基于可见/近红外光谱技术的菠萝采后透明化与内部褐变无损智能便携检测研究

为解决菠萝采后生理性病变（内部褐变和透明化）缺乏科学无损检测方法的难题，研究人员创新性地利用可见/近红外光谱（Vis/NIR）的穿透特性，结合局部光谱特征数据与直接正交信号校正（DOSC）技术，开发了实时检测与发病时间预测模型。研究结果显示，菠萝透明化检测模型最高准确率达95.2%（训练集）和94.3%（验证集），内部褐变双批次检测模型准确率均超90%，发病时间预测模型准确率达93.7%（训练集）和90.4%（验证集）。该成果为菠萝采后品质管理提供了高效精准的技术支持，对减少产业经济损失具有重要意义。

　　

菠萝作为全球重要的热带水果，其香甜多汁的风味深受消费者喜爱。然而采后生理性病变——内部褐变（Internal Browning）和透明化（Translucency）却成为产业发展的"隐形杀手"。据统计，2021年菠萝主产区的采后损失高达49%，其中87.77%由这两种病害导致。传统检测方法需要切开果实，不仅效率低下，还造成大量浪费。尽管电子鼻、机器视觉等技术已被尝试，但或因检测深度不足，或因分辨率限制，均难以精准识别内部病变。面对这一困境，来自中国广东省湛江市徐闻县菠萝种植基地的研究团队另辟蹊径，将目光投向了具有深层组织穿透能力的可见/近红外光谱（Vis/NIR）技术。

这项发表在《LWT》的研究创新性地构建了一套完整的无损检测体系。研究人员首先自主设计了透射式光谱采集装置，采用150W卤素光源和暗室结构克服菠萝表皮粗糙带来的光干扰。通过采集500-1050nm波段的光谱数据，结合多元散射校正（MSC）、标准正态变量变换（SNV）和一阶导数变换（DER1）等预处理方法，显著提升了信噪比。研究团队创造性地将竞争性自适应重加权采样（CARS）和连续投影算法（SPA）提取的特征波段与局部光谱特征（如峰谷强度差BD）相结合，并引入直接正交信号校正（DOSC）消除批次差异，最终构建了基于遗传算法优化BP神经网络（GA-BP）的系列检测模型。

在透明化检测方面，研究揭示了水分积累导致的光谱特征变化规律。DER1处理后的光谱在700nm和808nm处出现明显峰位，这些特征与组织软化程度高度相关。通过融合SPA筛选的21个特征波长和4个局部特征参数，GA-BP模型实现了95.2%的训练集准确率和94.3%的验证集准确率，较传统方法提升近30%。

针对内部褐变的动态发展特性，研究团队创新性地建立了双阶段检测体系。发现褐变初期在812nm处的特征吸收峰与组织坏死程度呈显著相关。通过DOSC校正消除两批次样本间的系统偏差后，模型在合并数据集上的准确率稳定在91.4%以上，解决了跨批次预测的泛化难题。

最引人注目的是该研究首次实现了内部褐变发病时间的早期预测。通过分析采后首日光谱中730nm和827nm处的微细差异，DER1+GA-BP组合模型可提前5-9天预测褐变风险，准确率达90.4%。这为差异化销售策略提供了科学依据：5天内发病果实适合本地销售，7天内可销往邻省，9天内耐储型则可出口远销。

该研究突破了菠萝采后品质检测的技术瓶颈，其创新性体现在三个方面：首次将局部光谱形态特征引入Vis/NIR分析，增强了模型对细微病变的识别能力；开发的DOSC校正方案为多批次数据融合提供了标准化流程；便携式检测装置的设计实现了田间快速筛查。这些成果不仅为菠萝产业减少了每年数十亿元的经济损失，其技术路线更为其他厚皮水果的采后管理提供了重要参考。随着后续多产区数据的不断纳入，这套智能检测系统有望成为热带水果采后管理的国际标准。