技術(shù)文章
Technical articles近日,武漢大(da)學電(dian)子信息(xi)學院研究人(ren)員在(zai)國際食(shi)品期刊《Food Research International》(中科(ke)院一區(qū)(qu)TOP,IF=8.0)發(fā)表了題(ti)為"Deep learning-based colorimetric indicator on polylactic acid packaging for nondestructive monitoring of fresh-cut fruits and vegetables"的研(yan)究論文。在該論文中(zhong),研究人員(yuan)利用上海(hai)騰拔Universal TA國產(chǎn)質(zhì)構(gòu)(gou)儀用于測定(ding)青椒的硬(ying)度和(he)咀嚼性(xing)指標。
果蔬的易腐(fu)性對保持食品(pin)質(zhì)量與安全(quan)構(gòu)成了重大(da)挑戰(zhàn)(zhan)。然而,當前(qian)用于監(jiān)(jian)測鮮切果(guo)蔬新鮮度(du)的方法仍(reng)存在(zai)局限。本研(yan)究介紹了一(yi)種基(ji)于深度學習的(de)新型(xing)比色指(zhi)示劑(ji)系統(tǒng)(tong),該系統(tǒng)旨(zhi)在對包裝(zhuang)于聚乳酸(PLA)袋(dai)中的(de)鮮切(qie)果蔬的(de)新鮮度進行(xing)無損監(jiān)測。該(gai)系統(tǒng)采(cai)用了一種基(ji)于乙基纖(xian)維素(su)的指示劑(ji)(EMT),這種指示(shi)劑在儲存過程(cheng)中,會隨(sui)二氧化(hua)碳(CO?)濃度(du)(0%–30%)的變(bian)化呈(cheng)現(xiàn)出明顯(xian)的顏(yan)色轉(zhuǎn)(zhuan)變。除了具有敏(min)感性外(wai),EMT 還展現(xiàn)出優(yōu)異(yi)的穩(wěn)定性和(he)可重復使用(yong)性。此外,本研(yan)究shouci以鮮切青椒(jiao)為模型,通過(guo)在機器學(xue)習中應(yīng)用(yong)特征提取(qu)算法(主成分分(fen)析(PCA)和 Fisher 線性判(pan)別分析(xi)(FLDA)),構(gòu)建了(le) “生理狀(zhuang)態(tài) — 新鮮度 — 指示(shi)劑顏色(se)" 之間的(de)關(guān)系。研究將(jiang)這種相關(guān)性(xing)與用于圖像識(shi)別和分析(xi)的深度學習(xi)算法(fa)相結(jié)合,該方(fang)法減輕(qing)或消(xiao)除了由(you)人類視(shi)覺感知的個體(ti)差異以及拍攝(she)條件變化所導(dao)致的識別誤(wu)差。結(jié)果表明,該(gai)系統(tǒng)能夠準(zhun)確、快速且無損(sun)地評(ping)估鮮切(qie)青椒的新(xin)鮮度,在 k 折(zhe)交叉驗證下,MobileNetV3 - Small 模(mo)型的識別(bie)平均(jun)準確率可達(da) 96.09%。所提出(chu)的策略(lve)為監(jiān)(jian)測農(nóng)產(chǎn)(chan)品新鮮度提(ti)供了一種(zhong)高精度(du)、實時(shi)且無損的(de)方法,在食品安(an)全、健康監(jiān)測(ce)和環(huán)境(jing)保護領(lǐng)(ling)域具有潛(qian)在的應(yīng)用(yong)價值。
果蔬的軟化(hua)與weisuo、蛋白質(zhì)及(ji)多糖降解(jie)以及中(zhong)央液(ye)泡破(po)壞相關(guān)。本(ben)研究(jiu)選取了硬度和(he)咀嚼性這兩個(ge)關(guān)鍵(jian)質(zhì)地指標進行(xing)研究,如圖(tu) 3d 所示。在儲(chu)存期(qi)間,青椒的硬度(du)逐漸下(xia)降,且(qie)聚乳酸(suan)(PLA)包裝中(zhong)的青椒硬度(du)顯著高(gao)于聚(ju)乙烯(PE)包裝(zhuang)的。這(zhe)表明(ming),在整個儲存(cun)過程(cheng)中,PLA 能更有效地(di)保持青椒的質(zhì)(zhi)地特(te)性。
參考文獻(xian):Shasha Zhang et al. Deep learning-based colorimetric indicator on polylactic acid packaging for nondestructive monitoring of fresh-cut fruits and vegetables. Food Research International, 2025。