近日，武(wu)漢大(da)學(xué)電子信息(xi)學(xué)院研究人(ren)員在國際食品(pin)期刊《Food Research International》(中科(ke)院一區(qū)(qu)TOP，IF=8.0)發(fā)表了題為"Deep learning-based colorimetric indicator on polylactic acid packaging for nondestructive monitoring of fresh-cut fruits and vegetables"的(de)研究論文。在該論文中，研(yan)究人員利(li)用上海騰(teng)拔Universal TA國(guo)產(chǎn)質(zhì)構(gòu)儀用于(yu)測(cè)定青椒的(de)硬度和咀嚼性(xing)指標(biāo)。

果蔬的易(yi)腐性對(duì)(dui)保持食品(pin)質(zhì)量與安(an)全構(gòu)成(cheng)了重大(da)挑戰(zhàn)。然而，當(dāng)(dang)前用于監(jiān)測(cè)(ce)鮮切果(guo)蔬新鮮度(du)的方(fang)法仍(reng)存在局限。本(ben)研究介(jie)紹了一(yi)種基于(yu)深度學(xué)習(xí)的新(xin)型比色指示劑(ji)系統(tǒng)，該系統(tǒng)(tong)旨在對(duì)(dui)包裝于聚乳(ru)酸（PLA）袋(dai)中的鮮切果蔬(shu)的新鮮度進(jìn)行(xing)無損監(jiān)測(cè)。該系(xi)統(tǒng)采用了(le)一種(zhong)基于乙基纖(xian)維素的指(zhi)示劑（EMT），這種(zhong)指示劑在儲(chǔ)(chu)存過程中，會(huì)隨(sui)二氧化碳（CO?）濃(nong)度（0%–30%）的(de)變化(hua)呈現(xiàn)(xian)出明顯(xian)的顏色(se)轉(zhuǎn)變。除(chu)了具有敏感性(xing)外，EMT 還展現(xiàn)出優(yōu)(you)異的(de)穩(wěn)定(ding)性和可(ke)重復(fù)使用性(xing)。此外，本研究(jiu)shouci以鮮切青椒為(wei)模型，通過(guo)在機(jī)器(qi)學(xué)習(xí)中應(yīng)用特(te)征提取算法(fa)（主成分分析（PCA）和(he) Fisher 線性判(pan)別分析(xi)（FLDA）），構(gòu)建了 “生(sheng)理狀態(tài) — 新鮮度(du) — 指示劑(ji)顏色" 之(zhi)間的關(guān)系。研究(jiu)將這種相關(guān)(guan)性與用于圖像(xiang)識(shí)別和分析的(de)深度(du)學(xué)習(xí)算法(fa)相結(jié)合，該方(fang)法減輕(qing)或消除了(le)由人類視覺感(gan)知的個(gè)(ge)體差異(yi)以及拍攝條件(jian)變化所(suo)導(dǎo)致的識(shí)(shi)別誤差。結(jié)果(guo)表明，該系統(tǒng)能(neng)夠準(zhǔn)確、快速(su)且無損地(di)評(píng)估(gu)鮮切青椒(jiao)的新鮮度(du)，在 k 折交叉驗(yàn)(yan)證下，MobileNetV3 - Small 模型的識(shí)(shi)別平(ping)均準(zhǔn)確率可(ke)達(dá) 96.09%。所(suo)提出的策(ce)略為監(jiān)測(cè)農(nóng)產(chǎn)(chan)品新鮮(xian)度提供了(le)一種高精度、實(shí)(shi)時(shí)且無(wu)損的方法(fa)，在食品安全(quan)、健康監(jiān)測(cè)(ce)和環(huán)境(jing)保護(hù)領(lǐng)域具(ju)有潛(qian)在的應(yīng)用(yong)價(jià)值(zhi)。

果蔬(shu)的軟(ruan)化與weisuo、蛋白(bai)質(zhì)及多糖(tang)降解以及(ji)中央(yang)液泡破壞(huai)相關(guān)。本研究選(xuan)取了硬度和(he)咀嚼性這兩個(gè)(ge)關(guān)鍵質(zhì)地指標(biāo)(biao)進(jìn)行研究，如(ru)圖 3d 所示。在儲(chǔ)(chu)存期(qi)間，青椒(jiao)的硬(ying)度逐漸下降，且(qie)聚乳酸（PLA）包裝(zhuang)中的青椒硬(ying)度顯著高于(yu)聚乙烯（PE）包(bao)裝的(de)。這表明(ming)，在整(zheng)個(gè)儲(chǔ)存過程中(zhong)，PLA 能更有效(xiao)地保(bao)持青(qing)椒的質(zhì)地特(te)性。

參考(kao)文獻(xiàn)：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。