水果无损检测技术的应用现状

陈 斐 刘媛媛 王统炤 粟 容 胡启旺

(1.塔里木大学机械电气化工程学院，新疆 阿拉尔 843300；2.新疆维吾尔自治区现代农业工程重点实验室，新疆 阿拉尔 843300)

0引言

中国是世界主要的水果生产大国，于国内外都有巨大的市场需求。从1990年开始，水果产业以可观的速度逐步发展成为我国农村经济发展的主要支柱产业[1]。随着我国经济持续向好，人们物质水平提高，人们愈发看重水果的品质。提高水果品质评价能力不仅有利于我国水果产业的发展，还有利于增强我国在水果出口方面的竞争力[2]。水果的品质分内外，对内有硬度、糖度、酸度、可溶性固形物和内部的缺陷等。对外有水果的表皮状态(颜色、光泽、粗糙度等)，大小等。使用传统水果品质检测方法，主观性影响大，且在水果内部品质检测时会对水果造成的不同程度的破坏，为了应对以上问题，无损检测技术因其高效和无损的优点开始兴起。

根据不同的检测原理，当前主要的水果无损检测技术多基于智能感官仿生技术、水果特性和光谱技术。其中主流的检测方法为以下几种：机器视觉无损检测技术、近红外光谱无损检测技术、电学特性无损检测技术以及声学特性无损检测技术。

1机器视觉无损检测技术

1.1概述

随着计算机技术的发展，计算机应用领域延伸出许多新分支。机器视觉技术便是其中之一，此技术主要应用相机采集被测物图像信息，将采集的图像信息进行处理，在数字图像处理技术下，利用各种类型的算法与分析方法对被测水果的轮廓、大小、成熟度和外部品质等特征值进行采集[3]。在机器视觉技术中，摄像机、图像采集卡、光源和上位机是硬件基础，图像处理软件为软件系统[4]。此技术普遍应用于水果的品质分级中，具有检测效率高、准确性好和可重复的特点。

1.2水果品质检测中应用现状

1.2.1 表面缺陷检测

由于图像处理技术的发展，使机器视觉识别和分析水果的表面缺陷成为可能。纪宇慧[5]发现灰度图利于提取清晰的苹果疤痕轮廓，结合canny算子和空洞填补法进行图像预处理，并运用形态学的开运算解决果实边缘不清的问题。刘军[6]优选自适应阈值法进行图像预处理，在对核桃的外部特征进行交叉对比分析后，选择其中的长宽比、面积和分散度等九个特征组成九维最优特征空间，以其为基础建立多种核桃外部缺陷检测模型。该模型对缺陷的总识别率为90.21%。David[7]研制的基于RGB图像番茄分级机器视觉系统通过直方图阈值法对缺陷与健康番茄的花萼和茎部瘢痕进行检测，平均准确率均为0.9515。结合径向基神经网(Radial Basis Function，RBF)基于支持向量机(Support Vector Machine，SVM)建立RBF-SVM分类识别模型，该模型的准确率达0.9709，且分级精度随着分级类别数量的增加而降低。

1.2.1 水果分级检测

机器视觉技术基于被测水果图像，从图像中获取水果外部品质信息。水果外部品质信息包括水果轮廓大小、轮廓形状、表面纹理和颜色等信息。研究学者通过上述信息来研究如何对相应水果进行检测与分级。朱丹[8]结合PLC控制系统与图像识别系统对苹果进行分级分拣实验。实验中归一化处理图像，用Niblack算法进行二值化，并提取苹果轮廓特征，结果发现基于苹果周长可以实现苹果的等级分类。Kumar A[9]优选小波特征，将其纳入机器视觉对石榴果的分类与分级中，随着训练样本数增加，检测准确性提高。Peng H[10]设计基于支持向量机的多分类模型，利用异常惩罚因子对被测样本进行不完全分类并建立基于线性核函数的SVM多分类模型，该模型对苹果、香蕉、柑橘、杨桃、梨、火龙果6种水果的识别准确率分别为：95%、80%、97.5%、86.7%、92.5%、96.7%。

1.3存在问题及发展趋势

在目前研究中，大部分研究都致力于提高系统计算力以及特征的精确识别。究其根源，目前在最优成本内所选择硬件的计算能力不足以支撑大量计算，而机器视觉直接面对的对象是图像和视频，其中数据量的庞杂、无用数据占比高和高特征空间维度造成机器必须进行大量运算。那么，对特征选取的算法优化，更优数据处理模型的探索，依然是未来机器视觉发展的趋势。目前，研究的检测样本普遍单一，学者通常只选取一种水果样本进行研究，以此减少所需处理的数据量。多种类水果样本的检测，是未来机器视觉技术必然的发展方向。同时，因为机器视觉只能检测水果表面的数据信息，少数研究者开始探寻通过表面信息与水果内部品质建立联系的方式，以此能兼顾对水果内部品质的实时检测。

2近红外光谱无损检测技术

2.1概述

近红外光是介于可见光与中红外光之间的电磁波，其波长范围为780～2526 nm[11]。水果中含有大量的含氢基团，对于不同的基团，其吸收峰位置以及强度都会明显区别于其他基团。以伯-比尔吸收定律为基础，结合不同光谱特征与被测样本内部结构建立联系，便可判定样本内部结构的变化。红外光谱技术多结合计算机科学、化学计量学以及光谱学等学科，常用多元统计、聚类分析和曲线拟合等化学计量学方法提取光谱所含信息。因红外光在光纤中传输效果良好，可实现水果在线快速检测，近些年其引起了国内外许多学者的研究兴趣。

2.2水果品质检测中应用现状

2.2.1 水果内部品质检测

光作用于水果产生的反射、散射、透射和吸收等物理现象，为水果的光学特性。近红外光具备高穿透特性，可利用此特性获取水果内部的化学信息。据以上原理，可获得水果内部的含糖量，酸度和可溶性固形物含量等信息，进而对水果内部品质进行分析。

程丽娟[12]采集灵武长枣近红外光谱图像，用高效液相色谱法测量长枣中的葡萄糖含量。结合光谱值和化学值分别建立偏最小二乘回归(Partial Least Rquares Regression，PLSR)和多元线性回归(Multiple Linear Regression，MLR)模型提取特征波长，发现使用多项式平滑算法预处理方式，可降低噪音，去掉无用信息，其定标相关系数为0.8265，预测相关系数为0.7910。其中结合PLSR、间隔随机蛙跳算法和竞争性自适应重加权算法(Competitive adaptive reweighted sampling，CARS)的模型为最优模型，定标相关系数为0.8353，预测相关系数为0.8322，这说明提取特征波长可减少冗长数据，降低维数，实现快速检测。何嘉琳[13]采集长枣的近红外光谱图像，分别用遗传算法、连续投影算法和CARS算法提取特征波段，优选标准正态变量变换法为最优原始光谱预处理方法，所建偏最小二乘(Partial Least Rquares，PLS)模型交互验证相关系数和交互验证均方根误差分别为0.8395和16.2482。牛晓颖[14]通过近红外漫反射技术提取不同成熟度李果的光谱主成分，用马氏距离判别法建立分类模型，该模型的校正集判别正确率为96.33%，预测集判别正确率为96.30%。发现对于不同成熟度的李果，其坚实度、可滴定酸和可溶性固形物的聚类效应明显且不同，此可作为不同成熟度的李果分选的依据。

2.2.1 水果外部品质检测

Xuyang P[15]采集苹果损伤的HSI颜色模型，用集成学习方法对特征波段进行筛选，并使用线性判别分析法(linear discriminant analysis，LDA)将模型准确率提高到92.86%。Zhao Z L[16]利用近红外光谱技术对李子褐变和非褐变进行检测，并发现马氏距离判别分析和反向传播-人工神经网络构建的分类模型能够有效地识别李子褐变情况，预测集精度达97.56%。孙世鹏[17]等为了去除损伤区域近红外光谱中冗杂的信息，在研究中用连续投影算法、相关特征选择算法和一致性算法处理冗余信息，提取特征波段，并基于k-邻近、朴素贝叶斯、支持向量机3种分类方法建立分类器，其中一致性算法选择的特征波段在SVM分类器下分类识别正确率达95.16%。

2.3存在问题及发展趋势

近红外光谱技术因其非破坏性和便捷的特点，于水果品质的无损检测中发展迅速。国内外学者相关研究中，一般只对水果内部或外部品质单指标进行研究，少有进行多指标混合研究的。不同的水果适用的光谱数据处理方式、特征波段选择标准和模型建立都各不相同，检测方法不通用。因为现阶段已有模型预测精度不够，建模的方法还需研究改进，现在对于近红外光谱技术的研究点，多在运用合适的数据预处理方法排除冗杂的数据，降低数据量，建立较优预测模型提高检测时的效率和准确度。此技术多用于水果的定性与定量分析，分析结果可作为水果内部可溶性固形物、总糖和总酸的预测依据以及水果品种和水果产地的区分依据，目前大部分研究都处于理论阶段，数据多来源于实验室静态检测，而对动态检测的研究较少。

3电学特性检测技术

3.1概述

在外加电场下，水果产生的介电特性、导电及电磁等物理特性被称作水果的电学特性[18]。水果的细胞中含有许多带电粒子其导电性能好，而细胞膜因富含蛋白质、果胶和纤维素等导致其导电性极差，因此可以将水果的细胞看做一个由导体和绝缘体构成的复合体，其拥有导电和绝缘的双重特性[19]。水果在成熟过程或受病虫害侵害时，水果的内部理化特性会发生显著变化，从而使细胞的结构、化学成分和细胞膜通透性发生改变[20-21]。水果细胞的生化反应从宏观的角度上改变的了水果的电学特性[22-23]，因此对于不同的水果，由于成分和状态的不同，其介电特性也不同。基于特定的电学特性可对水果实现无损检测，对水果的内部结构进行分析[24]。

3.2水果品质检测中应用现状

李大伟[25]对红枣的电学特性和含水率变化情况进行测定，研究发现在1000 Hz内可用复阻抗来建立与红枣含水率的关系，即在含水率55.85%以下时复阻抗随着含水率的降低而增大。孔繁荣[26]采用同轴探头技术测量发育后期3个月内的富士苹果，获得其在20～4500 MHz间的相对介电常数和介质损耗因子，并与测得的生理特性和内部品质进行比较，得知相对介电常数随频率增加而减小，介质损耗因子在2000 MHz处存在极小值，可溶性固形物和pH值与相对介电常数和介质损耗因子之间存在负的线性相关性，硬度和含水率与相对介电常数和介质损耗因子间存在正的线性相关性。张莉[27]对柿果电学参数进行检测，发现频率在251～398 kHz时可利用阻抗、电感和电容区分柿果成熟度，频率为3.98 kHz和63.1 kHz时可利用电导判断柿果的成熟度。Chowdhury A[28]用电阻抗谱作为香蕉成熟过程中电阻抗变化的一种无损评价方法，将香蕉电阻抗变化与成熟过程建立联系。研究中将少量交流电注入香蕉，连接到Ag/AgCl电极阵列上，用阻抗仪测量表面电位，香蕉的阻抗随着香蕉的成熟而增加。Massah J[29]用特制的测压元件调节两电极之间的夹持力，对收获的苹果进行电阻检测。频率分别为120 Hz和1 kHz时，对苹果的重量和电阻进行测量，结果表明随着贮藏时间的延长，电阻增大。Takashi Watanabe[30]应用细胞等效电路分析日本梨组织瘀伤，并对梨组织瘀伤区进行等效电路阻抗值分析，发现损伤组织中原生质的抗逆性略有提高，细胞膜的电容和蜕膜液的抗逆性明显降低。

3.3存在问题及发展趋势

利用介电特性对水果进行无损检测，虽然因其快速简便和数据量小的特点，让该无损检测技术拥有广阔的前景，但因为水果之间的介电特性都各不相同，所以大部分研究只针对一种类型水果进行研究，且研究结果仅表明基于电学特性的水果无损检测技术在实践上是可行的，研究结果总结的方法规律不具有普适性。因为水果的电学特性，目前研究多在于检测水果的含水量，成熟度和损伤情况，理论上的研究较多，基于电学特性针对水果无损检测的设备研发不足。未来的研究重点在将测试的频率、电压、温度等影响因素标准化，减少这些因素对实验结果的干扰，使对水果电学特性的研究不仅只能在一个特性上。同时增强对基于电学特性无损检测技术的检测设备的研究，强化该技术的实用性。

4声学特性检测技术

4.1概述

声波的产生、传播、接收和在介质中产生的影响是声学主要的研究内容[31]。水果对声波的反射、透射、散射吸收以及本身的声阻抗和固有频率等都属于水果的声学特性范畴[32]。现有的声学特性检测设备将声敏传感器采集的声音信号转变为电信号，再通过模拟/数字转换器处理成数字信号，之后对数字信号进行分析，获得时间与声学特性之间关系的时域图，通过傅里叶算法将时域图转变成易分析的频谱图。声波是由物体振动所产生的机械波，传播声波的空间被称作声场，水果内部组织结构的改变会对传播声波产生影响，从而导致其声学特性发生改变，声学特性能够对不同的水果进行识别，对水果处于不同内部状态时进行检测[33]。

4.2水果品质检测中应用现状

白志杰[34]设计的声学特性检测和分析系统，使用-42dB的4015咪头提高声学检测系统的稳定性与可靠性，并建立分级模型对不同硬度水果进行分级试验，发现采用二次判别分析法(quadratic discriminant analysis，QDA)建立的水果硬度分级模型效果最好，该模型可对金帅苹果、丰水梨、烟台红富士苹果和贡梨4种样品进行分级，准确率可达到95%以上。Wen Zhang[35]优化激光多普勒振动仪(Laser Doppler Velocimetry，LDV)测定梨纹理时的试验参数。实验将梨置于以恒定的扫频率和加速度幅值振动的振动台中间，由扫频正弦波信号对梨进行激励。结果无论线性扫频方式或对数扫频方式和加速度振幅下，同一测点的频率响应曲线均具有良好的重复性。对118个梨样品进行LDV法与破坏性穿刺试验的比较，结果表明梨的弹性指数与梨的硬度有很好的相关关系且LDV法在重复性和灵敏度方面优于穿刺法。Lashgari M[36]提出一种对不同贮存时间的伊朗苹果无损分类的方法，该研究用PCA来确定光谱中大多数差异的关键变量，利用LDA和QDA建立分类模型进行标定，LDA和QDA模型的分类准确率分别约为80.56%和83.33%。Liu Wei[37]利用频率为433MHz的表面声波共振器对贮藏12天的猕猴桃果实品质进行了测定，并基于PCA和随机共振(Stochastic resonance，SR)方法对猕猴桃样品的响应进行了测量和分析，实验结果表明，PCA法能对不同贮藏时间的猕猴桃样品进行定性鉴别，SR和表面声波共振器频率分析方法都能成功地识别出回归系数较高的样本。

4.3存在问题及发展趋势

现有基于声学特性的无损检测技术多使用声发射检测和超声检测，声发射检测优点在于检测仪器轻便，可实现实时连续监控检测，但因延性材料产生的低幅值声波，易受噪音影响。超声检测优点在于对缺陷极其敏感，穿透力强，但容易受被测样品表面光滑度影响，这个特性也为水果表面状况检测提供了新思想。目前该技术检测设备大多通过敲击水果发生，如果敲击力度控制不当，很容易损伤被测水果，同时因为该种检测方式，大部分研究的重点在于检测水果硬度与相关品质的关系。

5结语

水果无损检测技术基于水果特性、智能感官仿生技术和光谱技术，研究的核心是围绕水果品质的变化，从水果外部物理特性和内部成分以及结构变化中获得信息，建立相关检测模型对水果品质进行检测研究。如何快速、简捷地检测水果品质的这些变化是当前研究的热点，无损检测技术具有高效、快速、准确性好的优点，适用于水果品质评价。

本文综述了机器视觉无损检测技术、近红外光谱无损检测技术、电学特性无损检测技术和声学特性无损检测技术在水果品质评价中的应用，总结了这些技术在水果品质评价中的应用，并分析了它们的优缺点。水果无损检测技术在我国发展几十年已取得充足的发展，但研究理论实践化还有许多问题需要面对。机器视觉虽然为水果外部损伤提供了很好的检测模式，但建立一个具有普遍性、提高检测的准确性建立一个全面完整的数据库是很有必要的。近红外光谱法虽然在分析水果内部品质研究上已趋于成熟，具有快速、无损和可实现多组分同时测定的特点，但检测指标普遍单一。基于声学特性和介电特性的无损检测技术虽然在理论和技术上是可行的，但在实用上，其检测精度和效率还有很大的限制。

随着无损检测技术的发展，将每种技术实用化是最终目的，实现多种手段综合检测、多种样品同时在线检测和多项指标同时检测是未来最期望达到的目标。以无损检测技术的数字化、图像化和信息化是未来检测技术发展的趋势。无损检测技术的发展能很好的促进我国水果品质的提升，提高我国水果在国际贸易中的竞争力。