實用性。

4聲學特性檢測技術(shù)

4.1概述

聲波的產(chǎn)生、傳播、接收和在介質(zhì)中產(chǎn)生的影響是聲學主要的研究內(nèi)容[31]。水果對聲波的反射、透射、散射吸收以及本身的聲阻抗和固有頻率等都屬于水果的聲學特性范疇[32]?，F(xiàn)有的聲學特性檢測設備將聲敏傳感器采集的聲音信號轉(zhuǎn)變?yōu)殡娦盘枺偻ㄟ^模擬/數(shù)字轉(zhuǎn)換器處理成數(shù)字信號，之后對數(shù)字信號進行分析，獲得時間與聲學特性之間關(guān)系的時域圖，通過傅里葉算法將時域圖轉(zhuǎn)變成易分析的頻譜圖。聲波是由物體振動所產(chǎn)生的機械波，傳播聲波的空間被稱作聲場，水果內(nèi)部組織結(jié)構(gòu)的改變會對傳播聲波產(chǎn)生影響，從而導致其聲學特性發(fā)生改變，聲學特性能夠?qū)Σ煌乃M行識別，對水果處于不同內(nèi)部狀態(tài)時進行檢測[33]。

4.2水果品質(zhì)檢測中應用現(xiàn)狀

白志杰[34]設計的聲學特性檢測和分析系統(tǒng)，使用-42dB的4015咪頭提高聲學檢測系統(tǒng)的穩(wěn)定性與可靠性，并建立分級模型對不同硬度水果進行分級試驗，發(fā)現(xiàn)采用二次判別分析法(quadratic discriminant analysis，QDA)建立的水果硬度分級模型效果最好，該模型可對金帥蘋果、豐水梨、煙臺紅富士蘋果和貢梨4種樣品進行分級，準確率可達到95%以上。Wen Zhang[35]優(yōu)化激光多普勒振動儀(Laser Doppler Velocimetry，LDV)測定梨紋理時的試驗參數(shù)。實驗將梨置于以恒定的掃頻率和加速度幅值振動的振動臺中間，由掃頻正弦波信號對梨進行激勵。結(jié)果無論線性掃頻方式或?qū)?shù)掃頻方式和加速度振幅下，同一測點的頻率響應曲線均具有良好的重復性。對118個梨樣品進行LDV法與破壞性穿刺試驗的比較，結(jié)果表明梨的彈性指數(shù)與梨的硬度有很好的相關(guān)關(guān)系且LDV法在重復性和靈敏度方面優(yōu)于穿刺法。Lashgari M[36]提出一種對不同貯存時間的伊朗蘋果無損分類的方法，該研究用PCA來確定光譜中大多數(shù)差異的關(guān)鍵變量，利用LDA和QDA建立分類模型進行標定，LDA和QDA模型的分類準確率分別約為80.56%和83.33%。Liu Wei[37]利用頻率為433MHz的表面聲波共振器對貯藏12天的獼猴桃果實品質(zhì)進行了測定，并基于PCA和隨機共振(Stochastic resonance，SR)方法對獼猴桃樣品的響應進行了測量和分析，實驗結(jié)果表明，PCA法能對不同貯藏時間的獼猴桃樣品進行定性鑒別，SR和表面聲波共振器頻率分析方法都能成功地識別出回歸系數(shù)較高的樣本。

4.3存在問題及發(fā)展趨勢

現(xiàn)有基于聲學特性的無損檢測技術(shù)多使用聲發(fā)射檢測和超聲檢測，聲發(fā)射檢測優(yōu)點在于檢測儀器輕便，可實現(xiàn)實時連續(xù)監(jiān)控檢測，但因延性材料產(chǎn)生的低幅值聲波，易受噪音影響。超聲檢測優(yōu)點在于對缺陷極其敏感，穿透力強，但容易受被測樣品表面光滑度影響，這個特性也為水果表面狀況檢測提供了新思想。目前該技術(shù)檢測設備大多通過敲擊水果發(fā)生，如果敲擊力度控制不當，很容易損傷被測水果，同時因為該種檢測方式，大部分研究的重點在于檢測水果硬度與相關(guān)品質(zhì)的關(guān)系。

5結(jié)語

水果無損檢測技術(shù)基于水果特性、智能感官仿生技術(shù)和光譜技術(shù)，研究的核心是圍繞水果品質(zhì)的變化，從水果外部物理特性和內(nèi)部成分以及結(jié)構(gòu)變化中獲得信息，建立相關(guān)檢測模型對水果品質(zhì)進行檢測研究。如何快速、簡捷地檢測水果品質(zhì)的這些變化是當前研究的熱點，無損檢測技術(shù)具有高效、快速、準確性好的優(yōu)點，適用于水果品質(zhì)評價。

本文綜述了機器視覺無損檢測技術(shù)、近紅外光譜無損檢測技術(shù)、電學特性無損檢測技術(shù)和聲學特性無損檢測技術(shù)在水果品質(zhì)評價中的應用，總結(jié)了這些技術(shù)在水果品質(zhì)評價中的應用，并分析了它們的優(yōu)缺點。水果無損檢測技術(shù)在我國發(fā)展幾十年已取得充足的發(fā)展，但研究理論實踐化還有許多問題需要面對。機器視覺雖然為水果外部損傷提供了很好的檢測模式，但建立一個具有普遍性、提高檢測的準確性建立一個全面完整的數(shù)據(jù)庫是很有必要的。近紅外光譜法雖然在分析水果內(nèi)部品質(zhì)研究上已趨于成熟，具有快速、無損和可實現(xiàn)多組分同時測定的特點，但檢測指標普遍單一?；诼晫W特性和介電特性的無損檢測技術(shù)雖然在理論和技術(shù)上是可行的，但在實用上，其檢測精度和效率還有很大的限制。

隨著無損檢測技術(shù)的發(fā)展，將每種技術(shù)實用化是最終目的，實現(xiàn)多種手段綜合檢測、多種樣品同時在線檢測和多項指標同時檢測是未來最期望達到的目標。以無損檢測技術(shù)的數(shù)字化、圖像化和信息化是未來檢測技術(shù)發(fā)展的趨勢。無損檢測技術(shù)的發(fā)展能很好的促進我國水果品質(zhì)的提升，提高我國水果在國際貿(mào)易中的競爭力。