近日，武漢大學(xué)電子信息學(xué)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(biāo)。

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(dāng)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(xué)習(xí)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(jìn)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(huì)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(fù)使用性。此外，本研究shouci以鮮切青椒為模型，通過在機(jī)器學(xué)習(xí)中應(yīng)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(guān)系。研究將這種相關(guān)性與用于圖像識別和分析的深度學(xué)習(xí)算法相結(jié)合，該方法減輕或消除了由人類視覺感知的個(gè)體差異以及拍攝條件變化所導(dǎo)致的識別誤差。結(jié)果表明，該系統(tǒng)能夠準(zhǔn)確、快速且無損地評估鮮切青椒的新鮮度，在 k 折交叉驗(yàn)證下，MobileNetV3 - Small 模型的識別平均準(zhǔn)確率可達(dá) 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(shí)時(shí)且無損的方法，在食品安全、健康監(jiān)測和環(huán)境保護(hù)領(lǐng)域具有潛在的應(yīng)用價(jià)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(guān)。本研究選取了硬度和咀嚼性這兩個(gè)關(guān)鍵質(zhì)地指標(biāo)進(jìn)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(gè)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(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。