桃品質(zhì)的無損檢測(cè)技術(shù)研究進(jìn)展

武琳霞，李 玲，習(xí)佳林，王 蒙,*

（1.北京市農(nóng)林科學(xué)院質(zhì)量標(biāo)準(zhǔn)與檢測(cè)技術(shù)研究所，北京 100097；2.北京市農(nóng)產(chǎn)品質(zhì)量安全中心，北京 100029）

桃（(L.) Batsch）是薔薇科、桃屬的核果類，原產(chǎn)于我國(guó)西北地區(qū)。我國(guó)是世界最大的桃生產(chǎn)國(guó)，2019年我國(guó)桃栽培總面積為84.1萬 hm，總產(chǎn)量達(dá)1 584萬 t，占世界總產(chǎn)量的61.6%。桃的品種豐富，按照果肉的顏色可以分為白肉桃、黃肉桃、紅肉桃3 種類型。另外根據(jù)外觀和感官特性，桃可以被分為油桃和毛桃、離核和黏核、溶質(zhì)型和非溶質(zhì)型等。桃為五果（桃、李、杏、棗、栗）之首，深受廣大消費(fèi)者歡迎，其不僅果實(shí)香甜/美味多汁，而且營(yíng)養(yǎng)豐富，包含多酚、可溶性糖、有機(jī)酸、維生素、礦物質(zhì)和膳食纖維等多種營(yíng)養(yǎng)物質(zhì)。

由于桃通常在炎熱多雨的夏季采摘，容易發(fā)生變質(zhì)，3～5 d內(nèi)風(fēng)味會(huì)發(fā)生迅速變化。因此為了延長(zhǎng)貯藏期，通常會(huì)提前采摘或低溫運(yùn)輸貯存，但這也會(huì)對(duì)桃的風(fēng)味品質(zhì)產(chǎn)生影響。近幾十年來，在美國(guó)和歐洲桃的人均消費(fèi)量有不斷下降的趨勢(shì)，且這一趨勢(shì)并沒有隨著改良品種的出現(xiàn)而發(fā)生變化。調(diào)查顯示這與桃子未成熟、過熟以及采后生理障礙等原因?qū)е碌钠焚|(zhì)問題相關(guān)。因此桃的品質(zhì)（質(zhì)地、顏色、形狀、大小、含糖量和營(yíng)養(yǎng)價(jià)值）決定了市場(chǎng)的接受程度。桃果實(shí)品質(zhì)包括外部品質(zhì)和內(nèi)部品質(zhì)，外部品質(zhì)主要包括大小、形狀、色澤、香氣、表面缺陷等，內(nèi)在品質(zhì)主要包括硬度、糖度、酸度以及裂核、冷害、蟲害等內(nèi)部缺陷。外部品質(zhì)主要采用人工檢測(cè)的方法，分級(jí)效率較低且漏檢率高，內(nèi)部品質(zhì)多采用傳統(tǒng)破壞式檢測(cè)手段，費(fèi)時(shí)費(fèi)力，而且無法全量、實(shí)時(shí)、在線檢測(cè)。因此研究高效、精確的農(nóng)產(chǎn)品品質(zhì)無損檢測(cè)技術(shù)，對(duì)推動(dòng)農(nóng)業(yè)健康持續(xù)發(fā)展、提高農(nóng)產(chǎn)品交易價(jià)格和確保我國(guó)農(nóng)業(yè)大國(guó)的地位具有十分重要的現(xiàn)實(shí)意義。

農(nóng)產(chǎn)品品質(zhì)無損檢測(cè)是指在不破壞檢測(cè)對(duì)象的情況下，采用一定的檢測(cè)技術(shù)和分析方法對(duì)農(nóng)產(chǎn)品的內(nèi)在品質(zhì)和外在品質(zhì)進(jìn)行測(cè)定，并按一定的標(biāo)準(zhǔn)對(duì)其做出評(píng)價(jià)的過程。根據(jù)檢測(cè)原理的不同，目前應(yīng)用于桃品質(zhì)無損檢測(cè)方法主要有基于聲學(xué)特性的檢測(cè)技術(shù)、基于力學(xué)特性的檢測(cè)技術(shù)、基于介電特性的檢測(cè)技術(shù)、基于光學(xué)特性的檢測(cè)技術(shù)和基于電子鼻的檢測(cè)技術(shù)等。

1 基于聲學(xué)特性的桃品質(zhì)檢測(cè)技術(shù)

農(nóng)產(chǎn)品的聲學(xué)特性是指農(nóng)產(chǎn)品在聲波刺激下的反射特性、散射特性、透射特性、吸收特性、衰減系數(shù)、聲阻抗、固有頻率與聲波在農(nóng)產(chǎn)品中的傳播速度等，反映農(nóng)產(chǎn)品本身與聲波相互作用的基本規(guī)律。聲波檢測(cè)設(shè)備由聲波發(fā)生器、聲波傳感器、電荷放大器、動(dòng)態(tài)信號(hào)分析儀、微型計(jì)算機(jī)、繪圖儀或打印機(jī)等組成。在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中，聲學(xué)特性通常用于水果硬度、糖度、成熟度、空心、內(nèi)部損傷的檢測(cè)。根據(jù)理論計(jì)算可知，樣品的共振頻率與其尺寸、密度和泊松比相關(guān)。有研究表明，通過振動(dòng)頻率分析方法測(cè)定三階共振頻率與二階共振頻率的比值，可以準(zhǔn)確地預(yù)測(cè)未收獲桃發(fā)生裂核的時(shí)間，并將裂核果與正常果區(qū)分開來，便攜檢測(cè)裝置如圖1所示。利用電磁閥敲擊水果裝置對(duì)貯藏期桃子的硬度進(jìn)行檢測(cè)，頻帶幅度參數(shù)與硬度之間的決定系數(shù)（）為0.91。通過檢測(cè)桃子4 個(gè)不同部位的聲學(xué)特性，利用檢測(cè)得到的150～200 Hz與0～500 Hz范圍內(nèi)聲波能量的比值，計(jì)算得到頻帶幅值150～200 Hz的數(shù)值，與4 個(gè)部位的硬度實(shí)際值進(jìn)行相關(guān)性比較，結(jié)果表明同一部位2點(diǎn)或者4點(diǎn)均值所建立的模型準(zhǔn)確率較高，對(duì)兩個(gè)品種的桃子均有很好的預(yù)測(cè)效果。為了分別研究壓電式傳感器和麥克風(fēng)（非接觸式）對(duì)兩個(gè)品種桃子聲學(xué)特性采集信號(hào)的影響，多元回歸分析結(jié)果表明麥克風(fēng)采集的聲音信號(hào)參數(shù)與硬度之間決定系數(shù)基本一致（為0.64和0.74）。而壓電式薄膜傳感器采集的聲音信號(hào)參數(shù)與硬度之間的相關(guān)系數(shù)分別為0.26和0.53，由此可知麥克風(fēng)采集的效果較好。

圖1 桃果實(shí)的聲振動(dòng)測(cè)量裝置[11]Fig. 1 A portable system for detecting peach fruit based on acoustic vibration[11]

基于聲學(xué)特性的檢測(cè)技術(shù)具有成本低、檢測(cè)設(shè)備簡(jiǎn)單、價(jià)格低廉、易于操作、不易受到外界環(huán)境干擾、檢測(cè)效果好、可在各種環(huán)境中工作和易實(shí)現(xiàn)自動(dòng)化等優(yōu)點(diǎn)。但其檢測(cè)精度較低，且目前的研究對(duì)象多為西瓜、蘋果等果皮較厚或質(zhì)地堅(jiān)硬的果實(shí)，對(duì)桃、梨、番茄和甜瓜也具有相關(guān)研究，但研究較少。

2 基于力學(xué)特性的桃品質(zhì)檢測(cè)技術(shù)

力學(xué)方法是利用農(nóng)產(chǎn)品的力學(xué)特性（如振動(dòng)頻率、振動(dòng)吸收、硬度、彈性等特性）進(jìn)行檢測(cè)的方法。利用聲波和振動(dòng)可以檢測(cè)農(nóng)產(chǎn)品的品質(zhì)指標(biāo)和待測(cè)物內(nèi)部的組織狀態(tài)。國(guó)外研究者探討了多種基于動(dòng)力學(xué)原理的農(nóng)產(chǎn)品品質(zhì)檢測(cè)方法，如機(jī)械沖擊產(chǎn)生的聲頻信號(hào)檢測(cè)、機(jī)械沖擊相應(yīng)的頻率分析和水果沖擊力檢測(cè)等。

通過鋼球沖擊水果引起相應(yīng)的彈性變形，物理特性實(shí)驗(yàn)室（Physical Properties Laboratory，LPF）開發(fā)的“LPF-橫向碰撞傳感器2.0”（圖2）被用于測(cè)定桃果實(shí)的硬度，結(jié)果表明鋼球壓縮的最大力與沖擊過程的最大加速度密切相關(guān)（＝0.75），而且研究表明通過將沖擊力檢測(cè)與振動(dòng)頻率分析相結(jié)合的方法，對(duì)兩個(gè)不同硬度等級(jí)的桃正確分類率大于93%。還有研究利用桃沖擊金屬平面的沖擊力響應(yīng)來進(jìn)行硬度的無損檢測(cè)，通過分析果實(shí)硬度、落果高度和果實(shí)質(zhì)量對(duì)沖擊力參數(shù)（恢復(fù)系數(shù)、能量吸收率和沖擊時(shí)間系數(shù)）的影響，可以建立沖擊力參數(shù)與硬度的關(guān)系。研究發(fā)現(xiàn)，落果高度、落果部位（果頰）和落果質(zhì)量對(duì)果實(shí)的沖擊力參數(shù)影響不顯著，能量吸收率隨成熟度的增加而增加，力-時(shí)沖擊系數(shù)和恢復(fù)系數(shù)隨成熟度的增加而減??；分別采用多項(xiàng)式模型、S模型和指數(shù)模型，得到了3 個(gè)沖擊特性參數(shù)（力-時(shí)沖擊系數(shù)、恢復(fù)系數(shù)和能量吸收率）與桃硬度的關(guān)系，分別為0.932、0.910和0.941。

圖2 “LPF-橫向碰撞傳感器2.0”裝置示意圖[10]Fig. 2 Schematic diagram of “Physical Properties Laboratory(LPF)-Lateral Impact Sensor 2.0”[10]

力學(xué)特性檢測(cè)技術(shù)有利于判斷果品的適宜采收期，進(jìn)而按照成熟度對(duì)果品進(jìn)行分級(jí)貯藏，根據(jù)對(duì)果品內(nèi)部的檢測(cè)確定保鮮期和貯存期。有研究人員認(rèn)為沖擊力方法更適合檢測(cè)質(zhì)地較軟水果的硬度，而聲學(xué)檢測(cè)更適合質(zhì)地較硬水果。該項(xiàng)技術(shù)盡管有著比較堅(jiān)實(shí)的實(shí)踐基礎(chǔ)和應(yīng)用基礎(chǔ)，但是由于果品品質(zhì)與物理參數(shù)之間的復(fù)雜關(guān)系，要達(dá)到實(shí)際應(yīng)用還需很長(zhǎng)的研究過程。

3 基于介電特性的桃品質(zhì)檢測(cè)技術(shù)

介電特性是指物質(zhì)在外加電場(chǎng)中表現(xiàn)出的電學(xué)性質(zhì)，是電介質(zhì)的固有性質(zhì)，是物質(zhì)內(nèi)部組織結(jié)構(gòu)和組成成分的宏觀表現(xiàn)。果品是一種電介質(zhì)，因此，可將被測(cè)水果直接放入平板電極間測(cè)定其電特性參數(shù)（介電常數(shù)、電感、阻抗等）來反映水果品質(zhì)特性。將常見的水果如蘋果、桃、橘子、香蕉等作為研究對(duì)象，通過測(cè)量150 MHz下果肉和果皮的介電特性，可知含水率的變化導(dǎo)致介電性存在差異。為了探索利用果品的介電特性無損預(yù)測(cè)桃品質(zhì)的可能性，以糖度作為內(nèi)部品質(zhì)指標(biāo)，通過矢量網(wǎng)絡(luò)分析儀測(cè)定貯藏10 d內(nèi)，300 個(gè)油桃在20～4 500 MHz頻率下的相對(duì)介電常數(shù)和介電損耗因子，連續(xù)投影算法結(jié)合極限學(xué)習(xí)機(jī)可以取得良好預(yù)測(cè)效果（預(yù)測(cè)相關(guān)系數(shù)為0.887，預(yù)測(cè)均方根誤差（root mean squared error of prediction，RMSEP）為0.782）。

微波成像是近幾年興起的技術(shù)，在食品領(lǐng)域應(yīng)用還較少，是以微波作為信息載體的一種成像手段。其原理是用微波照射被測(cè)物體，然后通過物體外部散射場(chǎng)的測(cè)量值來重構(gòu)物體的形狀或（復(fù)）介電常數(shù)分布。由于微波成像具有2 個(gè)顯著優(yōu)點(diǎn)：對(duì)被測(cè)物的水分含量非常敏感；微波能穿透介電材料，產(chǎn)生的電磁場(chǎng)特征能反映被測(cè)物體的內(nèi)部特征。因此，微波成像技術(shù)受到了越來越多的關(guān)注。盡管微波的分辨率不夠高，但其穿透深度高?；谖⒉ǖ牡吞掌澆ǘ?，支持向量機(jī)對(duì)損傷桃樣本的分類精度可達(dá)到100%，其檢測(cè)系統(tǒng)如圖3所示。

圖3 毫米波成像檢測(cè)系統(tǒng)[18]Fig. 3 Measurement setup of millimeter wave imaging[18]

利用介電特性對(duì)農(nóng)產(chǎn)品品質(zhì)進(jìn)行快速無損檢測(cè)的研究可以追溯到20世紀(jì)60年代，電學(xué)參數(shù)的測(cè)定快捷、靈敏、操作方便，對(duì)實(shí)現(xiàn)水果內(nèi)部品質(zhì)綜合指標(biāo)的檢測(cè)與分級(jí)、加工及貯藏都有很重要的價(jià)值，特別是在果品的分選上具有廣闊的前景。但目前大多數(shù)研究?jī)H僅證明了基于介電特性的水果品質(zhì)無損檢測(cè)系統(tǒng)在技術(shù)上和原理上都是可行的，仍然沒有達(dá)到真正實(shí)用階段，利用介電特性檢測(cè)果品品質(zhì)時(shí)，測(cè)試結(jié)果會(huì)受到測(cè)定頻率/電壓信號(hào)、果實(shí)水分含量、環(huán)境溫度、濕度等參數(shù)影響，其分選精度和分選效率受到很大的限制。

4 基于光學(xué)特性的桃品質(zhì)檢測(cè)技術(shù)

基于光學(xué)特性的檢測(cè)技術(shù)是指利用物體對(duì)光的吸收、反射、散射及透射特性通過特定設(shè)備從物體或其圖像中提取信息進(jìn)行處理并加以解釋，最終確定果實(shí)內(nèi)部品質(zhì)的一種方法。近年來，隨著圖像處理技術(shù)的發(fā)展，基于光學(xué)特性的檢測(cè)技術(shù)的應(yīng)用也越來越廣泛。根據(jù)所用光源的不同該類技術(shù)可分為可見光檢測(cè)技術(shù)、近紅外檢測(cè)技術(shù)、高光譜檢測(cè)技術(shù)等。該項(xiàng)技術(shù)可廣泛用于谷物、水果等多種產(chǎn)品的化學(xué)成分和物理特性分析。

4.1 可見光檢測(cè)技術(shù)

目前，在水果品質(zhì)檢測(cè)中可見光檢測(cè)技術(shù)應(yīng)用最多的是基于可見光成像的計(jì)算機(jī)視覺技術(shù)，該技術(shù)通過相機(jī)獲取水果圖像，經(jīng)過數(shù)字處理后依據(jù)圖像的像素分布和亮度、顏色等信息，來進(jìn)行尺寸、形狀、顏色及缺陷等的判別。

計(jì)算機(jī)視覺技術(shù)對(duì)不同品種及不同類別的水果均有很好的識(shí)別能力。機(jī)器視覺可以將蘋果、香蕉、柑橘、梨、楊桃和火龍果分類。運(yùn)用高斯濾波、直方圖均衡化、Otsu分割算法、Canny邊緣檢測(cè)算子等方法處理圖像，基于支持向量機(jī)的多分類模型，同時(shí)使用研究出的異常懲罰因子對(duì)被測(cè)樣本進(jìn)行不完全分類，之后建立基于線性核函數(shù)的支持向量機(jī)多分類模型，對(duì)6 種水果的分類準(zhǔn)確率分別為95%、80%、97.5%、86.7%、92.5%、96.7%?；跈C(jī)器視覺也可實(shí)現(xiàn)水果的圖像自動(dòng)分割與產(chǎn)量估計(jì)。以蘋果、石榴、橘子、桃子、荔枝等不同的水果為研究對(duì)象，利用顏色特征對(duì)在不同光照條件下獲取其圖像進(jìn)行分割，基于形狀分析，采用邊緣檢測(cè)和圓形擬合相結(jié)合的方法對(duì)水果進(jìn)行自動(dòng)識(shí)別。對(duì)獲取的邊界點(diǎn)進(jìn)行圓形擬合，分割出的圓形數(shù)量則可作為該圖像中的水果總數(shù)。為實(shí)現(xiàn)近色背景下綠色果實(shí)的準(zhǔn)確識(shí)別，以未成熟桃子、番茄、柿子、柑橘為研究對(duì)象，分別采用傳統(tǒng)特征提取方法和基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法，可以對(duì)自然場(chǎng)景下的綠色果實(shí)進(jìn)行檢測(cè)。陽山水蜜桃糖度智能化無損實(shí)時(shí)檢測(cè)與分級(jí)裝置則能夠通過對(duì)數(shù)據(jù)進(jìn)行分析、比較，來實(shí)現(xiàn)判斷陽山水蜜桃體積、質(zhì)量，然后發(fā)出指令由機(jī)械輸送系統(tǒng)送往相應(yīng)的等級(jí)出口。通過高分辨率數(shù)碼相機(jī)從不同角度捕捉水果的圖像，根據(jù)圖像中果實(shí)的水平和垂直距離，以及結(jié)合計(jì)算機(jī)視覺系統(tǒng)，可以對(duì)水果的體積進(jìn)行測(cè)量。

以桃和杏的撞傷問題為研究對(duì)象，用計(jì)算機(jī)視覺技術(shù)檢測(cè)果品損傷，檢測(cè)的成功率約為65%。用彩色攝像機(jī)和近紅外掃描攝像機(jī)獲得桃子圖像，并對(duì)桃子圖像進(jìn)行缺陷區(qū)域分割的圖像分析，即對(duì)桃子表面的灰度圖象進(jìn)行陰影校正、邊緣檢測(cè)和圖像分割，用二維高斯方程進(jìn)行圖像濾波完成邊緣檢測(cè)，然后用灰度和色度閾值及區(qū)域增長(zhǎng)法求得損傷表面面積，最后通過分類器將分割的區(qū)域識(shí)別為特定的缺陷類型。實(shí)驗(yàn)表明在近紅外區(qū)域獲得的水果圖像的缺陷檢測(cè)效果比彩色圖像的好，但會(huì)將果梗和花萼部分誤判為缺陷區(qū)域，正確率僅為69%，與人工測(cè)得的結(jié)果相關(guān)系數(shù)為0.56，檢測(cè)效果一般。

與人類視覺相比，機(jī)器視覺具有較寬的光譜響應(yīng)范圍，還能夠長(zhǎng)時(shí)間穩(wěn)定做測(cè)量、分析、識(shí)別等任務(wù)。在精確度、分析速率、適應(yīng)性、客觀性、重復(fù)性、可靠性、效率等方面均具有一定的優(yōu)勢(shì)；計(jì)算機(jī)視覺技術(shù)可以根據(jù)水果顏色、紋理、缺陷等特征信息，高效快速地對(duì)水果品質(zhì)進(jìn)行評(píng)價(jià)分級(jí)，可以大量節(jié)省人力物力；隨著相關(guān)算法和模型的不斷成熟與完善，機(jī)器視覺系統(tǒng)也越來越貼近各種水果品質(zhì)檢測(cè)的實(shí)際需求，有助于實(shí)現(xiàn)果園管理的自動(dòng)化、智能化。但計(jì)算機(jī)視覺技術(shù)對(duì)于明顯的外部損傷檢測(cè)結(jié)果更好，對(duì)于水果內(nèi)部損傷或輕微的外部損傷的檢測(cè)能力較差。機(jī)器視覺也受到硬件設(shè)備性能、圖像分析算法準(zhǔn)確度與效率以及網(wǎng)絡(luò)傳輸速率的限制使得系統(tǒng)實(shí)時(shí)性、穩(wěn)定性難以保證。同時(shí)，還面臨著應(yīng)用對(duì)象復(fù)雜多樣，難以開發(fā)通用視覺系統(tǒng)使得每一類目標(biāo)都需要單獨(dú)開發(fā)視覺系統(tǒng)，造成成本居高不下等問題。此外，農(nóng)業(yè)場(chǎng)景視覺系統(tǒng)在穩(wěn)定性、魯棒性、計(jì)算能力、理論創(chuàng)新等方面還存在較大的局限性，已成為阻礙機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中應(yīng)用的關(guān)鍵瓶頸。

4.2 近紅外檢測(cè)技術(shù)

近紅外檢測(cè)技術(shù)的理論基礎(chǔ)是當(dāng)以近紅外光照射物體時(shí)，其中的有機(jī)物及部分無機(jī)物分子含有的某些官能團(tuán)可以吸收特定的能量形成復(fù)雜的光譜，通過分析其吸收光譜可獲得物體的特征信息。根據(jù)所利用光源波長(zhǎng)范圍的不同可以將吸收光譜分為短波近紅外光譜和長(zhǎng)波近紅外光譜，根據(jù)光譜采集方式的不同可分為漫反射近紅外光譜、透射近紅外光譜、漫透射近紅外光譜。

成熟度是確定水果收獲時(shí)間的關(guān)鍵指標(biāo)，而收獲時(shí)間將會(huì)影響水果的品質(zhì)和貨架期。因此大多數(shù)研究集中于最能反映水果成熟度品質(zhì)指標(biāo)的檢測(cè)，如果實(shí)硬度、可溶性固形物含量、總酸含量、糖酸比和果膠含量。然而有研究指出，利用可見-近紅外漫反射光譜技術(shù)很難準(zhǔn)確預(yù)測(cè)水果硬度，可能是由于水果硬度的變化受復(fù)雜化學(xué)成分的影響，例如果實(shí)軟化期間可溶性果膠含量增加、多聚半乳糖醛酸酶和纖維素酶活性的影響及其他化學(xué)物質(zhì)變化的影響。果肉顏色也能夠反映桃收獲時(shí)的成熟度和感官風(fēng)味，加利福尼亞州建立了一種基于可見光和近紅外光譜的方法用于快速測(cè)定桃果肉顏色，模型具有良好的預(yù)測(cè)性能（相關(guān)系數(shù)＝0.92），顯示出較好的在線分選潛力。為了建立不均一油桃樣本的品質(zhì)預(yù)測(cè)模型，有研究評(píng)價(jià)和比較了改進(jìn)的偏最小二乘（modified partial least squares，MPLS）回歸和局部回歸法預(yù)測(cè)油桃主要品質(zhì)參數(shù)的性能，包括大小（質(zhì)量和直徑）、果肉硬度和可溶性固形物含量。結(jié)果表明，與MPLS回歸相比，局部回歸算法在預(yù)測(cè)可溶性固形物含量和直徑方面沒有優(yōu)勢(shì)，然而，在硬度評(píng)估方面局部回歸算法的應(yīng)用取得了重大的改進(jìn)，與MPLS回歸相比，預(yù)測(cè)標(biāo)準(zhǔn)誤差（standard error of prediction，SEP）降低了27%，提高了44.7%（從0.47增加到0.68），偏差減少了88.5%（從6.95 N減少到0.80 N）?；诙O管陣列的紅外檢測(cè)儀和基于微電子機(jī)械系統(tǒng)的近紅外儀器是兩種比較有發(fā)展?jié)摿Φ谋銛y式近紅外儀器。為了評(píng)估這兩種商用光譜儀的性能，1 600～2 400 nm的手持式微機(jī)電系統(tǒng)光譜儀（microelectro-mechanical system，MEMS）和400～1700 nm的二極管陣列可見-近紅外光譜儀被用于測(cè)定油桃在收獲前的成熟過程和收獲后的冷藏（0 ℃、相對(duì)濕度95%）過程的品質(zhì)變化。利用光譜和分析數(shù)據(jù)建立MPLS校正方程，定量測(cè)定可溶性固形物質(zhì)量分?jǐn)?shù)、果肉硬度、果質(zhì)量和直徑（赤道直徑）。兩種近紅外光譜儀對(duì)可溶性固形物含量（＝0.89；SEP＝0.75%～0.81%）和硬度（＝0.84～0.86；SEP＝11.6～12.7 N）均具有良好的預(yù)測(cè)效果。二極管陣列儀對(duì)果質(zhì)量（＝0.98，SEP＝5.40 g）和直徑（＝0.75，SEP＝0.46 cm）的預(yù)測(cè)效果較好，而手持MEMS儀器的精確度較低。結(jié)果表明，無論是在樹上成熟還是采后貯藏過程中，單光譜測(cè)量都可以在幾秒鐘內(nèi)無損地測(cè)量油桃品質(zhì)參數(shù)的變化，為使用手持儀器協(xié)助種植者在田間確定采收時(shí)間提供途徑。

可見光和近紅外漫反射光譜也被用于油桃品種的鑒別，采集裝置如圖4所示，線性判別法和偏最小二乘判別法的分類正確率在97%以上。以‘北京八號(hào)’‘萊山蜜’與‘沙紅’3 個(gè)品種桃為研究對(duì)象，經(jīng)Kennard-Stone算法劃分樣品集，連續(xù)投影算法選取特征波數(shù)，F(xiàn)isher判別分析、誤差反向傳播網(wǎng)絡(luò)、最小二乘支持向量機(jī)與極限學(xué)習(xí)機(jī)模型均具有良好的品種判別性能，對(duì)預(yù)測(cè)集樣品的鑒別正確率均達(dá)到100%。

可見光/短波近紅外漫反射光譜（300～1 150 nm）還可用于預(yù)測(cè)桃采后機(jī)械損傷的內(nèi)部生理狀態(tài)。通過研究總可溶性固形物、多酚氧化酶、丙二醛水平和相對(duì)電解質(zhì)滲漏的變化。遺傳算法-偏最小二乘模型具有良好的擬合效果和較高的精度，其預(yù)測(cè)集最佳相關(guān)系數(shù)（）為0.71～0.92，RMSEP為0.17～20.34，相對(duì)偏差為1.90～2.94。對(duì)肉眼難以發(fā)現(xiàn)的輕微損傷，可以檢出并預(yù)測(cè)其病情，減少實(shí)際生產(chǎn)中的損失。

圖4 可見-近紅外采集裝置[44]Fig. 4 Photograph of VIS-NIR equipment[44]

近紅外光譜技術(shù)可以利用物質(zhì)對(duì)光的吸收、散射、反射和透射等特性來同時(shí)確定其多種成分（糖度、酸度、蛋白質(zhì)、水分等）的含量，且檢測(cè)速度快，無需復(fù)雜的樣品處理、無化學(xué)污染，非常適合農(nóng)產(chǎn)品內(nèi)部品質(zhì)的檢測(cè)；但是近紅外光譜技術(shù)只針對(duì)檢測(cè)對(duì)象的部分區(qū)域，獲取的光譜僅代表樣品表面的局部區(qū)域，缺少樣品的空間信息，這可能導(dǎo)致預(yù)測(cè)集與測(cè)量集之間信息差異較大，從而影響系統(tǒng)的穩(wěn)定性。

4.3 高光譜檢測(cè)技術(shù)

高光譜成像將傳統(tǒng)成像技術(shù)和光譜技術(shù)進(jìn)行有機(jī)結(jié)合，具有超多波段、較高的光譜分辨率和圖譜合一的特點(diǎn)，用于農(nóng)產(chǎn)品檢測(cè)時(shí)可以同時(shí)獲得其表面特性及內(nèi)部品質(zhì)的信息，在農(nóng)產(chǎn)品綜合品質(zhì)檢測(cè)中具有廣闊的發(fā)展前景。

4.3.1 高光譜檢測(cè)技術(shù)在桃內(nèi)部品質(zhì)檢測(cè)中的應(yīng)用

高光譜成像技術(shù)在桃內(nèi)部品質(zhì)檢測(cè)方面已經(jīng)取得了一定的研究進(jìn)展。利用可見光和近紅外光譜范圍（400～1 000 nm）的高光譜成像技術(shù)（圖5A），基于全波長(zhǎng)的局部區(qū)域模型和多區(qū)域組合模型對(duì)‘平谷’桃可溶性固形物含量的預(yù)測(cè)效果進(jìn)行評(píng)價(jià)，并用偏最小二乘法進(jìn)行建模。模型分析結(jié)果表明，多區(qū)域組合模型優(yōu)于局部區(qū)域模型。然后，采用蒙特卡羅交叉驗(yàn)證法、連續(xù)投影法、競(jìng)爭(zhēng)自適應(yīng)加權(quán)采樣法和隨機(jī)蛙式4 種典型的波長(zhǎng)選擇算法，分別選擇有效波長(zhǎng)進(jìn)行可溶性固形物含量的快速定量測(cè)定。結(jié)果表明，隨機(jī)蛙跳算法是局部區(qū)域模型和多區(qū)域組合模型進(jìn)行可溶性固形物含量分析的最有效算法（預(yù)測(cè)精度為0.86）。然而，此研究只基于桃的光譜特征，缺乏對(duì)綜合特征的考量，限制了對(duì)果實(shí)品質(zhì)的準(zhǔn)確評(píng)價(jià)。為此，基于堆棧自動(dòng)編碼器-隨機(jī)森林的深度學(xué)習(xí)算法，將高光譜圖像融合信息技術(shù)應(yīng)用于桃可溶性固形物含量的預(yù)測(cè)（圖5B）。結(jié)果表明，基于高光譜圖像融合信息深度特征的模型精度高于基于光譜特征或圖像特征的模型。另外，基于1237-650-310-130網(wǎng)絡(luò)結(jié)構(gòu)的模型預(yù)測(cè)效果最好，為0.918 4，均方根誤差（root mean squared error，RMSE）為0.669 3。

基于全光譜和特征波長(zhǎng)的反向傳播網(wǎng)絡(luò)模型對(duì)桃的硬度具有良好的預(yù)測(cè)性能，其預(yù)測(cè)相關(guān)系數(shù)為0.856，RMSEP為0.931。通過蒙特卡羅偏最小二乘法分析剔除異常值，利用光譜-理化值共生距離劃分樣本集，采用競(jìng)爭(zhēng)性自適應(yīng)加權(quán)取樣法和連續(xù)投影算法選取特征波長(zhǎng)，并建立多元線性回歸模型。高光譜成像技術(shù)被用于肥城桃可溶性固形物含量和硬度可視化檢測(cè)與成熟期預(yù)測(cè)。基于競(jìng)爭(zhēng)性自適應(yīng)權(quán)重取樣法-多元線性回歸模型計(jì)算肥城桃每個(gè)像素點(diǎn)可溶性固形物含量和硬度，生成可視化分布圖，實(shí)現(xiàn)不同成熟度肥城桃可溶性固形物含量和硬度可視化檢測(cè)，有助于提高果品質(zhì)量，實(shí)現(xiàn)優(yōu)果優(yōu)價(jià)。利用順序前向選擇算法優(yōu)選特征波長(zhǎng)，建立人工神經(jīng)網(wǎng)絡(luò)成熟期預(yù)測(cè)模型，可獲得98.3%總識(shí)別準(zhǔn)確率。

圖5 高光譜檢測(cè)技術(shù)在桃內(nèi)部品質(zhì)檢測(cè)中的應(yīng)用[47,48,51]Fig. 5 Hyperspectral imaging system[47,48,51]

高光譜透射率成像技術(shù)也可應(yīng)用于不同果肉顏色（黃色果肉及白色果肉）的桃果實(shí)分類（圖5C）。采用偏最小二乘-判別分析對(duì)兩個(gè)品種的分類準(zhǔn)確率分別為95.7%和94.6%。高光譜成像技術(shù)在信息量上具有獨(dú)特的優(yōu)勢(shì)，但同時(shí)其巨大的信息量中含有相當(dāng)多的冗余信息，為數(shù)據(jù)處理增加了難度，不利于在線檢測(cè)的應(yīng)用。而多光譜成像可提供具有3～20 個(gè)非連續(xù)波段的圖像。從成像原理上講，多光譜成像技術(shù)就是把入射的全波段或?qū)挷ǘ蔚墓庑盘?hào)分成若干個(gè)窄波段的光束，然后把它們分別成像在相應(yīng)的探測(cè)器上，從而獲得不同光譜波段的圖像。這樣就減少了冗余數(shù)據(jù)。通過多光譜成像技術(shù)能夠?qū)崿F(xiàn)不同成熟度桃的分類。利用680 nm和800 nm兩個(gè)波段圖像的比值，非監(jiān)督分類方法正確率可達(dá)80%。

冷害是桃果實(shí)的一種生理障礙，會(huì)降低桃果實(shí)的食用品質(zhì)和加工品質(zhì)。利用高光譜反射成像技術(shù)（400～19 100 nm）對(duì)桃的不同冷害程度進(jìn)行分類，結(jié)果表明，在全波長(zhǎng)條件下，人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果優(yōu)于偏最小二乘-判別分析和支持向量機(jī)，分類準(zhǔn)確率可達(dá)85.37%～99.29%。為了應(yīng)用高光譜成像技術(shù)檢測(cè)‘秦光2號(hào)’油桃早期冷害，反射高光譜采集系統(tǒng)用于獲取初始發(fā)生冷害果及未冷害果在400～1 000 nm波段的高光譜圖像，繼而應(yīng)用獨(dú)立主成分分析方法降維后優(yōu)選出特征波長(zhǎng)，作為Fisher判別法的特征集，對(duì)油桃早期冷害判別正確率為98.9%。

為了識(shí)別蟲害果，閾值分割和主成分分析方法被用來對(duì)高光譜圖像進(jìn)行處理，以獲得蟲害區(qū)域分割結(jié)果。然后選取2 個(gè)特征波長(zhǎng)作為光譜特征，提取4 個(gè)紋理參數(shù)作為紋理特征，并將其優(yōu)化組合成4 組特征向量，利用反向傳播神經(jīng)網(wǎng)絡(luò)進(jìn)行鮮桃蟲害檢測(cè)。結(jié)果表明，667 nm和746 nm波段的光譜反射值的光譜特征和270°方向的能量、對(duì)比度、熵、相關(guān)性的紋理特征的組合為鮮桃蟲害檢測(cè)的最優(yōu)特征向量，對(duì)果實(shí)識(shí)別正確率為100%。

4.3.2 高光譜檢測(cè)技術(shù)對(duì)桃外部品質(zhì)檢測(cè)的應(yīng)用

碰傷是桃子最常見的損傷類型，是造成品質(zhì)損失的主要原因之一。然而，快速無損檢測(cè)桃子早期損傷具有一定的難度。利用主成分分析為每種成像模式選擇有效波長(zhǎng)，基于形態(tài)學(xué)梯度重建和標(biāo)記提取的改進(jìn)分水嶺分割算法，對(duì)多光譜主成分圖像進(jìn)行分析處理。該方法對(duì)碰傷桃子的分類準(zhǔn)確率為96.5%，完好桃子的準(zhǔn)確率為97.5%。該算法優(yōu)于最大類間方差法和全局閾值法等常用分割方法。

采用高光譜（420～1 000 nm）成像技術(shù)對(duì)‘中油9號(hào)’油桃的4 種外部缺陷果（裂紋果、銹病果、異形果和暗傷果）進(jìn)行檢測(cè)判別。對(duì)光譜數(shù)據(jù)進(jìn)行主成分分析得到前10 個(gè)主成分值，并對(duì)圖像數(shù)據(jù)采用灰度共生矩陣提取得到6 項(xiàng)圖像紋理指標(biāo)（均值、對(duì)比度、相關(guān)性、能量、同質(zhì)性、熵值）。將主成分值和紋理值融合建立極限學(xué)習(xí)機(jī)模型對(duì)油桃外部缺陷進(jìn)行檢測(cè)判別，結(jié)果表明該模型對(duì)缺陷樣本的判別正確率為91.67%，完好樣本的正確率為100%。

4.4 其他光譜檢測(cè)技術(shù)

除了最常用的基于可見光、近紅外和高光譜的檢測(cè)技術(shù)外，隨著科學(xué)技術(shù)的發(fā)展，涌現(xiàn)了一些新興的基于光學(xué)特性的桃品質(zhì)檢測(cè)技術(shù)，包括時(shí)間分辨反射光譜、熒光光譜以及結(jié)構(gòu)化照明反射成像等。

時(shí)間分辨反射光譜是基于測(cè)量短激光脈沖（脈沖持續(xù)時(shí)間約為100 ps）在穿過非透明介質(zhì)（如果肉）時(shí)所經(jīng)歷的時(shí)間延遲和展寬。利用適當(dāng)?shù)墓獯┩咐碚撃Ｐ头治龉庾訒r(shí)間分布，可以同時(shí)估計(jì)吸收系數(shù)和散射系數(shù)。吸收系數(shù)和散射系數(shù)分別對(duì)應(yīng)被水果主要成分（水、葉綠素、類胡蘿卜素和糖）吸收的概率（光子傳播的單位距離）和由于膜、空氣、液泡或細(xì)胞器引起的折射率的微觀變化而改變方向的概率。利用時(shí)間分辨反射光譜法測(cè)定采后果肉在670 nm處的吸收系數(shù)，可以作為油桃的成熟度指標(biāo)。在此基礎(chǔ)上通過動(dòng)力學(xué)模型將與成熟過程中硬度聯(lián)系，可以預(yù)測(cè)單個(gè)水果的貨架期。油桃冷藏后通常會(huì)變軟，果肉褐變以及果核附近形成凝膠狀或玻璃狀的果肉。為了觀察時(shí)間分辨反射光譜能否鑒別這些內(nèi)部品質(zhì)劣變，在670 nm和780 nm處測(cè)定了油桃的和約化散射系數(shù)的光學(xué)參數(shù)。結(jié)果表明，時(shí)間分辨反射光譜法可以檢測(cè)油桃貯藏后的內(nèi)部木質(zhì)化和內(nèi)部褐變。

熒光光譜法是一種靈敏度高、檢測(cè)速度快的分析技術(shù)，儀器成本相對(duì)較低。水果中含有多種可以產(chǎn)生熒光的物質(zhì)，如色氨酸、酪氨酸、葉綠素以及核黃素等。有研究表明利用熒光光譜儀對(duì)4 個(gè)黃桃品種的吸光度差異指數(shù)（index of absorbance difference，）進(jìn)行測(cè)定，對(duì)果皮顏色的預(yù)測(cè)準(zhǔn)確率較高（相關(guān)系數(shù)大于0.85），而對(duì)果肉顏色、果肉硬度和可溶性固形物含量的預(yù)測(cè)只在部分品種中效果較好。熒光光譜儀對(duì)不同成熟度等級(jí)（未成熟、成熟和成熟）桃的分類得分為0.85。DA-Meter果實(shí)無損檢測(cè)儀是一款手持式水果無損檢測(cè)設(shè)備，利用發(fā)光二極管傳感頭檢測(cè)果實(shí)表面葉綠素含量，并以此來判定果實(shí)的成熟度。為了確定桃的最佳采收期，在收獲前一個(gè)月，連續(xù)監(jiān)測(cè)3 個(gè)桃品種果皮葉綠素的。結(jié)果表明與果實(shí)硬度呈顯著正相關(guān)（＝0.9），可以用來評(píng)估桃的成熟度。也有研究發(fā)現(xiàn)以7 個(gè)毛桃品種和5 個(gè)油桃品種為研究對(duì)象，綜合各品種的數(shù)據(jù)，葉綠素值與硬度呈顯著正相關(guān)，相關(guān)系數(shù)為0.11～0.65，然而不同品種的系數(shù)不同。而值與可溶性固形物含量之間沒有顯著關(guān)系。表明在收獲前的成熟度檢測(cè)中，DA-Meter測(cè)量?jī)x不能代替硬度和可溶性固形物含量測(cè)量。

盡管機(jī)器視覺、高光譜、多光譜技術(shù)應(yīng)用廣泛，但它們多應(yīng)用于檢測(cè)表面可見的病害癥狀，對(duì)早期侵染階段癥狀仍隱藏在果皮下的病害檢測(cè)效果較差。近幾年來，結(jié)構(gòu)照明被用于生物組織的三維光學(xué)成像，其具有非接觸式、高分辨率、高精度、高速度，高保真度和低成本等優(yōu)點(diǎn)。桃采后易受真菌感染，但由于早期癥狀不明顯，因此具有挑戰(zhàn)性?；诮Y(jié)構(gòu)光反射成像系統(tǒng)（圖6），采用分水嶺算法和偏最小二乘-判別分析方法對(duì)病害桃進(jìn)行了直流分量和比率圖像分類，正確檢測(cè)率在65%～87%之間。而交流分量能更好地檢測(cè)出病害桃，利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)所有樣品的病害桃檢出率均達(dá)到98.6%，對(duì)早期腐爛桃的檢出率為97.6%。

圖6 基于液晶可調(diào)諧濾波器的多光譜結(jié)構(gòu)照明反射成像系統(tǒng)示意圖[65]Fig. 6 Schematic diagram of liquid-crystal tunable filter-based multispectral structured-illumination reflectance imaging system[65]

在利用光學(xué)特性對(duì)桃品質(zhì)檢測(cè)方面，近紅外光譜法具有快速、無損和可實(shí)現(xiàn)多組分同時(shí)測(cè)定的特點(diǎn)。高光譜圖像技術(shù)集圖像信息與光譜信息于一身，光譜信息反映樣品內(nèi)部結(jié)構(gòu)的差異，圖像信息反映樣品的形狀、缺陷等外部品質(zhì)特征，在水果品質(zhì)檢測(cè)方面具有獨(dú)特的優(yōu)勢(shì)。但高光譜圖像系統(tǒng)采集的數(shù)據(jù)精度高，適合實(shí)驗(yàn)階段，且數(shù)據(jù)量過大、處理時(shí)間長(zhǎng)，不適合在線檢測(cè)。

5 基于電子鼻的桃品質(zhì)檢測(cè)技術(shù)

電子鼻也稱為人工嗅覺系統(tǒng)，由具有部分選擇性的化學(xué)傳感器陣列和適當(dāng)?shù)哪Ｊ阶R(shí)別系統(tǒng)組成，能夠通過傳感器的部分專一性和系統(tǒng)的模式識(shí)別功能，檢測(cè)簡(jiǎn)單或復(fù)雜氣味。通常電子鼻主要由三部分構(gòu)成：進(jìn)樣系統(tǒng)、傳感器陣列和軟件系統(tǒng)。樣品上方的氣體通過頂空進(jìn)樣器被吸入到帶有傳感器陣列的主機(jī)中；待測(cè)樣品的的氣體作用于傳感器陣列，使傳感器某一物理特性發(fā)生變化；軟件系統(tǒng)對(duì)傳感器產(chǎn)生的信號(hào)進(jìn)行預(yù)處理和模式識(shí)別后對(duì)結(jié)果進(jìn)行輸出。

基于電子鼻氣敏元件陣列的響應(yīng)（圖7），可以建立桃品質(zhì)指標(biāo)評(píng)價(jià)模型。通過多元線性逐步回歸法、二次多項(xiàng)式逐步回歸法和反向傳播神經(jīng)網(wǎng)絡(luò)建立白桃硬度、含糖量和酸度與傳感器信號(hào)的關(guān)系，結(jié)果表明其范圍為0.79～0.92。利用電子鼻結(jié)合主成分分析能夠區(qū)分不同桃品種（3 個(gè)油桃品種和1 個(gè)毛桃品種）。利用多元線性回歸預(yù)測(cè)桃的酸度、甜度和可接受度，為0.48，RMSE為3.85。利用電子鼻對(duì)19 個(gè)桃品種間果實(shí)香氣的差異進(jìn)行了研究，通過判別因子分析方法可將桃果實(shí)大致分為 4 類，統(tǒng)計(jì)質(zhì)量控制方法顯示樣品間的香氣品質(zhì)具有差異。電子鼻也可以實(shí)現(xiàn)不同桃品種的分類及貨架期預(yù)測(cè)，研究表明線性判別分析能夠?qū)? 個(gè)不同品種完全區(qū)分。利用分類回歸樹分析方法對(duì)不同貨架期樣本進(jìn)行分類，交叉驗(yàn)證錯(cuò)誤率為4.87%。

圖7 電子鼻檢測(cè)系統(tǒng)示意圖[66]Fig. 7 Schematic diagram of electronic nose detection system[66]

電子鼻可以用來對(duì)桃子3 種常見的腐敗菌——灰霉病菌、果念珠菌和匍匐根霉的污染進(jìn)行無損檢測(cè)。通過分析桃子接種真菌后產(chǎn)生的揮發(fā)性物質(zhì)與真菌的菌落數(shù)，結(jié)果表明，桃果實(shí)中揮發(fā)性成分的變化與真菌的數(shù)量和種類有關(guān)。萜烯類和芳香族化合物是引起電子鼻響應(yīng)的主要因素。主成分分析得分與真菌菌落數(shù)高度相關(guān)，MPLS可以有效地預(yù)測(cè)桃樣品中的真菌菌落數(shù)。

為了建立桃果實(shí)冷害的無損檢測(cè)方法，將桃果實(shí)于0 ℃和5 ℃條件下冷藏，利用Fisher判別分析法建立的數(shù)學(xué)模型對(duì)不同冷害等級(jí)判別準(zhǔn)確率為91.7%，而且研究發(fā)現(xiàn)果實(shí)發(fā)生冷害時(shí)青香型物質(zhì)的相對(duì)含量增加，果香型物質(zhì)的相對(duì)含量降低；僅在發(fā)生冷害的果實(shí)中檢出的物質(zhì)為十四烷、十六烷、十九烷，其相對(duì)含量隨冷藏時(shí)間延長(zhǎng)而增加，可作為監(jiān)測(cè)桃果實(shí)冷害發(fā)生情況的特征揮發(fā)性化合物。電子鼻也可實(shí)現(xiàn)桃果實(shí)在冷鏈（0 ℃）中的腐爛情況及貯藏時(shí)間的預(yù)測(cè)，偏最小二乘-判別分析對(duì)腐爛水果分類的預(yù)測(cè)正確率為95.83%（健康樣品為94.64%，腐爛樣品為100.00%）。偏最小二乘支持向量機(jī)預(yù)測(cè)桃果實(shí)冷鏈貯藏時(shí)間的最佳模型殘差預(yù)測(cè)值為9.283。

消費(fèi)者在選購(gòu)水果時(shí)越來越關(guān)注果實(shí)的風(fēng)味，電子鼻技術(shù)作為一種人工智能設(shè)備，在氣味檢測(cè)方面具有顯著的優(yōu)勢(shì)：與氣相色譜-質(zhì)譜聯(lián)用技術(shù)相比，電子鼻技術(shù)具有操作簡(jiǎn)單、無需樣品前處理、無損、快捷的優(yōu)點(diǎn)；與傳統(tǒng)的感官評(píng)價(jià)相比，電子鼻技術(shù)的檢測(cè)結(jié)果更加客觀，具有經(jīng)濟(jì)、高效、重復(fù)性好等優(yōu)點(diǎn)，在水果品質(zhì)檢測(cè)中電子鼻具有廣闊的應(yīng)用前景，但其準(zhǔn)確性和穩(wěn)定性還有待進(jìn)一步探討。

6 結(jié) 語

近年來，國(guó)內(nèi)外學(xué)者對(duì)無損檢測(cè)技術(shù)在桃果實(shí)品質(zhì)檢測(cè)方面開展了大量的研究工作，研究證明將其應(yīng)用于桃果實(shí)品質(zhì)檢測(cè)是有效可行的。為了適應(yīng)國(guó)際市場(chǎng)對(duì)桃高品質(zhì)的要求，桃品質(zhì)的無損檢測(cè)技術(shù)成為國(guó)內(nèi)外學(xué)者重要的研究方向之一。針對(duì)當(dāng)前存在的缺點(diǎn)與不足，未來有以下8 個(gè)發(fā)展趨勢(shì)。

第一，在基于聲學(xué)特性的桃品質(zhì)無損檢測(cè)方面，應(yīng)加強(qiáng)多種聲學(xué)特性對(duì)果品內(nèi)部品質(zhì)指標(biāo)的綜合影響的研究，將有利于提高聲學(xué)檢測(cè)精度。此外，開發(fā)便攜、非接觸式的水果品質(zhì)檢測(cè)聲學(xué)特性系統(tǒng)也是未來發(fā)展趨勢(shì)。

第二，目前雖然市面上已有相應(yīng)的力學(xué)參數(shù)檢測(cè)設(shè)備，但多為國(guó)外制作，從價(jià)格、功能和應(yīng)用上存在各方面不足，研制多用途、多功能、智能化、經(jīng)濟(jì)型的水果力學(xué)性能檢測(cè)儀是當(dāng)前迫切需要的。目前尚未有統(tǒng)一的水果力學(xué)性能檢測(cè)的國(guó)家標(biāo)準(zhǔn)，因此如何根據(jù)檢測(cè)到的力學(xué)性能數(shù)據(jù)分析水果的品質(zhì)特性及如何建立評(píng)價(jià)體系也是需要進(jìn)一步研究與探討。

第三，在基于介電特性的技術(shù)方面，今后可以加強(qiáng)對(duì)水果介電特性的機(jī)理研究，明晰水果采后生理變化對(duì)其介電特性的影響機(jī)理；加強(qiáng)對(duì)檢測(cè)裝備的研發(fā)，建立一個(gè)性能更加良好的介電特性測(cè)量裝置將有效推進(jìn)電特性檢測(cè)方法的實(shí)用化進(jìn)程；另外，就研究對(duì)象而言，大多數(shù)研究多集中在采后和貯藏期，因此，很有必要進(jìn)一步開展生長(zhǎng)過程與品質(zhì)相關(guān)的介電特性研究。

第四，今后在水果產(chǎn)業(yè)初始端如產(chǎn)地初加工和貯藏階段加大機(jī)器視覺檢測(cè)技術(shù)的應(yīng)用程度，研究適合該階段的機(jī)器視覺系統(tǒng)和算法，將有利于從源頭上減少果品的損耗，保障后期的質(zhì)量。機(jī)器視覺市場(chǎng)還在不斷擴(kuò)大，新標(biāo)準(zhǔn)、新技術(shù)也正在以前所未有的速度發(fā)布，智慧農(nóng)業(yè)、無人農(nóng)場(chǎng)、跨行業(yè)協(xié)作、高光譜應(yīng)用都將促進(jìn)機(jī)器視覺技術(shù)的進(jìn)一步應(yīng)用。未來，在農(nóng)業(yè)生產(chǎn)領(lǐng)域還是將集中在關(guān)鍵技術(shù)突破、多傳感器融合、3D視覺應(yīng)用以及與5G移動(dòng)通信技術(shù)深度融合方面。

第五，近紅外光譜技術(shù)在果實(shí)品質(zhì)的檢測(cè)中顯示出了良好的應(yīng)用前景，然而商業(yè)化的專用便攜式近紅外儀器很少，且目前現(xiàn)有的設(shè)備成本較高。未來的近紅外光譜設(shè)備將朝著小型輕便化發(fā)展，操作平臺(tái)更加趨近于手機(jī)、平板等移動(dòng)端。基于近紅外光譜預(yù)測(cè)桃品質(zhì)的模型一般針對(duì)特定品種，應(yīng)用于其他品種時(shí)則需要對(duì)模型進(jìn)行校準(zhǔn)，因此開發(fā)精確可靠通用的近紅外光譜無損檢測(cè)方法是將來研究方向。無損檢測(cè)方法通常涉及的數(shù)據(jù)量較大，因此需要進(jìn)行多元數(shù)據(jù)分析，從多個(gè)變量中提取主要信息，然后再利用這些信息建立模型。為了建立穩(wěn)定通用的校準(zhǔn)模型，需要開發(fā)新的數(shù)據(jù)分析方法。

第六，高光譜技術(shù)可根據(jù)具體的檢測(cè)對(duì)象要求，尋找最佳的檢測(cè)波長(zhǎng)等參數(shù)，減少數(shù)據(jù)量，設(shè)計(jì)對(duì)應(yīng)的光譜圖像系統(tǒng)。在不降低精度的前提下，降低成本和節(jié)約時(shí)間。隨著科學(xué)技術(shù)的發(fā)展，無損檢測(cè)方法越來越成熟，以數(shù)字化、圖像化和信息化為代表的無損檢測(cè)方法是未來檢測(cè)方法發(fā)展的必然趨勢(shì)。

第七，傳感器材料是電子鼻技術(shù)的最重要部分，對(duì)傳感器材料的研究是關(guān)鍵，開發(fā)穩(wěn)定、靈敏的電子鼻系統(tǒng)是其現(xiàn)代化生產(chǎn)應(yīng)用的必經(jīng)之路。隨著新的儀器和材料的發(fā)展，傳感器的性能將得到改善，也有利于降低檢測(cè)成本，從而加強(qiáng)無損檢測(cè)方法的實(shí)際應(yīng)用。

第八，對(duì)于不同的目標(biāo)物和檢測(cè)技術(shù)，選擇合適的機(jī)器學(xué)習(xí)方法是十分必要的。盡管同一種無損檢測(cè)方法在不同的檢測(cè)目標(biāo)中均具有可行性，但通常在特定檢測(cè)目標(biāo)上效果最優(yōu)。不同技術(shù)根據(jù)不同的原理對(duì)某些特定的樣品進(jìn)行檢測(cè)，各有優(yōu)缺點(diǎn)。因此需要根據(jù)不同的檢測(cè)目標(biāo)，選擇最佳的分析技術(shù)和機(jī)器學(xué)習(xí)方法，或者將不同檢測(cè)方法融合以獲得更全面的信息進(jìn)行建模。