水果无损检测技术的研究与应用

摘要：我国是水果生产大国，水果无损检测技术对于提高我国鲜食水果的市场竞争力和利润水平具有重要意义。综述国内外水果无损检测技术的研究进展与应用现状，展望我国水果无损检测技术发展前景，以期为促进我国果业发展提供支持。

关键词：水果；无损检测技术；研究；应用；现状

中图分类号：S661.1 文献标识码：A 文章编号：1674-1161（2017）06-0051-05

我国是水果生产大国，水果产业自20世纪90年代以来发展迅速，已成为我国农村经济发展的一大支柱产业，为促进农民增收、改善生态环境做出了贡献。我国水果产量很大，但国内水果价格低廉，“卖果难”问题时有发生。在国际市场上，由于采后检测、分级技术落后而导致品质较差、规格不统一等问题，使得我国水果缺乏竞争力，出口量不到国际水果贸易的3%。由水果产销趋势可知，水果产值大部分是由产后处理和产后加工创造来的。水果的产后商品化处理包括清洗、打蜡、分级、包装。目前我国水果商品化处理过程中的清洁、打蜡设备已经比较成熟，而分级技术还比较落后。水果的分级指标分为外部品质和内部品质两个方面。外部品质指标包括果形、大小、色泽、表面质量及颜色等，其中水果的表面质量可以通过表面光洁度、表面缺陷（斑点、污点、烂坏）及损伤来描述。内部品质指标包括糖度、硬度、酸度、可溶性固形物等。传统的水果内部品质化学分析方法存在破坏样品、操作繁杂、周期长及无法实现实时在线检测等缺点。近年来兴起的物理检测方法已逐渐成熟，具有快速、高效、无损的优点，且适于实时生产线自动化检测。水果无损检测技术不仅对于提高我国水果商品化处理的水平和能力具有重要意义，更可以改进我国水果栽培技术及加工工艺，缩小与发达国家的差距，最终提高我国果品在国际贸易中的竞争力和贸易份额。因此，运用基于光学特性的内部品质无损检测技术在水果后期加工和处理上具有广阔的市场应用前景。

水果无损检测（Nondestructive Detection Technology，NDT）又称非破坏性检测，即在不破坏水果物理状态、化学性质等前提下，获取其与待测物品质有关的内容、性质或成分等理化信息所采取的检测方法。根据检测原理的不同，水果无损检测可以分为力学性质分析法、声学性质分析法、电学性质分析法、电磁与射线检测法及机器视觉技术检测法五大类。其中，以近红外光谱、X光衍射、高光谱成像、激光诱导荧光、生物传感器、核磁共振技术等为代表的水果无损检测技术和方法成为该领域的热点。

1 水果无损品质检测主要技术

1.1 近红外光谱技术

近红外光（NIR）是指波长在780～2 526 nm范围内的电磁波，是最早发现的非可见光区域，但由于受当时计算分析条件的限制，一直没有得到足够的利用。近红外光谱技术是利用有机物及部分无机物分子中与化学键结合的各种基团（如O—H，C=O，N—H，C—H）的伸缩、振动、弯曲等运动（运动时均有一定的振动频率）进行物质检测分析。当分子受到红外线照射时会被激发而产生共振，同时使得光的能量被部分吸收，测量分子的吸收光可以得到极为复杂的图谱，这种图谱即反映出被测物质的某些特征。近年来，随着计算机技术的发展，近红外光谱在检测果品品质和农药残留方面有了突破性进展。

1.2 X射线技术

X射线检测主要基于其对物质具有穿透能力，在检测样品时利用其衍射作用和激发荧光的特性，通过捕获X射线与样品内部缺陷或异物引起的射线强度的变化，按照一定的方法转换成样品内部的二维图图像，进而对样品进行检测。随着电子计算机的发展，人们根据X射线成像技术进行改进，发明了X射线电子计算机断层摄影技术，即CT技术。X射线穿过物体某一层断面的组织，由于不同物质对X射线的吸收值存在差异，CT机探测器接收衰减后的X射线，并将其转换成电信号输入到计算机，经过计算机的数据处理后显示出图像，并获得相应点的CT值，通过建立CT值与目标检测值的数学模型，达到无损检测的目的。

1.3 高光谱图像技术

高光谱图像技术是一种集成计算机图像技术和光谱技术优点为一体的水果无损检测新方法，可获得大量包含连续波长光谱信息的图像，这些光谱信息可用于水果内部的糖度、酸度、含水量、蛋白质等成分的检测，图像信息可用于水果的颜色、大小、表面缺陷、污染物等的检测，进而实现根据水果品质精确分级的目的。高光谱图像技术在农产品品质检测中已经过多年的研究，其在水果品质检测方面具有广阔的应用前景。在果品中，薛龙等人应用高光谱技术在625～725 nm范围内检测脐橙表面的农药残留，采用主成分分析方法获得了特征波长的图像，证明高光谱技术对较高浓度农药残留有很好的检测效果。

1.4 激光诱导荧光

激光诱导荧光（Laser induced fluorescence）技術利用激光激发物质发射荧光，通过获得荧光光谱的荧光谱峰值强度（谱线宽度）和其分布的特性对物质进行定性和定量分析。每种物质分子的能级结构不同，即使在相同的激发条件下，每种物质分子所发射荧光的特性也不相同，可以通过测量这些荧光特性参量对不同物质的种类和数量进行检测。近年来，由于其高度的灵敏度，激光诱导荧光检测技术发展相对较快，检测浓度限可达到2×10-13 mol/L，对于某些荧光效率高的荧光探针可以达到单分子探测水平。该方法未来在果品质量安全检测中将有很好的前景。

1.5 新兴传感器

由于技术的进步和新材料的发明，最近30 a在水果无损检测技术方面出现了许多新兴的传感器，典型的有生物传感器和仿生类传感器（电子舌、电子鼻）。生物传感器（biosensor，BS）利用生物活性物质（即生物元件）作敏感器件，配以适当的转换元件（即信号传导器）构成分析检测工具，被测样品与分子识别元件特异性结合后发生生物化学反应，通过信号转换元件将其浓度转化为光信号或电信号，所得信号经放大和输出后即可对其进行分析检测。电子鼻由气敏传感器阵列、信号转换电路、计算机决策系统3个部分组成，其核心是能够识别多种气体的传感器阵列。工作时挥发性气体与传感器活性材料表面接触产生瞬时响应信号，信号通过转换电路变为数字信号，传送到计算机信号处理单元进行分析，与数据库中已存有的大量挥发性化合物的信息进行比对、鉴别，来确定气体的种类，从而鉴别出相应的物质。

2 水果无损品质检测技术研究现状

2.1 国外研究现状

国外早期的水果品质方法主要通过CCD彩色相机，采用无损检测、计算机分析处理等手段对水果逐一进行分析判别后得出综合结论。利用机器视觉技术实现水果内部品质无损检测是目前国际上正在研究的热点课题。除了使用高效的信息处理技术，水果品质无损检测手段还包括近红外线光谱技术和高光谱图像、激光诱导、X射线等。

人工神经网络是模仿生物大脑结构和功能而构成的信息处理技术，在机器视觉系统中应用可提高品质识别的智能性。Kavdi等人使用神经网络算法对柑橘进行分级，把缺陷和物理特征作为神经网络分类器的输入参数，对柚子和橙子的分级准确率为98.5%，對橘子的分级准确率为98.3%。使用神经网络分类，训练好网络后，利用ANN的泛化功能，对橙子的彩色RGB图像结合颜色和果形分析，获得鲁棒性、实时性的分类结果。

红外线波段是人眼不可视波段，其在水果的检测中有许多优良的性能，如碳氢化合物（糖、酸、水、维生素等）在近红外波段有不同的吸收峰，可作为检测的依据，这是近年来发展起来的水果内部品质检测的首选方法。2001年Greensill的试验表明，使用双棱镜散射的近红外分光计能可靠、快速地进行在线水果分级。Renfu Lu运用近红外多光谱散射图像（光谱段范围为670～16 060 nm，间隔10 nm）来预测红富士苹果的硬度和含糖度，将不同光谱段的散射率输入神经网络的输入层，结果发现波长为680，880，905，940 nm的近红外多光谱散射图像用于预测红富士苹果的硬度和含糖度效果最好。

机器视觉系统数据的提取需要高质量的图像，采用高光谱和多光谱技术可以快速得到高精度图像。高光谱图像的光谱分辨率相当高，能够精确获得果品缺陷、污点、损伤等的特征光谱段。而多光谱利用高光谱的分析结果，能够快速、实时采集信息，降低了软件识别的不确定性。Throop JA等人的研究表明，利用计算机视觉通过检测平均灰度来确定可见光在苹果中的透射能力，可以百分之百地测量苹果中是否有水芯存在，但无法确定水芯的严重程度。ZwiggelaarReyer等人研究采用计算机视觉技术检测桃和杏的撞伤问题，对有伤果品检测的成功率约为65%。

热红外图像检测基于损伤处和正常处的热辐射不同，运用热红外图像对损伤的判别准确率达100%。试验证明，在损伤30～180 s后，擦伤处和正常处存在一定的温差。不过热红外图像必须在环境温度变化下才可检测。

激光图像检测是利用激光照射在相对粗糙（与光的波长相比）物体表面上，经过不同光程的散射光之间相互干涉，会形成随机干涉的图样（即激光散斑图像），这些图像包含了物体的表面信息、反射粒子的运动信息和温度信息等。经CCD摄像机将图像信号转化为数字信号，以供后续图像处理系统进行处理。英国的N.Abramson博士用激光照射苹果时发现，从苹果表面产生的激光散斑是运动的。A.Zdunek等人采用激光散斑技术对苹果上架期的新鲜度进行检测，可以很好地检测出苹果的新鲜度。法国学者Oulamara研究西红柿、橙子、苹果等生物产生的激光散斑的时间相关性。Briers J D等人发现生物样品的一些特性的改变可以通过散斑图样来反应。

冲击检测是最近发展起来的一种品质检测方法。2001年Jaren等人对苹果和梨采用软件控制冲击力度，计算出分级所需的水果硬度等参数，并设计了在线冲击设备、自动硬度检测软件。

THz技术检测是根据水对太赫兹辐射的强吸收作用，利用透射、反射、漫反射时域光谱分析和THz成像技术检测水果内的水分和不同水果之间微小水分差异。Ogawa等人建立了基于THz波反射光谱的番茄内部品质检测系统，研究内部受损番茄和正常番茄的不同光谱特征。他们首先采用THz-TDS方法对番茄表皮的折射率进行测量计算，得出折射率在1 THz时约为1.8；同时采用后向波振荡器（BWO）作为THz源，用于产生连续线性的1 THz探测光束照射番茄，通过判断番茄表皮层湿度的差异来对其内部品质进行无损检测。

2.2 国内研究现状

我国在水果品质检测和分级方面起步较晚，但经过数十年的研究和发展，也取得了一些成果。

李庆中等人在实数域分形盒维数计算方法的基础上，提出双金字塔数据形式的盒维数快速计算方法。对待识别水果图像的可疑缺陷区，提出用5个分形维数作为描述该区域粗糙度和纹理方向性的特征参数，并用所提出的快速计算方法进行计算，然后利用人工神经网络（BP）作为模式识别器，区分水果表面的缺陷区和梗萼凹陷区，识别的准确率为9.3%，一个可疑缺陷区的判别时间为4～7 ms。李庆中等人还介绍了苹果颜色自动分级系统的硬件组成，确定了苹果颜色特征的提取方法，利用遗传算法进行多层前馈神经网络识别器的学习设计，实现了苹果颜色的实时分级，并通过试验验证了该方法的有效性。

籍保平、李永华提出基于计算机视觉的苹果形状和尺寸识别的方法。在对苹果图像进行形状和尺寸识别时，首先通过中值滤波和阈值法去除图片中的噪音和背景信息，并转换成二值图像，然后进行边缘提取。获取的苹果边缘中包括果柄的边缘点，必须给予剔除，最后针对剔除果柄后的苹果边缘进行快速傅立叶变换（或通过几何参数法）来提取包含形状和尺寸信息的傅立叶系数（或几何参数），用来作为苹果形状和尺寸分级的依据。

应义斌等人提出用计算机视觉进行黄花梨果梗识别，判断有无果梗的正确率为100%，判断果梗是否完好的正确率为93%，其运用的算法具有一定的鲁棒性，对移位、旋转不敏感，可应用于其他果品的果梗识别。蒋焕煜等人对水果图像的背景分割和边缘检测技术、苹果果梗和表面缺陷的计算机视觉检测方法、苹果图像的预处理及尺寸检测，以及水果分级自动生产线等也进行了深入研究。

李公平等人利用核磁共振原理测定甜菜含糖量，通过大量试验，在采用对甜菜含糖量折光计分析法的基础上，建立了核磁共振方法中甜菜的含糖量模型。该原理适用于所有水果含糖量测定的研究。

张索菲等人以获取苹果受敲击后声音的频谱特性为手段，对苹果在贮存期的品质进行评价和分类，发现随着存放时间的延长，苹果受敲击发声的频谱峰值逐渐减小，而质量越小的苹果受敲击后发出声音的基频越低，从而开展了对苹果等水果的声学特性试验。

刘燕德等人利用傅里叶光谱仪结合智能光纤传感器，研究近红外光谱与苹果糖度的关系。通过主成分回归、偏最小二乘法和逐步回归法3种多元校正算法对水果光谱数据的分析，得出3种模式下水果糖度预测值与真实值之间的相关系数分别为0.86，0.85，0.72。研究表明，选择合适的波段并用光纤传感技术检测苹果糖度是可行的，这对检测酸度、维生素C等成分均有应用参考价值。

3 水果无损品质检测技术应用现状

3.1 国外应用现状

国外水果无损检测技术的推广和应用发展较快，依靠这种技术制造的水果分级设备已经可以解决多种水果和蔬菜商品化处理关键问题，为水果类经济的增長做出了巨大贡献。

1995年美国研制成功的Merling高速高频计算机视觉水果分级系统，其生产率约为40 t/h，美国每年有50%以上的苹果经过该设备处理。

美国Autoline公司的水果分级设备在世界上处于领先地位，其产品已经系列化（5个型号），能够按照质量、颜色、形状分级，传送通道可达9道，分级出口可达60个，每道的最高传送速率为12个/s，其传输系统可以容纳不同尺寸的水果。Model 6型机器视觉水果分级机采用双CCD，其中一个装有RGB颜色传感器，另一个装有近红外传感器，可以同时进行形状、尺寸、大小、体积、颜色和缺陷分级。其所有的控制可以通过台式中央计算机控制完成，操作员可对设备进行分级、选择，根据用户需要进行定量包装、统计。

日本开发出可见光和近红外线测定梨、苹果成熟度的传感器，又研制出快速判别水果成熟度和色泽的选果装置，并将该技术用于自动化选果线上，把成熟度、色彩传感器与自动化分级、包装线连在一起，率先实现了高度自动化的无损伤检测选果。日本三菱电器公司研制的水果成熟度分级机，利用传感器综合测出梨的表面颜色、对特定光的透光率、形状和大小，并与事先存储在计算机中的优良梨数据进行对比，推算出成熟度和糖分。

3.2 国内应用现状

我国目前应用无损检测技术的水果分级设备主要依靠大小和质量来进行分级工作。对水果内部品质进行检测的自动分级设备在市场上销售的并不多，但是国内许多高校及科研单位都在进行这方面的研究。山东省栖霞茂源机械设备公司生产的GXJ-W系列卧式果蔬分选机，是一种将类似球形的水果或蔬菜（梨、苹果、柿子、桃子、柠檬、石榴、番茄、柑橘、土豆等）按质量分级的高效自选设备。浙江大学承担了国家863项目——水果品质实时检测和分级机器人的研究，成功研制出智能柑橘分级设备，采用双排双锥式滚筒同时输送和翻转水果。利用图像处理分析软件对视场内每个水果的形状、大小、色泽、表皮光洁度、表面缺陷、损伤等外观品质特征进行提取、分析和判断，确定柑橘的分类等级，并由位置传感器确定水果位置的信息，然后通过控制模块将指令传递到水果分级系统中的分级执行机构，使该水果在对应分类级别的位置落下，从而实现水果的分级。浙江工业大学设计了基于苹果的介电特性的水果品质自动检测分级原型机。

中国农业大学籍保平等人研发出基于机器视觉的水果分级系统，可以对水果的外部缺陷、色泽、尺寸和形状进行全面检测，在此基础上对水果进行高速和精确的分级。使用简单算法判断水果的大小和色泽，提高了分级速度；采用光谱和图像技术进行缺陷检测，保证了检测的精度和速度；可以根据用户的要求或市场的需要任意调整分级基准和级数。该生产线目前已经申请发明专利4项、实用新型专利1项，并于2004年与江苏牧羊集团签订了成果转让协议，目前产品已经投放市场。

4 结语

无损检测技术是实现我国水果商品化处理的关键技术，在我国的发展已有数十年的历史，取得了一定的成绩，但要达到大规模普及和推广还具有很大困难，在研究理论的实践中还存在许多难以想象的问题。面对我国机械分选水果的自动分级设备仍依赖进口的现状，需要研究新理论和新方法，紧跟国际发展趋势，利用国内外已取得的研究成果，发展新型全自动分级设备，实现多种手段综合检测、多个样品在线检测、多项指标同时检测等目标，从而提高我国国产水果的品质，增强参与国际竞争的能力，创造巨大的经济效益和社会效益。

参考文献

[1] 白菲，孟超英.水果自动分级技术的现状与发展[J].食品科学，2005（26）：145-148.

[2] 张方明，应义斌.水果分级机器人关键技术的研究和发展[J].机器人技术与应用，2004（1）：34-37.

[3] 莫润阳.无损检测技术在水果品质评价中的应用[J].物理学和高新技术，2004，33（11）：848-851.

[4] 韩东海，刘新鑫，涂润林.果品无损检测技术在苹果生产和分级中的应用[J].世界农业，2003（1）：42-44.

[5] 李志霞，聂继云.无损检测技术及其在果品质量安全检测中的应用[J].中国农业科技导报，2013，15（4）：31-35.

[6] 郭文川，朱新华，郭康.果品内在品质无损检测技术的研究进展[J].农业工程学报，2001，17（5）：1-5.

[7] 韩平，潘立刚，马智宏，等.X射线无损检测技术在农产品品质评价中的应用[J].农机化研究，2009（10）：6-10.

[8] 薛龙，庄宏，黎静，等.基于激光诱导荧光高光谱技术无损检测脐橙表面敌敌畏残留[J].中国农机化，2012（1）：189-193.

[9] 孙玲，周寿桓，阎吉祥，等.激光诱导荧光技术在农药残留物探测中的应用[J].激光与红外，2003，33（6）：417-418.

[10] 石亚丽，袁涛，任婷婷，等.生物传感器在食品安全快速检测中应用研究[J].粮食与油脂，2012（2）：5-9.

[11] RENFU LU.Predicting apple fruit firmness and sugar content using near-infrared scattering properties[J].ASAE Annual Meeting，2003（3）：6 212.

[12] ZW IGGELAARREYER.Use of spectral information andmachine vision for bruise dection on peaches and apricots[J].Journal of Agricultural Engineering Research，1996，63（4）：323-332.

[13] ZDUNEK A，MURAVSKY L I，FRANKEVYCH L， et al.New nondestructive method based on spatial-temporal speckle correlation technique for evaluation of apples quality during shelf-life[J].Int.Agrophysics，2007（21）：305-310.

[14] 李庆中，张漫，汪懋华.基于遗传神经网络的苹果颜色实时分级方法[J].中国图像图形学报，2000，5（9）：779-784.

[15] 籍保平，吴文才.计算机视觉苹果分级系统[J].农业机械学报，2000，31（6）：118-121.

[16] 蒋焕煜，应义斌，王剑平，等.水果品质智能化实时检测分级生产线的研究[J].农业工程学报，2002，18（6）：158-160.

[17] 张索非，陈斌，褚静.基于声学特性的苹果无损检测方法[J].现代仪器，2007（2）：11-17.

推荐访问:无损 检测技术 水果 研究