★研究背景

香蕉生產(chǎn)鏈的運輸階段對香蕉質(zhì)量和其他生命周期參數(shù)有影響。某些因素，如冷害(CI)，對香蕉有不利影響，導致?lián)p失增加。常用的監(jiān)測和評估方法，如機器視覺，在實現(xiàn)實時檢測方面面臨挑戰(zhàn)，并且容易受到環(huán)境干擾，導致結(jié)果偏差。中國農(nóng)業(yè)大學肖新清副教授課題組開發(fā)了一種柔性可見光/近紅外實時傳感系統(tǒng)(FVN )，用于實時監(jiān)測香蕉的CI狀態(tài)。基于多元線性回歸(MLR)模型對香蕉顏色空間進行了分析和預測，結(jié)果表明a*的決定系數(shù)為0.97，殘差預測偏差為4.95，預測達到了較高的精度，基于MLR模型的FVN可適用于大多數(shù)市場需求，開發(fā)的分類預測模型(SCP)預測準確率分別為98.3 %和95.5 %。此外，從功耗和成本方面對FVN進行了全面的對比分析，凸顯了其巨大的優(yōu)勢。FVN的應用可以有效減少香蕉在市場供應鏈中的浪費，大大緩解水果冷害不可預測的問題，從而促進香蕉產(chǎn)業(yè)更加可持續(xù)和清潔的生產(chǎn)。

★ 文章解析

FVN具有極好的柔韌性，可以放在香蕉表面進行光譜數(shù)據(jù)采集(圖1a)。FVN采用AS726X系列光譜傳感器，包括AS7262 可見光傳感器和AS7263近紅外傳感器。Vis傳感器接受450nm、500nm、550nm、570nm、600nm和650nm范圍內(nèi)的反射光。NIR傳感器接受610nm、680nm、730納米、760nm、810nm和860nm范圍內(nèi)的反射光。AS7263和AS7262分別采用2700 K LED和5700 K LED作為光源。AS726X內(nèi)置一個16位分辨率模數(shù)轉(zhuǎn)換器，可集成來自每個通道的光電二極管的電流。在用于電子快門應用的光譜轉(zhuǎn)換板上制造了具有可編程電流的集成LED驅(qū)動器。當LED發(fā)出的光照射到樣品表面時，光會與樣品表面的化學元素和化學鍵發(fā)生折射，通過漫反射被光敏元件檢測到(圖1b)。

圖1：原理圖

視覺評估（VA）是最簡單、最方便的方法，但很難準確判斷CI是否發(fā)生在儲存的早期，這可能會導致錯誤的分類。因此，人工去除具有不同CI傾向的香蕉通常發(fā)生在貯藏后期。一開始，通常只有非常淺的棕色條紋，但后來癥狀變得更加嚴重，棕色斑點變得更大、更暗。香蕉儲存于13?°C保持正常狀態(tài)，而香蕉在5?°C表現(xiàn)出明顯的CI癥狀。主要原因是果實尚未成熟，但由于酚類物質(zhì)的氧化和聚集，在CI后期，果皮的顏色從綠色或黃色變?yōu)檩^暗的顏色，甚至變?yōu)樽厣蚝谏?°C，很明顯，在儲存12d時存在非常明顯的差異，來自三個不同產(chǎn)區(qū)的香蕉在兩個溫度下的WLR變化如圖2所示，在5?°C時，香蕉的新陳代謝受到抑制，水分損失減少，WLR相對降低。成熟度較高的香蕉狀況較好。在這項工作中，香蕉在不同溫度下儲存時的變化符合預期模式。

圖 2：品質(zhì)變化

圖3顯示了香蕉在不同狀態(tài)下不同光譜帶的平均光譜曲線。所有測量都遵循相同的光譜模式。其中，圖4顯示了在不同狀態(tài)下光譜差異明顯的6個譜帶。香蕉CI在450范圍內(nèi)的光譜值?nm，500?nm，650?nm，810?nm和860?nm譜帶呈線性下降趨勢，且下降速度非常快。最明顯的差異出現(xiàn)在500?nm。CI香蕉的光譜值呈緩慢下降趨勢，而正常生長的香蕉則呈快速上升趨勢。450?nm，500?nm，610?nm和650?nm與葉綠素的吸收峰相似。810?nm和860?nm類似于N-H的第二泛音以及O-H和C-H的第三泛音。這些條帶為預測香蕉中是否發(fā)生CI提供了有利的基礎(chǔ)。

圖 3：光譜曲線

圖4顯示了校準和驗證集的測量值和預測值的散點圖。交叉驗證結(jié)果如圖4所示。RPD值是評估預測模型性能的一個重要參數(shù)。RPD值越大意味著做出更準確預測的概率越高，適應市場的能力也越強。a*的預測R2c值達到0.95，RPD值達到3.99，這表明a*的預報達到了幾乎可以滿足所有作業(yè)要求的高精度。L*和b*的預測RPD值高于2.2，這表明該模型可以應用于大多數(shù)市場需求。它還為后續(xù)的預測分類提供了強有力的支持。

圖 4：模型預測結(jié)果

★ 結(jié)論與展望

香蕉CI的實時監(jiān)測對減少品質(zhì)損失、提高水果運輸?shù)目沙掷m(xù)性具有重要意義。因此，首先從香蕉供應鏈的角度分析了CI監(jiān)控的重要作用?；谏鲜龇治觯O(shè)計并構(gòu)建了一個柔性的Vis/NIR實時傳感系統(tǒng)，該系統(tǒng)主要由光學傳感模塊、電池和云平臺三部分組成。該系統(tǒng)在具有不同CI狀態(tài)的香蕉上進行了測試和評估。結(jié)果表明，a*的R2P預測值為0.95，RPD值達到3.99，表明a*的預測精度較高。所建立的MLR模型可以應用于各種香蕉，幾乎可以滿足所有的工作要求。L*和b*的RPD預測值均在2.2以上，表明該模型可以更好地預測不同產(chǎn)區(qū)的香蕉，可以應用于大多數(shù)市場的需求。SCP在預測CI的發(fā)生和持續(xù)時間方面表現(xiàn)出明顯的優(yōu)勢，預測準確率分別為98.3%和95.5%。SCP在預測CI是否發(fā)生方面具有絕對優(yōu)勢。在日預測方面，SCP仍然比SVM和LDA具有相當大的優(yōu)勢。最后，將SCP和MLR導入MCU，通過WIFI無線傳輸?shù)皆贫?，并開發(fā)和設(shè)計了ONNET接口。此外，從功耗和成本兩個方面對FVN進行了全面的比較分析，突出了其巨大的優(yōu)勢。總之，所提出的FVN可以實現(xiàn)高效、快速、可靠的香蕉CI無損監(jiān)測，可應用于水果供應鏈或儲存場景，以提高經(jīng)濟效益，保持水果鏈中的水果質(zhì)量。