近日，武(wu)漢大學(xué)電(dian)子信息(xi)學(xué)院研究人員(yuan)在國際食品期(qi)刊《Food Research International》(中科院一區(qū)(qu)TOP，IF=8.0)發(fā)表(biao)了題為(wei)"Deep learning-based colorimetric indicator on polylactic acid packaging for nondestructive monitoring of fresh-cut fruits and vegetables"的研究(jiu)論文。在該(gai)論文中，研(yan)究人員利用(yong)上海騰拔Universal TA國(guo)產(chǎn)質(zhì)構(gòu)儀用于(yu)測定(ding)青椒的硬度(du)和咀嚼(jue)性指(zhi)標(biāo)。

果蔬的(de)易腐性對(dui)保持食品質(zhì)量(liang)與安全構(gòu)(gou)成了(le)重大挑戰(zhàn)。然(ran)而，當(dāng)前用于(yu)監(jiān)測(ce)鮮切(qie)果蔬(shu)新鮮度的方(fang)法仍存在(zai)局限。本(ben)研究介(jie)紹了一種(zhong)基于深(shen)度學(xué)習(xí)(xi)的新型比(bi)色指示(shi)劑系統(tǒng)，該(gai)系統(tǒng)旨在對包(bao)裝于聚乳酸（PLA）袋(dai)中的鮮(xian)切果蔬的(de)新鮮(xian)度進(jìn)行無損(sun)監(jiān)測。該系統(tǒng)采(cai)用了(le)一種基于(yu)乙基纖維素的(de)指示劑（EMT），這種指(zhi)示劑(ji)在儲存過程(cheng)中，會隨二氧(yang)化碳（CO?）濃(nong)度（0%–30%）的變(bian)化呈(cheng)現(xiàn)出明顯的顏(yan)色轉(zhuǎn)變。除了(le)具有敏(min)感性外(wai)，EMT 還展現(xiàn)出優(yōu)異(yi)的穩(wěn)(wen)定性和(he)可重復(fù)(fu)使用性。此外，本(ben)研究shouci以鮮(xian)切青椒(jiao)為模型，通過(guo)在機(jī)器學(xué)習(xí)中(zhong)應(yīng)用特(te)征提取算法(fa)（主成分(fen)分析（PCA）和 Fisher 線(xian)性判(pan)別分析（FLDA）），構(gòu)(gou)建了 “生理狀態(tài)(tai) — 新鮮度 — 指示劑(ji)顏色(se)" 之間的關(guān)系。研(yan)究將這(zhe)種相關(guān)性(xing)與用于圖像(xiang)識別和(he)分析的深度(du)學(xué)習(xí)算法相(xiang)結(jié)合，該方(fang)法減(jian)輕或消除(chu)了由人(ren)類視覺感知的(de)個體差異(yi)以及拍攝(she)條件變化(hua)所導(dǎo)(dao)致的識(shi)別誤差(cha)。結(jié)果表明，該(gai)系統(tǒng)能夠(gou)準(zhǔn)確(que)、快速且無損地(di)評估鮮(xian)切青椒(jiao)的新(xin)鮮度，在 k 折交(jiao)叉驗證下(xia)，MobileNetV3 - Small 模型的識(shi)別平均準(zhǔn)確(que)率可達(dá)(da) 96.09%。所提出的策(ce)略為監(jiān)(jian)測農(nóng)產(chǎn)品(pin)新鮮(xian)度提(ti)供了一(yi)種高(gao)精度、實時且(qie)無損的(de)方法，在食品安(an)全、健康監(jiān)(jian)測和環(huán)(huan)境保(bao)護(hù)領(lǐng)(ling)域具有潛在的(de)應(yīng)用價(jia)值。

果蔬的軟化(hua)與weisuo、蛋白質(zhì)(zhi)及多糖降解(jie)以及中(zhong)央液泡破(po)壞相關(guān)。本研究(jiu)選取了硬度和(he)咀嚼性(xing)這兩(liang)個關(guān)(guan)鍵質(zhì)地指標(biāo)(biao)進(jìn)行研究，如圖(tu) 3d 所示。在儲(chu)存期(qi)間，青椒(jiao)的硬度逐(zhu)漸下(xia)降，且聚乳酸（PLA）包(bao)裝中的青椒(jiao)硬度顯著高(gao)于聚乙(yi)烯（PE）包裝的(de)。這表明(ming)，在整個(ge)儲存(cun)過程(cheng)中，PLA 能更(geng)有效地保持(chi)青椒(jiao)的質(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。