無損檢測技術在水果品質安全和真實性的應用研究進展

肖宏輝 李春霖 張永志 聶 晶 吳 振， 袁玉偉 ，

（1浙江省農業科學院農產品質量安全與營養研究所，浙江 杭州 310021；2寧波大學食品與藥學學院，浙江 寧波 315211；3農業農村部農產品信息溯源重點實驗室，浙江 杭州 310021）

我國是水果生產和消費大國，2022 年水果產量為31 296.2 萬噸，同比2021 年增長4.4%，位居世界前列［1］。水果中富含膳食纖維、維生素、礦物質、多酚類和有機酸類等功效成分，有較高的營養價值，適量攝入對維持人體健康、預防食源性疾病具有重要意義［2］。同時，相關研究表明，水果消費的增加與心理和主觀幸福感呈正相關［3］。

隨著消費水平不斷升級，居民對優質水果的需求日益增加。水果的品質等級由外觀、營養成分、口感、氣味、貯藏期等多種因素決定。貨架期短、易受損等因素嚴重影響了不同產地和儲運條件下的水果品質，導致有效成分含量存在差異。近年，市場上不斷出現以次充好、摻雜摻假、農藥殘留等問題，已引起政府監管部門和消費者的普遍關注［4］。目前，科學研究領域通常采用質譜法、原子熒光光譜法等方法測定水果中的品質化學成分、礦物元素等。以上方法需要大型實驗儀器并由專業人員操作，存在檢測成本高、周期長、影響水果二次銷售等問題。因此，低成本、高效率的水果無損檢測方法是當前的主要研究方向之一。

無損檢測技術是一門新興的綜合性應用學科，是在不破壞被檢測對象物理狀態和化學性質的前提下，準確獲取其內外部性質、成分等理化信息的檢測技術［5］。如圖1 所示，無損檢測技術主要包含以下幾類。①光譜技術：利用果實對光的吸收、反射、折射等特性進行檢測，根據所用光源的不同，分為近紅外光譜檢測技術、X 射線技術等，可用于水果大小、含水率、硬度等方面的檢測，應用較為廣泛。②傳感器技術：利用電子鼻模擬生物嗅覺功能，分析、識別氣味進行檢測。同一種水果在不同生長階段的氣味不同，不同品種間氣味也存在差異，該方法可用于水果成熟度、機械損傷、品種分類等方面的檢測。③聲學技術：在聲波的作用下，利用果實反射、散射、吸收等聲學特性進行檢測，如超聲波檢測技術、聲發射技術等，可用于水果硬度、成熟度、空心度等檢測。④力學技術：利用果實振動頻率、振動吸收、硬度、彈性等力學特性進行檢測，可用于水果成熟度、硬度等檢測。⑤電學技術：利用果實介電常數、電感、阻抗等介電特性進行檢測，如傳輸線技術、同軸探頭技術等，可用于水果糖度、含水率等方面的檢測。

圖1 無損檢測技術的分類及應用Fig.1 Classification and application of nondestructive testing technology

1 無損檢測技術應用于水果品質分析

1.1 品質化學成分檢測

無損檢測技術在水果品質化學成分檢測中的應用以營養成分、功能性成分和理化成分檢測為主。

1.1.1 營養成分檢測 水果的營養成分包含糖類、維生素類、膳食纖維等，它們不僅可以促進機體的新陳代謝，還可以提供一定的能量?？扇苄怨绦挝锖渴窃u價水果營養價值的重要指標之一，也是影響水果風味和口感的重要因素之一。Monago-Mara?a 等［6］利用拉曼光譜對蘋果中的可溶性固性物進行了檢測，測得完整蘋果的均方根誤差為0.66，與近紅外光譜得到的結果相似。劉燕德等［7］利用可見近紅外光譜技術預測了不同貯藏期內水蜜桃的糖度，發現在漫反射檢測方式下，糖度的最佳預測相關系數（coefficient of determination，R2）和預測均方根誤差（root mean squared error predict，RMSEP）分別為0.886和0.727。在測定甜瓜中的葡萄糖、果糖和蔗糖成分時，所建立的模型都顯示較高的準確率［8］。維生素是機體不能合成或合成量太少必須通過食物或其他途徑補取的營養物質。水果中含有大量的維生素，它不僅可以調節人體的生長發育，還可以保持肌膚美白有彈性，防止皺紋的產生［9］。Bobasa 等［10］利用便攜式近紅外光譜儀對澳大利亞卡卡杜李中的維生素C 和鞣花酸進行測定，測得維生素C 的殘差預測偏差（residual predictive deviation，RPD）值為2.1。多項研究表明，利用光譜技術測定不同水果中的維生素均取得了較好的效果［11-13］。無損檢測技術在水果營養成分檢測中的其他應用示例見表1［14-18］。

表1 無損檢測技術在水果營養成分檢測中的其他應用示例Table 1 Other examples of the application of nondestructive testing technology in the detection of fruit nutritional ingredient

1.1.2 功能性成分檢測 水果中含有豐富的多酚類、有機酸類、氨基酸類等功能性成分，其中多酚類化合物含有多種抗氧化物質，可以有效地抵抗自由基的侵害，減少疾病的發生。光譜技術可以在短時間內快速測定不同水果中的總酚［19］及類胡蘿卜素［20］含量，從而通過信號特征值來判別水果的新鮮度。Li 等［21］利用高光譜技術對桑葚中的花青素含量進行了測定，結果表明所建立的自動編碼遺傳算法極端學習機（stacked-auto encoder-genetic algorithm extreme learning machine，SAEGA-ELM）模型達到了較好的效果，其RMSEP 為0.22。此外，利用電子鼻技術能夠有效測定水果及產品中的揮發性成分及氣味特征。無損檢測技術在水果功能性成分檢測中的其他應用示例見表2［22-24］。

表2 無損檢測技術在水果功能性成分檢測中的其他應用示例Table 2 Other examples of the application of nondestructive testing technology in the detection of fruit functional component

1.1.3 理化成分檢測 水果理化成分方面的測定主要以水分和pH 值為主。水果果實中含有超過80%的水分，極易被人體吸收并利用，是影響果品新鮮度、脆度和口感的重要成分。Abasi 等［25］利用近紅外光譜儀對蘋果中的水分含量等成分進行了測定，結合偏最小二乘回歸（partial least squares，PLS）模型，得出水分含量的均方根誤差為0.009。Wang 等［26］利用高光譜成像技術對獼猴桃的pH值進行了測定，結果表明迭代保留信息變量方法、迭代空間收縮方法、模型自適應空間收縮方法、隨機森林方法以及多核支持向量回歸方法相結合預測結果最好，R2P為0.851 2。無損檢測技術在水果理化成分檢測中的其他應用示例見表3［27-31］。

表3 無損檢測技術在水果理化成分檢測中的其他應用示例Table 3 Other examples of the application of nondestructive testing technology in the detection of fruit physical and chemical compositions

1.2 感官屬性檢測

感官品質是描述和判斷水果質量最直觀的指標，主要包括視覺、聽覺、嗅覺、觸覺和味覺5 個方面，它不僅體現了水果可食用性的要求，還綜合反映了對食品安全性的要求，直接影響了水果的市場銷售價格和消費者的購買欲望。

果實的形狀、顏色、質地是判別水果成熟度的一個重要指標。傳統的水果外觀品質檢測方法主要依靠人工經驗，存在誤差較大、檢測效率低、對水果造成損傷等問題。隨著檢測精度要求的提高，可以客觀地通過無損檢測來判斷，如機器視覺成像技術、光譜技術、聲學技術等。機器視覺成像技術可以通過圖像處理和分析實現對水果表面的缺陷、褐變、變形等問題進行快速檢測和分類，并對水果的大小和形狀進行精準測量，從而保證水果品質的一致性和可靠性。劉陽等［32］采用機器視覺技術并結合高斯混合模型對有潰爛、傷疤、雨斑缺陷的青梅進行了檢測，準確率分別為100%、97.22%、92.31%。水果的顏色從側面反映了營養成分的含量，可利用人工智能技術提取桑葚的顏色和紋理特征，結合支持向量機算法建立人工神經網絡（artifificial neural network，ANN）模型，其成熟度的判別準確率為98.62%［33］。Xie 等［34］利用光譜技術提取香蕉的顏色特征，其建立的模型獲得了較好的預測系數。除此之外，果實的硬度和彈性指標是質量判別的重要依據。Ding等［35］利用聲振分析在線檢測系統檢測梨的硬度指標，結果表明反向傳播神經網絡（back propagation neural network，BPNN）方法具有較高的判別精度，校準集和驗證集的準確度分別為93.3%和90%。

香氣和滋味是影響水果感官品質的重要指標。水果的香氣檢測主要依靠電子鼻技術，利用氣體傳感器快速識別水果中復雜的揮發性成分，是一種用途廣泛的風味物質分析檢測方法。水果的滋味可利用電子舌和光譜技術等手段進行檢測。Zhu等［36］利用電子鼻和電子舌技術對蘋果的風味差異進行了研究，通過電子鼻技術鑒定出45 種揮發性化合物，其中含量最高的是酯類；通過電子舌技術分析發現不同品種蘋果的酸味和甜味存在明顯差異，結果表明兩種技術的協同分析在風味差異分析上具有重要意義。利用光譜技術對水果樣品進行光譜分析，通過建立模型，可以有效地檢測水果的滋味特征。研究表明，利用近紅外光譜技術可實現在0.01 s 內測定紅提樣本的甜度和酸度［37］。無損檢測技術在水果香氣和滋味中的應用可以進一步提高品質檢測效率。

2 無損檢測技術應用于水果安全性檢測

2.1 農藥殘留的測定

近年來，大量學者利用液相色譜法、酶抑制法、生物傳感器法等技術對水果類農藥殘留檢測方法進行了研究。市場上農藥殘留快速檢測的方法主要有速測箱、速測卡和速測試劑盒等，但受到檢測對象較為單一等因素限制。采用光譜、電子鼻等技術對農藥進行靈敏、廣譜和無損檢測發展迅速。其中，拉曼增強光譜技術可以獲得顯著的增強信號和豐富的分子指紋振動信息，在水果農藥殘留檢測中具有高靈敏度和特異性。Chen等［38］證實了通過表面增強拉曼散射（surface enhanced roman scattering，SERS）顯微成像技術可以研究蘋果表面的農藥殘留分布。Yazici 等［39］利用近紅外光譜技術對草莓表面的農藥進行測定，結果測得啶酰菌胺的RPD 值為2.28，唑菌胺酯的RPD 值為2.31。利用電子鼻技術可以有效吸附水果殘留農藥的揮發性成分，從而有效判別殘留農藥的種類及含量。Tang 等［40］利用電子鼻系統結合金屬氧化物半導體傳感器（metal oxide semiconductor，MOS）對殘留蘋果表面的氯氰菊酯和毒死蜱兩種農藥進行了鑒定，結果表明主成分分析法（principal component analysis，PCA）的分類效果最好。無損檢測技術在水果農藥殘留檢測中的其他應用示例見表4［41-45］。

表4 無損檢測技術在水果農藥殘留檢測中的其他應用示例Table 4 Other examples of the application of nondestructive testing technology in the detection of fruit pesticide residue

2.2 病蟲害及霉變的鑒定

水果的病蟲害和霉變是影響水果品質等級鑒定的重要因素。水果在生長、銷售過程中易受病原菌（如真菌、細菌）侵染和害蟲侵蝕，這不僅降低了水果的品質，同時對其安全性也造成了極大的影響。傳統的水果病蟲害檢測主要以人工分揀和理化檢測為主，但存在耗費時間及破壞樣本等弊端，而無損檢測技術在實現快速檢測的同時，還可以保證樣本的完整性。利用計算機視覺技術獲取水果的顏色、紋理等特征，可以有效識別芒果炭疽?。?6］和哈密棗霉變［47］。王若琳等［48］通過感應病變水果內部電場的強度和分布，對蘋果的水心病進行檢測，其中損耗因子結合人工神經網絡對水心病果和好果的判別準確率均達到100%。X 射線成像技術通過捕獲樣品內部缺陷或異物引起的射線強度的變化，按照一定的方法轉換成二維圖像，進而對樣品病蟲害進行有效的檢測。Matsui 等［49］研究表明，基于深度學習的X射線圖像分析自動檢測系統可以有效地檢測哈斯鱷梨果實的內部腐爛。電子鼻技術利用傳感器性能，在水果的病害檢測領域效果顯著。閆子茹等［50］利用電子鼻系統檢測香梨的揮發性氣體來確定香梨的腐爛程度，結果表明線性判別分析（linear discriminant analysis，LDA）對傳感器響應值變化效果最好，可以進行有效的區分。無損檢測技術在水果病蟲害及霉變檢測中的其他應用示例見表5［51-54］。

表5 無損檢測技術在水果病蟲害檢測中的其他應用示例Table 5 Other examples of the application of nondestructive testing technology in the detection of fruit plant diseases and insect pests

3 無損檢測技術應用于水果真實性鑒別

3.1 原產地判別

目前，水果及其產品的原產地認證方法包括質譜技術（同位素指紋技術、礦物質元素技術、有機成分指紋技術）、分子生物學技術、光譜技術等。其中，光譜技術因快速、高效、無損等優點逐漸得到相關學者的關注，在柑橘、蘋果、桃等水果的產地判別中取得了大量應用。

不同產地的水果受自然環境、地理條件等影響，口感及品質會存在差異，普通消費者難以通過外觀進行判定。利用快速無損檢測的手段檢測不同產地的水果，對保護消費者權益和促進產業健康發展具有重要意義。Wang 等［55］利用高光譜成像技術對浙江麗水、江西德興的紅樹莓進行了營養成分預測及產地鑒定，結果表明三個地區的紅樹莓果實營養成分存在顯著差異，采用正交偏最小二乘判別分析（orthogonal partial least squares discrimination analysis，OPLSDA）模型成功對三個地區的紅樹莓進行了分類，準確率超過98%。Xu等［56］利用近紅外光譜結合化學計量技術對山東、山西、河南和河北的瓜蔞進行了鑒別，校準集和預測集的分類準確率均高達100%。盧詩揚等［57］利用拉曼光譜結合長短期記憶（long short-term memory，LSTM）網絡對來自美國、山東和四川的櫻桃進行了產地鑒別，準確率達99.12%。光譜技術在進行產地溯源時，由于其檢測樣本數量的局限性，會對結果造成一定的誤差。因此，需要通過增加樣本數量，使分類精度進一步提高。無損檢測技術在水果原產地判別中的其他應用示例見表6［58-62］。

表6 無損檢測技術在水果原產地判別中的其他應用示例Table 6 Other examples of the application of nondestructive testing technology in fruit origin discrimination

3.2 標簽信息判別

水果標簽包括品種名稱、貯藏時間等信息，但部分不法分子受經濟利益驅使，在標簽上弄虛作假，極大地損害了消費者權益。傳統的水果品種分類和貯藏時間檢測取決于個人的視覺和嗅覺，具有較強的主觀性，容易出現誤判；侵入性檢測方法會導致水果創傷，不適合廣泛應用。因此，迫切需要開發簡單、準確、無損的品質檢測方法。

近年，國內外學者對于水果品種方面的研究主要采用近紅外光譜技術、紫外/可見光譜技術、高光譜成像技術。馬惠玲等［63］利用高光譜成像技術對3個蘋果品種進行分類，得出徑向基核函數支持向量機模型的準確率可達96.67%。尚靜等［64］證實了利用紫外/可見光譜技術結合化學計量學方法可以有效地對3 個不同品種的蘋果進行區分。不同貯藏時間的水果對銷售質量和消費者的滿意程度都產生了極大的影響。利用電子耳系統采集水果振動的聲學信號，可以有效識別水果的貯藏時間。Alipasandi 等［65］通過獲取西瓜的聲學信號對未成熟、成熟和過熟三種類型進行分辨，其最優結果為77.3%。陸勇等［66］通過聲振法選取3個特征值并建立西瓜貯藏時間的多元線性回歸模型，模型的確定系數為0.931 3。無損檢測技術在水果貯藏時間判別中的其他應用示例見表7［67-69］。

表7 無損檢測技術在水果貯藏時間判別中的其他應用示例Table 7 Other examples of the application of nondestructive testing technology in fruit storage time discrimination

4 結語與展望

4.1 結語

目前，我國水果的生產逐步向連續化、自動化、智能化和標準化方向發展。將無損檢測技術應用于連續化生產線中，可以實現在非接觸下對果實的外觀質量、內部成分和結構等品質指標進行全面評估，也可以聯合人工智能技術實現對水果的分類、分級和計數。無損檢測技術憑借操作速度快、無需大量預處理、不破壞產品原有形態等優點，已初步應用于水果的品質評價、產品分級和安全鑒定，但仍存在亟需突破的技術難點。

4.1.1 檢測范圍有限 無損檢測技術大多應用于小型薄皮水果的品質安全檢測，在大型厚皮水果的應用較少。原因是無損檢測信號難以穿透大型厚皮水果，無法獲取或獲取的檢測信號較弱，難以從中提取到足夠的有效信息，造成檢測精度較低。因此，需要進一步完善現有應用技術及開發新的無損檢測技術。

4.1.2 硬件性能差 硬件設備的穩定是獲取高質量原始信號的關鍵，是保證水果品質無損檢測的前提。電子鼻和電子舌技術存在傳感器具有選擇性和限制性、易受環境因素影響、便攜性差等弊端，光譜技術及其他無損檢測技術存在設備成本較高的問題。因此，需要提高傳感器的靈敏度、穩定性及優化現有無損檢測儀器設備的結構和參數，降低規?；瘷z測成本。

4.1.3 提高檢測精度 水果樣本由于存在品種、地理環境等方面的差異，會造成一定的模型適應性問題，影響檢測精度。模型的精度十分依賴于算法和模型建立，選取與檢測樣品信息高度匹配、針對性強的新型化學計量學方法，將有利于提高模型的精度。

4.2 展望

4.2.1 便攜式儀器的研發 現有部分檢測儀器過于龐大，不方便攜帶且只能在實驗室中進行，而小型便攜式儀器的研發能夠很好地滿足及時、準確的現場分析要求。通過提升光纖探頭的性能，研發體積小且功率大的二極管激光光源以及優化儀器的結構，如增加小型計算機的接口，以及連接便攜式打印機等方法，可以有效提高儀器設備的精度、提升實時在線檢測的效率。

4.2.2 多種無損檢測技術的聯合使用 單一無損檢測技術只針對某一類指標，未能實現多種目標的同時檢測，無法實現水果的綜合品質評價。通過多種技術的聯合使用，如光譜技術和傳感器技術的聯合使用，以及信息融合技術，如數據融合或多傳感器信息融合，憑借信息量大、容錯能力較好的優點可以對水果產品進行多方面、多層次、多級別的處理，得到更準確和可靠的結果。

4.2.3 通用模型的建立 現有儀器檢測獲得的信息數據量大，處理繁瑣，未能實現一種模型對多種指標檢測的通用性。未來，可以通過尋找最優的建模參數，優化現有的特征提取算法和建模算法，并結合“模型更新”方法，如添加額外樣本信息來改善模型性能的方法，建立一套準確、穩定、建模成本低、工作量小的水果品質安全無損檢測通用模型。