丁 燕，孫元明，李冬升，李同璽，張永成，劉 揚(yáng)，蘭海鵬,

（1.塔里木大學(xué)機(jī)械電氣化工程學(xué)院，新疆阿拉爾 843300；2.塔里木大學(xué)圖書館，新疆阿拉爾 843300；3.新疆生產(chǎn)建設(shè)兵團(tuán)第一師阿拉爾職業(yè)技術(shù)學(xué)校，新疆阿拉爾 843300）

近年來，隨著科學(xué)技術(shù)的發(fā)展和人民生活水平的不斷提高，國(guó)際水果進(jìn)出口市場(chǎng)競(jìng)爭(zhēng)的增加，水果的質(zhì)量管理變得尤為重要。水果無損檢測(cè)是指在不損傷待檢水果的前提下，運(yùn)用一定的檢驗(yàn)技術(shù)和方法對(duì)水果的內(nèi)在及外在質(zhì)量進(jìn)行檢查，并按照相應(yīng)的要求對(duì)其進(jìn)行評(píng)估的過程[1]。水果的外觀、缺陷、色澤、成分等品質(zhì)用傳統(tǒng)的檢驗(yàn)方法均難以實(shí)現(xiàn)無損傷、在線檢測(cè)。所以，研究快捷、高效、準(zhǔn)確的果蔬質(zhì)量監(jiān)測(cè)技術(shù)，對(duì)改善果蔬交易價(jià)格有著非常關(guān)鍵的現(xiàn)實(shí)意義[2]。

當(dāng)前，國(guó)內(nèi)外學(xué)者對(duì)水果無損檢測(cè)的研究已有大量成果，主要集中在對(duì)水果的無損檢測(cè)方法、水果品質(zhì)檢測(cè)、水果分級(jí)等方面。事實(shí)上，研究者如果只通過閱讀大量文獻(xiàn)來開展科研，則難以精確掌握當(dāng)前該領(lǐng)域的研究趨勢(shì)、研究熱點(diǎn)及前沿，加上每個(gè)研究者的科研能力差異，便造成了對(duì)研究領(lǐng)域的發(fā)展趨勢(shì)產(chǎn)生判斷偏差[2]。文獻(xiàn)計(jì)量學(xué)是指以研究領(lǐng)域機(jī)構(gòu)共引、作者合作網(wǎng)絡(luò)以及主題和領(lǐng)域共現(xiàn)為主體，用數(shù)學(xué)和統(tǒng)計(jì)學(xué)的方法，定量描述和監(jiān)測(cè)已發(fā)表的研究文獻(xiàn)，解析當(dāng)前研究領(lǐng)域的學(xué)術(shù)發(fā)展趨勢(shì)和科研熱點(diǎn)[3]。2004 年，陳超美博士團(tuán)隊(duì)開發(fā)了一款文獻(xiàn)計(jì)量的建模軟件—CiteSpace，由于該軟件能夠?qū)⒀芯款I(lǐng)域的結(jié)構(gòu)、動(dòng)態(tài)模式和趨勢(shì)進(jìn)行可視化分析，在學(xué)術(shù)界備受關(guān)注[4]。所以，本文選擇該軟件對(duì)水果無損檢測(cè)領(lǐng)域的文獻(xiàn)進(jìn)行可視化分析。

考慮到水果對(duì)人類生活的重要性，本文基于CNKI及Web of Science 核心數(shù)據(jù)庫中水果無損檢測(cè)領(lǐng)域的研究文獻(xiàn)為主體，選取2012～2022 年的文獻(xiàn)數(shù)據(jù)，利用CiteSpace 軟件對(duì)水果無損檢測(cè)領(lǐng)域的相關(guān)文獻(xiàn)進(jìn)行計(jì)量分析，利用其系統(tǒng)的、透明的、可重復(fù)的審查過程，準(zhǔn)確掌握水果無損檢測(cè)領(lǐng)域前沿的演進(jìn)路徑及經(jīng)典基礎(chǔ)文獻(xiàn)，以期為水果無損檢測(cè)領(lǐng)域的后續(xù)研究學(xué)者提供借鑒。

1 研究設(shè)計(jì)

1.1 數(shù)據(jù)來源

本文數(shù)據(jù)選取CNKI 核心期刊庫和Web of ScienceTM核心數(shù)據(jù)集為數(shù)據(jù)來源。由于在CiteSpace中，有針對(duì)性的主題檢索效果相對(duì)最好，因此本研究CNKI 數(shù)據(jù)以主題途徑檢索，檢索式=“水果+農(nóng)產(chǎn)品+梨+蘋果+西瓜+葡萄+柑橘+香蕉”AND“無損檢測(cè)+無損傷檢測(cè)+無損檢驗(yàn)+無損傷檢驗(yàn)”精確檢索，時(shí)間節(jié)點(diǎn)選取2012 年1 月1 日～2022 年9 月30 日，并手動(dòng)剔除報(bào)道、會(huì)議文件、卷首語等數(shù)據(jù)，共獲得相關(guān)文獻(xiàn)1322 篇。外文期刊數(shù)據(jù)選擇Web of ScienceTM核心數(shù)據(jù)集，以主題=“（*Nondestruct* *Test* OR Nondestructive OR No damage Test）and （*Fruit OR Apple OR Agricultural products OR citrus OR crops OR Watermelon OR grape OR banana OR pear）”進(jìn)行檢索，共檢索到文獻(xiàn)3857 篇，通過手動(dòng)剔除重復(fù)、無效等文獻(xiàn)，最終獲得有效文獻(xiàn)3526篇。

1.2 分析方法

本研究采用CiteSpaceV.6.1.R2 軟件進(jìn)行可視化分析。將從CNKI 核心期刊庫及Web of ScienceTM核心數(shù)據(jù)庫檢索到的相關(guān)文獻(xiàn)數(shù)據(jù)以文本格式導(dǎo)出，經(jīng)過CiteSpace 軟件進(jìn)行格式轉(zhuǎn)化后導(dǎo)入CiteSpace主界面中，時(shí)間跨度選擇2012 年1 月～2022 年9 月，時(shí)間分區(qū)為1 年，設(shè)置Top N=10，TopN%=20，閾值分別設(shè)置為（2、2、20）、（4、3、20）、（4、3、20）。對(duì)獲取的文獻(xiàn)數(shù)據(jù)進(jìn)行作者、機(jī)構(gòu)、國(guó)家、關(guān)鍵詞及引文文獻(xiàn)進(jìn)行可視化分析。

1.3 數(shù)據(jù)處理

本文通過CNKI 和Web of Science 系統(tǒng)自帶的統(tǒng)計(jì)分析功能對(duì)年度發(fā)文量及被引情況進(jìn)行量化分析，并用Excel 軟件繪制圖表。此外從CNKI 和Web of Science 核心數(shù)據(jù)庫將全部文獻(xiàn)相關(guān)信息導(dǎo)出并保存為txt 格式，利用CiteSpace 軟件的數(shù)據(jù)分析板塊進(jìn)行處理，對(duì)水果無損檢測(cè)領(lǐng)域的發(fā)文國(guó)家、機(jī)構(gòu)、作者合作關(guān)系及關(guān)鍵詞進(jìn)行統(tǒng)計(jì)分析，在繪制知識(shí)譜圖的基礎(chǔ)上，闡明不同時(shí)期的研究熱點(diǎn)以及未來的研究趨勢(shì)。

2 結(jié)果與分析

2.1 歷年發(fā)文量分析

2.1.1 國(guó)內(nèi)發(fā)文量及被引分析 發(fā)文量反映了科研人員對(duì)該領(lǐng)域熱點(diǎn)問題的關(guān)注程度，表明了相關(guān)領(lǐng)域研究的發(fā)展程度和發(fā)展速度[5]，2012～2022 年間水果無損檢測(cè)研究文獻(xiàn)的年度發(fā)文量總體呈上升趨勢(shì)（圖1）。通過對(duì)CNKI 核心期刊庫發(fā)文量數(shù)據(jù)進(jìn)行分析，2012 年至2015 年是水果無損檢測(cè)領(lǐng)域發(fā)表相關(guān)文獻(xiàn)研究的起步階段，年度發(fā)文量均保持在100上下，通過對(duì)文獻(xiàn)被引頻次數(shù)據(jù)進(jìn)行分析（表1），2014年北京市農(nóng)林科學(xué)院張保華、李江波等人團(tuán)體通過深入了解高光譜成像技術(shù)的檢測(cè)原理并跟蹤國(guó)內(nèi)外最新的研究進(jìn)展，將高光譜成像技術(shù)應(yīng)用在水果和蔬菜外部品質(zhì)、內(nèi)部品質(zhì)和品質(zhì)安全檢測(cè)中[6]，并簡(jiǎn)要介紹和討論了高光譜成像系統(tǒng)的構(gòu)成、常用的數(shù)據(jù)分析方法、發(fā)展趨勢(shì)及面臨的挑戰(zhàn)，該研究確立了無損檢測(cè)技術(shù)的主要研究對(duì)象及研究方法，截止2022年10 月7 日，該文獻(xiàn)被引用118 次，下載3900 次，成為這一時(shí)期高被引、高下載文獻(xiàn)。2016 年至2022 年該領(lǐng)域研究文獻(xiàn)發(fā)表量持續(xù)增加，趨勢(shì)明顯加快，增長(zhǎng)率介于1.3%～14.44%之間，年平均增長(zhǎng)率為7.82%，這一時(shí)期共發(fā)表文獻(xiàn)1055 篇，通過文獻(xiàn)分析，發(fā)現(xiàn)這一時(shí)期主要針對(duì)無損檢測(cè)技術(shù)將水果及農(nóng)產(chǎn)品進(jìn)行分級(jí)分類，并出現(xiàn)了電子鼻等新的無損檢測(cè)技術(shù)，研究的方向主要為品質(zhì)檢測(cè)、成熟度檢測(cè)及損傷程度分析等，同時(shí)也可以看出，這一時(shí)期的研究基本成型[6-10]，研究的主體以及方向大體一致。

圖1 國(guó)內(nèi)外發(fā)文量Fig.1 Number of posts at home and abroad

表1 排名前5 的高被引論文Table 1 Top 5 highly cited papers

2.1.2 國(guó)外發(fā)文量及被引分析 通過對(duì)Web of ScienceTM核心數(shù)據(jù)庫檢索到的相關(guān)文獻(xiàn)數(shù)據(jù)進(jìn)行分析（圖1、表1），可明顯看出，從2012 年起，該領(lǐng)域研究文獻(xiàn)一直呈顯著增長(zhǎng)，年均發(fā)文量約為321 篇，并且研究方向大致分為兩個(gè)階段，2015 年之前以無損檢測(cè)技術(shù)方法為主要研究方向，2015 年之后以無損檢測(cè)技術(shù)用途為主要研究方向，其中，西班牙的Lorente, D 團(tuán)隊(duì)研究的光譜成像的最新進(jìn)展和應(yīng)用水果和蔬菜質(zhì)量評(píng)估于2012 年5 月發(fā)表在《Food and Bioprocess Technology》期刊上，通過高光譜成像系統(tǒng)對(duì)食品質(zhì)量評(píng)估的短板出發(fā)，開發(fā)基于該技術(shù)的新系統(tǒng)，該系統(tǒng)能夠分析無法使用可見成像檢查的質(zhì)量特征，可用于對(duì)這些產(chǎn)品的內(nèi)部和外部特征進(jìn)行無損檢測(cè)[11-15]，該文獻(xiàn)被引頻次達(dá)401 次，這為水果無損檢測(cè)領(lǐng)域的研究奠定了方向。

通過對(duì)國(guó)內(nèi)外發(fā)文量及被引分析可知，國(guó)內(nèi)外的研究主體及方向大多保持一致，并持續(xù)呈上升趨勢(shì)，全球發(fā)文量的飛速增長(zhǎng)很大程度上得益于水果無損檢測(cè)研究領(lǐng)域的快速發(fā)展，同時(shí)也吸引了更多的學(xué)者關(guān)注該領(lǐng)域，因而近些年文獻(xiàn)發(fā)表量出現(xiàn)持續(xù)增長(zhǎng)趨勢(shì)。

2.2 發(fā)文國(guó)家（機(jī)構(gòu)）分析

2.2.1 發(fā)文國(guó)家分析 如表2 所示，對(duì)Web of ScienceTM核心數(shù)據(jù)庫檢索到的3526 篇文獻(xiàn)進(jìn)行分析，可以看出，該領(lǐng)域的發(fā)文量在全球分布不均。中國(guó)發(fā)文880 篇，占比達(dá)24.96%，是該研究領(lǐng)域發(fā)文最多的國(guó)家。我國(guó)目前是全球人口最大的發(fā)展中國(guó)家，同時(shí)也是全球人口第二大經(jīng)濟(jì)體，隨著2021 年的脫貧攻堅(jiān)全面勝利，人們的生活水平逐漸提升，對(duì)水果的品質(zhì)要求也越來越高，因此對(duì)該領(lǐng)域的研究最多。第二為美國(guó)，共發(fā)文786 篇，占比21.68%。其次為巴西、西班牙、意大利等國(guó)家，根據(jù)前瞻產(chǎn)業(yè)研究院《中國(guó)水果制品行業(yè)市場(chǎng)前瞻與投資戰(zhàn)略規(guī)劃分析報(bào)告》可以看出，全球水果種植產(chǎn)量和種植面積60%以上均來自于中國(guó)和美國(guó)，這也是其他國(guó)家在研究領(lǐng)域發(fā)文較少的重要原因。通過對(duì)排名前5 的發(fā)文國(guó)家年度發(fā)文量分析（圖2），各個(gè)國(guó)家在水果無損檢測(cè)領(lǐng)域的研究文獻(xiàn)呈持續(xù)上升，自2012 年以來，水果無損檢測(cè)方面的文獻(xiàn)發(fā)表量逐年遞增，2021 年全球發(fā)文量達(dá)到最高（276 篇），當(dāng)年發(fā)文量占2012 年～2022年總發(fā)文量的13.84%，表明水果無損檢測(cè)研究已經(jīng)成為當(dāng)下全球關(guān)注的焦點(diǎn)。可以看出，隨著社會(huì)經(jīng)濟(jì)快速發(fā)展，越來越多的國(guó)內(nèi)外學(xué)者關(guān)注水果無損檢測(cè)領(lǐng)域的發(fā)展。

圖2 排名前5 的發(fā)文國(guó)家的年度發(fā)文量Fig.2 Annual publication volume of the first 5 published countries

表2 發(fā)文量排名前10 的國(guó)家Table 2 Top 10 countries in the number of publications

2.2.2 發(fā)文機(jī)構(gòu)分析 通過對(duì)獲取的國(guó)內(nèi)外文獻(xiàn)進(jìn)行發(fā)文機(jī)構(gòu)分析（表3）。可以看出，國(guó)內(nèi)發(fā)文機(jī)構(gòu)均為大學(xué)，這些機(jī)構(gòu)構(gòu)成了我國(guó)該領(lǐng)域的研究的主要力量。其中發(fā)文最多的機(jī)構(gòu)為中國(guó)農(nóng)業(yè)大學(xué)，共發(fā)文84 篇，其次為浙江大學(xué)（32 篇）、江蘇大學(xué)（30 篇）等機(jī)構(gòu)。外文文獻(xiàn)發(fā)文機(jī)構(gòu)前十中有6 個(gè)來自于中國(guó)，4 個(gè)來自于美國(guó)，且是由8 所高等院校和2 所農(nóng)業(yè)科學(xué)研究院組成，說明該研究領(lǐng)域全球發(fā)文量極不平衡，且以國(guó)家級(jí)科研機(jī)構(gòu)為主體。其中，浙江大學(xué)以發(fā)文105 篇成為該領(lǐng)域研究最多的機(jī)構(gòu)，其次為美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究所（80 篇）、中國(guó)農(nóng)業(yè)大學(xué)（76篇），說明了中國(guó)學(xué)者對(duì)該領(lǐng)域研究關(guān)注度較高，在全球已具有一定的影響力。

表3 排名前10 的國(guó)內(nèi)外研究機(jī)構(gòu)Table 3 Top 10 domestic and foreign research institutions

通過將發(fā)文機(jī)構(gòu)中的國(guó)內(nèi)機(jī)構(gòu)進(jìn)行整合，得出4 個(gè)研究機(jī)構(gòu)的發(fā)文量，分別為中國(guó)農(nóng)業(yè)大學(xué)160篇、浙江大學(xué)137 篇、西北農(nóng)林科技大學(xué)69 篇、江蘇大學(xué)64 篇，并對(duì)其年度發(fā)文趨勢(shì)進(jìn)行分析（圖3），大致分為3 個(gè)階段，2012 年～2015 年，國(guó)內(nèi)研究機(jī)構(gòu)處于快速發(fā)展階段，說明國(guó)內(nèi)學(xué)者對(duì)水果無損檢測(cè)研究的重視程度在不斷增加；2015 年～2018 年，國(guó)內(nèi)研究機(jī)構(gòu)發(fā)文量相對(duì)平穩(wěn)；自2019 年開始，水果無損檢測(cè)相關(guān)研究成果出現(xiàn)了緩慢下降的趨勢(shì)，但2021 年稍有回升，這種現(xiàn)象可能與新冠疫情有關(guān)，相信在不久的將來人類終將戰(zhàn)勝疫情，恢復(fù)科研生產(chǎn)力。

圖3 國(guó)內(nèi)研究機(jī)構(gòu)年度發(fā)文量Fig.3 Nnual publication volume of domestic research institutions

2.3 核心研究團(tuán)隊(duì)分析

2.3.1 國(guó)內(nèi)發(fā)文作者分析 通過發(fā)文作者共現(xiàn)網(wǎng)絡(luò)分析可以得出合作密切的學(xué)者群發(fā)掘?qū)W術(shù)研究的團(tuán)隊(duì)效應(yīng)[16]，為進(jìn)一步了解主要研究作者間的合作關(guān)系，將從CNKI 核心期刊庫獲取的文獻(xiàn)數(shù)據(jù)導(dǎo)入CiteSpace 中，進(jìn)行發(fā)文作者的可視化分析（圖4），圖譜共產(chǎn)生節(jié)點(diǎn)440 個(gè)，連線492 條，網(wǎng)絡(luò)密度為0.0051。圖中的結(jié)點(diǎn)代表發(fā)文作者，結(jié)點(diǎn)標(biāo)簽文字越大則代表該作者發(fā)文量更多，之間的連線則代表寫作雙方的合作程度，而連線的顏色越深則代表雙方合作更緊密[17]。根據(jù)分析可得，國(guó)內(nèi)該研究領(lǐng)域以團(tuán)體研究居多，其中應(yīng)義斌—?jiǎng)⒀嗟聢F(tuán)體、于小庭—任圓—何賢團(tuán)體、彭彥昆—李永玉團(tuán)體、北京農(nóng)林科學(xué)院團(tuán)體發(fā)文量較多，在水果無損檢測(cè)領(lǐng)域中處于領(lǐng)先地位，說明目前水果無損檢測(cè)領(lǐng)域研究是靠幾位核心作者帶動(dòng)的；且應(yīng)義斌是合作網(wǎng)絡(luò)中與外界聯(lián)系較多的主要作者，可以看出，我國(guó)該研究領(lǐng)域的作者之間合作較為緊密，獨(dú)立研究作者相對(duì)較少，且已經(jīng)形成了較為穩(wěn)定的研究團(tuán)體。

2.3.2 國(guó)外發(fā)文作者分析 通過對(duì)國(guó)外發(fā)文作者合作圖譜（圖5）進(jìn)行分析，共產(chǎn)生1014 個(gè)節(jié)點(diǎn)，988 條連線，網(wǎng)絡(luò)密度為0.0019。其中有2 個(gè)較大的研究團(tuán)體，Jiangbo Li 與其他17 位作者構(gòu)成的合作群最大，這2 個(gè)中心網(wǎng)絡(luò)內(nèi)的作者間協(xié)作較為緊密，也代表了在水果無損檢測(cè)研究領(lǐng)域最為活躍的科研團(tuán)隊(duì)；周圍還分布著不少的5～10 人的中型合作團(tuán)體，與其他團(tuán)隊(duì)間合作較少，表明大部分水果無損檢測(cè)研究人員分布廣泛且獨(dú)立性較強(qiáng)，如果能夠加強(qiáng)作者之間，尤其是來自不同國(guó)家或機(jī)構(gòu)的作者之間的合作研究，可以極大地促進(jìn)該研究領(lǐng)域?qū)W術(shù)思想的交流和創(chuàng)新。從發(fā)文量來看，排名前3 位的作者有Jiangbo Li、Wenqian Huang 和Shuxiang Fan，分別發(fā)表了30、24、20 篇文章，他們?cè)谠撗芯款I(lǐng)域較為活躍，表明其在水果無損檢測(cè)領(lǐng)域的研究具有較強(qiáng)的影響力。通過上述分析可以發(fā)現(xiàn)，兩大合作集團(tuán)的主要成員分別來自中國(guó)和美國(guó)，這也進(jìn)一步表明了中國(guó)與美國(guó)在水果無損檢測(cè)研究領(lǐng)域的重要地位。

圖5 國(guó)外發(fā)文作者合作圖譜Fig.5 Cooperative map of foreign published authors

2.4 高被引文獻(xiàn)網(wǎng)絡(luò)分析

2.4.1 文獻(xiàn)共被引分析 如果前兩篇（或多篇文章）一起被后來的或多篇文章所引證，則稱這兩篇論文構(gòu)成共被引關(guān)系。共被引分析通過同時(shí)被其他文獻(xiàn)引用的頻次來表達(dá)文獻(xiàn)間的關(guān)系[18]，引文的頻率越高，就表示聯(lián)系越密切，也就表示了這兩種文獻(xiàn)的學(xué)術(shù)背景更接近。但鑒于文獻(xiàn)共被引的可視化功能僅用于Web of Science 文獻(xiàn)數(shù)據(jù)信息，所以本研究只針對(duì)于外文的文獻(xiàn)數(shù)據(jù)信息中的共被引現(xiàn)象研究[19]。通過可視化共得到278 個(gè)節(jié)點(diǎn)，1189 條連線，網(wǎng)絡(luò)密度為0.0309，生成文獻(xiàn)共引網(wǎng)絡(luò)圖譜（圖6）。在圖表中的結(jié)點(diǎn)表示被引的文章，結(jié)點(diǎn)數(shù)量越大代表其被引用頻率越高，而結(jié)點(diǎn)相互之間的連接則代表共引關(guān)聯(lián)，粗細(xì)代表共引的大小。從圖6 可以看出，Mendoza F（2011）這篇文章是一篇非常重要的論文，因?yàn)樗谋灰l次最高，說明其在該領(lǐng)域內(nèi)具有重要影響，此外，還發(fā)現(xiàn)文獻(xiàn)共引網(wǎng)絡(luò)有比較明顯的自然聚類，大體分為2 類，通過13 篇關(guān)鍵文獻(xiàn)使這兩個(gè)聚類緊密聯(lián)系在一起，且兩個(gè)聚類的活躍時(shí)間也有著顯著區(qū)別[20]，2014 年以前的主要在圖的左上方，2015 年之后的主要在圖的右下方，這說明該領(lǐng)域主要有2 個(gè)研究方向，并且聯(lián)系緊密。

圖6 文獻(xiàn)共被引圖譜Fig.6 Document co-citation map

2.4.2 文獻(xiàn)共被引聚類分析 利用CiteSpace 聚類功能進(jìn)行文獻(xiàn)共被引的聚類分析，可以讓我們挖掘相似文獻(xiàn)的共同主題，從主題角度分析共被引每一個(gè)簇所代表的主題，無需我們?cè)诠脖灰膱D譜上再進(jìn)行人工歸納總結(jié)[21]。通過對(duì)該領(lǐng)域文獻(xiàn)共被引分析圖譜進(jìn)行聚類分析，生成22 個(gè)聚類，聚類效果良好。并自動(dòng)生成8 個(gè)聚類標(biāo)簽視圖（見圖7），通過分析聚類標(biāo)簽，將該領(lǐng)域研究劃分為2 個(gè)研究方向。

圖7 文獻(xiàn)共引網(wǎng)絡(luò)聚類標(biāo)簽圖譜Fig.7 Document co-citation network cluster label map

一是水果無損檢測(cè)技術(shù)的研究對(duì)象。該研究方向中共有4 個(gè)聚類標(biāo)簽，分別為#0 發(fā)霉的蘋果心（moldy apple core）、#1 荔枝果皮（lychee pericarp）、#2 柑橘類果實(shí)（clementine mandarin fruit）、#5 農(nóng)產(chǎn)品（agro-food product），可以看出，無損檢測(cè)技術(shù)的應(yīng)用領(lǐng)域特別廣，但主要集中在人們生活中可食用的范圍之內(nèi)，研究對(duì)象針對(duì)性強(qiáng)。

二是水果無損檢測(cè)技術(shù)的研究方法。該研究方向中共有4 個(gè)聚類標(biāo)簽，分別為#3 在線預(yù)測(cè)（online prediction）、#4 溶液法（solution method）、#6 可見光譜線性化梯度偏移（visible spectral linearisation gradient shift）、#5 機(jī)器視覺系統(tǒng)（using machine vision system），可以看出，隨著時(shí)代的不斷進(jìn)步，人們針對(duì)無損檢測(cè)技術(shù)的方法不斷改善，針對(duì)不同產(chǎn)品的不同品質(zhì)檢測(cè)需求都有相對(duì)較好的檢測(cè)方法，為該領(lǐng)域的研究提供了技術(shù)保障[22-24]。

2.5 關(guān)鍵詞共現(xiàn)及研究領(lǐng)域分析

2.5.1 關(guān)鍵詞共現(xiàn)分析 關(guān)鍵詞是對(duì)文獻(xiàn)研究?jī)?nèi)容的高度概括，高頻關(guān)鍵詞可以在一定程度上反映某一研究領(lǐng)域的熱點(diǎn)。CiteSpace 的關(guān)鍵詞共現(xiàn)分析可以直觀反映某一研究領(lǐng)域當(dāng)前的研究熱點(diǎn)以及過去的研究熱點(diǎn)[25]。本研究中通過對(duì)水果無損檢測(cè)領(lǐng)域的國(guó)內(nèi)外研究文獻(xiàn)進(jìn)行關(guān)鍵詞共現(xiàn)分析，見圖8 和圖9。關(guān)鍵詞節(jié)點(diǎn)較大，文獻(xiàn)提及次數(shù)較多，關(guān)鍵詞間的連線密集，被共現(xiàn)程度高。

圖8 CNKI 關(guān)鍵詞共現(xiàn)圖譜Fig.8 CNKI Keyword co-occurrence map

圖9 Web of Science 關(guān)鍵詞共現(xiàn)圖譜Fig.9 Web of Science Keyword co-occurrence map

對(duì)CNKI 數(shù)據(jù)庫中目標(biāo)文獻(xiàn)進(jìn)行關(guān)鍵詞共現(xiàn)，得到262 個(gè)關(guān)鍵詞節(jié)點(diǎn)、306 條節(jié)點(diǎn)間連線。國(guó)內(nèi)水果無損檢測(cè)研究領(lǐng)域文獻(xiàn)中除檢索詞“無損檢測(cè)”和“水果”外，與其共現(xiàn)次數(shù)較多的節(jié)點(diǎn)有“蘋果”、“糖度”、“介電特性”、“內(nèi)部品質(zhì)”、“成熟度”等，這反映出蘋果是水果無損檢測(cè)領(lǐng)域的重要研究對(duì)象，糖度、品質(zhì)、成熟度是水果無損檢測(cè)的重要目的，此外，“光譜分析”、“機(jī)器視覺”也是一個(gè)較大的結(jié)點(diǎn)，是水果無損檢測(cè)的重要手段，由此可以看出，國(guó)內(nèi)針對(duì)水果無損檢測(cè)的研究已經(jīng)形成了相對(duì)成型的知識(shí)網(wǎng)絡(luò)。

對(duì)Web of Science 數(shù)據(jù)庫中目標(biāo)文獻(xiàn)進(jìn)行關(guān)鍵詞共現(xiàn)，得到353 個(gè)關(guān)鍵詞節(jié)點(diǎn)和510 條連線。國(guó)外圍繞該領(lǐng)域的研究的高頻關(guān)鍵詞之間聯(lián)系網(wǎng)絡(luò)顏色較深、線條較粗、網(wǎng)絡(luò)較為密集，說明它們之間共現(xiàn)時(shí)間、共現(xiàn)次數(shù)和共現(xiàn)程度較高[26]。水果無損檢測(cè)研究領(lǐng)域文獻(xiàn)中除檢索詞“fruit（水果）”和“nondestructive measurement（無損檢測(cè)）”外，高頻關(guān)鍵詞主要包括“quality（品質(zhì)）”、“soluble solids（可溶性固形物）”、“firmness（硬度）”等，說明在水果無損檢測(cè)時(shí)，往往將實(shí)際問題建模為多目標(biāo)優(yōu)化問題，此外在附近還出現(xiàn)了一些比較大的節(jié)點(diǎn)，包括“near infrared spectroscopy（近紅外光譜）”、“spectroscopy（光譜分析）”等等[27-28]，這說明在水果無損檢測(cè)時(shí)，光譜分析是比較適合當(dāng)前研究的重要內(nèi)手段。由此可以看出，國(guó)內(nèi)外對(duì)該研究領(lǐng)域的方向大體一致，國(guó)外對(duì)該領(lǐng)域研究起步較早、成果更為豐富，研究涉及方面更多，內(nèi)容更細(xì)，也為國(guó)內(nèi)的研究者們提供了更多的研究方向。

2.5.2 關(guān)鍵詞聚類分析 圖10、圖11 分別為基于CNKI 和Web of Science 數(shù)據(jù)庫的關(guān)鍵詞聚類時(shí)間序列圖譜。在關(guān)鍵詞聚類分析網(wǎng)絡(luò)中，CiteSpace 依據(jù)網(wǎng)絡(luò)結(jié)構(gòu)和聚類清晰度提供了聚類模塊值（Q 值）和聚類平均輪廓值（S 值）兩個(gè)指標(biāo)，可以作為我們?cè)u(píng)判圖譜繪制效果的依據(jù)。一般而言，Q 值一般在區(qū)間[0,1]內(nèi)，Q＞0.3 就意味著劃分出來的社團(tuán)結(jié)構(gòu)是顯著的；當(dāng)S＞0.7 時(shí)，聚類是高效率且令人信服的[29]。本研究中，基于CNKI 數(shù)據(jù)庫的關(guān)鍵詞聚類分析結(jié)果Q 值為0.8358，S 值為0.9831；基于Web of Science數(shù)據(jù)庫的關(guān)鍵詞聚類分析結(jié)果Q 值為0.8484，S 值為0.9701，可認(rèn)為該圖譜的分析結(jié)果是令人信服的。

圖10 CNKI 關(guān)鍵詞聚類時(shí)間序列圖譜Fig.10 CNKI Keyword cluster time series map

圖11 Web of Science 關(guān)鍵詞聚類時(shí)間序列圖譜Fig.11 Web of Science Keyword cluster time series map

圖譜中的結(jié)點(diǎn)和顏色分別代表關(guān)鍵詞出現(xiàn)的頻率和年份，關(guān)鍵詞間的連線代表關(guān)鍵詞共現(xiàn)的年份。國(guó)內(nèi)文獻(xiàn)中，通過對(duì)聚類時(shí)間序列圖譜進(jìn)行分析，可以看出，該研究領(lǐng)域的聚類標(biāo)簽可以分為兩類，第一類為該領(lǐng)域的研究對(duì)象（#1 紅提、#3 西瓜、#6 蘋果）。第二類為水果無損檢測(cè)的檢測(cè)方法，（#2 介電特性、#4 電子鼻、#5 光譜分析、#7 機(jī)器視覺、#8 光譜校正），提示二者相互伴生。從序列知識(shí)圖譜的演變來看，水果無損檢測(cè)中品質(zhì)檢測(cè)是長(zhǎng)期的，檢測(cè)手段也從外部特征到電學(xué)參數(shù)至現(xiàn)在的光譜分析，而水果的分級(jí)及貯藏將會(huì)成為以后的研究重點(diǎn)。

國(guó)外該研究領(lǐng)域中，聚類標(biāo)簽大體可分為研究指標(biāo)（#0 radio protective effect 抗輻射指數(shù)、#4drosophila suzukii 果蠅、#5 overload-induced renal oxidative damage 損傷程度、#6 internal qualities 內(nèi)部品質(zhì)）和研究方法（#1 non-invasive monitoring 無損檢測(cè)、#2 direct analysis 直接分析法、#3 early detection早期檢測(cè)、#8 spectral shift 光譜偏移度），說明國(guó)外研究以研究方法為主體，更注重?zé)o損檢測(cè)的技術(shù)更新，并且該研究方向還在持續(xù)。綜合聚類標(biāo)簽來看，國(guó)內(nèi)外水果無損檢測(cè)的研究聚焦的大趨勢(shì)基本一致，但國(guó)內(nèi)研究更注重于技術(shù)的應(yīng)用領(lǐng)域，國(guó)外研究領(lǐng)域更為全面，研究更注重技術(shù)的更新，在研究方向上存在部分差異。

2.6 研究進(jìn)展與前沿?zé)狳c(diǎn)分析

通過對(duì)關(guān)鍵詞的共現(xiàn)和聚類分析不難發(fā)現(xiàn)，除出現(xiàn)中心量較大的關(guān)鍵詞之外，也有產(chǎn)生突現(xiàn)值高的關(guān)鍵詞，突現(xiàn)值高則表明了關(guān)鍵詞在某一時(shí)期快速產(chǎn)生的數(shù)量，能夠反映某一時(shí)段該領(lǐng)域的研究熱點(diǎn)及前沿[30-31]。本文通過導(dǎo)出突現(xiàn)值關(guān)鍵詞，獲得CNKI 高突現(xiàn)值關(guān)鍵詞11 個(gè)，Web of Science 高突現(xiàn)值關(guān)鍵詞17 個(gè)，見圖12、圖13。

圖12 高突現(xiàn)值關(guān)鍵詞（CNKI）Fig.12 High present value keywords (CNKI)

圖13 高突現(xiàn)值關(guān)鍵詞（Web of Science）Fig.13 High present value keywords (Web of Science)

通過對(duì)CNKI 高突現(xiàn)值關(guān)鍵詞圖譜進(jìn)行分析，可以看出，在2012 年～2022 年突現(xiàn)時(shí)間較早的詞是“西瓜”，是該領(lǐng)域最早被研究的水果；2013 年之后出現(xiàn)突現(xiàn)強(qiáng)度高的關(guān)鍵詞是“西瓜”（4.25）、“分級(jí)”（3.97）和“硬度”（3.84），表明西瓜的無損檢測(cè)、果實(shí)的分級(jí)和硬度檢測(cè)是2018 年之前的研究重點(diǎn)，近幾年受關(guān)注的的關(guān)鍵詞是“隨機(jī)森林”、“光譜分析”和“臍橙”，突現(xiàn)強(qiáng)度最高的是“臍橙”（2.13），表示對(duì)臍橙的無損檢測(cè)研究是目前該領(lǐng)域的研究前沿。突現(xiàn)時(shí)間最長(zhǎng)的是“光譜分析”，并且仍在繼續(xù)，說明無損檢測(cè)目前最常用的研究方法方法主體是光譜分析[32]。

通過對(duì)Web of Science 高突現(xiàn)值關(guān)鍵詞圖譜進(jìn)行分析，得出在2012 年～2022 年突現(xiàn)時(shí)間較早的詞是“Sugar 糖分”，說明水果無損檢測(cè)領(lǐng)域一開始的目的是為了檢測(cè)水果的含糖量；出現(xiàn)突現(xiàn)強(qiáng)度高的關(guān)鍵詞是“Nondestructive prediction 無損預(yù)測(cè)”（5.5）、“Optical property 光學(xué)性質(zhì)”（5.42）、和“Spectra 光譜”（5.1），表明國(guó)外對(duì)于水果無損檢測(cè)領(lǐng)域研究重點(diǎn)是檢測(cè)技術(shù)，2020 年之后同時(shí)出現(xiàn)的高突現(xiàn)關(guān)鍵詞是“Nondestructive prediction 無損預(yù)測(cè)”、“Machine leaning 機(jī)器學(xué)習(xí)”、“Algorithm 算法”和“Water 水”，表示現(xiàn)在的消費(fèi)者更注重水果的新鮮程度，因?yàn)樗馁A藏期與水分的流失有著密不可分的關(guān)系，因此對(duì)水果含水率的檢測(cè)也成為了該領(lǐng)域的研究前沿，并且結(jié)合計(jì)算機(jī)領(lǐng)域的新的算法和新的科學(xué)（Machine leaning 機(jī)器學(xué)習(xí)）進(jìn)行研究，并且會(huì)持續(xù)在該領(lǐng)域進(jìn)行技術(shù)更新，為國(guó)內(nèi)的水果無損檢測(cè)研究提供了新的方向。突現(xiàn)時(shí)間最長(zhǎng)的是“Vis/nir spectroscopy（VIS/NIR 光譜技術(shù)）”，與國(guó)內(nèi)研究方法一致，說明光譜技術(shù)分析在該研究領(lǐng)域應(yīng)用時(shí)間最長(zhǎng)[33]。

3 結(jié)論

本研究通過CiteSpace 文獻(xiàn)計(jì)量分析軟件對(duì)水果無損檢測(cè)研究領(lǐng)域的近十年中外文文獻(xiàn)進(jìn)行可視化研究，較為直觀科學(xué)的呈現(xiàn)了該領(lǐng)域的研究熱點(diǎn)及趨勢(shì)。水果無損檢測(cè)領(lǐng)域在2012～2022 年間發(fā)文總量總體呈上升趨勢(shì)，特別在2016 年以后，發(fā)文總量有明顯的大幅提升，結(jié)果表明，越來越多的國(guó)內(nèi)外學(xué)者開始關(guān)注水果無損檢測(cè)研究領(lǐng)域。發(fā)文國(guó)家中，中國(guó)及美國(guó)發(fā)文總量占到的全球的46.64%，是水果無損檢測(cè)研究領(lǐng)域具有較大影響力的國(guó)家。通過繪制和分析關(guān)鍵詞共現(xiàn)圖譜和聚類圖譜，發(fā)現(xiàn)：蘋果是水果無損檢測(cè)領(lǐng)域的重要研究對(duì)象，糖度、品質(zhì)、成熟度是水果無損檢測(cè)的重要目的，光譜分析是水果無損檢測(cè)的重要手段。通過對(duì)國(guó)內(nèi)外發(fā)表文獻(xiàn)的聚類圖譜及高突現(xiàn)值圖譜進(jìn)行分析，可以得出，國(guó)內(nèi)外相關(guān)研究在熱點(diǎn)領(lǐng)域基本一致，但在側(cè)重點(diǎn)和研究進(jìn)展略有不同，國(guó)內(nèi)更專注于該領(lǐng)域的研究對(duì)象和檢測(cè)指標(biāo)，而國(guó)外則在果實(shí)品質(zhì)監(jiān)測(cè)的指標(biāo)更為細(xì)致和充分，并且在技術(shù)更新領(lǐng)域研究較為活躍。

未來應(yīng)加強(qiáng)各國(guó)研究團(tuán)體之間的科研協(xié)作，關(guān)注該領(lǐng)域的研究熱點(diǎn)及發(fā)展趨勢(shì)，擴(kuò)寬對(duì)水果無損檢測(cè)研究的深度和廣度，從而全面推進(jìn)水果無損檢測(cè)向國(guó)際化發(fā)展。