苹果分级的研究现状及进展
落叶果树㊀２０１９ꎬ５１(６):２４－２７
ＤｅｃｉｄｕｏｕｓＦｒｕｉｔｓ㊀㊀
综合评议 ㊀
㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀ＤＯＩ: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ꎮ
㊀㊀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.ｃｏｍ
㊀㊀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ꎮ
４２
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ꎮ
１.３㊀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ꎮ
２㊀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型分选果机ꎬ采用电脑智能化分称重ꎬ对苹果等果实清洗打蜡ꎬ进行重量㊁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)ꎮ
６２
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
iphone4和iphone4s区别径分级方法[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].Ｃｏｍｐｕｔｅｒｓ
ａｎｄＥｌｅｃｔｒｏｎｉｃｓｉｎＡｇｒｉｃｕｌｔｕｒｅꎬ２００９ꎬ７０(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－ＢａｓｅｄＴｅｃｈｎｉｑｕｅｆｏｒＲａｐｉｄＤｅｔｅｃｔｉｏｎａｎｄＲｅｃｏｇｎｉｔｉｏｎ
ｏｆＭｏｌｄｙＡｐｐｌｅｓ[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

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。