X射线CT结合机器学习实现富士苹果水心病与机械损伤的无损检测及分级

为解决富士苹果水心病(watercore)和机械损伤(bruising)难以无损检测的问题，研究人员开发了基于X射线CT成像的双阈值分割方法，结合LDA/SVM/RF机器学习算法，实现了水心病严重度(WI)四级分类（准确率>90%），并首次量化了4°C贮藏期间水心病体积分数(WVF)的动态变化（WI=3苹果WVF从33.5%降至10.1%），为优质"蜜苹果"供应链管理提供了科学依据。

　　

在东亚高端水果市场，"蜜苹果"因其独特的甜味备受追捧，这种特殊风味源自苹果水心病(watercore)——一种因水分和山梨醇在细胞间隙积累形成的透明病变。然而水心病如同"甜蜜的诅咒"：轻度病变会在贮藏中消失导致商品价值丧失，重度病变易引发CO₂伤害（褐心病），而传统剖切检测方式完全无法满足商业化需求。与此同时，采后机械损伤(bruising)引发的酶促褐变和病原菌入侵，更会加速整批苹果的腐败。如何实现水心病与损伤的早期无损检测，并精准预测不同病变苹果的货架期，成为制约苹果产业高质量发展的关键瓶颈。

武汉轻工大学食品科学与工程学院的研究团队在《Postharvest Biology and Technology》发表创新成果，通过整合X射线CT成像、图像处理和机器学习技术，开发了一套完整的无损检测体系。研究采用山西临沂产区的富士苹果样本（n=809），利用50 kV微焦点CT获取160 μm分辨率的三维图像，建立GSV>437（水心病）和GSV<0（损伤）的双阈值分割协议，提取体积(volume3d)、平均灰度值(A-GSV)等关键特征参数，采用SHAP算法解析特征重要性，并追踪了4°C贮藏9周期间WVF的动态变化。

【关键技术方法】

研究采用低能X射线CT（NAOMI-CT 002L）扫描苹果样本，通过Avizo软件进行三维重建和特征提取。针对水心病与高密度组织(HDT)的灰度重叠问题，建立A-GSV=495的判别阈值。采用5折交叉验证优化LDA、SVM（RBF核）和RF模型参数，通过SHAP值分析特征贡献度。样本包含2023-2024年采收的159正常果、381水心病果、163损伤果和54复合病变果，60个水心病果用于WVF追踪实验。

【研究结果】

3.1 X射线CT图像特征

正常苹果血管束在CT图像中呈现假阳性高密度信号，水心病组织呈放射状分布（WI=3时WVF达33.5%），而损伤区域形成接近背景灰度的空腔结构（GSV<0）。

3.2 灰度值特征分析

水心病组织GSV（517.14±13.44）显著高于HDT（482.94±4.19），确立GSV=437为分割阈值。损伤组织因细胞破裂呈现非正态分布（GSV<0）。

3.3 损伤动态监测

10 cm跌落试验显示，损伤体积在60小时后超过0.8192 mm³的可检测阈值，确立60小时为最早检测时间点。

3.4 分类模型验证

SVM模型表现最优（验证准确率91.20%，AUC=0.9846），水心病识别特异性达86.30%，损伤检测准确率达98.26%。复合病变果因血管束干扰存在18.52%的漏诊率。

3.5 WI分级系统

体积3d、A-GSV和周长(perimeter)是WI分级的最关键特征（r>0.8）。SVM对WI 1-3级分类的F1-score达0.91，显著优于LDA（82.87%准确率）。

3.6 水心病消退规律

CT定量显示：WI=1-3级苹果的WVF在9周贮藏后分别从13.04%、17.53%、33.5%降至3.6%、7.5%、10.1%，确立WVF=11.2%为商业可检阈值。

【结论与意义】

该研究首次实现富士苹果水心病与机械损伤的同步无损检测，建立的SVM分级模型（基于volume3d、A-GSV和perimeter）为不同病变苹果提供了精准的贮藏方案：WI=1级需立即销售，WI=2级贮藏≤6周，WI=3级需在8周内消费。技术框架突破传统近红外光谱(NIR)受果实质地干扰的限制，相比磁共振成像(MRI)将检测效率提升20倍。研究不仅为"蜜苹果"供应链提供品质控制工具，更开创了CT技术在果蔬采后生理研究中的新范式，相关双阈值分割方法可拓展应用于梨褐变病、猕猴桃木质化等内部病变检测领域。未来需在不同品种中验证模型普适性，并优化商业包装线的集成方案。