《Food Control》：Optical transmission simulation-guided optimization of Vis/NIR detection and simultaneous multi-quality prediction for post-ripening kiwifruit
编辑推荐：
摘要猕猴桃不同品种之间存在较大的生物学差异，这使得在成熟后期难以实现准确的多品质预测。本研究结合可见光/近红外光谱技术、蒙特卡洛模拟以及深度学习方法，优化检测几何结构，构建出可靠的预测框架。基于三种不同成熟度品种的光学特性，建立了双层椭球形光学模型，分别用于模拟果皮和果肉的光学行
摘要
猕猴桃不同品种之间存在较大的生物学差异，这使得在成熟后期难以实现准确的多品质预测。本研究结合可见光/近红外光谱技术、蒙特卡洛模拟以及深度学习方法，优化检测几何结构，构建出可靠的预测框架。基于三种不同成熟度品种的光学特性，建立了双层椭球形光学模型，分别用于模拟果皮和果肉的光学行为。在850纳米波长、源与探测器间距为2.5毫米的条件下，模拟结果显示果肉产生的漫反射信号占比超过50%，这样能在组织敏感度和信号强度之间取得良好平衡。模拟得到的光谱与实际测量光谱高度吻合，决定系数范围在0.96到0.98之间。研究还提出了基于相关约束损失函数的多任务卷积神经网络，用于同时预测猕猴桃的可溶性固体含量、硬度、pH值以及含水量。在同一品种内的外部验证显示，预测的残差平均值超过2.0，误差范围比高于9.0，不过不同品种间的迁移能力仍然有限。这些结果为通过模拟优化可见光/近红外检测系统、实现不同品种猕猴桃的多属性质量评估提供了依据。
引言
猕猴桃（学名：Actinidia chinensis）因其丰富的营养价值与独特的风味而深受消费者喜爱（Wang等，2026a）。可溶性固体含量、硬度、pH值以及含水量是决定水果口感、商业价值以及最佳食用时机的关键质量指标（Huang等，2025）。作为典型的呼吸跃变型水果，猕猴桃在成熟后期会经历剧烈的生理代谢，这会加速其软化和腐烂，从而缩短其储存和运输期限（Liu等，2025a）。此外，不同品种在乙烯产生量以及与成熟相关的品质变化方面也存在显著差异（Chai等，2024；Yang等，2024a）。传统的质量评估方法，如折射率测定、穿刺测试和滴定法，虽然能够提供准确的测量结果，但具有破坏性、效率低下，且不适合大规模的在线检测。可见光/近红外光谱技术则越来越被用于快速、无损的水果质量评估（Jiang等，2025a）。该技术通过捕捉与色素吸收以及含氢官能团的分子振动相关的光谱特征，可实现定量预测（Zhang和Yang，2024）。然而，由于猕猴桃具有多层组织结构，且在成熟期间存在较大的生理变异，漫反射式可见光/近红外光谱的光穿透深度有限，再加上复杂的果皮结构，都会严重影响模型的稳健性和预测精度（Huang等，2024）。因此，深入理解成熟后期光与组织的相互作用，对于提升光谱质量评估的可靠性至关重要。
当光线在水果组织中传播时，会因色素、水分含量以及细胞结构等因素的作用而发生吸收和散射，从而导致光强逐渐减弱。所测得的漫反射光谱正是这些光与组织相互作用在宏观层面的体现（Yang等，2024b）。吸收系数和减散系数是用于定量描述这类相互作用的关键参数（Wang等，2026b）。其中，吸收系数反映与糖分、色素和水等化学成分相关的吸收行为，而减散系数则与细胞排列、孔径大小以及细胞壁厚度等组织结构特征密切相关（Wei等，2020）。先前的研究已经表明，吸收系数和减散系数与苹果（Guo等，2025）、梨（You等，2023）、桃子（Sun等，2021）以及甜瓜（Yang等，2024b）等水果的质量指标存在高度相关性。不过，不同猕猴桃品种在成熟后期可见光/近红外波段内光学特性的变化规律尚未得到充分阐明。了解这些变化有助于设计更优的光谱采集系统，进一步提升水果质量检测的可靠性。蒙特卡洛模拟为研究复杂生物组织中的光子传输规律、以及将光学特性与光传播行为联系起来提供了有效工具。因此，该技术被越来越多地用于优化光学传感配置，提高农产品内部质量信息的提取效率。例如，Yang等（2024b）对甜瓜组织中的光传播进行了模拟，发现将源与探测器的距离增加到10毫米后，果肉对检测信号的贡献率可提升至约30%，进而实现了对甜瓜可溶性固体含量和含水量的精准预测，相关系数分别为0.86和0.87。Wang等（2025）基于蒙特卡洛模拟优化设计了150°的源-探测器角度的光谱采集系统，其对苹果黑斑病的识别准确率达到了90.46%。Liu等（2025b）研究了西瓜组织中的光子迁移规律，发现90–135秒°的源-探测器角度最有利于提升果肉信号的贡献率，同时还能显著改善信噪比。这些研究都证明了基于光学特性的模拟技术在优化光学检测几何结构方面的价值。不过，将其应用于成熟后的猕猴桃仍面临一定挑战，因为不同品种之间的生物学差异可能导致固定几何结构的光纤探针无法持续获取稳定且具有信息量的光谱数据。
目前，水果质量建模正逐渐从单一任务的独立模型转向能够同时预测多种质量指标的多任务框架（Zhang和Yang，2024）。例如，Shi等（2024）开发了一种多任务卷积神经网络模型，该模型对三种梨品种的可溶性固体含量、硬度以及可滴定酸度这三项指标的决定系数均超过了0.97。Bu等（2025a）也基于可见光/近红外光谱技术构建了多任务卷积神经网络模型，该模型对四种桃品种的可溶性固体含量、硬度以及干物质含量这三项指标的相关系数也都超过了0.9。这些结果表明，共享的特征表示有助于实现相关水果质量指标的协同预测，不过这种方法在成熟后期猕猴桃上的应用还较为少见。
基于以上情况，本研究旨在：（1）确定猕猴桃在成熟后期的一系列光学特性以及可溶性固体含量、硬度、pH值和含水量等质量指标的变化情况；（2）分析这些指标在不同成熟阶段以及不同品种间的差异；（3）构建基于体素的三维模型，模拟光子在猕猴桃组织中的传播规律；（4）优化光谱系统的源-探测器距离，建立一种适用于不同猕猴桃品种的可靠多品质预测模型。
章节节选
样品准备
2025年的8月、9月和10月，研究人员从中国四川和陕西地区的商业化果园中，选取了三个猕猴桃品种进行采收，这三个品种分别是‘红阳’（‘HY’，果肉为红色，果皮无毛）、‘翠香’（‘CX’，果肉为绿色，果皮呈黄褐色且带有绒毛），以及‘阳光G3’（‘SG-G3’，果肉为黄色，果皮有短绒毛），这些果实都是在生理成熟期采摘的（见图1）。通常情况下，猕猴桃的生理成熟度是通过可溶性固体含量来判定的，一般而言，可溶性固体含量高于7.5%的果实就达到了
不同成熟阶段猕猴桃品质的变化
猕猴桃的成熟阶段——未成熟、成熟和过熟——并不仅仅取决于储存时间。即便在相同的储存条件下，由于初始成熟度、生理状态以及采后反应的差异，不同果实之间的成熟表现也会存在明显差别。因此，仅依靠储存时间并不足以准确反映猕猴桃的真正生理成熟度。根据Chai等（2021）、Tian等（2023）以及Lee等（2025）的研究成果，
结论
本研究将光学蒙特卡洛模拟与多任务学习技术相结合，分析了多种猕猴桃品种在成熟后期品质的变化规律，以及它们在可见光/近红外漫反射条件下的光传输特性，从而实现了光谱检测几何结构的优化以及多品质指标的同步预测。在成熟后期，猕猴桃的可溶性固体含量逐渐上升，硬度则显著下降，pH值缓慢上升，而含水量则有轻微下降。在近红外波段（750–1000纳米）范围内，果肉的吸收系数呈现上升趋势
CRediT作者贡献说明
Wenchuan Guo：撰写——审阅与编辑、研究指导、资源提供、项目管理、资金筹集。Shuai Li：撰写——审阅与编辑、结果验证、软件开发。Chengxu Gong：结果可视化、软件开发。Youhua Bu：撰写——审阅与编辑、初稿撰写、软件开发、方法设计、定量分析、概念构思
关于写作过程中生成式人工智能及AI辅助技术的声明
在准备本研究成果的过程中，作者使用了ChatGPT来提升文本的可读性。在使用该工具或服务之后，作者对 manuscript 进行了仔细的审阅和修改，并对最终内容承担全部责任。
致谢
本研究得到了陕西省重点研发计划（项目编号：2025NC-YBXM-165、2025CY-YBXM-642）以及杨凌示范区科技计划项目（项目编号：2025CYFZ-15）的支持。
Youhua Bu|Shuai Li|Chengxu Gong|Wenchuan Guo
中国陕西省杨凌市西北农林科技大学机械电子工程学院，邮编712100
