近日，武漢大學(xue)電子信(xin)息學院研究人(ren)員在國(guo)際食品期(qi)刊《Food Research International》(中(zhong)科院一區(qū)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(yan)究論文。在該論(lun)文中，研(yan)究人員利用上(shang)海騰拔Universal TA國(guo)產質(zhi)構儀用于測(ce)定青椒(jiao)的硬度(du)和咀嚼性(xing)指標。

果蔬的易腐(fu)性對保持食(shi)品質量(liang)與安全構成(cheng)了重大挑戰(zhàn)(zhan)。然而(er)，當前用于監(jiān)測(ce)鮮切果蔬(shu)新鮮度的方(fang)法仍存在(zai)局限。本研究介(jie)紹了一種(zhong)基于(yu)深度學習的(de)新型(xing)比色指示劑系(xi)統(tǒng)，該(gai)系統(tǒng)旨在(zai)對包裝于(yu)聚乳(ru)酸（PLA）袋中的鮮切(qie)果蔬(shu)的新鮮(xian)度進行無損監(jiān)(jian)測。該系統(tǒng)采(cai)用了一種(zhong)基于乙基纖(xian)維素的指示(shi)劑（EMT），這種指示劑(ji)在儲存過程(cheng)中，會隨二(er)氧化碳(tan)（CO?）濃度（0%–30%）的變化(hua)呈現出明顯的(de)顏色轉變。除了(le)具有敏感性(xing)外，EMT 還展現出優(yōu)(you)異的穩(wěn)定(ding)性和可(ke)重復使用性(xing)。此外，本研(yan)究shouci以鮮切青(qing)椒為模型，通(tong)過在(zai)機器(qi)學習中(zhong)應用(yong)特征提(ti)取算(suan)法（主(zhu)成分分析（PCA）和(he) Fisher 線性判(pan)別分析（FLDA）），構(gou)建了(le) “生理(li)狀態(tài) — 新鮮度(du) — 指示劑顏色(se)" 之間(jian)的關(guan)系。研究將這種(zhong)相關性與用(yong)于圖像識別和(he)分析(xi)的深(shen)度學習(xi)算法相結合，該(gai)方法減輕或(huo)消除了由人類(lei)視覺感知(zhi)的個(ge)體差異以及(ji)拍攝條件變(bian)化所(suo)導致的識別誤(wu)差。結果表明，該(gai)系統(tǒng)能(neng)夠準確、快速且(qie)無損地(di)評估鮮(xian)切青椒的(de)新鮮度，在 k 折(zhe)交叉(cha)驗證下(xia)，MobileNetV3 - Small 模型(xing)的識別(bie)平均準確率(lv)可達 96.09%。所(suo)提出的策略(lve)為監(jiān)測農產(chan)品新鮮度提(ti)供了一種(zhong)高精度(du)、實時且無損的(de)方法(fa)，在食品安(an)全、健康(kang)監(jiān)測和環(huán)境(jing)保護(hu)領域具有(you)潛在的(de)應用價值(zhi)。

果蔬的軟化與(yu)weisuo、蛋白(bai)質及多(duo)糖降解以及(ji)中央液泡破(po)壞相關(guan)。本研究(jiu)選取了硬度(du)和咀嚼(jue)性這兩個關(guan)鍵質地指標(biao)進行(xing)研究，如圖 3d 所(suo)示。在儲(chu)存期間，青椒的(de)硬度逐漸下降(jiang)，且聚乳酸(suan)（PLA）包裝中(zhong)的青椒(jiao)硬度顯(xian)著高(gao)于聚乙(yi)烯（PE）包裝(zhuang)的。這表明，在(zai)整個儲存過程(cheng)中，PLA 能更有效地(di)保持青椒(jiao)的質(zhi)地特性。

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。