苹果糖度和硬度检测的研究现状

苹果的质构与感官评定相关性研究
苹果的质构对消费者的感官体验有着非常重要的影响。

这篇研究旨在探讨苹果的质构
与感官评定之间的相关性。

研究方法：
本研究选择了不同品种和产地的苹果，使用了质构仪来测量苹果的力学特性，如硬度、弹性、膨胀力等。

同时，通过感官评定的方法，包括视觉、嗅觉、味觉、口感等多个方面
来对苹果进行评估。

最后，使用相关性分析方法，对苹果的质构与感官评定之间的相关性
进行了分析。

结果与分析：
实验结果显示，苹果的质构与感官评定之间存在非常显著的相关性。

具体来说，苹果
的硬度与口感的评分之间呈负相关，硬度越高，口感评分就越低。

这意味着当苹果的硬度
过高时，消费者觉得苹果的口感不好，影响他们的消费体验。

此外，实验还发现，苹果的甜度与整体味道的评分之间呈正相关，甜度越高，整体味
道评分越高。

这表明，消费者更愿意消费口感好、甜度高的苹果。

视觉方面，实验发现苹果的形状和颜色对消费者的评价有很大影响。

规则的形状和鲜
艳的颜色可以给人良好的视觉体验，从而提高苹果的整体评价分数。

此外，苹果的气味也
是消费者评价的重要因素之一，苹果的气味清新、浓郁也有助于提高评分。

结论：
本研究的结果表明，苹果的质构与感官评定之间存在着非常显著的相关性。

在苹果的
生产和销售过程中，应该注重苹果的质构及其对感官体验的影响。

同时，应该采取措施，
如选择适当的品种和控制成熟度，来提高苹果的口感和甜度等方面，以满足消费者的需求。

此外，还应该注意对苹果进行品质保护，保持苹果的新鲜度和气味，提高消费者的消费体验。

. .. .苹果糖度和硬度检测的研究现状【摘要】本文介绍和分析了目前为止绝大多数对苹果糖度和硬度的检测的研究，这些研究主要是从苹果的无损检测入手，利用高光谱图像技术，采用傅里叶变换，CCD，MATLAB语言，光纤传感，遗传算法，混合线性分析方法对苹果进行糖度和硬度的检测。

关键词苹果红外光谱无损检测糖度硬度Apple sugar content and hardness testingresearch status【Absatract】This paper introduces and analyzes so far most apple sugar content and hardness testing research，these studies mainly from apple nondestructive testing of utilization of hyperspectral imaging technology，using Fourier transform，CCD，MATLAB language，the optical fiber sensing，genetic algorithm，the mixed linear analysis method for apple for sugar content and hardness testingKeywords：Fruits，Infrared spectrum，Nondestructive Testing，Sugar content，Hardness前言市场上的农产品越来越多样化，生产者除了要保持农产品的新鲜度外，还要确保有好的口感和营养价值，因此，当前迫切需要发展一种快速有效的无损检测方法。

在过去的几十年里，很多学者都在关注近红外光谱技术———一种测定有机物的重要技术，由于其具有快速性、无需样品前期处理、无化学污染等优势，使得近红外光谱技术在短短十几年就成为一项极具竞争力的分析技术，在农业、食品等行业中得到广泛的应用，常常被用于测定蔬菜水果中的有机酸、蛋白质等。

水果成熟度检测技术的现状与发展水果成熟度检测技术是农业生产过程中非常重要的一个环节，用于判断水果的成熟程度以及质量，对于确保水果品质和销售价格具有重要的作用。

随着科学技术的不断进步和发展，水果成熟度检测技术也在不断更新和完善。

本文主要探讨了当前水果成熟度检测技术的现状和发展方向。

目前，常见的水果成熟度检测技术主要包括质量测试、化学分析、可视光谱技术、红外光谱技术以及基于成像的方法。

其中，质量测试是最常见的水果成熟度检测方法之一，例如大小、颜色、硬度、含糖量以及PH值等指标。

这些质量指标与水果成熟度有直接关系，可以通过手动测试或机器测试获得。

化学分析则是另一个非常重要的水果成熟度检测方法。

常见的化学分析方法包括气相色谱、高效液相色谱，以及质谱等方法，利用这些方法可以检测水果中丰富的化学成分和代谢产物。

其中，气相色谱被普遍用于检测挥发性物质，如水果的香气和气味，而高效液相色谱则主要用于分析水果中的非挥发性化合物。

另外，光谱技术作为现代无破坏性测试技术的代表，也可以应用于水果成熟度检测。

在可视光谱技术中，通常使用CCD相机采集水果表面反射光谱信号，并进行数据分析和处理。

红外光谱技术则基于水果中不同成分对红外光谱的吸收谱带有所不同的原理进行检测。

在基于成像的水果成熟度检测方法中，机器视觉技术和计算机图像处理技术则被广泛应用于水果的成熟度测试。

例如，利用计算机视觉算法，在水果表面的颜色、纹理和形状特征上构建分类模型，实现对水果的自动检测和成熟度识别。

总的来说，随着先进技术的提高，未来水果成熟度检测技术有望更加智能化、无损、高效，预计将进一步促进农业的生产效率和经济效益。

苹果的质构与感官评定相关性研究苹果是一种常见的水果，其质构和感官评定直接关系到消费者的口感和满意度。

为了更好地了解苹果的质构和感官评定之间的相关性，本文将探讨苹果的质构特点、感官评定方法以及它们之间的关系。

一、苹果的质构特点1.外观：苹果的外观是消费者第一时间接触到的部分，其颜色鲜艳、光泽度高、表面平整且无瑕疵的苹果更受到消费者的青睐。

2.硬度：苹果的硬度是其质构的重要指标之一，消费者在咬入苹果时会感受到不同程度的硬度，这直接影响了消费者的口感和满意度。

3.口感：苹果的口感包括了爽脆、多汁、甜度、酸度等因素，这些因素共同构成了消费者对苹果口感的综合评定。

二、苹果的感官评定方法1.外观评定：通过外观评定可以了解苹果的颜色、光泽度、表面缺陷等情况，可以通过目视和触摸来进行评定。

2.硬度评定：硬度评定通常使用硬度计来进行，也可以通过手感、咬感等方式来评定。

苹果的质构与感官评定之间存在着密切的相关性。

苹果的外观对消费者的感官评定有着重要影响，鲜艳的颜色、光泽的表面往往能给人留下良好的第一印象，并对口感的期待产生影响。

苹果的硬度直接关系到口感的爽脆度，硬度适中的苹果更容易被消费者接受。

口感评定是消费者对苹果感官体验的综合评价，包括了多个因素，例如甜度、酸度、香味等，这些因素都受到了质构的影响。

通过对苹果的质构和感官评定之间关系的研究，可以更好地了解消费者对苹果口感的喜好，并为苹果的生产和加工提供指导意义。

也为消费者提供更好的苹果选择和购买建议，以满足他们对苹果口感的需求。

苹果的质构和感官评定之间存在着密切的关系，通过深入研究和了解这种关系，可以为生产者提供更好的生产和加工技术，为消费者提供更好的购买建议，促进苹果产业的发展。

希望未来能有更多的研究关注苹果的质构与感官评定相关性，为行业发展和消费者服务提供更多有益的信息和建议。

红富士苹果糖度的近红外光谱检测分析试验研究摘要：近红外光谱分析技术具有无前处理、无污染、无破坏性、重现性好、检测速度快等优点，结合偏最小二乘回归法对苹果进行定量建模分析，可促进苹果的检测和刷选。

分析结果表明该技术所给出的分析精度可以和传统分析方法相媲美，相关系数(R)为0.979，预测均方根误差(RMSEP)为0.263。

通过本研究得出：应用近红外光谱检测苹果糖度是可行的，为今后快速无损评价苹果提供了理论依据。

关键词：近红外光谱；苹果；糖度；OPUS；建模Using NIR Spectra in Non-Invasive Measurements of the Red Fuji AppleSugar ContentAbstract: Near-infrared spectroscopy technique has advantages such as no pre-treatment, no pollution, good repeatability, speediness, and non-destructive combined with partial least squares regression model for quantitative analysis of Apple, which can promote the detection of apple and the apple’s election. The results show that the precision of the analysis technique can be given comparable to traditional methods, the correlation coefficient(R) is 0.979, and the root mean square prediction error (RMSEP) is 0.263. Through this study we can find that the brix of apple tested by the Near Infrared Spectroscopy is feasible, and it provides the basis of theory for the rapid non-destructive evaluation.Key words: Near-infrared spectrum; Apple; Sugar Content; OPUS; Model引言近红外光谱技术作为一种分析手段是从上世纪50年代开始的，并在80年代以后的10多年里发展最快、最引人注目的光谱分析技术，是光谱测量技术与化学计量学学科的有机结合，被誉为分析的巨人。

水果硬度检测实验报告
仪器名称：果实硬度计（水果硬度计）
仪器型号：GY系列
仪器用途
水果硬度计（又称果品硬度计），该产品共分GY-1,GY-2,GY-3三种型号，用来测量苹果、梨、西瓜、香蕉等多种水
果的硬度，用以判定水果的成熟程度，对培育良种，采摘时间，加工时间，收获储存，出口运输等采摘的合理掌握。

它适用于果树科研部门，果树农场，果品公司，大专院校等单位使用。

该仪器体积小，重量轻，数值显示直观，携带方便，适用于各种果品场所对果品的检验。

该仪器还可以装配于专用的机台使用，刻提高测试时的精度，适用于专业检测部门。

产品型号
型号 GY-1 GY-2 GY-3 刻度示值 2-15kg/cm2 （×10 5帕）0.5-4kg/cm2 （×10 5帕） 1-24kg/cm2 （×10 5帕） 0.5-
12kg/cm2 （×10 5帕）测头尺寸Φ3..5mm Φmm Φ11mm 精确
度 ±0.1 ±0.02 ±0.1 压头压入深度 10mm 外形尺寸
140×60×30mm 重量 0.3kg。

水果成熟度检测技术的现状与发展水果成熟度检测技术是指通过科学手段，对水果的成熟度进行准确检测和评估的技术。

它可以帮助种植者和果农确定水果的成熟度，从而进行采摘和销售。

目前，水果成熟度检测技术已经取得了一些进展，但仍有许多挑战和发展空间。

一、主要的水果成熟度检测方法目前，主要的水果成熟度检测方法包括物理测量法、化学分析法和成像技术。

物理测量法主要利用水果的质量、大小、颜色、硬度等参数来评估其成熟度。

化学分析法则通过检测水果中的成分含量，如糖分、酸度、维生素含量等来判断其成熟度。

成像技术则利用技术手段来获取水果表面的图像信息，然后通过图像处理和分析来评估水果的成熟度。

二、现有技术的应用情况1. 物理测量法：质量、大小、颜色等物理参数是判断水果成熟度最常用的指标之一，在实际应用中，这些参数通常被广泛采用。

通过称重或使用机器学习算法等方式来测量水果的质量；使用影像处理技术来测量水果的大小和形状；通过使用光谱分析仪或显色卡来测量水果的颜色。

2. 化学分析法：化学分析法比较准确地反映了水果的成熟度，但由于其需要耗费较长时间、需专业仪器及技术，因此在实际应用中还有一定的局限性。

目前，已经开发出了一些基于红外光谱、核磁共振、高效液相色谱等技术的仪器，用于测定水果中的含糖量、酸度、维生素含量等参数。

3. 成像技术：近年来，随着计算机视觉和图像处理技术的发展，水果成熟度检测中的成像技术也得到了广泛应用。

主要包括近红外成像、热成像、高光谱成像等。

这些成像技术通过获取水果的表面图像，并通过图像分析和处理来提取与水果成熟度相关的特征，从而判断水果的成熟度。

三、水果成熟度检测技术的挑战与发展空间1. 检测精度提高：目前，水果成熟度检测技术在实际应用中的检测精度还有一定的提升空间。

尤其是在光谱分析和成像技术方面，需要深入研究和改进，以提高检测精度和准确性。

2. 多种指标综合判断：水果成熟度的评估需要综合考虑多个指标，如颜色、质地、味道等。

果品无损检测技术的研究现状周新仁　丁继高(农八师143团机关,石河子,832000)摘　要　无损检测是近年来发展起来的高科技技术之一,在工业和农业的应用方面得到了广泛的研究。

文中综述了目前无损检测技术在国内外果蔬产品品质检验中的应用现状,并指出了果品品质无损检测技术的发展方向。

关键词　无损检测,果品,品质检验第一作者:学士,副教授。

收稿时间:2004-08-02,改回时间:2004-09-10 随着生活水平的提高,人们在满足果品和蔬菜数量需求的同时,对质量也提出了更高的要求。

人们不仅要求果蔬大小相同,而且要求品质一致。

为了对大量生产的果蔬进行自动分级和品质鉴定,国内外有许多学者长期从事这一领域的研究。

果蔬品质的检测方法大致可分为近红外分析法、声学特性分析法、X 射线分析法、计算机图像检测法、电、磁特性分析法、可见光成熟度分析法以及激光分析法等。

其中,无损检测应用更加广泛,是近几年发展的高新技术之一。

无损检测又称非破坏检测,即在不破坏样品的情况下对其进行内部品质评价(包括糖度、酸度、硬度、内部病变等)的方法。

该方法检测速度较传统的化学方法迅速,又能有效地判断出从外观无法得出的样品内部品质信息。

由于消费者在选购水果时极为看重其内部品质如口感、糖度和酸度,因此研究基于水果光学特性的内部品质无损检测与分级技术,并将研究成果应用到水果产后处理生产线上具有广阔的市场应用前景。

本文分析了水果的光特性、电特性、声学特性检测原理及方法,并综述了国内外的最新研究进展。

1　无损检测技术的应用111　果品光特性无损检测的原理分析由于水果的内部成分和外部特性不同,在不同波长光线照射下会有不同的吸收或反射特性,也就是说,水果的分光反射率或吸收率在某一特定波长内会比其他部分大,根据这一特性结合光学检测装置能实现水果品质的无损检测[1]。

考虑到水果品种的多样性和形状的特殊性,用于水果内部品质光特性检测的系统主要由光源系统,入射出射光纤组件,光电检测转换器和信号放大转换系统,显示输出等硬件系统和用于光谱采集和数据处理的软件系统组成。

苹果糖度无损检测技术研究进展分析近年来，随着人们生活水平的不断提高，对食品质量和安全的要求也越来越高。

苹果作为一种常见的水果，其甜度是消费者在购买时非常关注的指标之一、因此，苹果糖度无损检测技术的研究成为了当前的热点之一、本文将对苹果糖度无损检测技术的研究进展进行分析。

首先，目前常用的苹果糖度测定方法主要是基于化学分析的方法。

该方法需要将苹果样品采集回实验室进行处理，然后使用色谱仪或高效液相色谱仪等仪器进行测定。

虽然这种方法可以获得较为准确的结果，但需要较长的时间完成，而且对样品的破坏较大，且成本较高，不适用于大规模的生产和快速检测。

因此，人们希望发展无损检测技术来解决这一问题。

目前，无损检测苹果糖度的方法主要有以下几种：1.光谱成像技术：该技术利用红外、近红外、拉曼等光谱的吸收和散射特性，对苹果进行图像采集和处理，从而获得苹果糖度的信息。

该方法无需对样品进行处理，检测速度快，且对样品的破坏较小，因此被广泛应用于苹果糖度的无损检测中。

2.声波传感技术：该技术利用声波在不同介质中的传播速度和衰减特性与介质的物理性质相关联的原理，通过测量声波在苹果中传播的速度和衰减等参数，从而推断苹果的糖度。

该方法无需接触样品，检测速度快，且对样品的破坏较小，被认为是一种很有潜力的苹果糖度检测方法。

3.电化学技术：该技术利用电化学原理，通过测量苹果中电子传输的特性，如电阻、电容、电流等参数，来推断苹果的糖度。

该方法检测速度快，且对样品的破坏较小，但需要使用特殊的电极和仪器进行测定，因此应用较为有限。

4.弹性学技术：该技术利用声学和机械学原理，通过对苹果样品施加力和测量样品的变形、回弹等参数，从而推断苹果的糖度。

该方法对样品的破坏较小，但需要对样品进行接触式的测试，因此应用范围较窄。

综上所述，当前的苹果糖度无损检测技术主要包括光谱成像技术、声波传感技术、电化学技术和弹性学技术等。

这些方法在苹果糖度的检测中取得了一定的研究进展，但仍存在一些问题，如精确度、实用性和成本等方面的限制。

落叶果树㊀２０１９ꎬ５１(６):２４－２７ＤｅｃｉｄｕｏｕｓＦｒｕｉｔｓ㊀㊀综合评议 ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀ＤＯＩ:㊀１０.１３８５５/ｊ.ｃｎｋｉ.ｌｙｇｓ.２０１９.０６.００９㊀㊀苹果分级的研究现状及进展孟祥宁１ꎬ张紫涵２ꎬ李扬２ꎬ任龙龙２ꎬ宋月鹏２∗(１.山东龙口凯祥有限公司ꎬ山东龙口２６５７００ꎻ２.山东农业大学)㊀㊀摘㊀要:中国是世界苹果生产大国ꎬ苹果产量一直占世界苹果总产量的５０％以上ꎬ但苹果价格低于同质量的国外苹果ꎬ原因是苹果分级技术及苹果分级装备落后ꎬ苹果在国内外市场的竞争力低ꎮ分析了中国苹果分级技术和分级机械的现状ꎬ参考国外苹果分级的发展趋势ꎬ对中国苹果分级技术㊁分级机械发展方向进行了展望ꎮ㊀㊀关键词:苹果ꎻ分级ꎻ内外部品质ꎻ无损检测ꎻ分级机械㊀㊀中图分类号:㊀Ｓ３７５㊀㊀文献标识码:㊀Ａ㊀㊀㊀文章编号:㊀１００２－２９１０(２０１９)０６－００２４－０４收稿日期:２０１９－０９－２４∗通讯作者:宋月鹏(１９７１－)ꎬ男ꎬ山东泰安人ꎬ教授ꎬ从事果园机械化与智能化装备研究工作ꎮＥ－ｍａｉｌ:ｕｐｔｏｎｓｏｎｇ＠１６３.ｃｏｍ作者简介:孟祥宁(１９５９－)ꎬ男ꎬ山东龙口人ꎬ高级农艺师ꎬ从事果园机械与果蔬采后商品化装备技术研发工作ꎮＥ－ｍａｉｌ:ｍｘｎ＠ｃｈｉｎａｋａｉｘｉａｎｇ.ｃｏｍ㊀㊀中国是世界上最大的苹果生产国ꎬ自２０１１年起苹果产量一直占世界苹果总产量的５０％以上(图１)ꎬ自２０１１~２０１２年产季起ꎬ中国苹果产量呈现逐渐增加的趋势ꎬ但是ꎬ苹果出口量占全球苹果出口量的比重较低ꎮ以２０１７~２０１８产季为例ꎬ苹果产量占全球苹果产量的５８.３９％ꎬ而苹果出口量仅占全球出口量的２０.３５％[１]ꎮ并且中国苹果在国际市场上大多档次较低ꎬ不占据优势[２]ꎬ出口价格普遍比同质量的国外苹果低４０％~７０％ꎬ高档苹果市场被国外苹果垄断ꎮ在国内ꎬ高端苹果市场也多被进口苹果占领ꎬ同质量的国产苹果价格低于进口苹果ꎮ导致这种差距的原因主要是中国苹果采摘后的商品化处理技术落后ꎬ外观质量较差ꎬ产后附加值低[２－４]ꎮ苹果分级是商品化处理中最重要的环节[５]ꎬ分级处理可以使苹果在大小㊁成熟度㊁色泽和品质等方面基本达到一致ꎬ有利于包装盒运输ꎬ提高产品市场竞争力ꎬ增加附加值ꎮ中国的果品分级技术起步较晚ꎬ果品分级机械化水平不高ꎬ与国外先进的分级技术比较有较大差距ꎮ中国苹果要在国际市场占据优势地位ꎬ必须对苹果分级进行研究ꎬ提出中国苹果分级未来发展方向和技术ꎮ图１㊀中国苹果历年产量㊁出口量占世界的比重１㊀中国苹果分级技术现状苹果分级主要针对苹果的外观品质和内在品质两类指标进行ꎮ苹果的外观品质主要包括大小㊁形状㊁色泽㊁表面缺陷和损伤等外部特征ꎬ是苹果分级最重要的指标ꎻ苹果的内在品质主要包括甜度㊁酸度㊁水分㊁内部缺陷等生化指标[６]ꎮ苹果的外观㊁内在品质分级检测是中国苹果分级技术的两个主要研究方向ꎮ４２第６期孟祥宁等:苹果分级的研究现状及进展１.１㊀苹果外观品质的分级方法中国苹果外观品质分级发展较早ꎬ主要对苹果的重量和直径大小进行分级ꎮ苹果重量分级早期采用杆秤称重法ꎮ随着传感器的应用ꎬ苹果分级的重量信息开始由传感器获取ꎬ能较好地用于分级机械ꎮ对苹果直径的分级早期采用人工方式ꎬ通过肉眼观察对苹果大小进行分级ꎬ分级精度低ꎬ劳动量大ꎮ随后利用大小各异的孔或间隙筛选不同大小的苹果ꎬ适合机械化ꎬ已被广泛应用ꎬ但易造成果品损伤ꎬ分级精度易受不规则果形的影响[７]ꎮ随着科学技术的发展ꎬ机器视觉技术开始应用到苹果大小分级检测中ꎬ将摄像头捕捉的苹果图像进行处理分析ꎬ根据相应的要素进行苹果分级ꎬ效率高㊁准确性好且具有可重复性的特点ꎮ安爱琴等[８]采用机器视觉方法ꎬ通过ＣＣＤ摄像机获取苹果的样本图像ꎬＭＡＴＬＡＢ编程实现对样本图像的背景去除㊁二值化㊁图像平滑㊁特征量提取和图像标定ꎬ选取垂直于轴向的最大苹果宽度即为苹果直径大小作为分级的特征量ꎮ与人工分级对比ꎬ机器视觉分级的准确率高ꎬ达９３.７５％ꎮ陈艳军等[９]基于机器视觉技术设计了苹果分选系统ꎬ主要针对红富士苹果ꎬ通过一种ＲＧＢ颜色模型Ｒ－Ｂ通道进行阈值分割和均值滤波后ꎬ经过行扫描提取出轮廓ꎬ提出了苹果轮廓线上两点之间的最大距离作为大小分级标准的理论模型ꎮ石瑞瑶等[１０]基于机器视觉技术ꎬ通过采用阈值分割处理苹果正面图像ꎬ逐像素遍历法提取苹果外部轮廓ꎬ计算其各点到重心的距离提取苹果大小特征ꎬ计算苹果横径与纵径比提取果形特征ꎮ苹果总体分级正确率达９５％ꎮ通过机器视觉的方法不仅可对苹果的单一外部特征分级ꎬ还可综合果品的多种外部特征综合分级ꎮＺｏｕＸｉａｏ－ｂｏ等[１１]利用三个相机获得苹果的整个表面图像ꎬ完成苹果外部伤痕的检测ꎬ但是不能区分不同的缺陷类型ꎮ李龙等[１２]利用机器视觉技术ꎬ结合纹理特征和边缘梯度特征解决了苹果果梗㊁花萼与伤痕在线识别的问题ꎬ正确率达９５％ꎮ黄辰[１３]等利用机器视觉技术动态采集了苹果传输过程中的实时图像ꎬ判别苹果的果径㊁缺陷面积㊁色泽等特征ꎬ对苹果分级准确率达９５％ꎮ机器视觉技术在苹果外观品质分级方面具有较强的优势ꎮ１.２㊀苹果内在品质的分级方法中国对于内部品质的分级检测发展较晚ꎬ主要采用破坏性的试验进行ꎬ对果品损伤大ꎮ随着果品检测技术的不断发展ꎬ出现了果品内在品质的无损检测ꎬ这是当前品质检测技术的研究重点ꎮ中国目前使用较多的有光谱技术㊁介电特性ꎬ电子鼻等ꎬ主要研究果品的糖酸度㊁可溶性固形物㊁腐烂㊁伤痕情况等ꎮ光谱技术在果品内部质量检测中应用最为广泛ꎮ赵杰文等[１４]对近红外光谱无损检测苹果糖度问题进行研究ꎬ提出了果皮对近红外光透入果肉的光强在多变量校正中削弱或补偿ꎬ试验验证了利用近红外漫反射光谱技术在１３００~２１００ｎｍ波长范围内无损检测苹果糖度的可行性ꎬ并提出多点光谱扫描ꎬ取平均光谱进行预测的方法ꎮＸｉＴｉａｎ等[１５]利用可见－近红外光谱进行苹果内部可溶性固形物含量的估算ꎬ通过多区域组合的方法提高了估算模型的灵活性和速度ꎬ并提高了预测模型在实际应用中的适用性ꎮ高荣杰[１６]以赣南脐橙和红富士苹果为研究对象ꎬ应用近红外光谱技术进行了果品糖度的检测ꎮ单佳佳等[１７]利用高光谱图像处理和光谱分析方法ꎬ实现了一次图像扫描对苹果的表面摔伤和糖分含量进行检测ꎮ蔡骋[１８]对５００个富士苹果１２种介电参数在９个频率点下的特征值进行了分析筛选ꎬ获取了５个品质等级富士苹果无损分级的最少介电特征ꎮ试验结果表明ꎬ当分级准确率达到９０％最少需要４种关键介电特征ꎬ使用１０种介电特征时的分级正确率达９５.９５％ꎮ王若琳[１９]等以秦冠水心病疑似病果和好果进行研究ꎬ发现其１１个电学指标在１００~３.９８ＭＨｚ间１３个频率点的特征值ꎬ发现了区分病果和好果的６个参数ꎬ同时表明利用低频率下(１００~２５１００Ｈｚ)损耗因子值结合ＭＬＰ或ＲＢＦ人工神经网络模型对水心病果和好果识别率达到１００％ꎬ证实了电学方法识别病果和好果的可行性ꎮＪｉａＷｅｎｓｈｅｎ等[２０]使用ＰＥＮ３型电子鼻检测了接种不同霉菌金冠苹果和新鲜苹果ꎬ结果表明ꎬＰＥＮ３电子鼻能有效地检测和识别新鲜和发霉的苹果ꎬ还能区分不同霉菌接种的苹果ꎮ１.３㊀苹果内在、外观品质的分级方法随着内在品质检测技术的进一步研究ꎬ未来检测技术会将内㊁外部多品质指标检测技术融合ꎬ确保检５２落㊀叶㊀果㊀树第５１卷测更加全面ꎬ果品分级精度更高ꎮ国外已将机器视觉㊁近红外光谱㊁电子鼻等多种技术进行融合处理ꎬ对水果进行综合品质检测分级ꎮ中国研究较晚ꎬ但也已采用多种检测技术进行综合分级ꎮ李军良[２１]研究了机器视觉和近红外光谱技术进行苹果品质分级ꎮ通过建立近红外光谱糖度预测模型ꎬ结合ＤＳＰ机器视觉系统研究了苹果外部特征与糖度的分级模型ꎮ实验证明采用信息融合技术建立的分级模型准确率高ꎮ袁鸿飞[２２]验证了红外光谱技术和电子鼻技术应用于苹果水心病检测的可行性ꎬ利用近红外光谱法提取主成分建立Ｆｉｓｈｅｒ判别模型ꎬ采用电子鼻结合３种化学计量学方法进行建模用于快速㊁无损检测苹果的水心病ꎮ２㊀中国苹果分级机械现状随着中国机械化水平的提高以及对果品分级机械的需求增加ꎬ果品分级开始研发生产机械设备ꎮ国外分级机械发展较早ꎬ分级技术水平高ꎬ主要针对大农产设计的ꎬ价格昂贵ꎬ不适合中国小农户生产的分级需求ꎬ较少引进ꎬ而以自主研发为主ꎮ中国最先出现的是利用大小各异的孔或间隙进行分级的机械设备ꎬ如滚筒筛孔式㊁辊带式分级机ꎮ这类机械运行过程中苹果会产生碰撞造成损伤ꎬ也会因果形不规则等问题造成分级结果误差较大ꎮ随后出现了电子重量式分级机ꎬ用于苹果大小和重量的分级ꎬ结构简单ꎬ已实现企业规模生产ꎮ国内某企业生产的电子重量式分级机用于苹果等水果的重量分级ꎬ称重范围５０~５００ｇꎬ分选达１２个等级ꎬ工作效率达每小时３００００个(图２)ꎮ图２㊀电子重量式分级机㊀㊀凯祥公司生产的６ＸＳ－２６０００型分色选果机ꎬ采用电脑智能化分色称重ꎬ对苹果等果实清洗打蜡ꎬ进行重量㊁色泽㊁糖度等指标分选分级ꎬ生产效率达到每小时５ｔ(图３)ꎮ图３㊀６ＸＳ－２６０００型分色选果机㊀㊀用于苹果内在品质相关分级的机械设备成本较高ꎬ目前国内研究集中在实验室阶段ꎬ尚未在市场中商业化推广应用ꎮ中国对苹果分级装备的主要研究内容包括关键机构㊁控制系统等ꎮ李晶[２３]设计了一种苹果专用输送机构ꎬ在输送苹果过程中完成苹果的定位ꎬ实现不同直径苹果以近似相同的角速度均匀翻转ꎬ以便苹果分级机进行图像采集和处理ꎬ能满足分级要求(图４)ꎮ图４㊀苹果专用输送机构㊀㊀彭彦昆等[２４]基于可见－近红外光谱检测技术结合分拣机械手制成苹果内在品质分级机ꎬ主要由夹持机构㊁近红外光谱采集系统㊁控制系统等组成ꎬ分级机械手夹持苹果时ꎬ可以对苹果可溶性固形物含量准确测定ꎮ李龙等[２５]设计了苹果内外品质在线检测分级系统ꎬ主要由哑铃式滚子㊁机器视觉外观品质检测系统模块㊁近红外内在品质检测系统模块㊁分级模块以及控制系统组成ꎮ机器视觉对苹果的大小信息以及外观有无碰伤进行检测ꎬ近红外内在品质可溶性物质检测ꎬ上位机融合检测的信息ꎬ综合图谱信息对苹果做出等级评价ꎬ对苹果有无碰伤检测正确率为９４％ꎬ苹果大小检测的相关系数约为０.９６ꎬ苹果内部可溶性固形物含量所建立模型的校正集相关系数约为０.９(图５)ꎮ６２第６期孟祥宁等:苹果分级的研究现状及进展图５㊀苹果内外品质在线检测分级系统示意图３㊀存在问题及发展趋势根据中国当前苹果分级技术㊁苹果分级机械的现状和国外的发展趋势ꎬ提出中国苹果分级存在的问题及发展趋势ꎮ一是目前中国对苹果分级主要集中于单一指标的分级ꎬ现有的分级设备主要集中于单一指标的检测ꎬ获得的信息不全面ꎬ对于苹果品质评价不完整ꎮ未来需要将多种特征信息通过有效的方法融合ꎬ实现对苹果的多维度内㊁外部综合品质的评价ꎮ二是目前机器视觉㊁光谱技术等受技术条件限制ꎬ分级过程中信息处理较慢ꎬ尤其是机器视觉单一静态图片进行处理分级存在误差ꎮ随着信息技术㊁数据处理等相关技术的不断发展ꎬ苹果分级将向着实时在线㊁精准化㊁智能化和多指标综合检测方向发展ꎮ三是目前分级机械多集中于外部品质特征ꎬ且存在分级设备结构比较复杂㊁成本较高的问题ꎻ用于内部品质分级的方法复杂ꎬ所需成本较高ꎬ导致果实内部检测机械化水平较低ꎮ未来简单准确的方法是研究的重点ꎮ参考文献:[１]㊀张彪.中国苹果产业近７年产量㊁加工和贸易状况分析[Ｊ].中国果树ꎬ２０１８(４):１０６－１０８.[２]㊀孙曙光ꎬ张佩ꎬ李金磊.水果分选技术的现状和发展[Ｊ].农业装备技术ꎬ２０１８ꎬ４４(３):１９－２０.[３]㊀周雪青ꎬ张晓文ꎬ邹岚等.水果自动检测分级设备的研究现状和展望[Ｊ].农业技术与装备ꎬ２０１３(２):９－１１.[４]㊀白菲ꎬ孟超英.水果自动分级技术的现状与发展[Ｊ].食品科学ꎬ２００５(Ｓ１):１４５－１４８.[５]㊀闫之烨.基于计算机视觉的苹果颜色分级系统的研究[Ｄ].江苏南京:南京农业大学ꎬ２００３.[６]㊀曹玉栋ꎬ祁伟彦ꎬ李娴ꎬ等.苹果无损检测和品质分级技术研究进展及展望[Ｊ].智慧农业ꎬ２０１９ꎬ１(３):２９－４５.[７]㊀李梅.水果分拣技术的研究现状与发展[Ｊ].江苏理工学院学报ꎬ２０１８ꎬ２４(２):１２１－１２４.[８]㊀安爱琴ꎬ余泽通ꎬ王宏强.基于机器视觉的苹果大小自动分级方法[Ｊ].农机化研究ꎬ２００８(４):１６３－１６６.[９]㊀陈艳军ꎬ张俊雄ꎬ李伟ꎬ等.基于机器视觉的苹果最大横切面直径分级方法[Ｊ].农业工程学报ꎬ２０１２ꎬ２８(２):２８４－２８８.[１０]㊀石瑞瑶ꎬ田有文ꎬ赖兴涛ꎬ等.基于机器视觉的苹果品质在线分级检测[Ｊ].中国农业科技导报ꎬ２０１８ꎬ２０(３):８０－８６.[１１]㊀ＺｏｕＸｉａｏ－ｂｏꎬＺｈａｏＪｉｅ－ｗｅｎꎬＬｉＹａｎｘｉａｏꎬｅｔａｌ.Ｉｎ－ｌｉｎｅｄｅｔｅｃ￣ｔｉｏｎｏｆａｐｐｌｅｄｅｆｅｃｔｓｕｓｉｎｇｔｈｒｅｅｃｏｌｏｒｃａｍｅｒａｓｓｙｓｔｅｍ[Ｊ].ＣｏｍｐｕｔｅｒｓａｎｄＥｌｅｃｔｒｏｎｉｃｓｉｎＡｇｒｉｃｕｌｔｕｒｅꎬ２００９ꎬ７０(１):１２９－１３４.[１２]㊀李龙ꎬ彭彦昆ꎬ李永玉ꎬ等.基于纹理和梯度特征的苹果伤痕与果梗/花萼在线识别[Ｊ].农业机械学报ꎬ２０１８ꎬ４９(１１):３２８－３３５.[１３]㊀黄辰ꎬ费继友.基于图像特征融合的苹果在线分级方法[Ｊ].农业工程学报ꎬ２０１７ꎬ３３(１):２８５－２９１.[１４]㊀赵杰文ꎬ张海东ꎬ刘木华.利用近红外漫反射光谱技术进行苹果糖度无损检测的研究[Ｊ].农业工程学报ꎬ２００５(３):１６２－１６５.[１５]㊀ＸｉＴｉａｎꎬＪｉａｎｇｂｏＬｉꎬＱｉｎｇｙａｎＷａｎｇꎬｅｔａｌ.Ａｍｕｌｔｉ－ｒｅｇｉｏｎｃｏｍ￣ｂｉｎｅｄｍｏｄｅｌｆｏｒｎｏｎ－ｄｅｓｔｒｕｃｔｉｖｅｐｒｅｄｉｃｔｉｏｎｏｆｓｏｌｕｂｌｅｓｏｌｉｄｓｃｏｎｔｅｎｔｉｎａｐｐｌｅꎬｂａｓｅｄｏｎｂｒｉｇｈｔｎｅｓｓｇｒａｄｅｓｅｇｍｅｎｔａｔｉｏｎｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇ[Ｊ].ＢｉｏｓｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇꎬ２０１９ꎬ１８３.[１６]㊀高荣杰.水果糖度可见/近红外光谱在线检测方法研究[Ｄ].江西南昌:华东交通大学ꎬ２０１２.[１７]㊀单佳佳ꎬ彭彦昆ꎬ王伟ꎬ等.基于高光谱成像技术的苹果内外品质同时检测[Ｊ].农业机械学报ꎬ２０１１ꎬ４２(３):１４０－１４４.[１８]㊀蔡骋ꎬ李永超ꎬ马惠玲ꎬ等.基于介电特征选择的苹果内部品质无损分级[Ｊ].农业工程学报ꎬ２０１３ꎬ２９(２１):２７９－２８７.[１９]㊀王若琳ꎬ王栋ꎬ任小林ꎬ等.基于电学特征的苹果水心病无损检测[Ｊ].农业工程学报ꎬ２０１８ꎬ３４(５):１２９－１３６.[２０]㊀ＪｉａＷｅｎｓｈｅｎꎬＬｉａｎｇＧａｎｇꎬＴｉａｎＨｕｉꎬＳｕｎＪｉｎｇꎬＷａｎＣｉｈｕｉ.Ｅｌｅｃ￣ｔｒｏｎｉｃＮｏｓｅ－ＢａｓｅｄＴｅｃｈｎｉｑｕｅｆｏｒＲａｐｉｄＤｅｔｅｃｔｉｏｎａｎｄＲｅｃｏｇｎｉｔｉｏｎｏｆＭｏｌｄｙＡｐｐｌｅｓ[Ｊ].Ｓｅｎｓｏｒｓꎬ２０１９ꎬ１９(７):１－１１[２１]㊀李军良.基于机器视觉和近红外光谱的水果品质分级研究[Ｄ].江苏南京:南京航空航天大学ꎬ２０１１.[２２]㊀袁鸿飞ꎬ胡馨木ꎬ杨军林ꎬ等.基于ＦＴ－ＮＩＲ和电子鼻的苹果水心病无损检测[Ｊ].食品科学ꎬ２０１８ꎬ３９(１６):３０６－３１０.[２３]㊀李晶ꎬ张东兴ꎬ刘宝.苹果分级机输送与翻转机构设计[Ｊ].农业机械学报ꎬ２００９ꎬ４０(５):１５８－１６１＋１５７.[２４]㊀彭彦昆ꎬ马营ꎬ李龙.苹果内部品质分级机械手设计与试验[Ｊ].农业机械学报ꎬ２０１９ꎬ５０(１):３０７－３１２.[２５]㊀李龙ꎬ彭彦昆ꎬ李永玉.苹果内外品质在线无损检测分级系统设计与试验[Ｊ].农业工程学报ꎬ２０１８ꎬ３４(９):２６７－２７５.７２。