智能傳感技術及在新鮮果蔬品質檢測中的應用*

呂佳煜，朱丹實，馮敘橋，梁潔玉，杜玉慧，董福，楊文晶

1(渤海大學食品科學研究院，遼寧省食品安全重點實驗室，遼寧錦州，121000)

2(沈陽農業大學食品學院，遼寧 沈陽，110866)

傳統意義上，新鮮果蔬的品質評價主要是通過人的感官(味覺、嗅覺、視覺、聽覺)及理化、微生物指標來檢測果蔬的外部形態、顏色、完整程度，內部組織結構、營養成分含量，腐敗程度等方面后進行評判。然而，傳統的品質評價方法存在效率低、準確率差等缺點［1-2］，單靠感官及理化、微生物指標評價食品品質已不能滿足快速農業生產的需求。在此背景下，智能傳感技術(intelligent sensor technology)應運而生。智能傳感技術作為對人類感官評價的延伸，現已從科研階段走向實際應用階段并逐漸向高效化、智能化和人性化角度發展。智能傳感技術能夠模擬并分析人類的感覺，在某種程度上甚至遠遠超出了人類感覺所能檢測的范圍，根據感應信號的性質可分為模擬嗅覺、味覺、視覺、聽覺傳感技術，普遍具有檢測快速、無損、適合實時監測與在線檢測且節約人力資源等特點［3-4］。

1 智能傳感技術的主要研究進展

目前，智能傳感技術在傳感器材料、識別模式、信號處理方式等研究方面均有了顯著的突破，使用新型復合材料的傳感器層出不窮，為智能傳感技術的發展打下了堅實的基礎。

在傳感器材料方面，納米材料與復合材料的研發是目前科研的重點。納米材料傳感器識別陣列(鈀，聚吡咯，聚苯胺和氧化鋅)的靈敏度可達到10-6級，即使在極低濃度條件下，主成分分析中氣體的感應圖也無重疊，能達到良好區分度［5］。Esteves等［6］對常規導電聚合物/路易斯酸混合傳感器進行修改，以游離堿或金屬卟啉取代酸，研發出新型復合的傳感材料，傳感器使用不同種類的卟啉和相同的導電性聚合物，獲得了不同化合物之間差異較大的響應值，進一步提高了電子鼻的分析靈敏度。

在信號處理方式方面，將抽象的分析數據演化成較為直觀的顏色、影像等更有利于分析，例如，將信號轉換成直觀顏色的嗅覺可視化傳感器(olfaction visualization sensor，OVS)及將信號轉換成直觀影像的高光譜成像技術(hyper-spectral imaging，HSI)、核磁共振成像技術(magnetic resonance imaging，MRI)。OVS是基于Musto等［7］的設想并由趙杰文及其團隊共同開發出的第一臺氣味影像化傳感系統，以對食品常見氣味具有響應的金屬卟啉作為感應材料，根據傳感器的感應材料與揮發性化合物反應前后的顏色變化對氣體進行分析。目前，用于氣味影像化傳感系統常見的感應材料有金屬卟啉、pH指示劑、金屬酞菁等［8］。另一方面，光譜成像技術特別是 HSI、MRI已在新鮮果蔬品質檢測中得到了初步的應用且已被部分企業用于生長階段實時監控和生產線在線監測［9］。但超聲檢測(ultrasonic testing，UT)和超聲成像技術(ultrasound imaging，USI)在果蔬檢測中的應用起步較晚，目前在設備靈敏度、分析方法上仍有不足［10］。

在識別模式方面，隨著計算機行業的快速發展，模擬分析軟件的使用極大地提高了檢測效率。Ziyatdinov等［11］基于聚合物傳感陣列的大型綜合試驗，設計了一種兼具模擬傳感器陣列與數據生成功能的軟件工具，可在信號處理、神經網絡模擬中使用，再現了聚合物陣列的多樣性與響應情況。Hawari等［12］創新性地用HyperChem分子模擬軟件設計出分子印跡聚合物(molecularly imprint polymer，MIP)傳感器陣列，以期用于檢測芒果的成熟度，此種傳感器陣列具有較高的靈敏度和選擇性，此技術為成熟度的判定節約了大量的時間和成本，是分子印跡法檢測果蔬品質的一項重大突破。

2 智能傳感技術在新鮮果蔬品質檢測中的應用

智能傳感技術能夠代替部分人工操作的檢測技術，常被用于檢測果蔬成熟度及新鮮度。隨著各方面研究的不斷深入，智能傳感技術的檢測范圍越來越大，準確率也越來越高。根據智能傳感器感應信號的性質將其分為嗅覺、味覺傳感技術，視覺傳感技術和聽覺傳感技術三類。

2.1 嗅覺、味覺傳感技術

在果蔬生長或貯藏的不同時期，其內部的揮發性物質與非揮發性物質都在發生著巨大的變化，通過分析這些變化可以判斷果蔬的成熟度、新鮮度、腐敗程度并進行貨架期、內部成分變化的預測等。電子鼻(舌)檢測系統由氣體(液體)傳感器、數據預處理系統及計算機分析系統組成，分別模擬了嗅覺(味覺)形成過程中人體的感受細胞、神經傳遞系統及大腦皮層。電子鼻(舌)并非對單一物質進行分析而是對氣味的綜合評價，電子鼻、電子舌技術作為人類嗅覺與味覺的延伸，因其準確度高、快速的特點，在食品領域尤其是安全性未知的樣品分析中得到了廣泛的關注及突飛猛進的發展［13-14］。傳感器將化學信號轉化成電信號或視覺信號，再利用計算機對轉化信號進行特征提取及數據分析。無損檢測新鮮果蔬品質多使用電子鼻，而需要破壞果蔬的電子舌檢測則最常用在發酵、果蔬汁制品中，近4年的電子鼻和電子舌技術在新鮮果蔬品質檢測中的應用主要包括:成熟度的測定、產地及損傷鑒定、新鮮度鑒定、建立預測模型(表1)，PCA為主要數據分析方法，當主成分貢獻率高于85%即可認為分析結果較好，例如:電子舌能夠分析食醋的風味并加以區分，PCA總貢獻率達89.02%［15］;電子舌被用于分析草莓汁貯藏過程中的品質變化，且PLS預測模型能夠較好的預測草莓汁成分［16］。

表1 電子鼻和電子舌技術在新鮮果蔬品質檢測中的應用Table 1 Application of electronic nose and tongue technologies in quality detection of fresh fruit and vegetables

續表1

2.2 視覺傳感技術

視覺形成過程中，光是必不可少的因素之一，人通過視覺感受物體的外在形態、顏色等信息。近些年，由于攝像技術、計算機處理技術的快速發展，光譜成像技術的檢測范圍已經遠遠超出了人視覺所能承擔的任務，并在果蔬品質檢測中有了新的應用。目前，利用光譜成像及分析技術與虛擬儀器進行品質檢測、自動化分級是農業上的研究熱點，尤其是HSI、MRI、拉曼光譜技術(raman spectroscopy，RS)、近紅外光譜技術(near infrared spectroscopy，NIS)，不同的視覺傳感技術具有不同的特點和適宜的應用范圍(表 2)。

表2 視覺傳感技術在新鮮果蔬品質檢測中的特點及應用Table 2 Features and applications of vision sensor technologies in quality detection of fresh fruit and vegetables

HSI整合傳統影像與光譜影像得到3D立體數據圖像，圖像可表示出特定位置的結構組成及表面信息。在新鮮果蔬內部、外部的品質檢測上多有應用。在新鮮果蔬的內部品質檢測方面，高海龍等［36］借助透射HSI對266個馬鈴薯樣品的光譜及圖像信息進行分析并用不同方法建立模型。結果表明，此項技術能夠成功對馬鈴薯黑心病及其內部品質進行檢測，所建模型黑心識別率高達100%，品質預測模型R2=0.99，均方根誤差可達10.88。在新鮮果蔬的外部品質檢測方面，Elmasry等［40］利用HSI對蘋果早期受損情況進行檢測，對3種背景色下得出的圖像在750，820，960 nm波長下進行分析，結果表明，此方法可以有效檢測出早期受損的果實。Wang等［41］利用高光譜反射成像技術來鑒定棗的外部蟲害，蟲害棗的鑒別準確率達到94%，完好棗的鑒別準確率達98%，總體分類準確率達到97%，因此可以證明該技術可以從較復雜的表面特征中鑒別出有外部蟲蛀的棗。

MRI能夠探測環境中水的分布并能根據圖像信號的強度信息，判斷出水的性質差異及內部結構。新鮮果蔬含水量高于70%，且成熟、損傷及腐爛等品質均與內部的水有著緊密的關系，因此可以通過水的信息(如:狀態、含量、移動等)判斷出果蔬的品質。MRI比較適合分析含水量大或水分變化較大的果蔬及其制品。MRI的結果證明了不同季節番茄果皮、果肉中水分的遷移變化的重要性［42］。金志強等［53］對草莓采后貯藏過程中的水分變化及腐爛情況進行研究，為進一步研究其機理提供了直觀的材料。用MRI捕捉到多組番茄成熟過程中的影像，用PLS對影像信息進行分析并建立番茄成熟度的判斷模型，驗證集成熟度判斷正確率約為90%［45］。MRI結合掃描電鏡對獼猴桃生長過程中組織的變化過程進行觀測，從而判斷出不同種類生長調節劑的作用情況［54］。

RS基于拉曼散射光譜原理［55］，是一種快速無損分析技術。為了克服拉曼效應易受干擾的缺點，在拉曼光譜基礎上又衍生出了多種新技術，如:傅里葉變換拉曼光譜(fourier transform raman spectroscopy，FTRaman)、空間偏移拉曼光譜(spatially offset raman spectroscopy，SORS)、顯微拉曼光譜(micro-raman spectroscopy，MRS)、共振增強拉曼光譜(resonance Raman spectroscopy，RRS)、表面增強拉曼光譜等(surface-enhanced Raman spectroscopy，SERS)［48，56］。由于胡蘿卜素類中含有較多易引發拉曼效應的碳碳、碳氧鍵，因此RS常用于檢測果蔬中胡蘿卜素類(如α-胡蘿卜素、β-胡蘿卜素、番茄紅素等)［46-47］或通過胡蘿卜素類間接分析成熟度、糖度、硬度等指標［48-49］，檢測準確度普遍較高。Qin 等［48］用 SORS對160個7種不同成熟度的西紅柿樣品進行測試，由于樣品在不同成熟度內部色素的種類與含量有差異，拉曼峰的變化由光譜信息散度(spectral information divergence，SID)與純番茄紅素作為參考進行評價，SID值下降，西紅柿成熟度上升，由此可較為準確的判斷果實的成熟度。高曉陽等［3］為了在線監測蘋果擦傷情況，利用RS并設計了虛擬分級系統，再用不均等分散模型(unequal dispersed modeling，UNEQ)進行檢驗，結果證明用此方法可以區分果實受損程度，且要優于區分果實受損部位。

NIS近紅外光譜的信息來源于對含氫基團的吸收，通過對光譜譜圖的分析可以得出被測果蔬的物理化學信息，但是，由于光譜譜圖存在峰寬不理想、圖像重疊等現象，分析譜圖時常常要借助化學手段建立模型，確保較為準確分析出果蔬品質［57］，其檢測波長范圍普遍在350～2 500 nm。NIS在蘋果、梨、杏等核果類水果中研究較多，蔬菜(番茄除外)中的研究較少，且主要為果蔬品質理化指標的測定;果蔬表面損傷、病蟲害鑒定個體差異較大，分析結果不理想。由于建立模型需要大量的樣本，故NIS技術雖然可實現無損、快速檢測，但是后期分析工作較為復雜且模型重復性較差。

HIS、MRI、RS、NIS 是視覺傳感技術中應用較廣、檢測準確度較高的4種技術，其檢測結果與傳感器靈敏度、傳感設備對果蔬檢測的適用性、分析方法的選擇等密切相關，檢測結果的干擾因素也不盡相同。因此，在選擇實驗材料、檢測及消除干擾因素的方法時應靈活處理，例如:應用RS檢測果蔬樣本時可能會出現干擾拉曼光譜的熒光現象，這時可借助數學或其他校正方法進行分析，而不一定非要消除引起干擾的熒光現象才能達到較好的效果。一種新興的校正方法和背景扣除算法——小波變換法，被證實可用于多種背景校正中，能簡化檢測過程［58］。

2.3 聽覺傳感技術

物體產生振動形成聲波，經人耳中的部位處理信號后形成神經沖動，傳遞到聽覺中樞后人便感知到了聲音。聲音中包含著物體的相關信息，聽覺傳感技術正是利用了這些聲波(甚至是超出人聽覺范圍的聲波)傳遞的信息檢測果蔬的品質。

聽覺傳感技術的研究側重于通過聲音的變化檢測果蔬的內部品質，少數研究借助UT分析內部成分含量，但是分析結果的準確性仍有待提高。在竹筍生長過程中，溫度的突變會導致其內部結構出現空洞等品質缺陷，而目前的生產過程中仍需人工檢驗，非常耗費人力。Foerster等［59］用新開發的聲學傳感器進行計算機化共振分析，測量裝置包括集成傳感器(壓電式薄膜或電容式麥克風)、機械刺激器、非接觸式激光掃描等部分。敲擊竹筍后，聲信號由連接在計算機上的麥克風進行收集，通過對共振頻率的分析，可檢測內部空洞的竹筍并進行分選。無籽西瓜的內部品質缺陷、質地品質可以通過聲波脈沖的響應進行檢驗，校準和交叉驗證模型的決定系數分別為0.999 8和0.998 6［60］。超聲波是超越人類聽覺的聲波(頻率為20～25 000 Hz)，UT是醫學檢測上較為成熟的技術，自20世紀90年代逐步應用于農產品的檢測，主要指標為硬度、水及糖［61］。Valente 等［10］結合物理檢測與25 MHz的UT，建立芒果硬度的PLS模型及線性模型，結果并不理想，但在橙子［62］、椰子［63］中的檢測結果較好。綜上所述，聽覺傳感器在新鮮果蔬的品質檢測上仍處于起步階段，測定方法仍在探索階段，就目前的研究程度而言，聽覺傳感器較適用于表面與內部組織硬度差異較大的果蔬的品質檢測。

3 展望

中國是農業大國，在日益提倡發展農業進程高效化、便捷化的同時，智能傳感技術作為一種能夠代替部分人工操作的檢測技術，普遍具有檢測快速、無損、適合實時監測與在線檢測且節約人力資源的特點，在果蔬品質檢測方面將發揮越來越重要的作用。但是，由于品種、產地的多樣性，信號提取、分析方法的復雜性，要研發出能夠完全代替人類智能的傳感器仍具有很大難度。為了優化傳感器的檢測性能，傳感器新材料的使用、信號識別與分析新方法的開發仍是智能傳感技術的研究重點。目前的傳感器大部分體積龐大，便攜性差，應用地點受限，無法用于果蔬成熟度、可食用品質等方面的現場檢測。如何減小傳感器尺寸、增強傳感器設備的便攜性仍是今后值得研究的課題。隨著各方面研究的不斷深入，智能傳感技術將在新鮮果蔬的品質檢測應用中發揮更大的作用。

［1］ 周顯青，暴占彪，崔麗靜，等.霉變玉米電子鼻識別及其傳感器陣列優化［J］.河南工業大學學報:自然科學版，2011，32(4):16-20.

［2］ 張鑫，齊玉潔，楊夏，等.利用電子鼻技術評價桃果實成熟度的研究［J］.華南農業大學學報，2012，33(1):23-27.

［3］ 高曉陽，Paul Heinemann，Irudayaraj J.蘋果擦傷拉曼光譜無損檢測虛擬系統研究［J］.農業工程學報，2005，21(3):130-133.

［4］ PAN L，ZHANG W，ZHU N，et al.Early detection and classification of pathogenic fungal disease in post-harvest strawberry fruit by electronic nose and gas chromatographymass spectrometry ［J］.Food Research International，2014，62:162-168.

［5］ Hu Y，Lee H，Kim S，et al.A highly selective chemical sensor array based on nanowire/nanostructure for gas identification［J］.Sensors and Actuators B:Chemical，2013，181:424-431.

［6］ Esteves C H A，Iglesias B A，Li R W C，et al.New composite porphyrin-conductive polymer gas sensors for application in electronic noses［J］.Sensors and Actuators B:Chemical，2014，193:136-141.

［7］ Musto C J，Suslick K S.Differential sensing of sugars by colorimetric arrays［J］.Current Opinion in Chemical Biology，2010，14(6):758-766.

［8］ 黃星奕，辛君偉，趙杰文，等.可視化傳感技術在桃子質量評價中的應用［J］.江蘇大學學報:自然科學版，2009，30(5):433-436.

［9］ 范世福.光譜技術和光譜儀器的近期發展［J］.現代儀器，2007(2):1-5.

［10］ Valente M，Prades A，Laux D.Potential use of physical measurements including ultrasound for a better mango fruit quality characterization［J］.Journal of Food Engineering，2013，116(1):57-64.

［11］ Ziyatdinov A，Fernández Diaz E，Chaudry A，et al.A software tool for large-scale synthetic experiments based on polymeric sensor arrays［J］.Sensors and Actuators B:Chemical，2013，177:596-604.

［12］ Hawari H F，Samsudin N M，Ahmad M N，et al.Array of MIP-based sensor for fruit maturity assessment［J］.Procedia Chemistry，2012，6:100-109.

［13］ Paolesse R，Alimelli A，Martinelli E，et al.Detection of fungal contamination of cereal grain samples by an electronic nose［J］.Sensors and Actuators B:Chemical，2006，119(2):425-430.

［14］ 張紅梅，王俊，葉盛，等.電子鼻傳感器陣列優化與谷物霉變程度的檢測［J］.傳感技術學報，2007，20(6):1208-1210.

［15］ 張璟琳，黃明泉，孫寶國，等.電子舌技術在食醋口感評價中的應用［J］.食品與發酵工業，2013，39(11):220-226.

［16］ 高利萍，王俊，崔紹慶.電子舌檢測不同冷藏時間草莓鮮榨汁的品質變化［J］.農業工程學報，2012，28(23):250-256.

［17］ Breijo E G，Guarrasi V，Peris R M，et al.Odour sampling system with modifiable parameters applied to fruit classification［J］.Journal of Food Engineering，2013，116(2):277-285.

［18］ Sa'ad F S A，Zakaria A，Shakaff A Y M，et al.Bio-inspired Sensor Fusion for Quality Assessment of Harumanis Mangoes［J］.Procedia Chemistry，2012，6:165-174.

［19］ Campos I，Bataller R，Armero R，et al.Monitoring grape ripeness using a voltammetric electronic tongue［J］.Food Research International，2013，54(2):1 369-1 375.

［20］ Biondi E，Blasioli S，Galeone A，et al.Detection of potato brown rot and ring rot by electronic nose:From laboratory to real scale［J］.Talanta.2014，129:422-430.

［21］ Akram K，Ahn J-J，Yoon S-R，et al.Quality attributes of Pleurotus eryngii following gamma irradiation［J］.Postharvest Biology and Technology，2012，66:42-47.

［22］ 李國鵬，賈惠娟，李紅旭，等.利用電子鼻對不同梨品種進行區分的初步研究［J］.浙江農業學報，2011，23(5):1 030-1 033.

［23］ 紀淑娟，張麗萍，卜慶狀，等.基于電子鼻技術對冷藏后南果梨貨架期間氣味的變化分析［J］.食品科學，2012，33(7):123-126.

［24］ Gruber J，Nascimento H M，Yamauchi E Y，et al.A conductive polymer based electronic nose for early detection of Penicillium digitatum in post-harvest oranges［J］.Materials Science and Engineering:C，2013，33(5):2 766-2 769.

［25］ 喬方，黃略略，方長發，等.基于電子舌技術的荔枝品種和產地的辨別研究［J］.食品工業，2012，33(10):154-156.

［26］ ZHANG B，XI W P，Wei W W，et al.Changes in aroma-related volatiles and gene expression during low tem-perature storage and subsequent shelf-life of peach fruit［J］.Postharvest Biology and Technology，2011，60(1):7-16.

［27］ 康蕊，段振華，楊毅，等.電子鼻檢測椰肉原漿貨架期新鮮度變化［J］.食品研究與開發，2013，34(16):84-87.

［28］ 惠國華，吳玉玲，陳裕泉.基于電子鼻的香蕉儲存時間鑒別方法研究［J］.傳感技術學報，2012，25(5):566-570.

［29］ 尹芳緣，曾小燕，徐薇薇，等.基于電子鼻的芒果儲存時間預測方法研究［J］.傳感技術學報，2012，25(9):1 199-1 203.

［30］ 朱娜，潘磊慶，毛淑波，等.基于電子鼻判別桃果實瘀傷的研究［J］.南京農業大學學報，2013，36(1):138-141.

［31］ 朱娜，毛淑波，潘磊慶，等.電子鼻對草莓采后貯藏早期霉菌感染的檢測［J］.農業工程學報，2013，29(5):266-273.

［32］ Russo M，di Sanzo R，Cefaly V，et al.Nondestructive flavour evaluation of red onion(Allium cepa L.)Ecotypes:An electronic-nose-based approach［J］.Food Chemistry，2013，141(2):896-899.

［33］ Guohua H，Yuling W，Dandan Y，et al.Study of peach freshness predictive method based on electronic nose［J］.Food Control，2012，28(1):25-32.

［34］ Pennazza G，Fanali C，Santonico M，et al.Electronic nose and GC-MS analysis of volatile compounds in Tuber magnatum Pico:Evaluation of different storage conditions［J］.Food Chemistry，2013，136(2):668-674.

［35］ WEI Z，WANG J.The evaluation of sugar content and firmness of non-climacteric pears based on voltammetric electronic tongue［J］.Journal of Food Engineering，2013，117(1):158-164.

［36］ 高海龍，李小昱，徐森淼，等.馬鈴薯黑心病和單薯質量的透射高光譜檢測方法［J］.農業工程學報，2013，29(15):279-285.

［37］ Garrido-Novell C，Pérez-Marin D，Amigo J M，et al.Grading and color evolution of apples using RGB and hyperspectral imaging vision cameras［J］.Journal of Food Engineering，2012，113(2):281-288.

［38］ Khojastehnazhand M，Omid M，Tabatabaeefar A.Determination of tangerine volume using image processing methods［J］.International Journal of Food Properties，2010，13(4):760-770.

［39］ Kim D G，Burks T F，Qin J，et al.Classification of grapefruit peel diseases using color texture feature analysis［J］.International Journal of Agricultural and Biological Engineering，2009，2(3):41-50.

［40］ ElMasry G，WANG N，Vigneault C，et al.Early detection of apple bruises on different background colors using hyperspectral imaging［J］.LWT-Food Science and Technology，2008，41(2):337-345.

［41］ WANG J，Nakano K，Ohashi S，et al.Detection of external insect infestations in jujube fruit using hyperspectral reflectance imaging［J］.Biosystems Engineering，2011，108(4):345-351.

［42］ Ciampa A，Dell'Abate M.T，Masetti O，et al.Seasonal chemical-physical changes of PGI Pachino cherry tomatoes detected by magnetic resonance imaging(MRI)［J］.Food Chemistry，2010，122(4):1 253-1 260.

［43］ Melado-Herreros A，Mun oz-García M A，Blanco A，et al.Assessment of watercore development in apples with MRI:Effect of fruit location in the canopy［J］.Postharvest Biology and Technology，2013，86:125-133.

［44］ Marcone M F，WANG S，Albabish W，et al.Diverse food-based applications of nuclear magnetic resonance(NMR)technology［J］.Food Research International，2013，51(2):729-747.

［45］ ZHANG L，McCarthy M J.Measurement and evaluation of tomato maturity using magnetic resonance imaging［J］.Postharvest Biology and Technology，2012，67:37-43.

［46］ Bicanic D，Dimitrovski D，Luterotti S.Estimating rapidly and precisely the concentration of beta carotene in mango homogenates by measuring the amplitude of optothermal signals，chromaticity indices and the intensities of Raman peaks［J］.Food Chemistry，2010，121(3):832-838.

［47］ Gonzálvez A G，Martnez N L，HTelle H.Monitoring LED-induced carotenoid increase in grapes by transmission resonance Roman spectroscopy［J］.Chemical Physics Letters，2013，559:26-29.

［48］ QIN J，CHAO K，Kim M S.Nondestructive evaluation of internal maturity of tomatoes using spatially offset Raman spectroscopy［J］.Postharvest Biology and Technology，2012，71:21-31.

［49］ 藥林桃，劉木華，王映龍.基于激光拉曼光譜的臍橙內部品質無損檢測［J］.農業工程學報，2008，24(11):233-236.

［50］ Berardinelli A，Cevoli C，Silaghi F.FT-NIR Spectroscopy for the quality characterization of apricots(Prunus armeniaca L.)［J］.Journal of Food Science，2010，75(7):462-468.

［51］ Guidetti R，Beghi R，Bodria L.Evaluation of grape quality by a simple Vis/NIR system［J］.Transactions of the ASABE，2010，53(2):1-8.

［52］ Machado N P，Fachinello J C，Galarca S P，et al.Pear quality characteristics by Vis/NIR spectroscopy［J］.Anais da Academia Brasileira de Cincias，2012，84(3):853-863.

［53］ 金志強，張錦勝，林向陽，等.應用磁共振及其成像技術研究草莓失水率及其腐敗過程［J］.食品科學，2007，28(8):108-110.

［54］ Taglienti A，Sequi P，Cafiero C，et al.Hayward kiwifruits and plant growth regulators:detection and effects in post-harvest studied by magnetic resonance imaging and scanning electron microscopy［J］.Food Chemistry，2011，126(2):731-736.

［55］ 田國輝，陳亞杰，馮清茂.拉曼光譜的發展及應用［J］.化學工程師，2008，148(1):34-36.

［56］ 孫璐，陳斌，高瑞昌，等.拉曼光譜技術在食品分析中的應用［J］.中國食品學報，2012，12(12):113-118.

［57］ 傅霞萍，應義斌.基于NIR和Raman光譜的果蔬質量檢測研究進展與展望［J］.農業機械學報，2013，44(8):148-164.

［58］ 胡耀垓，趙正予，王剛.基于小波的光譜信號基線校正和背景扣除［J］.華中科技大學學報:自然科學版，2011，39(6):36-40.

［59］ Foerster J，Truppel I，Bochow-NeB O，et al.Comparison of acoustic sensor systems for quality analysis of asparagus using scanning laser vibrometry for visualization［J］.Computers and Electronics in Agriculture，2013，91:10-18.

［60］ Abbaszadeh R，Rajabipour A，Mahjoob M，et al.Evaluation of watermelons texture using their vibration responses［J］.Biosystems Engineering，2013，115(1):102-105.

［61］ 孫力，林顥，蔡健榮，等.現代成像技術在食品/農產品無損檢測中的研究進展［J］.食品安全質量檢測學報，2014，5(3):643-650.

［62］ Morrison D S，Abeyratne U R.Ultrasonic technique for non-destructive quality evaluation of oranges［J］.Journal of Food Engineering，2014，141:107-112

［63］ Laux D，Gibert O，Ferrandis J-Y，et al.Ultrasonic evaluation of coconut water shear viscosity［J］.Journal of Food Engineering，2014，126:62-64.