劉明濤　劉亞　郭俊先

摘要：我國(guó)是水果生產(chǎn)大國(guó)，水果無損檢測(cè)技術(shù)對(duì)于提高我國(guó)鮮食水果的市場(chǎng)競(jìng)爭(zhēng)力和利潤(rùn)水平具有重要意義。綜述國(guó)內(nèi)外水果無損檢測(cè)技術(shù)的研究進(jìn)展與應(yīng)用現(xiàn)狀，展望我國(guó)水果無損檢測(cè)技術(shù)發(fā)展前景，以期為促進(jìn)我國(guó)果業(yè)發(fā)展提供支持。

關(guān)鍵詞：水果；無損檢測(cè)技術(shù)；研究；應(yīng)用；現(xiàn)狀

中圖分類號(hào)：S661.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-1161（2017）06-0051-05

我國(guó)是水果生產(chǎn)大國(guó)，水果產(chǎn)業(yè)自20世紀(jì)90年代以來發(fā)展迅速，已成為我國(guó)農(nóng)村經(jīng)濟(jì)發(fā)展的一大支柱產(chǎn)業(yè)，為促進(jìn)農(nóng)民增收、改善生態(tài)環(huán)境做出了貢獻(xiàn)。我國(guó)水果產(chǎn)量很大，但國(guó)內(nèi)水果價(jià)格低廉，“賣果難”問題時(shí)有發(fā)生。在國(guó)際市場(chǎng)上，由于采后檢測(cè)、分級(jí)技術(shù)落后而導(dǎo)致品質(zhì)較差、規(guī)格不統(tǒng)一等問題，使得我國(guó)水果缺乏競(jìng)爭(zhēng)力，出口量不到國(guó)際水果貿(mào)易的3%。由水果產(chǎn)銷趨勢(shì)可知，水果產(chǎn)值大部分是由產(chǎn)后處理和產(chǎn)后加工創(chuàng)造來的。水果的產(chǎn)后商品化處理包括清洗、打蠟、分級(jí)、包裝。目前我國(guó)水果商品化處理過程中的清潔、打蠟設(shè)備已經(jīng)比較成熟，而分級(jí)技術(shù)還比較落后。水果的分級(jí)指標(biāo)分為外部品質(zhì)和內(nèi)部品質(zhì)兩個(gè)方面。外部品質(zhì)指標(biāo)包括果形、大小、色澤、表面質(zhì)量及顏色等，其中水果的表面質(zhì)量可以通過表面光潔度、表面缺陷（斑點(diǎn)、污點(diǎn)、爛壞）及損傷來描述。內(nèi)部品質(zhì)指標(biāo)包括糖度、硬度、酸度、可溶性固形物等。傳統(tǒng)的水果內(nèi)部品質(zhì)化學(xué)分析方法存在破壞樣品、操作繁雜、周期長(zhǎng)及無法實(shí)現(xiàn)實(shí)時(shí)在線檢測(cè)等缺點(diǎn)。近年來興起的物理檢測(cè)方法已逐漸成熟，具有快速、高效、無損的優(yōu)點(diǎn)，且適于實(shí)時(shí)生產(chǎn)線自動(dòng)化檢測(cè)。水果無損檢測(cè)技術(shù)不僅對(duì)于提高我國(guó)水果商品化處理的水平和能力具有重要意義，更可以改進(jìn)我國(guó)水果栽培技術(shù)及加工工藝，縮小與發(fā)達(dá)國(guó)家的差距，最終提高我國(guó)果品在國(guó)際貿(mào)易中的競(jìng)爭(zhēng)力和貿(mào)易份額。因此，運(yùn)用基于光學(xué)特性的內(nèi)部品質(zhì)無損檢測(cè)技術(shù)在水果后期加工和處理上具有廣闊的市場(chǎng)應(yīng)用前景。

水果無損檢測(cè)（Nondestructive Detection Technology，NDT）又稱非破壞性檢測(cè)，即在不破壞水果物理狀態(tài)、化學(xué)性質(zhì)等前提下，獲取其與待測(cè)物品質(zhì)有關(guān)的內(nèi)容、性質(zhì)或成分等理化信息所采取的檢測(cè)方法。根據(jù)檢測(cè)原理的不同，水果無損檢測(cè)可以分為力學(xué)性質(zhì)分析法、聲學(xué)性質(zhì)分析法、電學(xué)性質(zhì)分析法、電磁與射線檢測(cè)法及機(jī)器視覺技術(shù)檢測(cè)法五大類。其中，以近紅外光譜、X光衍射、高光譜成像、激光誘導(dǎo)熒光、生物傳感器、核磁共振技術(shù)等為代表的水果無損檢測(cè)技術(shù)和方法成為該領(lǐng)域的熱點(diǎn)。

1 水果無損品質(zhì)檢測(cè)主要技術(shù)

1.1 近紅外光譜技術(shù)

近紅外光（NIR）是指波長(zhǎng)在780～2 526 nm范圍內(nèi)的電磁波，是最早發(fā)現(xiàn)的非可見光區(qū)域，但由于受當(dāng)時(shí)計(jì)算分析條件的限制，一直沒有得到足夠的利用。近紅外光譜技術(shù)是利用有機(jī)物及部分無機(jī)物分子中與化學(xué)鍵結(jié)合的各種基團(tuán)（如O—H，C=O，N—H，C—H）的伸縮、振動(dòng)、彎曲等運(yùn)動(dòng)（運(yùn)動(dòng)時(shí)均有一定的振動(dòng)頻率）進(jìn)行物質(zhì)檢測(cè)分析。當(dāng)分子受到紅外線照射時(shí)會(huì)被激發(fā)而產(chǎn)生共振，同時(shí)使得光的能量被部分吸收，測(cè)量分子的吸收光可以得到極為復(fù)雜的圖譜，這種圖譜即反映出被測(cè)物質(zhì)的某些特征。近年來，隨著計(jì)算機(jī)技術(shù)的發(fā)展，近紅外光譜在檢測(cè)果品品質(zhì)和農(nóng)藥殘留方面有了突破性進(jìn)展。

1.2 X射線技術(shù)

X射線檢測(cè)主要基于其對(duì)物質(zhì)具有穿透能力，在檢測(cè)樣品時(shí)利用其衍射作用和激發(fā)熒光的特性，通過捕獲X射線與樣品內(nèi)部缺陷或異物引起的射線強(qiáng)度的變化，按照一定的方法轉(zhuǎn)換成樣品內(nèi)部的二維圖圖像，進(jìn)而對(duì)樣品進(jìn)行檢測(cè)。隨著電子計(jì)算機(jī)的發(fā)展，人們根據(jù)X射線成像技術(shù)進(jìn)行改進(jìn)，發(fā)明了X射線電子計(jì)算機(jī)斷層攝影技術(shù)，即CT技術(shù)。X射線穿過物體某一層斷面的組織，由于不同物質(zhì)對(duì)X射線的吸收值存在差異，CT機(jī)探測(cè)器接收衰減后的X射線，并將其轉(zhuǎn)換成電信號(hào)輸入到計(jì)算機(jī)，經(jīng)過計(jì)算機(jī)的數(shù)據(jù)處理后顯示出圖像，并獲得相應(yīng)點(diǎn)的CT值，通過建立CT值與目標(biāo)檢測(cè)值的數(shù)學(xué)模型，達(dá)到無損檢測(cè)的目的。

1.3 高光譜圖像技術(shù)

高光譜圖像技術(shù)是一種集成計(jì)算機(jī)圖像技術(shù)和光譜技術(shù)優(yōu)點(diǎn)為一體的水果無損檢測(cè)新方法，可獲得大量包含連續(xù)波長(zhǎng)光譜信息的圖像，這些光譜信息可用于水果內(nèi)部的糖度、酸度、含水量、蛋白質(zhì)等成分的檢測(cè)，圖像信息可用于水果的顏色、大小、表面缺陷、污染物等的檢測(cè)，進(jìn)而實(shí)現(xiàn)根據(jù)水果品質(zhì)精確分級(jí)的目的。高光譜圖像技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中已經(jīng)過多年的研究，其在水果品質(zhì)檢測(cè)方面具有廣闊的應(yīng)用前景。在果品中，薛龍等人應(yīng)用高光譜技術(shù)在625～725 nm范圍內(nèi)檢測(cè)臍橙表面的農(nóng)藥殘留，采用主成分分析方法獲得了特征波長(zhǎng)的圖像，證明高光譜技術(shù)對(duì)較高濃度農(nóng)藥殘留有很好的檢測(cè)效果。

1.4 激光誘導(dǎo)熒光

激光誘導(dǎo)熒光（Laser induced fluorescence）技術(shù)利用激光激發(fā)物質(zhì)發(fā)射熒光，通過獲得熒光光譜的熒光譜峰值強(qiáng)度（譜線寬度）和其分布的特性對(duì)物質(zhì)進(jìn)行定性和定量分析。每種物質(zhì)分子的能級(jí)結(jié)構(gòu)不同，即使在相同的激發(fā)條件下，每種物質(zhì)分子所發(fā)射熒光的特性也不相同，可以通過測(cè)量這些熒光特性參量對(duì)不同物質(zhì)的種類和數(shù)量進(jìn)行檢測(cè)。近年來，由于其高度的靈敏度，激光誘導(dǎo)熒光檢測(cè)技術(shù)發(fā)展相對(duì)較快，檢測(cè)濃度限可達(dá)到2×10-13 mol/L，對(duì)于某些熒光效率高的熒光探針可以達(dá)到單分子探測(cè)水平。該方法未來在果品質(zhì)量安全檢測(cè)中將有很好的前景。

1.5 新興傳感器

由于技術(shù)的進(jìn)步和新材料的發(fā)明，最近30 a在水果無損檢測(cè)技術(shù)方面出現(xiàn)了許多新興的傳感器，典型的有生物傳感器和仿生類傳感器（電子舌、電子鼻）。生物傳感器（biosensor，BS）利用生物活性物質(zhì)（即生物元件）作敏感器件，配以適當(dāng)?shù)霓D(zhuǎn)換元件（即信號(hào)傳導(dǎo)器）構(gòu)成分析檢測(cè)工具，被測(cè)樣品與分子識(shí)別元件特異性結(jié)合后發(fā)生生物化學(xué)反應(yīng)，通過信號(hào)轉(zhuǎn)換元件將其濃度轉(zhuǎn)化為光信號(hào)或電信號(hào)，所得信號(hào)經(jīng)放大和輸出后即可對(duì)其進(jìn)行分析檢測(cè)。電子鼻由氣敏傳感器陣列、信號(hào)轉(zhuǎn)換電路、計(jì)算機(jī)決策系統(tǒng)3個(gè)部分組成，其核心是能夠識(shí)別多種氣體的傳感器陣列。工作時(shí)揮發(fā)性氣體與傳感器活性材料表面接觸產(chǎn)生瞬時(shí)響應(yīng)信號(hào)，信號(hào)通過轉(zhuǎn)換電路變?yōu)閿?shù)字信號(hào)，傳送到計(jì)算機(jī)信號(hào)處理單元進(jìn)行分析，與數(shù)據(jù)庫(kù)中已存有的大量揮發(fā)性化合物的信息進(jìn)行比對(duì)、鑒別，來確定氣體的種類，從而鑒別出相應(yīng)的物質(zhì)。endprint

2 水果無損品質(zhì)檢測(cè)技術(shù)研究現(xiàn)狀

2.1 國(guó)外研究現(xiàn)狀

國(guó)外早期的水果品質(zhì)方法主要通過CCD彩色相機(jī)，采用無損檢測(cè)、計(jì)算機(jī)分析處理等手段對(duì)水果逐一進(jìn)行分析判別后得出綜合結(jié)論。利用機(jī)器視覺技術(shù)實(shí)現(xiàn)水果內(nèi)部品質(zhì)無損檢測(cè)是目前國(guó)際上正在研究的熱點(diǎn)課題。除了使用高效的信息處理技術(shù)，水果品質(zhì)無損檢測(cè)手段還包括近紅外線光譜技術(shù)和高光譜圖像、激光誘導(dǎo)、X射線等。

人工神經(jīng)網(wǎng)絡(luò)是模仿生物大腦結(jié)構(gòu)和功能而構(gòu)成的信息處理技術(shù)，在機(jī)器視覺系統(tǒng)中應(yīng)用可提高品質(zhì)識(shí)別的智能性。Kavdi等人使用神經(jīng)網(wǎng)絡(luò)算法對(duì)柑橘進(jìn)行分級(jí)，把缺陷和物理特征作為神經(jīng)網(wǎng)絡(luò)分類器的輸入?yún)?shù)，對(duì)柚子和橙子的分級(jí)準(zhǔn)確率為98.5%，對(duì)橘子的分級(jí)準(zhǔn)確率為98.3%。使用神經(jīng)網(wǎng)絡(luò)分類，訓(xùn)練好網(wǎng)絡(luò)后，利用ANN的泛化功能，對(duì)橙子的彩色RGB圖像結(jié)合顏色和果形分析，獲得魯棒性、實(shí)時(shí)性的分類結(jié)果。

紅外線波段是人眼不可視波段，其在水果的檢測(cè)中有許多優(yōu)良的性能，如碳?xì)浠衔铮ㄌ?、酸、水、維生素等）在近紅外波段有不同的吸收峰，可作為檢測(cè)的依據(jù)，這是近年來發(fā)展起來的水果內(nèi)部品質(zhì)檢測(cè)的首選方法。2001年Greensill的試驗(yàn)表明，使用雙棱鏡散射的近紅外分光計(jì)能可靠、快速地進(jìn)行在線水果分級(jí)。Renfu Lu運(yùn)用近紅外多光譜散射圖像（光譜段范圍為670～16 060 nm，間隔10 nm）來預(yù)測(cè)紅富士蘋果的硬度和含糖度，將不同光譜段的散射率輸入神經(jīng)網(wǎng)絡(luò)的輸入層，結(jié)果發(fā)現(xiàn)波長(zhǎng)為680，880，905，940 nm的近紅外多光譜散射圖像用于預(yù)測(cè)紅富士蘋果的硬度和含糖度效果最好。

機(jī)器視覺系統(tǒng)數(shù)據(jù)的提取需要高質(zhì)量的圖像，采用高光譜和多光譜技術(shù)可以快速得到高精度圖像。高光譜圖像的光譜分辨率相當(dāng)高，能夠精確獲得果品缺陷、污點(diǎn)、損傷等的特征光譜段。而多光譜利用高光譜的分析結(jié)果，能夠快速、實(shí)時(shí)采集信息，降低了軟件識(shí)別的不確定性。Throop JA等人的研究表明，利用計(jì)算機(jī)視覺通過檢測(cè)平均灰度來確定可見光在蘋果中的透射能力，可以百分之百地測(cè)量蘋果中是否有水芯存在，但無法確定水芯的嚴(yán)重程度。ZwiggelaarReyer等人研究采用計(jì)算機(jī)視覺技術(shù)檢測(cè)桃和杏的撞傷問題，對(duì)有傷果品檢測(cè)的成功率約為65%。

熱紅外圖像檢測(cè)基于損傷處和正常處的熱輻射不同，運(yùn)用熱紅外圖像對(duì)損傷的判別準(zhǔn)確率達(dá)100%。試驗(yàn)證明，在損傷30～180 s后，擦傷處和正常處存在一定的溫差。不過熱紅外圖像必須在環(huán)境溫度變化下才可檢測(cè)。

激光圖像檢測(cè)是利用激光照射在相對(duì)粗糙（與光的波長(zhǎng)相比）物體表面上，經(jīng)過不同光程的散射光之間相互干涉，會(huì)形成隨機(jī)干涉的圖樣（即激光散斑圖像），這些圖像包含了物體的表面信息、反射粒子的運(yùn)動(dòng)信息和溫度信息等。經(jīng)CCD攝像機(jī)將圖像信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，以供后續(xù)圖像處理系統(tǒng)進(jìn)行處理。英國(guó)的N.Abramson博士用激光照射蘋果時(shí)發(fā)現(xiàn)，從蘋果表面產(chǎn)生的激光散斑是運(yùn)動(dòng)的。A.Zdunek等人采用激光散斑技術(shù)對(duì)蘋果上架期的新鮮度進(jìn)行檢測(cè)，可以很好地檢測(cè)出蘋果的新鮮度。法國(guó)學(xué)者Oulamara研究西紅柿、橙子、蘋果等生物產(chǎn)生的激光散斑的時(shí)間相關(guān)性。Briers J D等人發(fā)現(xiàn)生物樣品的一些特性的改變可以通過散斑圖樣來反應(yīng)。

沖擊檢測(cè)是最近發(fā)展起來的一種品質(zhì)檢測(cè)方法。2001年Jaren等人對(duì)蘋果和梨采用軟件控制沖擊力度，計(jì)算出分級(jí)所需的水果硬度等參數(shù)，并設(shè)計(jì)了在線沖擊設(shè)備、自動(dòng)硬度檢測(cè)軟件。

THz技術(shù)檢測(cè)是根據(jù)水對(duì)太赫茲輻射的強(qiáng)吸收作用，利用透射、反射、漫反射時(shí)域光譜分析和THz成像技術(shù)檢測(cè)水果內(nèi)的水分和不同水果之間微小水分差異。Ogawa等人建立了基于THz波反射光譜的番茄內(nèi)部品質(zhì)檢測(cè)系統(tǒng)，研究?jī)?nèi)部受損番茄和正常番茄的不同光譜特征。他們首先采用THz-TDS方法對(duì)番茄表皮的折射率進(jìn)行測(cè)量計(jì)算，得出折射率在1 THz時(shí)約為1.8；同時(shí)采用后向波振蕩器（BWO）作為THz源，用于產(chǎn)生連續(xù)線性的1 THz探測(cè)光束照射番茄，通過判斷番茄表皮層濕度的差異來對(duì)其內(nèi)部品質(zhì)進(jìn)行無損檢測(cè)。

2.2 國(guó)內(nèi)研究現(xiàn)狀

我國(guó)在水果品質(zhì)檢測(cè)和分級(jí)方面起步較晚，但經(jīng)過數(shù)十年的研究和發(fā)展，也取得了一些成果。

李慶中等人在實(shí)數(shù)域分形盒維數(shù)計(jì)算方法的基礎(chǔ)上，提出雙金字塔數(shù)據(jù)形式的盒維數(shù)快速計(jì)算方法。對(duì)待識(shí)別水果圖像的可疑缺陷區(qū)，提出用5個(gè)分形維數(shù)作為描述該區(qū)域粗糙度和紋理方向性的特征參數(shù)，并用所提出的快速計(jì)算方法進(jìn)行計(jì)算，然后利用人工神經(jīng)網(wǎng)絡(luò)（BP）作為模式識(shí)別器，區(qū)分水果表面的缺陷區(qū)和梗萼凹陷區(qū)，識(shí)別的準(zhǔn)確率為9.3%，一個(gè)可疑缺陷區(qū)的判別時(shí)間為4～7 ms。李慶中等人還介紹了蘋果顏色自動(dòng)分級(jí)系統(tǒng)的硬件組成，確定了蘋果顏色特征的提取方法，利用遺傳算法進(jìn)行多層前饋神經(jīng)網(wǎng)絡(luò)識(shí)別器的學(xué)習(xí)設(shè)計(jì)，實(shí)現(xiàn)了蘋果顏色的實(shí)時(shí)分級(jí)，并通過試驗(yàn)驗(yàn)證了該方法的有效性。

籍保平、李永華提出基于計(jì)算機(jī)視覺的蘋果形狀和尺寸識(shí)別的方法。在對(duì)蘋果圖像進(jìn)行形狀和尺寸識(shí)別時(shí)，首先通過中值濾波和閾值法去除圖片中的噪音和背景信息，并轉(zhuǎn)換成二值圖像，然后進(jìn)行邊緣提取。獲取的蘋果邊緣中包括果柄的邊緣點(diǎn)，必須給予剔除，最后針對(duì)剔除果柄后的蘋果邊緣進(jìn)行快速傅立葉變換（或通過幾何參數(shù)法）來提取包含形狀和尺寸信息的傅立葉系數(shù)（或幾何參數(shù)），用來作為蘋果形狀和尺寸分級(jí)的依據(jù)。

應(yīng)義斌等人提出用計(jì)算機(jī)視覺進(jìn)行黃花梨果梗識(shí)別，判斷有無果梗的正確率為100%，判斷果梗是否完好的正確率為93%，其運(yùn)用的算法具有一定的魯棒性，對(duì)移位、旋轉(zhuǎn)不敏感，可應(yīng)用于其他果品的果梗識(shí)別。蔣煥煜等人對(duì)水果圖像的背景分割和邊緣檢測(cè)技術(shù)、蘋果果梗和表面缺陷的計(jì)算機(jī)視覺檢測(cè)方法、蘋果圖像的預(yù)處理及尺寸檢測(cè)，以及水果分級(jí)自動(dòng)生產(chǎn)線等也進(jìn)行了深入研究。

李公平等人利用核磁共振原理測(cè)定甜菜含糖量，通過大量試驗(yàn)，在采用對(duì)甜菜含糖量折光計(jì)分析法的基礎(chǔ)上，建立了核磁共振方法中甜菜的含糖量模型。該原理適用于所有水果含糖量測(cè)定的研究。endprint

張索菲等人以獲取蘋果受敲擊后聲音的頻譜特性為手段，對(duì)蘋果在貯存期的品質(zhì)進(jìn)行評(píng)價(jià)和分類，發(fā)現(xiàn)隨著存放時(shí)間的延長(zhǎng)，蘋果受敲擊發(fā)聲的頻譜峰值逐漸減小，而質(zhì)量越小的蘋果受敲擊后發(fā)出聲音的基頻越低，從而開展了對(duì)蘋果等水果的聲學(xué)特性試驗(yàn)。

劉燕德等人利用傅里葉光譜儀結(jié)合智能光纖傳感器，研究近紅外光譜與蘋果糖度的關(guān)系。通過主成分回歸、偏最小二乘法和逐步回歸法3種多元校正算法對(duì)水果光譜數(shù)據(jù)的分析，得出3種模式下水果糖度預(yù)測(cè)值與真實(shí)值之間的相關(guān)系數(shù)分別為0.86，0.85，0.72。研究表明，選擇合適的波段并用光纖傳感技術(shù)檢測(cè)蘋果糖度是可行的，這對(duì)檢測(cè)酸度、維生素C等成分均有應(yīng)用參考價(jià)值。

3 水果無損品質(zhì)檢測(cè)技術(shù)應(yīng)用現(xiàn)狀

3.1 國(guó)外應(yīng)用現(xiàn)狀

國(guó)外水果無損檢測(cè)技術(shù)的推廣和應(yīng)用發(fā)展較快，依靠這種技術(shù)制造的水果分級(jí)設(shè)備已經(jīng)可以解決多種水果和蔬菜商品化處理關(guān)鍵問題，為水果類經(jīng)濟(jì)的增長(zhǎng)做出了巨大貢獻(xiàn)。

1995年美國(guó)研制成功的Merling高速高頻計(jì)算機(jī)視覺水果分級(jí)系統(tǒng)，其生產(chǎn)率約為40 t/h，美國(guó)每年有50%以上的蘋果經(jīng)過該設(shè)備處理。

美國(guó)Autoline公司的水果分級(jí)設(shè)備在世界上處于領(lǐng)先地位，其產(chǎn)品已經(jīng)系列化（5個(gè)型號(hào)），能夠按照質(zhì)量、顏色、形狀分級(jí)，傳送通道可達(dá)9道，分級(jí)出口可達(dá)60個(gè)，每道的最高傳送速率為12個(gè)/s，其傳輸系統(tǒng)可以容納不同尺寸的水果。Model 6型機(jī)器視覺水果分級(jí)機(jī)采用雙CCD，其中一個(gè)裝有RGB顏色傳感器，另一個(gè)裝有近紅外傳感器，可以同時(shí)進(jìn)行形狀、尺寸、大小、體積、顏色和缺陷分級(jí)。其所有的控制可以通過臺(tái)式中央計(jì)算機(jī)控制完成，操作員可對(duì)設(shè)備進(jìn)行分級(jí)、選擇，根據(jù)用戶需要進(jìn)行定量包裝、統(tǒng)計(jì)。

日本開發(fā)出可見光和近紅外線測(cè)定梨、蘋果成熟度的傳感器，又研制出快速判別水果成熟度和色澤的選果裝置，并將該技術(shù)用于自動(dòng)化選果線上，把成熟度、色彩傳感器與自動(dòng)化分級(jí)、包裝線連在一起，率先實(shí)現(xiàn)了高度自動(dòng)化的無損傷檢測(cè)選果。日本三菱電器公司研制的水果成熟度分級(jí)機(jī)，利用傳感器綜合測(cè)出梨的表面顏色、對(duì)特定光的透光率、形狀和大小，并與事先存儲(chǔ)在計(jì)算機(jī)中的優(yōu)良梨數(shù)據(jù)進(jìn)行對(duì)比，推算出成熟度和糖分。

3.2 國(guó)內(nèi)應(yīng)用現(xiàn)狀

我國(guó)目前應(yīng)用無損檢測(cè)技術(shù)的水果分級(jí)設(shè)備主要依靠大小和質(zhì)量來進(jìn)行分級(jí)工作。對(duì)水果內(nèi)部品質(zhì)進(jìn)行檢測(cè)的自動(dòng)分級(jí)設(shè)備在市場(chǎng)上銷售的并不多，但是國(guó)內(nèi)許多高校及科研單位都在進(jìn)行這方面的研究。山東省棲霞茂源機(jī)械設(shè)備公司生產(chǎn)的GXJ-W系列臥式果蔬分選機(jī)，是一種將類似球形的水果或蔬菜（梨、蘋果、柿子、桃子、檸檬、石榴、番茄、柑橘、土豆等）按質(zhì)量分級(jí)的高效自選設(shè)備。浙江大學(xué)承擔(dān)了國(guó)家863項(xiàng)目——水果品質(zhì)實(shí)時(shí)檢測(cè)和分級(jí)機(jī)器人的研究，成功研制出智能柑橘分級(jí)設(shè)備，采用雙排雙錐式滾筒同時(shí)輸送和翻轉(zhuǎn)水果。利用圖像處理分析軟件對(duì)視場(chǎng)內(nèi)每個(gè)水果的形狀、大小、色澤、表皮光潔度、表面缺陷、損傷等外觀品質(zhì)特征進(jìn)行提取、分析和判斷，確定柑橘的分類等級(jí)，并由位置傳感器確定水果位置的信息，然后通過控制模塊將指令傳遞到水果分級(jí)系統(tǒng)中的分級(jí)執(zhí)行機(jī)構(gòu)，使該水果在對(duì)應(yīng)分類級(jí)別的位置落下，從而實(shí)現(xiàn)水果的分級(jí)。浙江工業(yè)大學(xué)設(shè)計(jì)了基于蘋果的介電特性的水果品質(zhì)自動(dòng)檢測(cè)分級(jí)原型機(jī)。

中國(guó)農(nóng)業(yè)大學(xué)籍保平等人研發(fā)出基于機(jī)器視覺的水果分級(jí)系統(tǒng)，可以對(duì)水果的外部缺陷、色澤、尺寸和形狀進(jìn)行全面檢測(cè)，在此基礎(chǔ)上對(duì)水果進(jìn)行高速和精確的分級(jí)。使用簡(jiǎn)單算法判斷水果的大小和色澤，提高了分級(jí)速度；采用光譜和圖像技術(shù)進(jìn)行缺陷檢測(cè)，保證了檢測(cè)的精度和速度；可以根據(jù)用戶的要求或市場(chǎng)的需要任意調(diào)整分級(jí)基準(zhǔn)和級(jí)數(shù)。該生產(chǎn)線目前已經(jīng)申請(qǐng)發(fā)明專利4項(xiàng)、實(shí)用新型專利1項(xiàng)，并于2004年與江蘇牧羊集團(tuán)簽訂了成果轉(zhuǎn)讓協(xié)議，目前產(chǎn)品已經(jīng)投放市場(chǎng)。

4 結(jié)語(yǔ)

無損檢測(cè)技術(shù)是實(shí)現(xiàn)我國(guó)水果商品化處理的關(guān)鍵技術(shù)，在我國(guó)的發(fā)展已有數(shù)十年的歷史，取得了一定的成績(jī)，但要達(dá)到大規(guī)模普及和推廣還具有很大困難，在研究理論的實(shí)踐中還存在許多難以想象的問題。面對(duì)我國(guó)機(jī)械分選水果的自動(dòng)分級(jí)設(shè)備仍依賴進(jìn)口的現(xiàn)狀，需要研究新理論和新方法，緊跟國(guó)際發(fā)展趨勢(shì)，利用國(guó)內(nèi)外已取得的研究成果，發(fā)展新型全自動(dòng)分級(jí)設(shè)備，實(shí)現(xiàn)多種手段綜合檢測(cè)、多個(gè)樣品在線檢測(cè)、多項(xiàng)指標(biāo)同時(shí)檢測(cè)等目標(biāo)，從而提高我國(guó)國(guó)產(chǎn)水果的品質(zhì)，增強(qiáng)參與國(guó)際競(jìng)爭(zhēng)的能力，創(chuàng)造巨大的經(jīng)濟(jì)效益和社會(huì)效益。

參考文獻(xiàn)

[1] 白菲，孟超英.水果自動(dòng)分級(jí)技術(shù)的現(xiàn)狀與發(fā)展[J].食品科學(xué)，2005（26）：145-148.

[2] 張方明，應(yīng)義斌.水果分級(jí)機(jī)器人關(guān)鍵技術(shù)的研究和發(fā)展[J].機(jī)器人技術(shù)與應(yīng)用，2004（1）：34-37.

[3] 莫潤(rùn)陽(yáng).無損檢測(cè)技術(shù)在水果品質(zhì)評(píng)價(jià)中的應(yīng)用[J].物理學(xué)和高新技術(shù)，2004，33（11）：848-851.

[4] 韓東海，劉新鑫，涂潤(rùn)林.果品無損檢測(cè)技術(shù)在蘋果生產(chǎn)和分級(jí)中的應(yīng)用[J].世界農(nóng)業(yè)，2003（1）：42-44.

[5] 李志霞，聶繼云.無損檢測(cè)技術(shù)及其在果品質(zhì)量安全檢測(cè)中的應(yīng)用[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2013，15（4）：31-35.

[6] 郭文川，朱新華，郭康.果品內(nèi)在品質(zhì)無損檢測(cè)技術(shù)的研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2001，17（5）：1-5.

[7] 韓平，潘立剛，馬智宏，等.X射線無損檢測(cè)技術(shù)在農(nóng)產(chǎn)品品質(zhì)評(píng)價(jià)中的應(yīng)用[J].農(nóng)機(jī)化研究，2009（10）：6-10.

[8] 薛龍，莊宏，黎靜，等.基于激光誘導(dǎo)熒光高光譜技術(shù)無損檢測(cè)臍橙表面敵敵畏殘留[J].中國(guó)農(nóng)機(jī)化，2012（1）：189-193.

[9] 孫玲，周壽桓，閻吉祥，等.激光誘導(dǎo)熒光技術(shù)在農(nóng)藥殘留物探測(cè)中的應(yīng)用[J].激光與紅外，2003，33（6）：417-418.

[10] 石亞麗，袁濤，任婷婷，等.生物傳感器在食品安全快速檢測(cè)中應(yīng)用研究[J].糧食與油脂，2012（2）：5-9.

[11] RENFU LU.Predicting apple fruit firmness and sugar content using near-infrared scattering properties[J].ASAE Annual Meeting，2003（3）：6 212.

[12] ZW IGGELAARREYER.Use of spectral information andmachine vision for bruise dection on peaches and apricots[J].Journal of Agricultural Engineering Research，1996，63（4）：323-332.

[13] ZDUNEK A，MURAVSKY L I，F(xiàn)RANKEVYCH L， et al.New nondestructive method based on spatial-temporal speckle correlation technique for evaluation of apples quality during shelf-life[J].Int.Agrophysics，2007（21）：305-310.

[14] 李慶中，張漫，汪懋華.基于遺傳神經(jīng)網(wǎng)絡(luò)的蘋果顏色實(shí)時(shí)分級(jí)方法[J].中國(guó)圖像圖形學(xué)報(bào)，2000，5（9）：779-784.

[15] 籍保平，吳文才.計(jì)算機(jī)視覺蘋果分級(jí)系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2000，31（6）：118-121.

[16] 蔣煥煜，應(yīng)義斌，王劍平，等.水果品質(zhì)智能化實(shí)時(shí)檢測(cè)分級(jí)生產(chǎn)線的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2002，18（6）：158-160.

[17] 張索非，陳斌，褚靜.基于聲學(xué)特性的蘋果無損檢測(cè)方法[J].現(xiàn)代儀器，2007（2）：11-17.endprint