近日，武(wu)漢大學(xué)(xue)電子信息(xi)學(xué)院(yuan)研究人員在(zai)國際(ji)食品期刊(kan)《Food Research International》(中科院(yuan)一區(qū)(qu)TOP，IF=8.0)發(fā)表(biao)了題為"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(ren)員利用(yong)上海(hai)騰拔Universal TA國產(chǎn)質(zhì)構(gòu)(gou)儀用于(yu)測定(ding)青椒(jiao)的硬(ying)度和咀(ju)嚼性指標(biāo)(biao)。

果蔬的(de)易腐性對保持(chi)食品質(zhì)量與安(an)全構(gòu)成了重大(da)挑戰(zhàn)。然而，當(dāng)前(qian)用于監(jiān)測鮮切(qie)果蔬新(xin)鮮度的(de)方法仍(reng)存在局限。本(ben)研究介紹(shao)了一種基(ji)于深度(du)學(xué)習(xí)(xi)的新型(xing)比色指(zhi)示劑系統(tǒng)，該(gai)系統(tǒng)(tong)旨在對包裝(zhuang)于聚乳酸（PLA）袋中(zhong)的鮮切果蔬(shu)的新(xin)鮮度進(jìn)行無損(sun)監(jiān)測。該系(xi)統(tǒng)采(cai)用了一種基(ji)于乙基纖維素(su)的指示劑（EMT），這(zhe)種指示(shi)劑在儲存(cun)過程中，會(hui)隨二氧化碳(tan)（CO?）濃度（0%–30%）的變化呈(cheng)現(xiàn)出明顯的(de)顏色轉(zhuǎn)變。除(chu)了具有敏(min)感性外，EMT 還展現(xiàn)(xian)出優(yōu)異(yi)的穩(wěn)定性和(he)可重復(fù)使用性(xing)。此外(wai)，本研究shouci以(yi)鮮切青椒(jiao)為模(mo)型，通過在(zai)機(jī)器學(xué)(xue)習(xí)中(zhong)應(yīng)用特征提(ti)取算(suan)法（主成分分析(xi)（PCA）和 Fisher 線性判別分(fen)析（FLDA）），構(gòu)(gou)建了 “生理狀態(tài)(tai) — 新鮮(xian)度 — 指示劑(ji)顏色" 之間(jian)的關(guān)系。研究(jiu)將這種相(xiang)關(guān)性與(yu)用于圖像識(shi)別和分(fen)析的深度學(xué)(xue)習(xí)算法相結(jié)(jie)合，該方法減輕(qing)或消除了(le)由人類視覺(jue)感知的個體差(cha)異以及拍(pai)攝條件變化所(suo)導(dǎo)致(zhi)的識別誤(wu)差。結(jié)果表(biao)明，該系(xi)統(tǒng)能夠(gou)準(zhǔn)確、快速(su)且無(wu)損地評估鮮(xian)切青(qing)椒的新(xin)鮮度，在(zai) k 折交叉驗(yàn)證下(xia)，MobileNetV3 - Small 模型的(de)識別平(ping)均準(zhǔn)(zhun)確率(lv)可達(dá) 96.09%。所(suo)提出的策(ce)略為監(jiān)測農(nóng)(nong)產(chǎn)品新鮮(xian)度提供了一(yi)種高精度(du)、實(shí)時(shí)且無損的(de)方法，在(zai)食品(pin)安全、健康監(jiān)測(ce)和環(huán)境保(bao)護(hù)領(lǐng)域(yu)具有潛在的(de)應(yīng)用(yong)價(jià)值。

果蔬的軟化(hua)與weisuo、蛋白質(zhì)及多(duo)糖降(jiang)解以及中央液(ye)泡破(po)壞相關(guān)(guan)。本研究選取了(le)硬度(du)和咀嚼性(xing)這兩個關(guān)鍵(jian)質(zhì)地指標(biāo)(biao)進(jìn)行研(yan)究，如圖 3d 所示(shi)。在儲(chu)存期間，青椒(jiao)的硬度逐(zhu)漸下(xia)降，且(qie)聚乳酸（PLA）包(bao)裝中的青(qing)椒硬度顯著高(gao)于聚(ju)乙烯（PE）包裝的。這(zhe)表明，在(zai)整個儲存(cun)過程中(zhong)，PLA 能更有效地保(bao)持青椒的(de)質(zhì)地特(te)性。

參考文獻(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。