1 浙江农林大学光机电工程学院, 浙江 杭州 311300
2 浙江农林大学数学与计算机科学学院, 浙江 杭州 311300
果蔬在收获、 运输、 贮藏、 分拣、 包装和销售过程中均会遭受不同程度的挤压、 碰撞或摩擦, 从而造成果蔬损伤, 如挤伤、 开裂、 擦伤等外部损伤, 同时, 在生长过程中会产生黑心、 水心、 褐腐、 霉心等内部损伤。 果蔬损伤初期特征不明显, 外观与正常果实基本无异, 然而随着时间的推移, 损伤组织恶化扩散, 最终导致整个果实腐烂变质, 又进而接触感染其他果实, 造成周边甚至整箱果蔬病变, 对果蔬产业造成巨大的经济损失。 果蔬采后损伤检测方法多种多样, 其中人工检测最为简单常用, 但是该方法不仅耗时耗力, 容易造成错判和漏判现象, 而且无法实现肉眼不可见的皮下或内部损伤检测。 近年来, 随着计算机技术的快速发展, 越来越多的无损检测技术被广泛应用于果蔬损伤检测, 其中最为常用的当属光谱和成像技术。 光谱成像技术通常结合图像处理、 光谱分析、 化学计量学方法、 统计分析等手段, 利用损伤果蔬和正常果蔬的图谱信号差异实现损伤检测, 具有无损、 快速等优点, 能解决人工检测耗时耗力且准确率低的问题。 在此主要概述了8种光谱及成像技术(近红外光谱、 拉曼光谱、 荧光光谱、 高光谱成像、 空间频域成像、 核磁成像、 X射线成像和热成像)在果蔬损伤检测的最新研究进展, 包括检测原理及其技术特点, 总结分析了各技术在果蔬损伤检测方面的应用情况, 并展望未来发展趋势, 以期为果蔬损伤无损检测提供借鉴与参考。
果蔬 无损检测 光谱技术 成像技术 损伤 Fruits and Vegetables Nondestructive Detection Spectroscopy Imaging Bruise 光谱学与光谱分析
2022, 42(9): 2657
1 湖南农业大学食品科学技术学院, 长沙 410128
2 湖南省农业科学院农产品加工研究所, 长沙 410125
果蔬软化是限制其采后贮藏品质和商品价值的重要因素, 涉及种类和品种、呼吸作用、乙烯产生、细胞壁物质降解、微生物侵染等方面。本文综述了近年来国内外调控果蔬软化的方法, 包括物理调控、化学调控、生物调控方面的研究进展, 以期为改善果蔬采后品质提供一定的理论参考。
果蔬 采后 软化 机制 调控 方法 fruits and vegetables postharvest soften mechanism regulation methods
电子科技大学光电科学与工程学院, 四川 成都 610054
高光谱成像技术结合了传统成像和光谱学技术的优点, 可以同时获取反映待测物内外部品质的光谱信息与空间信息, 近年来在果蔬品质无损检测中得到广泛应用。本文从高光谱成像技术的基本原理与其在果蔬品质无损检测中的探索与应用出发, 阐述了高光谱成像技术在该领域的最新研究进展。
高光谱成像 果蔬 内外部品质 无损检测 hyperspectral imaging fruits and vegetable internal and external quality NDT
为保证食品安全和消费者健康, 无损检测技术广泛应用于果蔬质量检测中。 光谱和图像技术可分别获取果蔬的内部和外部信息, 成为质量检测的有效工具。 为跟踪国内外研究进展并分析研究现况, 从果蔬外部品质(尺寸、 形状、 表面缺陷、 颜色、 纹理等)、 内部品质(内部缺陷、 可溶性固形物、 可滴定酸、 水分、 类胡萝卜素等单一品质及综合品质)、 成熟度、 货架期/贮藏期、 产品溯源、 生长监测、 安全(农药残留、 病虫和细菌侵染、 转基因产品等)检测及光学系统设计等方面综述了光谱和成像技术的应用, 分析了存在的图谱库不完善、 解混处理算法复杂、 高精度和便携式的光学系统开发力度不够、 校正模型的影响因素复杂等问题。 然后, 归纳了发展趋势, 指出了各组分可视化分析及交互作用机理解析、 光与果蔬组织的交互作用机理分析和光学特性参数反演等光学特性分析、 科学合理的综合评价体系的建立、 新算法的应用和多种算法的联合使用、 不同算法的可靠性和稳定性的提高、 稳定和普适模型的建立、 低成本和便携式等光学分析仪器的商品化开发和商业化应用等成为进一步探索的方向, 为基于光谱和成像技术的果蔬质量检测发展提供了参考。
光谱 图像 果蔬 质量 无损检测 研究进展 Spectrum Imaging Fruits and vegetables Quality Nondestructive detection Review 光谱学与光谱分析
2018, 38(6): 1779
华东交通大学光机电技术及应用研究所, 江西 南昌330013
农产品的质量安全与我们老百姓的身体健康和生命安全密不可分。 传统的化学检测方法具有需要样品前处理, 操作过程复杂以及破坏样品等诸多缺陷。 拉曼光谱技术作为一种分析、 测试物质分子结构强有力的表征手段, 可以快速实现样品的无损伤、 定性定量检测分析。 随着拉曼光谱技术的不断完善和应用范围的逐渐拓宽, 拉曼光谱技术在农产品的质量安全检测中发挥着极其重要作用, 并且具有广阔的应用前景。 目前, 已经有大量的基于拉曼光谱技术检测农产品质量安全的相关研究报道, 为了解拉曼光谱技术的检测原理以及发展现状, 并跟踪国内外最新研究进展, 简述了拉曼光谱技术的基本原理及其发展、 拉曼光谱检测装置, 深入综述了拉曼光谱技术在果蔬、 禽畜、 粮食质量安全检测中的最新研究进展, 指出了拉曼光谱技术应用在农产品质量安全检测中的现存的技术问题。 另外, 还简要介绍了国内外部分拉曼光谱仪的部分信息和便携式拉曼光谱仪专利申请状况, 展望了该项技术的研究方向和应用前景。
拉曼光谱 果蔬 禽畜 粮食 Raman spectroscopy Fruits and vegetables Livestock Grain 光谱学与光谱分析
2015, 35(9): 2567
新疆医科大学药学院分析测试中心, 新疆 乌鲁木齐 830011
建立固相萃取逐步分离-紫外分光光度法测定果蔬中残留的噻苯咪唑、 邻苯基苯酚、 联苯的检测方法。 样品经高速涡轮旋转石油醚∶乙酸乙酯(2∶1)提取, 30%甲醇溶液上样, C18固相萃取柱富集、 净化、 分离三种残留防腐剂, 分别采用30%乙醇(酸, pH 2.5)溶液、 55%甲醇(碱, pH 11.5)溶液、 75%乙醇(酸, pH 2.5)溶液依次洗脱分离固相柱中被保留的噻苯咪唑、 邻苯基苯酚、 联苯, 对洗脱液进行紫外分光光度法检测。 结果表明: 三种防腐剂在1～10 μg·mL-1的范围内呈良好线性关系, 相关系数r>0.999 8。 样品加标回收率为72.1%～103.5%, 相对标准偏差在1.2%～7.7%, 样品最低检测限分别为0.09, 0.5和0.1 μg·mL-1。 该方法简便、 灵敏、 快速, 能够满足同时测定果蔬中防腐剂残留量的要求。
涡轮旋转提取 固相萃取分离 紫外分光光度法 果蔬 残留防腐剂 Rotating turbine extract Solid-phase extraction-separation Ultraviolet-spectrophotometry Vegetables and fruits Residues of preservatives 光谱学与光谱分析
2012, 32(8): 2200
