上海騰拔質(zhì)構(gòu)儀助力武漢大學在Food Research International發(fā)文

近日，武漢大學電子信息學院研究人員在國際食品期刊《Food Research International》(中科院一區(qū)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"的研究論文。在該論文中，研究人員利用上海騰拔Universal TA國產(chǎn)質(zhì)構(gòu)儀用于測定青椒的硬度和咀嚼性指標。

果蔬的易腐性對保持食品質(zhì)量與安全構(gòu)成了重大挑戰(zhàn)。然而，當前用于監(jiān)測鮮切果蔬新鮮度的方法仍存在局限。本研究介紹了一種基于深度學習的新型比色指示劑系統(tǒng)，該系統(tǒng)旨在對包裝于聚乳酸（PLA）袋中的鮮切果蔬的新鮮度進行無損監(jiān)測。該系統(tǒng)采用了一種基于乙基纖維素的指示劑（EMT），這種指示劑在儲存過程中，會隨二氧化碳（CO?）濃度（0%–30%）的變化呈現(xiàn)出明顯的顏色轉(zhuǎn)變。除了具有敏感性外，EMT 還展現(xiàn)出優(yōu)異的穩(wěn)定性和可重復使用性。此外，本研究shouci以鮮切青椒為模型，通過在機器學習中應用特征提取算法（主成分分析（PCA）和 Fisher 線性判別分析（FLDA）），構(gòu)建了 “生理狀態(tài) — 新鮮度 — 指示劑顏色" 之間的關系。研究將這種相關性與用于圖像識別和分析的深度學習算法相結(jié)合，該方法減輕或消除了由人類視覺感知的個體差異以及拍攝條件變化所導致的識別誤差。結(jié)果表明，該系統(tǒng)能夠準確、快速且無損地評估鮮切青椒的新鮮度，在 k 折交叉驗證下，MobileNetV3 - Small 模型的識別平均準確率可達 96.09%。所提出的策略為監(jiān)測農(nóng)產(chǎn)品新鮮度提供了一種高精度、實時且無損的方法，在食品安全、健康監(jiān)測和環(huán)境保護領域具有潛在的應用價值。

果蔬的軟化與weisuo、蛋白質(zhì)及多糖降解以及中央液泡破壞相關。本研究選取了硬度和咀嚼性這兩個關鍵質(zhì)地指標進行研究，如圖 3d 所示。在儲存期間，青椒的硬度逐漸下降，且聚乳酸（PLA）包裝中的青椒硬度顯著高于聚乙烯（PE）包裝的。這表明，在整個儲存過程中，PLA 能更有效地保持青椒的質(zhì)地特性。

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。