水果检测

当我们走进水果店时，会发现同一种水果会分不同的价格售卖，而影响价格的主要原因是其品质，这时我们就会产生疑问 ➙什么样的荔枝核小而甜？什么样的西瓜皮薄瓤多脆又甜？我们今天来分享一些关于：如何用科学的方法区分不同品质的水果（当然也能区分同一类水果的不同产地与品种）随着生活质量提高和消费水平的改变，消费者对于水果品质不同的需求也就促成了水果的销售分级处理；利用非接触式水果分选检测技术，不断细分果品，以便满足不同消费市场的需求。什么是水果分选？一般来说，将其分为四类：大小、重量、外观品质（颜色、新鲜度）、内部品质 其中在内部品质分选中，主要判断的指标如下：糖度硬度酸度内部缺陷然而传统的破坏性检验方法不仅成本高，还造成资源浪费，因此光谱无损检测的方法成为一大趋势。水果分选机因其具有检测速度快、可同时检测多种内部成分等优点，近年在农产品内部品质检测方面发展迅速。其基本原理是：当用近红外光照射水果时，不同的水果内部成分对于不同波长的光学吸收和散射程度不同，而内部光谱也会随着水果内部成分质量分数的不同而发生变化。利用这一特性，即可根据近红外光谱特征分析水果中的主要成分及其质量分数。为什么是近红外光谱？近红外光谱近红外光谱属于分子振动光谱的倍频和主频吸收光谱，主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，具有较强的穿透能力。近红外光主要是对含氢基团Ｘ－Ｈ（Ｘ＝Ｃ、Ｎ、Ｏ）振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成和分子结构的信息。由于不同的有机物含有不同的基团，不同的基团有不同的能级，不同的基团和同一基团在不同物理化学环境中对近红外光的吸收波长都有明显差别，且吸收系数小，发热少，因此近红外光谱可作为获取信息的一种有效的载体。近红外光照射时，频率相同的光线和基团将发生共振现象，光的能量通过分子偶极矩的变化传递给分子；而近红外光的频率和样品的振动频率不相同，该频率的红外光就不会被吸收。因此，选用连续改变频率的近红外光照射某样品时，由于试样对不同频率近红外光的选择性吸收，通过试样后的近红外光线在某些波长范围内会变弱，透射出来的红外光线就携带有机物组分和结构的信息。通过检测器分析透射或反射光线的光密度，就可以确定该组分的含量。近红外光谱优劣势但是近红外经过两百多年的发展与应用开发，仪器的进步与算法的革新，仪器制造商与科学家们已经可以将越来越多的劣势规避，从而更好地发挥了近红外不消耗化学试剂，不污染环境等优点，因此也受到越来越多人的青睐。应用案例基于近红外光谱技术检测水果糖度（水分/黑心病【可见+近红外】）主要过程：（1）选取具有代表性的水果（2）通过漫反射或透射方式采集水果样品相关光谱数据；（3）对光谱数据预处理，消除不同因素对水果模型精度带来的误差，选择更有代表性样品的光谱数据；（4）采用国家和国际认证的化学分析方法测量水果样品成分的准确含量；（5）建立预测模型（6）未知水果样品近红外光谱的采集，然后用所建立的预测模型预测未知样品的成分含量。（7）用标准的化学分析方法测量未知水果样品成分的含量，验证所建立预测模型的准确性，然后对预测模型进行校正和优化。典型装置设计：三大功能模块：光路模块、附件模块、数据处理模块光路模块的光源对待测水果样品进行有效照射，通过光纤传递给光纤探头，再将透过水果样品的光谱信息进行收集，并通过光纤传递给数据处理模块的光谱仪。通过微处理器进行处理、计算和分析，从而完成对待测水果样品糖度的预测，在显示屏上获取结果，实现水果糖度的无损检测。由于水果的尺寸大小、果肉薄厚，糖酸度有高有低，且分布不均的情况，在光谱采集模块中有多种方式：图片来源：仪器信息网以下图为实际的光谱采集谱图案例▼▼▼脐橙原始光谱采集（可见+近红外）苹果吸收光谱（可见+近红外）香蕉的不同反射光谱（近红外）并做归一化平均草莓反射光谱（可见+近红外）正常与不同腐变程度的苹果透射光谱比较图（可见+近红外）化学计量学建模在完成光谱采集后，数据处理成为整个装置的核心步骤。再建立准确化学值与光谱信息之间的化学计量学模型。化学计量学模型的建立主要包括两个过程：校正和预测硬件：光谱采集模块① 光谱仪（近红外系列光谱仪，可见-近红外光谱仪）② 光源（海洋光学提供集成和光路设计方案，解决客户在光学部分的担忧；因集成到在线设备，我们推荐使用高度可集成化、高稳定性的光源，以适应在线设备的光路设计和长时间稳定运行。） ③ 光谱收集附件（可选配/定制/也可空间光耦合的光纤、准直镜附件，帮助客户解决系统中光传输和耦合问题。）软 件① 光谱读取软件定制/二次开发（Omnidriver/Seabreeze）② 近红外光谱建模软件（可根据需求选取不同建模软件）③ 数据传输与分选机制协议定制针对不同的水果产线和分选机制，为客户定制数据传输模块及协议方式。由于通讯方式的差异及需求差异，我们还可以为客户进行光谱仪器协议、固件等开发，实现同样光谱设备在不同应用中发挥其不同长处。理由1：触发准确性在水果分选设备产线中，光谱仪工作在外触发模式，当传输带送入一个水果到测量位置，立即触发光谱仪开始积分，积分时间100ms，因此对触发的准确性要求很高。而竞争对手的产品外触发时间不准确，如果产线使用的是高功率卤钨灯，多停留一段时间就有可能造成水果的热损伤。理由2：量产能力性机器人自动校正并保证每台设备的精准校调，确保每条产线的分选标准一致。理由3：量身定制在线系统中如果出现系统故障会影响整条产线的正常运行，我们可为客户定制系统运行自测协议，减少人为检验步骤，提高生产效率。本文来源：海洋光学关于海洋光学海洋光学作为世界领先的光学解决方案提供商，应用于半导体、照明及显示、工业控制、环境监测、生命科学生物、医药研究、教育等领域。其产品包括光谱仪、化学传感器、计量检测设备、光纤、透镜等。作为光纤光谱仪的发明者，如今海洋光学在全球已售出超过40万套的光纤光谱仪。关于爱蛙科技爱蛙科技（iFrogTech）是海洋光学官方授权合作伙伴，提供光谱分析仪器销售、租赁、维护，以及解决方案定制、软件开发在内的全链条一站式精准服务。如需了解更多详情或探讨创新应用，可拨打400-860-5168转5895客服电话。

近日，中国农业大学食品科学与营养工程学院副教授韩东海和他的研究团队成功研制除了一种最新的无损水果检测仪器，使用该仪器，可以在不损坏水果的前提下，对其内部质量进行检测，这项成果填补了国内鸭梨黑心病的无损检测方法的空白，对苹果水心病的检测精度和褐变苹果的正确判别率有了显著提高，总体达到了国际同类研究的先进水平。 　　相信很多消费者都有过这样的经历：在水果市场看到一些水果外表非常鲜艳，其实里面却已经腐烂。如今，中国农大成功研制出一种最新的无损水果检测仪器，使用该仪器，可以在不损坏水果的前提下，对其内部质量进行检测，从而为水果栽培管理、品质控制以及分选、分级提供了可靠的内部质量依据。这项“水果内部质量快速无损检测方法”的成果，已经顺利通过了教育部组织的成果鉴定。 　　据悉，这项研究是由中国农业大学食品科学与营养工程学院副教授韩东海和他的研究团队完成的。他们采用短波近红外透射光谱快速无损检测的方法，自主研制了苹果水性病、鸭梨黑心病的检测仪器。该项新的技术是利用光学透射原理，对水心病苹果、内部褐变苹果、黑心鸭梨等水果在不破坏、不损伤的情况下，对其内部质量的好坏实现快速判断。 　　鉴定专家表示，这项成果填补了国内鸭梨黑心病的无损检测方法的空白，对苹果水心病的检测精度和褐变苹果的正确判别率有了显著提高，总体达到了国际同类研究的先进水平。该方法与国际同类检测方法相比，具有正确率高、仪器设备简单、易于操作等特点，经北京、山西等地果园试用证实，效果良好。该技术为提高我国水果的商品品质控制水平，提供了先进的无损检测方法，具有相当广阔的市场前景。

在满足目前各种应用需求的前提下，光谱分析仪器和方法也在不断的创新发展中，不论是分子光谱还是原子光谱都涌现了一系列创新的成果，特别是拉曼光谱、近红外光谱、激光诱导击穿光谱、太赫兹、超快光谱、荧光相关光谱、高光谱等相关技术彰显了极具诱惑的市场活力，引领着行业发展的方向。第十二届光谱网络会议（iCS 2023）中，近50位专家报告充分彰显了光谱创新潜力，纷纷展示了一系列的创新成果：从仪器整机到关键部件；从系统集成到方法开发；从大型科研仪器，到用于现场的便携、手持设备；从实验室检测设备，到过程分析技术……为了更好的展示这些创新成果，同时也进一步加深专家、用户、厂商之间的合作交流，会议主办方特别策划《光谱创新成果“闪耀”iCS2023》网络专题成果展，集中展示本次光谱会凸显的创新成果，包括但不限于仪器、部件、技术、方法、应用等。北京市农林科学院农业智能装备研究中心 黄文倩研究员本次会议中，北京市农林科学院农业智能装备研究中心黄文倩研究员特别分享其课题组基于全透射近红外光谱技术开展的西瓜糖度在线检测研究（点击回看》》》）。报告内容引起行业关注，会后我们特别邀请黄文倩研究员再次给大家深入分享相关的研究成果，同时也欢迎大家洽谈合作。1、成果在水果生产销售领域，无论国际市场还是国内市场，产后商品化处理均是提高产品竞争力和产品价值的重要手段。我国的水果采后处理技术较为薄弱，大部分水果以原始状态上市，不分等级，优质果率仅占水果总产量的30%左右，其中高档果率不足5%，导致我国水果年出口量仅占总产量的10%。而美国、新西兰、日本等国的优质果率达到70%，可供出口的高档果率达到50%左右。因此，研发水果质量品质快速分选分级的相关设备，提升水果产后商品化处理的技术水平，是水果从数量型向质量型、健康型发展的需要，是增强市场竞争力的需要，是进入国际市场、扩大出口的需要。然而目前在我国市场上，高品质的水果分选设备多数为进口产品，价格昂贵，维护成本高，并且其分选模型也不完全适合我国本土水果。而国内水果分选设备制造企业相对来说数量少，规模小，水果内外部品质同步检测分级技术水平不高，部分智能分析的核心部件仍然依赖进口。基于以上现状，我们团队自主研发了水果内外部品质无损检测智能分选线，采用先进的机器视觉技术、全透射近红外光谱技术、精密称重系统和输送卸果系统，获取水果内外部组织信息，实现了水果的重量、尺寸、颜色、缺陷和糖度等指标的实时检测和分级。该分选线完成了一系列关键技术攻关，其性能达到国内领先水平。针对水果表面缺陷区域与果梗/花萼区域难以区分这一问题，提出了基于深度学习的水果表面缺陷检测方法，并利用模型剪枝、知识蒸馏等技术自动优化深度神经网络结构，实现了缺陷检测模型的高效压缩，在确保检测精度大于90%的同时，大幅度缩减了检测时间，以满足快速分选的需要。针对水果内部有效透射光谱信号获取困难、常规模型稳定性差等问题，研制了拥有自主知识产权的核心部件，一方面可在低功率照明水平下获得稳定、可靠的全透射光谱信号，节约成本，便于维护；另一方面可进行实时动态校正，消除环境因素造成的干扰和漂移。在此基础上构建了稳定和准确的糖度预测模型，实现了水果内部品质指标的快速无损检测。针对水果的磕碰伤问题，分选线采用果托式载果卸果方式，并开发了自由果托在线检测分级软件，可在离线条件下设置各类检测参数，并灵活匹配所有等级与各个卸料口，实现对整个分选系统的整体控制。在以上关键技术的支撑下，团队开发了OnlineNIR品牌的水果内外部品质无损检测智能分选线，目前已实现苹果、梨、桃、橙、蜜桔、番茄、西甜瓜等不同类型和尺寸的果蔬糖酸度、内部缺陷和果径检测，其检测速度为5-10果/秒/通道，重量检测精度±5g，尺寸检测精度±2mm，着色率检测正确率≥90%，表面缺陷检测正确率90%，糖度检测精度±0.5°Brix，分选通道可达16条，等级数多达40级。各项性能参数指标均与国际同类产品相当。2、产业化探索根据用户需求定制的各条智能分选线已在北京、江西、重庆、四川、山东、浙江等地的公司、科研单位、示范基地进行了应用，取得了降低了人力成本、增加生产效益、提高水果品牌价值的成效。该技术的应用将提升我国水果采后商品化处理水平，有效推动水果产业向精品化、智能化发展。3、未来研究计划我们比较看好近红外光谱技术，因其作为一种快速、无损检测手段，在农产品/食品领域具有广泛的适用性。与其它分子光谱技术相比，近红外光谱技术对样本状态、检测条件、照明光源及光路布局的要求更为宽松，更适于仪器化、产业化和标准化。我们未来的主攻方向是基于近红外光谱技术的检测分级线研发。4、合作需求希望与具有水果分选线设计和加工能力的厂家进行合作。课题组介绍黄文倩研究员领导的无损检测团队，由北京市农林科学院智能装备技术研究中心于2012年支持设立。在国家科技支撑计划、国家重点研发计划和国家自然科学基金等国家及省部级项目的资助下，团队主要致力于利用光电技术在不同尺度下研究农产品生物学特性感知的基础问题，并研发快速检测技术与装备，为用户提供创新的无损检测产品。团队主要研究方向包括：农产品/食品光电特性感知、果蔬质量安全无损检测方法研究、种子/谷物品质与生物学特性快速检测方法研究。团队汇集了控制科学与工程、光谱学与多光谱成像技术、图像处理、数据挖掘和计算机应用等方向的优秀人才。经过多年技术攻关，团队在基于计算机视觉的水果外观品质在线智能化检测、基于近红外光谱分析技术的水果内部品质无损检测、基于荧光及拉曼高光谱技术的种子内外部品质无损检测等领域取得了突破和进展。