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
. .. .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。
近红外光谱苹果糖度检测
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
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
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
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。
苹果分级的研究现状及进展
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。
苹果成熟度研究报告
苹果成熟度研究报告苹果成熟度研究报告引言：苹果是一种重要的水果，具有丰富的营养价值和广泛的市场需求。
研究苹果的成熟度对于果农合理安排采摘时间和保证果实质量具有重要意义。
本报告对苹果的成熟度进行探究，旨在为果农提供科学依据和指导。
一、成熟度定义与评价指标成熟度是指果实发育至能够正常采摘、储存和使用的一定阶段。
常用的评价指标有果实大小、颜色、硬度、糖酸比和可溶性固形物含量等。
二、成熟度变化规律苹果的成熟度变化经历了以下几个阶段：1. 发育期：苹果从花朵开始的受精到果实开始膨大。
2. 中期：果实开始转色，由绿色渐变为红色，果形开始成熟。
3. 成熟期：果实大小稳定，颜色饱满，具有特定的香味和口感。
4. 过熟期：果实开始软化，草酸含量增加，失去商业价值。
三、成熟度评价方法1. 外观指标：颜色是判断苹果成熟度的重要指标，可以通过比色仪进行测定。
同时，果实大小和果形也可以辅助判断。
2. 硬度指标：硬度是衡量苹果成熟度的重要指标，可以通过硬度计进行测定。
一般来说，硬度值在5-10kg/cm²之间为最佳采摘时间。
3. 糖酸比指标：通过测定果汁的可滴定酸和可溶性糖含量，计算糖酸比，可以间接判断苹果的成熟度。
4. 可溶性固形物含量指标：通过测定果汁中的可溶性固形物含量，可以直接判断苹果的成熟度。
四、成熟度的调控技术果农可以通过以下技术手段来调控苹果的成熟度：1. 催熟剂处理：可以使用催熟剂来加速果实的成熟过程，提前实现商业成熟。
2. 采摘时间调控：根据不同品种和生长地区，合理选择采摘时间，使果实达到最佳成熟度。
3. 温度控制：通过控制果实的温度，可以调控果实的成熟速度和保持果实的质量。
4. 气调储藏：通过调控储藏环境中的氧气、二氧化碳和乙烯浓度，延缓果实的成熟过程和保持果实的质量。
结论：苹果的成熟度是决定其商业价值和风味口感的重要因素。
通过对苹果成熟度的研究，我们可以确定合适的采摘时间和保证果实的质量，为果农提供科学依据和指导。
水果成熟度检测技术的现状与发展
水果成熟度检测技术的现状与发展随着人们对健康生活的重视，水果的消费量在不断增加，而对于成熟度的检测则成为了保障水果品质和安全的重要环节。
近年来，随着科技的不断发展，水果成熟度检测技术也在不断创新和进步。
本文将对水果成熟度检测技术的现状与发展进行分析和探讨。
1.传统的水果成熟度检测方法传统的水果成熟度检测方法主要依靠人工观察和体感，如触摸、闻味、品尝等方式来判断水果的成熟度。
这种方法存在着主观性强、易受操作者经验和感官差异的影响，不能进行量化和精准的判断，因此在商业化生产中逐渐被淘汰。
2.基于光学特性的成熟度检测方法随着光学技术的发展，人们利用水果的光学特性来进行成熟度检测。
利用光学传感器、光学成像技术和光谱分析技术，可以检测水果的颜色、表面特征、纹理和内部组织等信息，从而判断水果的成熟度。
这种方法具有非接触性、快速、精准的特点，适用于大规模水果生产和流通。
声学技术也被应用于水果成熟度的检测。
通过声学传感器和声波传播特性，可以对水果的含水率、硬度和成熟度进行检测。
这种方法具有简单、快速、不破坏性的特点，适用于多种不同类型的水果。
二、水果成熟度检测技术的发展趋势1.多模式融合的成熟度检测技术随着多种成熟度检测方法的发展，将不同的成熟度检测技术进行融合和组合，可以充分利用它们的优势，提高成熟度检测的准确性和稳定性。
结合光学特性和声学特性进行成熟度检测，既可以获取外部特征，又可以获取内部特征，从而提高成熟度检测的全面性和可靠性。
2.智能化的成熟度检测设备随着人工智能和物联网技术的发展，智能化成熟度检测设备得到了广泛应用。
通过集成传感器、图像识别和数据分析技术，可以实现对水果成熟度的自动检测和监控，减少人工成本和提高生产效率。
还可以对成熟度检测数据进行实时分析和预测，帮助农户和企业优化生产和销售策略。
3.无损检测技术的发展目前，传统的成熟度检测方法通常需要破坏性的取样，会对水果造成一定的伤害。
发展无损检测技术成为了水果成熟度检测的发展趋势之一。
果品分级技术研究的现状及展望
果品分级技术研究的现状及展望果品分级技术是指根据果品的大小、形状、颜色、质地、甜度等特征，通过科学的手段将果品进行分类和分级的技术。
随着果品生产和销售的不断发展，果品分级技术的重要性日益凸显。
本文将对果品分级技术的现状进行分析，并展望未来的发展方向。
一、果品分级技术的现状果品分级技术是果品产业链中非常重要的环节，它的发展水平直接关系到果品产业的发展水平和市场竞争力。
当前，果品分级技术在我国已经取得了一定的进展，主要体现在以下几个方面：1. 传统分级工具升级传统的果品分级多采用人工分选的方式，但这种方式效率低、成本高、易受主观因素影响。
近年来，随着智能技术的发展，出现了各种数字化、智能化的果品分级设备，如智能分选机、视觉识别系统等，大大提高了果品分级的准确性和效率。
2. 分级标准化为了更好地满足市场需求，我国各地纷纷建立并完善了果品分级标准，确保果品的质量和品质。
这些标准化的分级标准为果品分级技术提供了可靠的基础，有利于果品的质量管控和市场竞争。
3. 分级技术的研究和应用在国内外，研究机构和企业对果品分级技术进行了大量的研究和应用。
不仅不断提升了传统的果品分级技术，而且还不断涌现出新的技术和方法，如机器学习算法、深度学习技术、人工智能技术等，将推动果品分级技术向数字化、智能化、精细化方向迈进。
以上种种，都为果品分级技术的革新和持续发展提供了条件和动力，但也面临一些挑战，需要不断加强研究和探索。
未来，果品分级技术将朝着以下几个方向发展：1. 智能化随着人工智能、大数据、云计算等技术的迅速发展和普及，果品分级技术将更加智能化。
未来，分级设备将不仅具备高精度的视觉识别和智能分选功能，还将实现自动学习和自适应调整，能够根据果品的特性快速调整分级参数，满足多样化的市场需求。
2. 数据化果品分级过程中涉及到大量的数据采集、分析和处理，未来果品分级技术将更加注重数据化。
通过对果品的各种特征数据进行综合分析，建立果品的品质模型和分级标准，可以更准确地判断果品的质量和品质，为果品的质量管控和产品开发提供科学依据。
苹果评价体系与检测技术研究进展(DOC)
苹果品质分析及其检测技术研究摘要：苹果是中国农业部确定的11 种优势农产品之一，也是中国第一大果品产业[1]，其产量占中国水果总产量的26.6%[2]。
由于生长条件的差异、采收方法和采后处理的不同，以及苹果本身的变化不同导致了苹果品质之间的差异，许多国家为了保证果品在抵达消费者手中时具有一定的商品价值，采用了特定的品质和分级标准。
由于当今果品市场已面向世界范围，因此，果品品质标准的国际化已势在必行。
本文对我国的不同苹果的各种品质进行了评价并且对苹果品质的检测做了简要的说明，以期为苹果品质评价体系的建立做出一些参考。
关键词：苹果；品质分析；检测技术；标准苹果是目前国内年产量最大的水果之一。
但是近年来市场疲软，使得苹果等水果滞销，价格低廉，效益下降。
特别是我国果品在国际市场上失去了竞争能力，其出口量虽有所上升，但其增长速度低于进口果品。
如1997年我国出口果晶的数量和金额比1995年分别增长43％和15％，而进口果品的数量和金额比1995年分别增长208％和182％。
但其出口量却很低，据统计，2000 年中国出口苹果仅占世界苹果出口总量的3. 5%。
原因之一是由于苹果的品质检测技术落后，分级手段单一，多为人工检测分级。
据了解，我国某些果品在国外市场上只能在地摊上销售，上不了货架，进不了超级市场。
果品品质是指果品满足某种使用价值全部有利特征的总和，主要是指食用时果品外观、风味和营养价值的优越程度。
根据不同用途，果品品质可分为鲜食品质、加工品质、内部品质、外部品质、营养品质、销售品质、运输品质和桌面品质等等。
对不同种类或品种的果品均有具体的品质要求或标准。
因此，品质要求有其共同性，也有其差异性。
消费者对果品品质的感觉，首先是外观品质，外观品质是引起消费者购买欲望的直接因素，但不是惟一因素。
在判断果品质量时，除了目测评价外，经过人的口腔品尝进行判断也是一种重要的检验方法，但因不同人的爱好不同而有较大差异，所以必须建立评味组，将评味组每个人的主观评价综合起来，以得到相对客观的结果，这样才能获得有意义的风味品质评价信息。
苹果糖度无损检测技术研究进展分析
食品科技苹果糖度无损检测技术研究进展分析张嘉君，许海涛，张子沫，赵建禹（天津理工大学集成电路科学与工程学院，天津 300384）摘 要：无损检测技术作为一种新兴的检测技术，具有广阔的发展前景。
基于此，本文调研了多种苹果糖度无损检测技术的原理及相关研究，旨在为未来相关技术的发展提供建议。
关键词：苹果糖度；无损检测；内部品质检测Analysis on Research Progress of Nondestructive TestingTechnology for Apple Sugar ContentZHANG Jiajun, XU Haitao, ZHANG Zimo, ZHAO Jianyu(Tianjin University of Technology, School of Integrated Circuit Science and Engineering, Tianjin 300384,China)Abstract: As a new testing technology, nondestructive testing technology has a broad development prospect. Based on this, this paper investigated the principle and related researches of a variety of apple sugar content nondestructive testing technologies, in order to provide suggestions for the development of related technologies in the future.Keywords: apple sugar content; nondestructive testing; inner quality testing苹果作为一种营养物质丰富、易于贮存的水果，深受广大消费者喜爱。
水果成熟度检测技术的现状与发展
水果成熟度检测技术的现状与发展
随着近年来消费者对食品安全和品质的要求不断提高，水果质量检测成为了一个重要的领域。
而水果成熟度是影响水果品质的关键因素之一，因此水果成熟度检测技术的发展越来越受到关注。
本文将介绍水果成熟度检测技术的现状和发展。
1. 传统的水果成熟度检测方法
传统的水果成熟度检测方法主要包括人工观察法、嗅味法、密度法、硬度法等。
这些方法存在着操作复杂、误差较大和无法自动化等问题，限制了其在生产中的应用。
近年来，研究人员发现水果的成熟度与其生理指标密切相关，因此一些基于生理指标的成熟度检测方法被提出，如叶绿素荧光光谱法、色度法、光学传感器等。
这些方法基于成熟度指标能够提高检测精度和效率，但仍存在对特定仪器和检测环境的依赖，不够普适。
近年来，随着机器学习技术的发展，基于机器学习的水果成熟度检测方法逐渐成为研究热点。
这些方法将大量的数据输入机器学习模型中，分析其相关性并建立预测模型，实现了对成熟度的自动化检测和分级。
目前，基于机器学习的成熟度检测方法在视觉、红外和超声等领域均已取得了良好的实验结果。
近年来，基于物联网的成熟度检测方法被提出。
这些方法将传感器与物联网技术相结合，实时监测水果成熟状态，并通过云服务分析搜集数据，实现对生产链的智能管理。
这些技术的应用将大大提高生产效率和管理水平。
总的来说，水果成熟度检测技术的发展日益突出其自动化、高效化和智能化。
未来，随着新技术的不断涌现，水果成熟度检测方法的精度和效率将会得到进一步提升，并得到更广泛的应用。
水果成熟度检测技术的现状与发展
水果成熟度检测技术的现状与发展水果的成熟度检测是果农和消费者的关注点之一，因为成熟度直接影响到水果的风味、口感和营养价值。
为了满足市场需求，科学家和工程师们一直在致力于开发各种先进的水果成熟度检测技术。
本文将介绍水果成熟度检测技术的现状与发展。
目前，水果成熟度检测技术主要分为非侵入式和侵入式两种。
非侵入式方法是指在不破坏水果表面的情况下进行成熟度检测。
常见的非侵入式方法包括近红外光谱法、超声波法和电子鼻技术。
近红外光谱法是一种通过测量水果表面的光反射和吸收来判断成熟度的方法。
成熟的水果对近红外光的反射较高，吸收较低，而不成熟的水果则表现相反。
近红外光谱法具有快速、无损伤和可重复性的优点，已经广泛应用于各类水果的成熟度检测。
超声波法是通过将超声波传感器放置在水果上，测量其反射回来的声波来判断成熟度的方法。
成熟的水果由于其内部结构的改变而导致声波的反射特性发生变化，因此可以通过超声波检测来判断其成熟度。
超声波法具有操作简便和无损伤的优点，但由于超声波在水果中的传播受到多种因素的影响，如水果的形状和组织结构的异质性等，因此需要进行一定的校准和调整。
电子鼻技术是通过测量水果散发出来的气味来判断成熟度的方法。
不同的水果在成熟过程中会散发出不同的气味成分，电子鼻技术可以通过一系列的气体传感器来检测和识别这些气味成分，进而判断水果的成熟度。
电子鼻技术具有快速和灵敏度高的优点，但由于不同水果之间的气味成分差异较大，因此需要建立相应的模型和数据库。
穿刺法是通过将针或探针插入水果中，测量插入力的大小来判断成熟度的方法。
成熟的水果由于其细胞结构的变化而变得较为松软，因此插入力会较小。
穿刺法简单直观，但也会造成水果的损伤和品质降低。
硬度测定是通过测量水果的硬度来判断成熟度的方法。
成熟的水果硬度较低，而不成熟的水果硬度较高。
硬度测定可以使用质量弹性回弹测定仪或智能硬度检测仪进行，具有操作简便和无损伤的特点。
水果成熟度检测技术在近年来取得了显著的进展，非侵入式方法已经得到了广泛的应用，侵入式方法也在不断改进和发展。
苹果糖度和硬度检测的研究现状
. .. .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。
苹果果实硬度适宜测定部位的研究
苹果果实硬度适宜测定部位的研究
杜社妮;李晶晶;张蕊;白岗栓
【期刊名称】《北方园艺》
【年(卷),期】2011(000)024
【摘要】为确定苹果硬度适宜测定部位,测定了“红富士”、“秦冠”苹果果实顶部、果实阳面、果实阴面、果实肩部的硬度.结果表明:“红富士”、“秦冠”苹果的果实硬度均表现为果实顶部的最高,其次为果实肩部和果实阳面,果实阴面最低.虽然果实阳面、阴面的硬度平均值低于果实不同部位硬度的平均值,但该部位最易受到伤害,故苹果果实硬度测定部位为果实阳面、阴面,硬度值应取阳面、阴面硬度的平均值.
【总页数】3页(P33-35)
【作者】杜社妮;李晶晶;张蕊;白岗栓
【作者单位】西北农林科技大学水土保持研究所,陕西杨凌712100;中国科学院水利部水土保持研究所,陕西杨凌712100;中国科学院水利部水土保持研究所,陕西杨凌712100;西北农林科技大学林学院,陕西杨凌712100;西北农林科技大学水土保持研究所,陕西杨凌712100;中国科学院水利部水土保持研究所,陕西杨凌712100【正文语种】中文
【中图分类】S661.1
【相关文献】
1.富士苹果和国光苹果不同部位苹果多酚的提取研究 [J], 白变霞;靳志强;王玺
2.不同部位西门塔尔牛肉理化品质分析及烤制加工适宜性的研究 [J], 李慧;朱春侠;达赖;连海飞;王德宝;王娜;皇甫九茹;田如刚;王潇;赵濛;杨鼎
3.老年危重患者空调环境下红外测温仪体温测量适宜部位研究 [J], 靳婷婷;谢银均;廖游玩;徐永能;詹秀金;黄巧勤
4.苹果生态适宜条件与四川阿坝州苹果生态适宜性研究 [J], 张光伦
5.红富士苹果适宜叶果比和适宜株产的测定 [J], 董文成
因版权原因，仅展示原文概要，查看原文内容请购买。
减压贮藏保持富士苹果硬度机理的研究的开题报告
减压贮藏保持富士苹果硬度机理的研究的开题报告一、选题背景富士苹果是我国主要的苹果品种之一，在市场上具有非常高的销售额。
为了满足消费者对苹果质量的要求，保持富士苹果的硬度成为了果农和企业关注的焦点。
在运输和储存过程中，苹果可能会受到机械损伤、采后生理老化等多种影响，导致硬度下降，影响其品质。
因此，对富士苹果硬度的保持机理进行深入研究，寻找有效的保持方法及手段，对提高富士苹果的品质和市场竞争力具有重要意义。
二、研究目的本研究旨在探究减压贮藏对富士苹果硬度的影响及机理，为了解富士苹果硬度变化规律提供理论基础，为果农和企业提供合理的贮藏方法和技术支持。
三、研究内容1.确定实验设计及方法：选取富士苹果为实验材料，将其置于不同的贮藏条件中，如室温、低温和减压贮藏等，进行硬度和质量变化的监测。
2.分析减压贮藏对富士苹果硬度的影响：通过对不同时间段和贮藏条件下的富士苹果硬度变化情况进行统计分析，研究减压贮藏对富士苹果硬度的影响规律。
3.深入探究减压贮藏保持富士苹果硬度的机理：分析减压贮藏过程中富士苹果硬度变化、果肉细胞结构变化、质构成分变化以及生理生化指标等，从细胞学、微观结构和化学成分等方面探讨减压贮藏保持富士苹果硬度的机理。
四、预计研究成果1.针对不同贮藏条件和时间段下富士苹果硬度的变化规律进行深入分析和总结，为果农和企业提供科学稳定的货架期。
2.研究减压贮藏对富士苹果硬度的影响规律和机理，制定保持富士苹果硬度的方案，提高其品质和市场竞争力。
3.对果肉细胞结构、质构成分和生理生化指标等进行分析，为深入探究苹果保鲜机理提供科学依据。
五、研究方法1.实验条件：实验室、氧气减压装置、冷藏室。
2.实验材料：富士苹果。
3.实验设计：采用完全随机设计，设有三个处理组和一个对照组。
4.处理分组：对照组：室温贮藏。
第一处理组：低温贮藏。
第二处理组：减压贮藏。
第三处理组：低温加减压贮藏。
5.实验方法：果实处理：选取健康成熟的富士苹果，将其均匀分配到不同的处理组中，在每个处理组中设置3个副本。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
.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。
而且检测时间仅需数秒钟，可以同时检测多种成分，实现水果品质的快速分析，对水果生产，特别是水果加工质量的控制，具有十分重要的作用。
我国是世界第一水果生产大国，据保守统计，2003年苹果产量达到2060.96万吨，2004年是苹果丰产年，达到2200万吨以上，2009年全国苹果产量预计达到3300万吨]1[。
但我国的水果在国际市场上大多数档次较低，在国，高档水果市场也被国外水果垄断，其中一个很重要的原因是品种混杂、质量优劣不齐，苹果采收后，由于大小、成熟度和商品性的不同，应进行分级，其中糖度和酸度是评价苹果成熟度的重要指标，而这些指标难以从外部进行鉴别，传统的检测方法往往采用抽样方式的化学检测，这些方法大多存在分析过程比较复杂、耗时长、检测费用高、技术条件复杂、难于实现即时监控及需要破坏样品等缺点，从1980年开始，近红外光谱技术作为一种无损检测手段被广泛用于测定农产品的部品质，它不仅能够同时检测多种组分，而且因为它是非破坏性的，可以对一个样品进行多次检测]2[。
水果中的糖分分子属于红外活性分子，当近红外光照射到水果中时，不同的水果部成分对于不同波长的光学吸收程度不同，而随着水果部成分质量分数的不同，其部光谱也将发生变化，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]3[。
1苹果糖度和硬度的检测方法1.1基于MATLAB语言的苹果糖度近红外光谱定量分析利用MATLAB6.1语言实现水果近红外漫反射光谱法的定量分析数据的处理，着重研究了主成分分析多元校法在水果部品质定量分析中的实现方法.燕德，应义斌利用MATLAB6.1语言实现水果近红外漫反射光谱法定量分析数据的处理，研究了主成分分析在水果漫反射光谱分析中的实现方法，通过编程和计算机试算，找出苹果部糖度定量分析的两类吸收峰:一类为1453、1931、2314和2353nm;另一类为978、1198、1732和1790nm，并对吸收峰的光谱吸光度与苹果糖度进行了相关性分析，得出糖度与原始光谱吸光度的最大相关系数为-0.621，最小相关系数为-0.365。
燕德主要以我国主要水果———富士苹果的近红外漫反射吸光度(=log1/R)为考核指标，使用Necolet公司Nexus FT-IR光谱仪(800-500nm)获取34个富士苹果近红外漫反射原始光谱，然后利用OMNIC6.0软件将原始光谱保存为CSV文件，以方便MATLAB原始数据读取，同时将富士苹果原始光谱在978、1198、1453、1732、1790、1931、2314、2353nm等8个吸收峰处的漫反射吸光度值用于主成分，分析其指标变量记为x1、x2、x3、x4、x5、x6、x7、x8，样本数m=34，指标变量个数p=8，原始数据矩阵为X。
水果糖度测定用WYT4型手持糖量计测量(如表1所示)，用Y来表示成因变量.调用MATLAB统计工具箱提供的多元统计分析函数主成分分析princomp(X)和regress(Y，X)来实现]4[。
1.2基于光纤传感的富士苹果糖度检测研究燕德，应义斌，蒋焕煜利用傅立叶光谱仪的智能光纤传感器，探讨了近红外光无损检测水果糖度的方法。
通过主成分回归、偏最小二乘法和逐步回归法三种多元校正算法对水果光谱数据的分析，得出PLS模式水果糖度预测值和真实值的相关系数为0.86，标准校正误差为0.14，标准预测误差为0.97，PCA模式水果糖度预测值和真实值相关系数为0.85，标准校正误差为0.47，标准预测误差为1.27，而SMLR模式的水果糖度预测值和真实值相关系数为0.72，标准校正误差为0.72，标准预测误差为2.10，研究结果表明，在12500-3800cm1 光谱围应用光纤传感器技术进行苹果糖度无损检测具有可行性。
]5[1.3用遗传区间偏最小二乘法建立苹果糖度和硬度近红外光谱模型6[-，用近红外光谱来预测苹果的糖度和硬度已在许多论文中进行了报道]16目的是获得精度更高、更稳定的预测模型。
由于近红外区的谱带复杂、重叠多，通过苹果近红外光谱的分析可以看出，光谱的总体走势比较平缓，波峰和波谷没有剧烈的起伏。
在利用近红外漫反射光谱技术检测苹果糖度的前期研究中也发现，对原始光谱进行中心化处理后，再采用偏最小二乘法(PLS)进行多变量校正所建立的模型，出现用信噪比(SNR)高的波段比用信噪比低的波段建立PLS校正模型的预测能力明显增强，即如何选择合适的光谱谱区的问题。
为此采用近几年来发展起来的一种新的建模方法———区间偏最小二乘(iPLS)法]17[进行光谱建模，并在此基础上进行改进和发展成一种光谱谱区选择和建模的方法———遗传区间偏最小二乘法(GA-iPLS)。
艳肖，邹小波，董英选用水晶红富士85个，购回后从中随机地选取63个作为校正集，余下的22个作为预测集，试验时，由近红外光谱仪(Nexus670FTIR，美国Nicolet公司生产，配有近红外光纤附件和Zn-Gas检测器)在每个苹果的最大横径上进行光谱扫描，扫描波数围为4279-9843cm1-，扫描次数为32次，波数间隔为1.924cm1-(共2886个波数点)，分辨率为4cm1-，动镜速度为0.9494cm·s1-，光圈为50，以BaSO4作为参比材料。
扫描时光纤探头与苹果表面之间间隔保持1-3mm的距离。
将光谱数据(光谱围:4279-9843cm)等40个区间(其中第1-6号区间每个区间波数点为73余下的区间每个区间波数点为72)，用Nrgaard]17[的区最小二乘法进行处理。
用遗传区间偏最小二乘法建立糖度的预测模型。
结果发现，遗传区间偏最小二乘筛选法不仅能有效地减少建模所用的变量数，而且能有效地提高糖度模型的测量精度。
通过遗传区间偏最小二乘法选取合适的光谱区间进行建模，可以减小建模运算时间，剔除噪声过大的谱区，使最终建立的农产品品质检测近红外光谱模型的预测能力和精度更高。
1.4苹果中糖度的CCD近红外光谱分析基于CCD检测器的近红外光谱仪性能稳定、分辨率高、扫描速度快，相对于傅立叶光谱仪成本较低。
董一威，籍保平等人在对光谱议的硬件、软件充分调研的基础上选择75W 的进口石英卤钨灯作为光源，采用型号为SonyILX554B的CCD芯片作为检测器，分光系统的焦距为100mm，利用Y型漫反射光纤(芯径400um)采集光谱，数据处理和控制系统与PC之间采用USB2.0接口连接，自行开发了基于CCD近红外光谱仪的苹果部品质检测系统。
在自行搭建的基于CCD近红外光谱仪的苹果部品质检测系统上，对红富士苹果的糖度和酸度进行检测。
通过对比S—G平滑、一阶导数、二阶导数等三种光谱预处理后的建模效果，发现用S—G平滑处理后所建苹果糖度模型的效果最好，而一阶导数、二阶导数处理后光谱噪声变大，建立的模型效果变差。
结果表明，应用近红外光谱漫反射技术在630-1030nm波长围对苹果糖度进行快速无损检测具有可行性。
1.5苹果硬度的傅里叶变换近红外光谱无损检测目前，苹果硬度检测普遍采用压力硬度计或质构仪等破坏性检测，检测速度慢，检验后果实失去商品价值，近红外光谱无损检测技术具有简单、快速、无损的特点，且可降低测试费用，便于实现在线实时检测。
桂峰，国建等人采用精密度高的质构分析仪测定苹果的硬度，用傅里叶变换近红外光谱仪采集苹果的近红外光谱；通过解析谱图和进行不同的预处理，将比较复杂的弱光谱信息有效提取出来，找出苹果最好的预处理方法和有效光谱围；用偏最小二乘法对苹果的近红外光谱数据进行定量分析，并对样本进行预测。
多元散射校正能有效地消除样品间散射影响所导致的基线平移和偏移现象，提高原吸光度光谱的信噪比，消除由于样品颗粒度、分布均匀性等差异所造成的影响。
并将多元散射校正法用于苹果硬度光谱预处理，并对所建模型进行验证。
结果表明，多元散射校正能够有效消除光谱基线平移和偏移现象，提高原光谱的信噪比，选取有效信息波长围为1408～2235nm 。
偏最小二乘法结合多元散射校正所建模型的预测效果最好，模型的决定系数2R 为0.9852，部交叉验证均方根差MSEP R 和预测标准偏差MSEP R 分别为0.03982/cm kg 和0.01662/cm kg 。
进一步通过剔除异常值优化模型，并验证检验组的25个样品，模型的2R 为0.9908，MSEP R 为0.01472/cm kg 。
结果表明：建立的模型可靠，预测效果好，能满足苹果硬度快速检测的要求。
1.6基于混合线性分析的苹果糖度近红外光谱检测混合线性分析法是化学计量分析中一种较新的算法，主要用于混合物体系中纯组分的光谱定量分析。