苹果糖度无损检测技术研究进展分析

2022-11-17张嘉君许海涛张子沫赵建禹

食品安全导刊 2022年22期

张嘉君，许海涛，张子沫，赵建禹

（天津理工大学集成电路科学与工程学院，天津 300384）

苹果作为一种营养物质丰富、易于贮存的水果，深受广大消费者喜爱。随着人们生活水平的提高，人们越来越关注苹果的酸度、糖度及维生素含量等品质特征。传统的检测技术主要通过化学方法检测苹果的糖度，需事先破坏苹果取出少量样品，通过化学试剂处理测量苹果糖度，其过程往往费时费力、成本较高。因此，开展有关苹果糖度无损检测的研究具有十分重要的意义。

通过相关调研，本文从光谱分析、介质频谱分析、后向散射光斑分析、CT技术分析及光子模拟传输等方面阐述现如今无损检测技术的发展现状及技术原理，并对无损检测领域未来的发展方向与前景进行展望。

1 无损检测的定义

无损检测是指在不伤害被检测对象内部组织的前提下，完成对物质特性参数的定量测量。常见的无损检测往往通过研究电磁性质参数随物质的某一理化特性参数的变化情况建立起无损检测模型，从而实现对该特性参数的定量分析。苹果的糖分中含有大量O-H基团和C-H基团，且含量越多，对应的糖度值越高[1]。同时，也正因为这两种官能团的大量存在，使不同糖度下的苹果果肉对外界的响应各不相同，存在一定的相关性，这也为实现无损检测提供了可能。

2 常见的无损检测手段分析

2.1 基于光谱分析的苹果糖度无损检测技术

2.1.1 基于近红外光谱分析的苹果糖度无损检测技术

近年来，近红外光谱技术得益于其检测速度快和对被检测物无损伤、无污染的特点，被广泛应用于果蔬品质安全的检测。近红外光波长处在中红外光和红光波长之间，该波长区域内通过对苹果进行近红外光谱扫描并记录含有氢原子化学键振动的组合频吸收和倍频吸收信息，进而推测出苹果中含氢基团的各项信息指标与苹果糖度值的对应关系，从而建立起预测模型。田喜等[2]通过利用近红外光谱对苹果糖度进行检测，并且对检测模型进行优化，最终得到了苹果糖度检测的通用模型，实现了对苹果糖度值的无损精确测量。

2.1.2 基于高光谱分析的苹果糖度无损检测技术

高光谱成像技术主要基于近红外光谱分析原理和二维成像原理，通过分析高光谱图像中各像素点的图像信息与待检测点的光谱信息，从而实现对物质外部特征及内部理化性质的同时获取。袁旭林等[3]利用高光谱成像信息获取完备的特点，成功研制出一种基于高光谱成像技术的苹果糖度无损检测系统。该系统验证了基于竞争性自适应重加权算法的偏最小二乘回归预测模型为最优模型。交叉验证均方根误差RMSECV为0.3203，测试集决定系数Rp为 0.9308，测试集均方根误差RMSEP为0.4681，模型展现出较好的适用性。

2.1.3 基于可见光光谱分析的苹果糖度无损检测技术

一般来讲，基于红外光谱分析所需实验条件较为苛刻，对光栅等实验器材的要求较高。因此，基于可见光波段的光谱分析技术逐渐成为一种新的、具有广阔发展前景的技术。相较于基于近红外光谱分析，国内外对基于可见光回归分析的苹果糖度无损检测技术的研究相对较少，比较有代表性的是曹锡磊等学者[4]的研究，其结果充分证明，当570 nm和682 nm的光照射苹果表面时漫反射光强同苹果糖度值之间具有良好的线性关系，其相关系数可达0.793与0.721。这也体现了在可见光波段利用回归分析的方法实现苹果糖度无损检测的可靠性与可行性。

2.2 基于介电频谱分析的苹果糖度无损检测技术

除光谱特性外，物质的介电特性同样能用于检测苹果的糖度。通过探究物质的介电特性变化规律，可了解物质内部的组成成分，进而对其内部品质建立起一个合适的评价模型。王转卫等[5]通过收集不同糖度值下苹果相应点位的相对介电常数ε'以及介质损耗因数ε''数据，分别构建了基于最小二乘支持向量机方法（LS-SVM方法）及支持向量机方法（ELM方法)的预测模型。结果表明，基于LS-SVM方法及ELM方法的预测模型对测试集的预测结果与实际测试数据的相关系数分别在0.94及0.71以上，充分证明基于LS-SVM方法的预测模型更适用于苹果糖度的检测，为后续展开科研工作指明了方向。

值得注意的是，除相对介电常数以及介质损耗因数外，国内研究表明苹果所具有的电阻值Rp与其糖度值也同样具有一定的相关性，而与其电感值Lp、电容值Cp不相关[6]。

2.3 基于光散射图像分析的苹果糖度无损检测技术

激光散射图像分析技术作为一种基于光散射原理、图像处理及图像分析的新兴技术，被广泛应用于无损检测领域。当激光器所发射的激光经准直扩束装置照射苹果表面时，会在苹果表面形成散斑。通过研究激光散射图像的变化情况可对苹果的糖度值进行无损检测。在这一领域，徐苗等[7]设计的基于激光散射图像检测水果糖度和硬度的便携式仪器通过分析激光散射图像中的颜色及纹理特征参数，成功地建立了对苹果硬度和糖度的PLS-DA和SVM-C预测模型，准确率分别可达82%与88%。

除利用图像的各项特征参数外，还可通过建立散射光斑图像的灰度值与苹果糖度值之间的关系，实现对糖度的定点无损测量。战钱等[8]设计的窄带滤光片所构成的后向散射光斑分析系统为人们提供了相关思路。该课题组通过分析5个特定波长下的后向散射光斑图像，利用回归分析的方法建立起光斑图像的总灰度、平均灰度分别对苹果糖度值的检测模型。经测验，后向散射光斑的图像总灰度、平均灰度与苹果糖度值的相关系数分别为0.5077和 0.7759，揭示了散射光斑图像的灰度值与苹果糖度值之间存在较好的相关性。

2.4 基于光子模拟传输分析的苹果糖度无损检测技术

基于传统检测技术的苹果品质评价手段，其结果往往受样本数量等因素的影响，为解决此问题，徐焕良等[9]通过利用光子模拟传输的方法妥善地解决了因样本数量不足造成的误差较大的问题。该课题组通过利用蒙特卡洛算法仿真在苹果中光子的运动轨迹，进而得到了20000幅苹果表面光亮度分布图像。通过合理地设置各项标签参数，采用卷积神经网络得到训练模型，并且利用迁移学习的方法实现了对各项光学特性参数（吸收参数μa与散射参数μs）的反演，成功建立起神经网络模型的输出结果与苹果糖度值之间的联系，体现了深度学习在光学传感测量领域的应用优势。

2.5 基于CT分析原理的苹果糖度无损检测技术

作为一种基于X射线的计算机断层扫描技术，CT技术利用X射线振动频率高、穿透力强与方向性好的特点，可准确、高效地得到苹果内部各断层的图像，进而推测苹果内部的品质信息，由此实现对苹果糖度值的无损测量。基于此原理，黄滔滔等[10]利用CT技术成功建立起中心断面果肉区CT均值与苹果整体内部品质参数的关系模型，该模型对苹果糖度的检测误差保持在4.96%以内，充分展示了CT技术在无损检测领域内广阔的应用发展前景。