水果成熟度近紅外光譜及高光譜成像無損檢測

分類:論文范文 發表時間:2021-06-04 09:55

  摘要:成熟度作為一項水果品質重要評價指標,與水果的采收、儲存、加工、運輸、銷售等環節息息相關,也是其產量和質量的關鍵影響因素之一。本文綜述了國內外近十年來利用近紅外光譜和高光譜成像技術檢測水果成熟度的研究現狀。從水果成熟度定性判別和成熟度參數定量預測兩個方面入手,詳細分析了光譜儀器工作波段、光譜采集方式、光譜采樣區域、成熟度表征因子、單一成熟度參數、多元成熟度指數對最終檢測模型精度和穩定性的影響。最后展望了近紅外光譜和高成像技術在水果成熟度檢測方向的未來發展趨勢,以期為相關領域研究工作提供科學依據和技術參考。

  關鍵詞:水果成熟度,近紅外光譜,高光譜成像,無損檢測,研究進展

  成熟度這一指標在水果產業中扮演著重要角色,對水果的采收時間和采后加工處理方式起主導作用[1]。如果采收過早,水果產量低、品質差、風味不好;采收過晚,水果易脫落、硬度下降、貨架期短[2]。因此,建立水果成熟度評價方法,不僅有助于水果的科學按需采摘及采后分選,也可提高水果的經濟效益,滿足水果產業的發展需求。

水果成熟度近紅外光譜及高光譜成像無損檢測

  1近紅外光譜和高光譜成像

  近紅外光譜是由于分子振動的非諧振性使分子振動從基態向高能級躍遷時產生的,反映了含氫基團(C-H、N-H、O-H)伸縮振動的倍頻和合頻吸收[11]。近紅外光譜區是指波長介于780~2526nm的區域。在進行光譜檢測時,入射光經樣品吸收、透射或反射后被定向探測器采集并攜帶大量的光譜信息,通過對吸收譜峰的解析可以得到樣品的理化成分信息,從而完成對樣品的無損檢測[12]。近紅外光譜設備成本低、檢測速度快,可以實時獲取樣品的光譜信息,適合在線檢測過程中使用,系統魯棒性好。但該類設備只能進行單點檢測,將其應用于水果成熟度檢測,由于水果內部成分分布的不均勻性,以點概面會產生一定程度上的檢測誤差,且所測樣品之間的差異性需要足夠大才能獲得準確的成熟度判別模型。

  2水果成熟度檢測

  利用近紅外光譜和高光譜成像技術檢測水果成熟度可分為對水果成熟度的定性判別以及對水果成熟度參數的定量預測,本節將從這兩個方面展開論述。

  2.1水果成熟度的定性判別

  利用光譜技術將不同成熟度的水果準確地區分開來,有助于按需供銷,提高果蔬的市場競爭力。為了驗證各類光譜系統對不同水果的分類能力,實驗室中將水果預先分為若干成熟度等級,如未熟、半熟、成熟和過熟。劃分水果成熟度等級的依據一般包括以下3種:(a)根據盛花期天數分批采樣,每一批次樣品的成熟度為一個等級[15];(b)根據水果的著色程度,比如果皮綠色面積占其總面積的比例[16];(c)對于同一批次采集的樣品,依靠專業人士根據水果的色澤、風味、硬度等指標進行成熟度劃分[17],或者利用水果的后熟特性,每間隔一段時間測量部分樣本的光譜數據和理化指標[18]。然后根據水果的近紅外光譜特征進行成熟度分類,其中影響分類準確率的因素有:光譜儀器的工作波段、光譜采集方式、光譜采樣區域和成熟度表征因子。

  2.2果品成熟度參數的定量預測

  成熟度參數是指在水果成熟過程中變化相對明顯的理化指標,當這些理化指標的值在某一區間范圍時,可以反映水果的成熟度等級和采摘時間[34]。利用近紅外光譜和高光譜成像技術檢測水果的成熟度參數,主要分為基于單一成熟度參數的定量預測和基于多元成熟度指數的綜合評價。表2列舉了不同水果的成熟度參數定量預測方法及結果。

  3其他類果實成熟度檢測

  除水果外,也有部分學者嘗試使用近紅外光譜及其成像技術檢測油料作物果實的成熟度。Bensaeed等[52]對400~1000nm范圍內的油棕果實高光譜數據分析后發現830nm和880nm是劃分不同成熟度油棕果實的最佳波長,Dharma等[53]等利用GANN(GeneticAlgorithmNeuralNetwork)建立了油棕果實成熟度的判別模型,分類準確率在80%以上。José等[54]對橄欖的近紅外光譜特征進行跟蹤觀測,建立PLSR模型能較好地預測不同成熟度階段橄欖的品質參數。Zou等[55]將帶殼花生的高光譜圖像解混,使用FCLS(FullyConstrainedLeastSquares)實現了不成熟與成熟花生的準確分類,與傳統的剝殼觀察花生仁顏色判斷成熟度的做法相比,該方法有很大的優勢。油料作物成熟度不僅決定其收獲時間,也影響其產量和油質。使用光譜技術長期監測油料作物的成熟狀態,有助于油料作物的精準適時采收,實現產量、品質及經濟效益的最大化。

  4發展趨勢

  準確判斷水果的成熟度,不僅可以確定采摘的最佳時間,而且有利于良種培育、貯藏、運輸和深加工。傳統的根據從業人員經驗或者利用理化指標檢測儀判斷成熟度的方法存在明顯的缺陷,使得近紅外光譜和高光譜成像等無損檢測技術在水果成熟度判別方面具有廣泛的應用前景。

  (a)檢測硬件方面:目前,高光譜成像設備成本高和圖像處理速度慢仍然是高光譜成像技術在水果檢測應用中的發展障礙[56]。開發低成本實時成像的高速多光譜檢測系統,可大幅降低高光譜高維數據的處理時間。可以有針對性地選擇信息最豐富的波段,以便使用價格低廉的激光二極管來代替連續激光光源和單色器,從而研發低成本高效益的多光譜傳感器。

  (b)檢測對象方面:水果擁有多樣的物理形態和豐富的化學成分,這要求檢測時除了采用合適的光譜采集方式外,也要選擇合理的數據采集波段。近紅外光譜中波長較短的部分(<1100nm)可以更好地穿透生物材料,如果感興趣的化學成分位于生物材料的深處,這個短波區域將提供更有效的光譜信息,而化學成分靠近表面,則長波區域(>1100nm)會更有效[57]。對于光譜采集區域,通過分析光與水果內部組織交互作用機理,尋找并建立水果感興趣區域的標準庫將有助檢測模型精度和研究效率的提升。

  參考文獻:

  [1]JohnPJ.Handbookonpostharvestmanagementoffruitsandvegetables[J].Agrotécnica,2013:49-52.

  [2]KaderAA.Flavorqualityoffruitsandvegetables[J].JournaloftheScienceofFoodandAgriculture,2008,88(11):1863-1868.

  [3]ObasiMO.EvaluationofgrowthanddevelopmentinmangofruitsCvs.JulieAndPeterToDetermineMaturity[J].BioResearch,2005,2(2).

  [4]蘭海鵬,張宏,唐玉榮.一種基于成熟規律的水果成熟度評價方法[P].專利:104597217,2015-05-06

  胡逸磊姜洪喆周宏平王影

關鍵詞:水果,成熟度,近,紅外,光譜,及高,成像,摘要,

上一篇:考慮采收成熟度的生鮮水果兩階段定價策略研究 下一篇:泰安企業信息化和電子商務應用發展研究

A片在线观看全免费-免费A片在线网站大全高清