猕猴桃果实无损检测技术研究进展

猕猴桃(Actinidia chinensis)是猕猴桃科猕猴桃属的多年生木本植物。猕猴桃果实口感酸甜、营养丰富,不仅含有丰富的维生素和矿物质,还有其他水果比较少见的营养成分,如叶酸、钙、黄体素、氨基酸、天然肌醇,被誉为“水果之王”,深受消费者的喜爱。随着人们生活水平的提高,人们对猕猴桃果实品质也提出了更高的要求。为了提升水果品质、实现优质优价,选择合适的采摘期、果实分级、贮藏期实时监测等方法所涉及的对果实品质检测的要求也越来越高。单靠肉眼仅能简单区分猕猴桃的外部品质,如果实大小、果皮的颜色深浅以及损伤等,无法分辨其内部品质,如糖度、酸度和可溶性固形物(soluble solids content, SSC)等[1]。因此,为了适应市场对猕猴桃果实品质的高要求,猕猴桃果实的无损检测技术成为国内外学者研究的重要方向之一。猕猴桃果实无损检测技术可在不破坏果实完整性的情况下,基于猕猴桃的形态、硬度、含糖量等性质,利用力学性质、热学性质等判断猕猴桃的品质,并按一定的标准对其做出准确、高效的评价,是一项助力猕猴桃果实品质提升且具有良好发展前景的新技术。

1 概述

传统的猕猴桃果实品质检测方法主要是化学分析方法、质构剖面分析、穿刺等测试方法[2],对水果的破坏性极大且不可逆转。果实的无损检测技术对于猕猴桃果实采摘期、果实分级、贮藏期品质检测有十分重要的意义。近几年来应用于猕猴桃果实品质无损检测方法有介电特性检测技术、声学特性检测技术、力学检测技术、光谱分析技术等[3]。此外,机器视觉技术、X射线及CT检测技术、生物传感器技术、电子鼻与电子舌检测技术等也有相关研究[4]。本文按照猕猴桃无损检测的技术类型,总结不同类型无损检测技术的原理、比较不同技术类型的优缺点及在猕猴桃果实检测中的应用,并对技术现状及前景进行总结和展望,以期为猕猴桃果实无损检测技术研究及应用提供参考。

2 猕猴桃果实无损检测技术

2.1 基于声学特性的猕猴桃品质无损检测技术

声学特性是指在声波的刺激下,各类农产品所呈现出各自独特的反射、散射、透射和吸收特性,其衰减系数、声阻抗、固有频率以及声波的传播速度等,都与农产品的内在属性息息相关[5-6]。声学无损检测技术分为振动激励法、敲打解析法和超声波测定法[7],声学检测设备是由声波发生器、声波传感器、电荷放大器、动态信号分析仪以及微型计算机组成。此外,为了更加直观地反映检测结果,设备还可以配置绘图仪或打印机(图1)[3]。声学振动方法具有操作便捷、速度快、装置便于携带等优点[8-9]。

当检测物猕猴桃与检测装置接触产生声学振动信号之后利用数据采集系统对数据进行收集和分析处理,最终得到猕猴桃的质地与其声学特征之间的关系。陈翀[8]基于猕猴桃声学振动特性建立猕猴桃果实硬度预测模型,以振动频率和弹性指数为自变量,硬度为因变量,采用逐步多元线性回归(stepwise multiple linear regression, SMLR)和偏最小二乘法(partial least squares, PLS)建立猕猴桃硬度的预测模型结果较好。在室温和8 ℃下进行验证,均能较好地反映猕猴桃的硬度(表1)。

通过振动特性检测果实品质,不仅可应用于果实硬度检测,还可以用于成熟度、含糖量等方面的检测。当农产品受到刺激而产生振动时,某些特定的频率会高于周边的频率幅度,产生共振频率[8]。共振频率在一定程度上可以作为一种指标来反映产品的成熟度。KHOSHNAM等[10]利用声波脉冲响应方法对5种不同成熟度的甜瓜进行分析,结果发现共振频率与甜瓜成熟度之间存在较好的相关性,即共振频率随成熟度的增加而降低。CHOE等[11]研制了一种利用压电陶瓷测量声速的装置来检测西瓜成熟度,利用该装置来测量西瓜不同部位处的声速和西瓜中部的含糖量,结果表明,声速与西瓜成熟度(含糖量)的相关系数为0.975,可以利用测定声速与西瓜含糖量之间的相关性来判断其成熟度。基于声学振动方法检测猕猴桃成熟度、含糖量的研究尚未见报道,这些装置为开发猕猴桃相关指标的无损检测技术提供了理论参考。

超声波水果无损检测技术是在水果表皮近距离发送和接收超声波信号,然后在超声波的衰减测量值与果实硬度和成熟度参数之间建立模型,进而建立了超声波测量值与果实品质之间的线性关系。随着果实成熟度和硬度的变化,超声波在果实果皮和果实组织传播过程中也随之改变。王艳萍[12]基于低频超声波技术检测萝卜内部的糠心状况,研究结果表明,这种超声波检测技术在检测萝卜是否存在糠心的准确率达到75%。超声波检测技术还可与苹果的力学特性检测分析相结合,基于多元线性回归方法建立了苹果的硬度、弹性以及断裂能3个力学指标与超声波衰减变化的对应算法模型,这3个指标的相关系数分别是0.73、0.64和0.73[13]。目前超声波检测技术在果蔬品质无损检测中大多处于研究阶段,原因在于果蔬中存在气孔导致稳定性较差,检测准确率不高,因此要将超声波检测真正用于市场还需进一步的研究与探索。

2.2 基于介电性质的猕猴桃品质无损检测技术

目前介电特性测量技术有平行极板(电容器)技术、末端开口同轴探头技术、传输线技术、谐振腔技术和自由空间技术等[14]。食品的介电特性与其内部结构、组成和状态等密切相关,能反映食品品质变化,可用于食品的贮藏和加工过程中的质量检测[14]。基于介电特性的果实品质无损检测技术应用广泛,检测速度快。其通过建立待测物质的电磁特性变化与食品成分的内在联系,实现对物质的检测[15],已成功应用于甜瓜、梨、苹果以及桃等果品品质的检测,尤其在农产品品质检测、分级筛选等方面显示出了特殊的优越性。

猕猴桃果实内部含有大量带电粒子,这些带电粒子会随着果实的生长、成熟、受损、腐败等过程不断发生变化,同时,猕猴桃内部也存在能量与物质的交换,从而导致内部电荷的所带电量及空间分布发生改变,在宏观上处于不同阶段的果实表现出了不同的电特性[16]。李腾飞[17]和唐燕等[18]研究猕猴桃的介电特性参数与物理参数的相关性,筛选出了特征频率和敏感电参数,但没有建立相关模型[19]。唐燕等[18]用平行平板电极(日本日置3532-50型LCR测试仪)夹住猕猴桃果实颊部,在24个电激励频率点(0.1、0.158、0.251、0.398、0.631、1、1.58、2.51、3.98、6.31、10、15.8、25.1、39.8、63.1、100、158、251、398、631、1、1.58、2.51、3.98 MHz)下测定复阻抗(Z)、并联等效电感(Lp)、并联等效电容(Cp)、电导(G)、损耗系数(D)和阻抗相角θ等6个电学参数,相关参数与物理参数的相关性如表2所示。研究表明,基于猕猴桃介电特性建模过程中,在特征频率进行提取和数据降维后,发现建模效果较好的是遗传算法,而降维效果较好的是投影算法[19],这为今后猕猴桃果实品质介电特性无损检测建模方法提供了参考。介电特性无损检测还可以应用于猕猴桃果实霉菌感染的监测与诊断。NIU等[20]建立了猕猴桃感染青霉菌无损检测的预测模型,研究结果表明电导率(σ)可以作为一个常用的敏感电学参数,且准确性高,正确识别率为82%,这为猕猴桃贮藏期病害无损检测提供了依据。由于介电特性无损检测方法具有快速、灵敏、装置简单、易实现等优点,适宜于猕猴桃的机械损伤、新鲜度、质地等品质特征的识别,但由于温度、电容器会影响检测精度,因此在采用该方法时要尽可能消除这些影响因素。

2.3 基于光学性质的猕猴桃品质无损检测技术

目前,基于光学性质的无损检测技术主要是近红外光谱技术(near infrared spectrometry, NIRS)。近红外光是一种波长介于可见光和中红外光之间的电磁波,其谱区为780～2 526 nm[21]。NIRS的采集方式主要有透射式、漫反射式、漫透射式,其中漫反射法不受水果表面特性的影响,接受的光谱信息全部反映水果内部组织的特性,准确度最高,研究应用最广泛[21-24]。NIRS技术检测猕猴桃果实品质指标由对应的化学成分组成,这些成分中的基团能够吸收近红外光线,不同基团呈现出不同特性的光谱。在利用近红外光谱技术进行无损检测前,需要确定定标样本的光谱与品质指标的光谱之间的相关性,建立相应的评判模型。首先通过化学计量学方法获得果实品质指标测量值,再与其光谱、定标样本光谱进行关联,确立两者之间的定量或定性关系;完成建模过程后,无需将待预测样本的品质指标再进行生化检测,仅需采集待预测样本的光谱带入所建立的模型即可对待测样本中的品质指标进行定性、定量分析(图2)[25]。郎雷[26]基于近红外光谱技术以苹果作为检测对象进行实时糖度预测,通过遗传算法、连续投影算法和竞争性自适应加权(competitive adapative reweighted sampling,CARS)取样算法对苹果样品进行特征波长的筛选,以此为基础建立糖度预测模型,开发了一台适合于果园水果种植的小型便携式水果糖度检测仪,预测精度达到94.3%。李伟强[27]基于USB4000微型可见光/近红外光谱仪和STS微型近红外光谱仪为光谱检测器件,开发了第一代和第二代猕猴桃糖度无损检测仪,并利用第二代检测仪获取“徐香”猕猴桃光谱数据,建立了预测“徐香”猕猴桃糖度的PLS模型,该模型的校正相关系数为0.86,校正均方根误差为0.67 °Brix,预测相关系数为0.83,预测均方根误差为0.68 °Brix。将该模型导入到该检测仪中,实现了猕猴桃糖度的无损检测。

利用NIRS技术进行猕猴桃果实品质无损检测,除了通过近红外光谱进行检测外,还可以利用近红外高光谱成像技术实猕猴桃现果实无损检测。近红外高光谱图像技术具有图像和光谱的2种特性,因此检测水果内外部品质均具有很好的优势。赵凡[28]利用高光谱图像技术进行猕猴桃果实品质检测,发现光谱提取面积越大,其模型的预测能力越好;并建立了糖度、硬度和含水率的最小二乘支持向量预测模型,其中硬度预测模型相关系数最高为0.940 3,均方根误差为0.778 0;糖度预测模型相关系数次之,为0.886 3,均方根误差为0.886 7;含水率预测模型相关系数为0.805 5,均方根误差为0.005 5,这三者均能够较好地反映猕猴桃果实相关品质特征。LI等[29]利用高光谱成像技术识别猕猴桃纹理特征,并建立了性能最佳的近红外高光谱在线分级系统(1 000～2 500 nm)获取光谱图像系统。通过3种不同的纹理分析测试测量纹理特征:纹理剖面分析、穿刺测试和剪切测试。采用PLS建立猕猴桃纹理特征预测模型,在硬度、咀嚼性、回弹性、剥离硬度、平均硬度和校正硬度模型均取得了良好的性能。校准(rc)和预测(rp)值的相关系数均超过0.9,校准与预测均方根误差差异较小。可见,近红外高光谱成像技术可作为猕猴桃纹理特征无损检测技术开发的方向。但猕猴桃品种、产地、温度、硬度、贮存期、质量及表面特性等特性参数均会影响近红外光谱信息,因此在利用NIRS检测时需要充分考虑这些影响因素,提高测定方法的准确性[21,30-32]。霍迎秋等[33]为实现对过量使用1-MCP化学保鲜剂的猕猴桃快速、无损检测,提出高光谱技术结合机器学习建立识别模型的检测方法。采用主成分分析(principal component analysis,PCA)、CARS方法对全光谱数据(full spectrum,FS)进行特征提取,去除干扰项;以PCA和CARS提取的特征量和FS数据作为输入,结合PLS和支持向量机(support vector machine,SVM)建立12个识别模型。试验结果表明,基于PLS和SVM建立的识别模型均能够有效检测过量使用化学保鲜剂的猕猴桃,其中CARS-SVM模型性能最好,平均正确识别率达100%,运行速度最快,仅为0.015 348 s (表3),满足工程实践中实时性高的要求,为后续开发大型在线、快速无损检测设备猕提供理论支撑。

多光谱技术也被应用于猕猴桃品质检测技术的研究中,与近红外高光谱技术相比,可降低检测仪成本,缩小检测仪体积。郭文川等[14]基于多光谱技术结合C语言设计了一种可更换探头的手持式多果品内部品质无损检测仪(图3、图4),该检测仪的硬件系统由主机和12个不同波长的发光二极管及数字光电传感器组成多光谱采集探头组成。通过分别采集“华优”猕猴桃和“雪”梨的漫反射多光谱,并基于偏最小二乘法建立预测猕猴桃和梨的SSC和硬度的模型,该检测仪测量猕猴桃和梨的SSC和硬度的均方根误差分别是1.51%、0.52%和5.13 N/cm2、4.57 N/cm2。当检测时间在2 s以内时,通过更换探头可以快速实现猕猴桃内部品质无损检测。ZHOU等[34]进一步改进了该检测仪的光学传感器用于猕猴桃果实品质测定。改进后的检测仪采用TSL2561作为光学传感器,在继续沿用12个LED以45°的照明角包围光学传感器的基础上,增加使用平凸透镜聚焦LED发出的光,提高检测准确性。对猕猴桃果实样品漫反射多光谱进行采集,基于最小二乘回归模型对SSC和硬度进行了预测并验证,结果发现猕猴桃果实的SSC和硬度的均方根误差分别是0.42%和1.11 N/cm2。该检测仪价格低于100 美元,仪器仅重380 g。2 s之内可完成一个猕猴桃样品SSC 和硬度的测定。这种低成本、高精度、手持式猕猴桃检测仪可广泛用于猕猴桃的生产和管理。

此外,拉曼光谱检测技术可以检测到近红外光谱无法检测到的物质,是分子光谱的重要技术之一。其利用光散射原理表征分子骨架键的振动,一般与近红外光谱技术搭配使用,做相互验证和补充,是物质分子结构表征的有力手段。但由于拉曼光谱特征峰捕捉的特殊性,其检测技术在果蔬品质检测上的应用存在一定的局限性,一般在使用拉曼光谱对果蔬品质进行分析的时候往往选择类胡萝卜含量较多的果蔬为分析对象。因此单独采用拉曼光谱检测技术进行水果无损检测具有选择性[35]。

2.4 其他检测技术

除上述无损检测技术外,应用于果实品质的无损检测技术还有电子鼻、红外热成像技术、X射线成像技术、计算机视觉技术等。

电子鼻是通过模拟哺乳动物的嗅觉对果品的感官品质进行无损检测,是集检测、识别、分析复杂性挥发成分功能于一体的新型检测仪器[36],具有检测速度快、灵敏度高、操作简单等特点。宋小青等[37]将电子鼻运用到对猕猴桃的芳香物质的检测中,用PLS、多元线性回归和BP网络分别建立贮藏期间猕猴桃果实的SSC、硬度及pH值的预测模型。研究表明,测试集样品中SSC、硬度和pH值的预测值与测量值均有很高的相关性;这3种分析方法均能较好地预测猕猴桃的内部品质。因此,通过电子鼻进行猕猴桃果实品质的无损检测技术具有可靠性,但该技术对检测环境要求很高,仪器设备昂贵,不适于大规模的生产检测。

红外热成像技术是一种将物体自身各部分红外热辐射的差异转换为可见图像的技术[38]。当水果生长发育、受到损伤时,由于代谢强度不同,会产生温差,进而发射红外辐射,这些辐射带有物体特征信息。利用红外热成像技术可以非接触式地探测水果表面的红外辐射特性,以实现水果的无损检测。但这项技术容易受到气候的影响,成像的精度还需提升。其在研究水果生理特性与病虫害检测等上有很强的研究潜力和价值,在水果检测上还处于研究阶段,在实际生产中有巨大的应用价值。X射线成像技术是一种透射成像技术,利用X射线的强穿透力,可以将水果的结构缺陷、结构变化等内部品质反映到X射线图像上,因此其在产品内部品质检测方面受到越来越多的重视。近年来,在苹果、梨等内部品质检测中表现效果较好,多用低强度的X射线进行水果内部虫害检测[39]。但X射线成像无损检测系统制造成本高,不利于推广应用。计算机视觉技术是在人类设计的基础上,依托计算机环境,再现或模拟人类视觉功能的一门技术。利用计算机视觉技术可以对水果进行分级分类,具有使用简便且处理速度快等优势[40],但其在农业领域的应用还在试验研究阶段,远达不到实用化,目前该领域还在不断探索。

3 发展前景及展望

猕猴桃果实无损检测技术可以在不破坏果实完整性的情况下,快速判断果实品质,并按一定的标准对其做出准确、高效的评价,对于生产过程中果实采摘期、果实分级、贮藏期品质快速检测具有极高的应用潜力。近年来,猕猴桃果实无损检测技术的研究主要集中在声学特性检测、介电特性检测、光学性质分析等方面。目前在光学检测方面已建立了相关参数和模型,但在声学、介电特性检测仍存在品质指标参数不全和未完成建模等问题,如基于声学振动方法检测猕猴桃成熟度、含糖量研究尚未见报道;通过介电特性进行猕猴桃果实品质测定中,仅筛选出了特征频率和敏感电参数,而没有建立硬度等相关模型指标。目前我国关于猕猴桃的无损检测技术研究较全面,在声学特性检测、介电特性检测、光学性质分析等方面均有相关研究、报道,检测指标包括SSC、硬度、糖度等,已利用多光谱技术开发出了精确度高、成本低、重量轻的便携检测仪,可广泛用于猕猴桃的生产管理。而国外猕猴桃无损检测技术研究集中在光学性质分析,在近红外光谱、多光谱技术方面均有相关报道,检测指标侧重于硬度和干物质分析方面。此外,目前的研究多集中在采后和贮藏期品质检测,在成熟期、采摘期过程中的相关参数和模型较少,如何建立评价体系也需要进一步研究与探讨。

综上所述,在今后的技术开发中,首先要继续明确猕猴桃果实检测指标参数和建立模型。考虑到基于光学特性猕猴桃无损检测技术发展较快,多光谱技术检测仪为仪器的便携性打下了良好的基础,未来可将多光谱检测技术与声学振动检测相结合,或与介电特性电导率等检测相结合,以期为提高猕猴桃果实无损检测模型的精度、检测器的灵敏度提供更大的可能。

[1] 田有文, 张巍, 郑鹏辉. 浆果品质光学无损检测技术的研究进展[J]. 食品工业, 2016, 37(2):227-232.
TIAN Y W, ZHANG W, ZHENG P H. Research progress of optical technology for nondestructive testing of berries quality[J]. The Food Industry, 2016, 37(2):227-232.

[2] 罗斌, 赵有斌, 尹学清, 等. 质构仪在果蔬品质评定中应用的研究进展[J]. 食品研究与开发, 2019, 40(5):209-213.
LUO B, ZHAO Y B, YIN X Q, et al. Application progress of texture analyzer in the research of fruit and vegetable quality evaluation[J]. Food Research and Development, 2019, 40(5):209-213.

[3] 朱娜. 基于电子鼻检测“霞晖5号” 桃果实瘀伤和冷害的研究[D]. 南京: 南京农业大学, 2013: 2-3.
ZHU N. Bruise and chilling injury detection of “Xiahui5” peach by E-nose[D]. Nanjing: Nanjing Agricultural University, 2013: 2-3.

[4] 傅霞萍. 水果内部品质可见/近红外光谱无损检测方法的实验研究[D]. 杭州: 浙江大学, 2008.
FU X P. Nondestructive detection of fruit internal quality based on visible and near infrared spectroscopy[D]. Hangzhou: Zhejiang University, 2008.

[5] 王顺, 黄星奕, 吕日琴, 等. 水果品质无损检测方法研究进展[J]. 食品与发酵工业, 2018, 44(11):319-324.
WANG S, HUANG X Y, LYU R Q, et al. Research progress of nondestructive detection methods in fruit quality[J]. Food and Fermentation Industries, 2018, 44(11):319-324.

[6] 姚文苇. 基于超声医学应用的声传播的研究[J]. 中国医学物理学杂志, 2014, 31(4):5077-5080.
YAO W W. Propagation of acoustic wave based on ultrasonic medical applications[J]. Chinese Journal of Medical Physics, 2014, 31(4):5077-5080.

[7] 韩东海. 无损检测技术在食品质量安全检测中的典型应用[J]. 食品安全质量检测学报, 2012, 3(5):400-413.
HAN D H. Typical applications of non-destructive testing technology in food quality and safety detecting[J]. Journal of Food Safety &Quality, 2012, 3(5):400-413.

[8] 陈翀. 猕猴桃内部品质的声学振动无损检测方法研究[D]. 绵阳: 西南科技大学, 2020: 1.
CHEN C. Study on acoustic vibration nondestructive testing method for internal quality of kiwifruit[D]. Mianyang: Southwest University of Science and Technology, 2020: 1.

[9] 卢丹. 基于流变特性和介电特性的猕猴桃品质检测技术[D]. 西安: 陕西师范大学, 2019: 1.
LU D. Quality detection technology of kiwifruit based on rheological and dielectric properties[D]. Xi′an: Shaanxi Normal University, 2019: 1.

[10] KHOSHNAM F, NAMJOO M, GOLBAKHSHI H. Acoustic testing for melon fruit ripeness evaluation during different stages of ripening[J]. Agriculturae Conspectus Scientificus, 2016: 197-204.

[11] CHOE U, KANG H, HAM J, et al. Maturity assessment of watermelon by acoustic method[J]. Scientia Horticulturae, 2022, 293:110735.

[12] 王艳萍. 基于超声检测的沙窝萝卜品质评价方法研究[D]. 天津: 天津科技大学, 2017: 37-45.
WANG Y P. Study on quality evaluation method of Shawo radish based on ultrasonic testing[D]. Tianjin: Tianjin University of Science &Technology, 2017: 37-45.

[13] VASIGHI-SHOJAE H, GHOLAMI-PARASHKOUHI M, MOHAMMADZAMANI D, et al. Ultrasonic based determination of apple quality as a nondestructive technology[J]. Sensing and Bio-Sensing Research, 2018, 21:22-26.

[14] 郭文川, 纪同奎, 张宗逸, 等. 可更换探头的手持式多果品内部品质无损检测仪研究[J]. 农业机械学报, 2023, 54(2):403-409.
GUO W C, JI T K, ZHANG Z Y, et al. Handheld non-destructive detector for internal quality of multi-fruits with replaceable probe[J]. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(2):403-409.

[15] AL-MUHTASEB A H, HARARAH M A, MEGAHEY E K, et al. Dielectric properties of microwave-baked cake and its constituents over a frequency range of 0.915-2.450 GHz[J]. Journal of Food Engineering, 2010, 98(1):84-92.

[16] 鲁佳琦, 朱琳, 费承鑫, 等. 无损检测在猕猴桃质地检测中的应用[J]. 食品安全导刊, 2021(18):101; 103.
LU J Q, ZHU L, FEI C X, et al. Application of nondestructive testing in texture detection of kiwifruit[J]. China Food Safety Magazine, 2021(18):101; 103.

[17] 李腾飞. ‘亚特’猕猴桃果实采后电学特性的研究[D]. 杨凌: 西北农林科技大学, 2011.
LI T F. ‘Yate’ kiwifruit electrical properties of post-harvest[D]. Yangling: Northwest A &F University, 2011.

[18] 唐燕, 杜光源, 张继澍. 猕猴桃电特性与生理特性关系研究[J]. 农业机械学报, 2012, 43(3):97-102.
TANG Y, DU G Y, ZHANG J S. Relationship between electrical properties and physiological characteristics of kiwifruit[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(3):97-102.

[19] 刘振蓉, 赵武奇, 卢丹, 等. 基于介电特性的海沃德猕猴桃品质检测[J]. 核农学报, 2021, 35(6):1367-1375.
LIU Z R, ZHAO W Q, LU D, et al. Quality detection of Hayward kiwifruit based on the dielectric properties[J]. Journal of Nuclear Agricultural Sciences, 2021, 35(6):1367-1375.

[20] NIU Y X, WANG D, YE L X, et al. Nondestructive detection of kiwifruit infected with Penicillium expansum based on electrical properties[J]. Postharvest Biology and Technology, 2023, 195:112150.

[21] 胡静, 黄金发, 刘小丹, 等. 基于近红外光谱技术的猕猴桃品质检测研究进展[J]. 食品研究与开发, 2022, 43(2):196-201.
HU J, HUANG J F, LIU X D, et al. Progress in research into kiwifruit quality assessment based on near-infrared spectroscopy[J]. Food Research and Development, 2022, 43(2):196-201.

[22] WALSH K B, MCGLONE V A, HAN D H. The uses of near infrared spectroscopy in postharvest decision support: A review[J]. Postharvest Biology and Technology, 2020, 163:111139.

[23] SINGH H, SRIDHAR A, SAINI S S. Ultra-low-cost self-referencing multispectral detector for non-destructive measurement of fruit quality[J]. Food Analytical Methods, 2020, 13(10):1879-1893.

[24] YANG B, GUO W C, LI W Q, et al. Portable, visual, and nondestructive detector integrating Vis/NIR spectrometer for sugar content of kiwifruits[J]. Journal of Food Process Engineering, 2019, 42(2): e12982.

[25] NICOLAÏ B M, BEULLENS K, BOBELYN E, et al. Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review[J]. Postharvest Biology and Technology, 2007, 46(2):99-118.

[26] 郎雷. 水果糖度可见/近红外光谱检测仪的研发[D]. 杭州: 浙江大学, 2016.
LANG L. Research and development of a measuring instrument for fruit sugar content by visible/NIR spectroscopy[D]. Hangzhou: Zhejiang University, 2016.

[27] 李伟强. 便携式猕猴桃糖度无损检测仪的研发[D]. 杨凌:西北农林科技大学, 2017.
LI W Q. Development on nondestructive sugar content detector for kiwi fruits [D]. Yangling:Northwest A&F University,2017.

[28] 赵凡. 基于高光谱图像技术无损检测猕猴桃的内部品质[D]. 杨凌: 西北农林科技大学, 2016.
ZHAO F. Nondestructive determination of kiwifruit internal qualities based on hyperspectral imaging technology[D]. Yangling: Northwest A &F University, 2016.

[29] LI J, HUANG B Y, WU C P, et al. Nondestructive detection of kiwifruit textural characteristic based on near infrared hyperspectral imaging technology[J]. International Journal of Food Properties, 2022, 25:1697-1713.

[30] 陈香维. 猕猴桃近红外光谱无损检测技术研究[D]. 杨凌: 西北农林科技大学, 2009: 18-19.
CHEN X W. Nondestructive assessment on kiwifruits by NIR spectroscopy[D]. Yangling: Northwest A &F University, 2009: 18-19.

[31] LIU D Y, GUO W C, LI Q Q, et al. Relationship of the bulk optical properties in 950-1 650 nm wavelength range with internal quality and microstructure of kiwifruit during maturation[J]. Biosystems Engineering, 2019, 184:45-54.

[32] SOHAIB ALI SHAH S, ZEB A, QURESHI W S, et al. Towards fruit maturity estimation using NIR spectroscopy[J]. Infrared Physics &Technology, 2020, 111:103479.

[33] 霍迎秋, 张晨, 李宇豪, 等. 高光谱图像结合机器学习方法无损检测猕猴桃[J]. 中国农机化学报, 2019, 40(4):71-77.
HUO Y Q, ZHANG C, LI Y H, et al. Nondestructive detection for kiwifruit based on the hyperspectral technology and machine learning[J]. Journal of Chinese Agricultural Mechanization, 2019, 40(4):71-77.

[34] ZHOU Y H, GUO W C, JI T K, et al. Low-cost and handheld detector on soluble solids content and firmness of kiwifruit[J]. Infrared Physics &Technology, 2023, 131:104641.

[35] SCHULZ H, BARANSKA M, BARANSKI R. Potential of NIR-FT-Raman spectroscopy in natural carotenoid analysis[J]. Biopolymers, 2005, 77(4):212-221.

[36] 任二芳, 牛德宝, 温立香, 等. 电子鼻和电子舌在水果检测中的应用进展[J]. 食品工业, 2019, 40(10):261-264.
REN E F, NIU D B, WEN L X, et al. Application research progress of electronic nose and electronic tongue in fruits detection[J]. The Food Industry, 2019, 40(10):261-264.

[37] 宋小青, 任亚梅, 张艳宜, 等. 电子鼻对低温贮藏猕猴桃品质的预测[J]. 食品科学, 2014, 35(20):230-235.
SONG X Q, REN Y M, ZHANG Y Y, et al. Prediction of kiwifruit quality during cold storage by electronic nose[J]. Food Science, 2014, 35(20):230-235.

[38] 周建民, 周其显, 刘燕德. 红外热成像技术在农业生产中的应用[J]. 农机化研究, 2010, 32(2):1-4; 51.
ZHOU J M, ZHOU Q X, LIU Y D. Application of infrared thermography techniques in agricultural production[J]. Journal of Agricultural Mechanization Research, 2010, 32(2):1-4; 51.

[39] KALNE A, KOTWALIWALE N, SINGH K, et al. Non-destructive inspection of mango fruit using digital radiography, computed tomography and magnetic resonance imaging[J]. Journal of Agricultural Engineering, 2012, 49(4):33-41.

[40] 王茂森. 计算机视觉技术在农产品质量检测中的运用探究[J]. 数字通信世界, 2022(6):129-131.
WANG M S. Application of computer vision technology in agricultural product quality inspection[J]. Digital Communication World, 2022(6):129-131.