近日(ri)，武漢大學電(dian)子信(xin)息學院研(yan)究人員在國際(ji)食品期刊《Food Research International》(中(zhong)科院一(yi)區(qū)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(lun)文。在該論文中(zhong)，研究人(ren)員利用上海(hai)騰拔Universal TA國(guo)產(chǎn)質(zhì)構(gòu)儀用(yong)于測定(ding)青椒的硬度和(he)咀嚼(jue)性指標。

果蔬的(de)易腐性對保(bao)持食品質(zhì)量與(yu)安全構(gòu)成了(le)重大挑戰(zhàn)。然(ran)而，當(dang)前用于監(jiān)測鮮(xian)切果蔬新鮮(xian)度的(de)方法仍存在(zai)局限。本(ben)研究介(jie)紹了一種基于(yu)深度(du)學習的新型比(bi)色指(zhi)示劑系統(tǒng)(tong)，該系統(tǒng)旨在(zai)對包裝于聚(ju)乳酸（PLA）袋中的(de)鮮切果蔬的(de)新鮮度進行(xing)無損監(jiān)測。該系(xi)統(tǒng)采用了(le)一種(zhong)基于乙(yi)基纖(xian)維素的指示劑(ji)（EMT），這種指示劑(ji)在儲(chu)存過程中，會(hui)隨二氧化碳（CO?）濃(nong)度（0%–30%）的(de)變化(hua)呈現(xiàn)出(chu)明顯的顏色轉(zhuǎn)(zhuan)變。除了具(ju)有敏感性外，EMT 還(hai)展現(xiàn)出優(yōu)異(yi)的穩(wěn)定性和可(ke)重復(fu)使用性。此(ci)外，本研究(jiu)shouci以鮮切青椒(jiao)為模型(xing)，通過(guo)在機(ji)器學習(xi)中應用特征(zheng)提取(qu)算法（主(zhu)成分分析（PCA）和 Fisher 線(xian)性判別分(fen)析（FLDA）），構(gòu)(gou)建了 “生理狀(zhuang)態(tài) — 新鮮度 — 指示(shi)劑顏色" 之間(jian)的關(guān)系(xi)。研究將這種相(xiang)關(guān)性與用于圖(tu)像識別(bie)和分析的深度(du)學習算法相(xiang)結(jié)合，該方(fang)法減(jian)輕或消除了(le)由人類視(shi)覺感知(zhi)的個體差異(yi)以及拍攝條件(jian)變化所導致(zhi)的識別誤差(cha)。結(jié)果表明(ming)，該系統(tǒng)能夠準(zhun)確、快速且(qie)無損(sun)地評估鮮切青(qing)椒的(de)新鮮度，在 k 折交(jiao)叉驗證下(xia)，MobileNetV3 - Small 模型的識(shi)別平均準(zhun)確率可達(da) 96.09%。所提出的策略(lve)為監(jiān)測農(nóng)(nong)產(chǎn)品新鮮度提(ti)供了一(yi)種高精(jing)度、實時且無(wu)損的方法(fa)，在食品安全(quan)、健康監(jiān)測(ce)和環(huán)境保護(hu)領(lǐng)域具有潛(qian)在的應(ying)用價(jia)值。

果蔬(shu)的軟化與weisuo、蛋(dan)白質(zhì)及多糖(tang)降解以及(ji)中央液泡破壞(huai)相關(guān)。本研究(jiu)選取了硬度和(he)咀嚼性(xing)這兩個關(guān)鍵質(zhì)(zhi)地指標(biao)進行研究，如(ru)圖 3d 所示。在儲存(cun)期間(jian)，青椒的硬度逐(zhu)漸下(xia)降，且(qie)聚乳(ru)酸（PLA）包裝中的青(qing)椒硬(ying)度顯著高(gao)于聚乙(yi)烯（PE）包(bao)裝的。這表明(ming)，在整個(ge)儲存過程(cheng)中，PLA 能更有效(xiao)地保持青椒(jiao)的質(zhì)(zhi)地特(te)性。

參考文獻：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。