《Food Research International》：Beyond the browning index:
RGB radiomics enables non-destructive prediction of fresh-cut “
Red Fuji” apple browning and enzyme activities
编辑推荐：
•RGB 影像组学预测鲜切苹果的 PPO/POD 活性。•鲜切苹果的区域 BI 和酶活性变化特征得到了表征。•多尺度小波/LBP 影像组学捕获褐变纹理演变。•Elastic Net 选择紧凑且信息丰富的影像组学特征。•模型在褐变和酶活性预测中实现了稳健的高 R2。引言褐变是农
- •
RGB 影像组学预测鲜切苹果的 PPO/POD 活性。
- •
鲜切苹果的区域 BI 和酶活性变化特征得到了表征。
- •
多尺度小波/LBP 影像组学捕获褐变纹理演变。
- •
Elastic Net 选择紧凑且信息丰富的影像组学特征。
- •
模型在褐变和酶活性预测中实现了稳健的高 R2。
引言
褐变是农产品供应链中品质损失的主要原因，导致降级、浪费和巨大的经济损失（Kidoń & Grabowska, 2021; Zhang, Zhang, et al., 2025）。对于鲜切苹果，褐变不仅是感官质量缺陷，也是最小加工产业和自动分级/包装线的操作限制，因为视觉褐变直接决定消费者接受度、批次均匀性和可售产量。从农业工程角度看，加工线上的实际决策（例如，分拣、包装和储存调度）需要快速、非破坏性、低成本的监测工具，能够实时量化褐变动力学并支持自适应过程控制，从而减少不必要的修剪、降级和丢弃。在苹果中，酶促褐变优于美拉德反应等非酶促途径，因为它在切割或挤压后立即开始，并在常温下几分钟内发生（Cui et al., 2023; Wu et al., 2022）。一旦细胞区室化被破坏且氧气扩散到组织中，多酚氧化酶（PPO）和过氧化物酶（POD）催化酚类化合物的氧化及随后的聚合，形成深色色素（Baek et al., 2024; Li et al., 2022）。这些快速、依赖于氧气的反应对微结构损伤高度敏感，并在果实内空间上变化，使褐变动力学难以在实时条件下表征和控制。传统评估依赖于破坏性的生化分析来测定 PPO/POD 活性和转化为褐变指数（BI）的点色测量。虽然准确，但它们劳动密集、缓慢，不适合现代分级和加工线所需的在线监测。
为满足可扩展、在线、非破坏性质量监测的需求，计算机视觉和传感技术已被广泛用于水果评估（Girmatsion et al., 2025），包括高光谱成像、Vis-NIR 光谱、RGB/RGB-D 成像和深度学习（Liu et al., 2025; Shao et al., 2023）。这些方法在预测可溶性固形物、内部缺陷或表面褐变方面取得了有前途的表现，一些研究已从光谱特征估计 PPO/POD 活性（Mahsa et al., 2025; Tempelaere et al., 2023）。然而，对于加工线上的部署和跨生产批次，仍存在两个差距。首先，许多褐变相关模型依赖于手工设计的描述符（例如，简单的颜色指数、低阶纹理特征和基本形状参数），这些描述符可能对光照、相机设置、品种变化和获取几何敏感，从而限制了鲁棒性和可迁移性（Zhang, Lin, et al., 2025）。其次，端到端的"黑箱"模型可能提供高准确性，但关于哪些空间模式与酶过程相关联的可解释性有限，这使得诊断故障模式和跨条件泛化变得困难。因此，当模型迁移到新设置时性能可能下降，视觉褐变模式与潜在 PPO/POD 动力学之间的联系对于可靠的过程级决策支持仍然表征不足。因此，需要一种表示方法来捕获超越低阶颜色/纹理提示的褐变空间异质性，在不同成像条件和批次中保持鲁棒性，并保留可解释性以支持加工线上的诊断和部署。在这种背景下，影像组学提供了一种系统的、基于特征的方法，通过以可重复的方式量化强度和纹理的异质性，弥合了脆弱的描述符与不透明的端到端模型之间的差距。
影像组学是满足这些要求的有前途的候选方法。起源于医学成像，影像组学将图像转化为强度分布、形态学和多尺度纹理的高维度定量描述符，通常捕获视觉不可感知但具有生物学意义的细微异质性。这些影像组学"指纹"已被成功用于表征肿瘤异质性和从 CT、MRI 和 PET/CT 扫描预测临床结果（Chen et al., 2022; Hu et al., 2025）。然而，影像组学在水果褐变方面很少被探索，其从标准 RGB 图像推断酶活性（例如，PPO 和 POD）的能力在很大程度上未经检验。为了弥补这一差距，需要建立一个端到端的、可重复的工作流程，使用适合加工线的成本效益高的传感器，将图像衍生的异质性与宏观褐变指数和潜在酶促动力学联系起来。
在本研究中，我们介绍了一个基于影像组学的"图像–特征–酶"预测流程，用于使用低成本 RGB 成像的鲜切"Red Fuji"苹果。褐变区域从原始照片中自动裁剪，使用 PyRadiomics 从原始图像和变换图像（小波和 LBP2D）中提取影像组学特征，然后通过两阶段选择——结合方差过滤和 Elastic Net 正则化——筛选出简约且非冗余的特征集。我们随后采用五种基础回归器（K-最近邻（KNN）、支持向量机（SVM）、Elastic Net（EN）、决策树（DT）和多层感知器（MLP））以及四种集成策略（Bagging、Boosting、Voting 和 Stacking）来预测褐变时间、BI 和 PPO/POD 活性。目标是：(i) 开发完全自动化的 RGB-影像组学工作流程（裁剪 → 特征提取 → 选择），专为褐变区域分析定制；(ii) 从影像组学指纹中实现宏观褐变（时间/BI）和生化酶活性（PPO/POD）的非破坏性预测；(iii) 在重复交叉验证下系统比较单一学习器和集成策略，以提高部署的鲁棒性。总体而言，我们的结果表明，从 RGB 图像中提取的影像组学特征可以预测视觉褐变和酶动力学，支持开发用于采后加工的轻量化监测系统的潜力，但需要在商业冷链条件下进行进一步验证。
章节摘要
样品制备
"Red Fuji"苹果来自甘肃省临台县。为确保代表性，随机选择了九个成熟健康、无机械损伤和虫害的苹果。每个苹果使用不锈钢切片机切成厚度均匀的薄片。该程序每果产生一个切片，共九个切片。具体而言，近皮（NP）：该区域代表紧邻果皮的水果组织；近核（NC）：该区域
褐变动力学与酶动力学
鲜切"Red Fuji"苹果切片在切割后立即表现出快速褐变，这反映在早期阶段（0?1h）BI 的急剧增加，与 PPO/POD 催化的快速依赖性氧气氧化酚类物质一致（图1）。需要注意的是，BI 与鲜切苹果的视觉褐变显示出良好的一致性，因为 L?、a? 和 b? 值及其相应的 BI 值显示出良好的相关性（|r| > 0.78），如图 S1 所示，支持了 BI 的能力
结论
本研究提出了一种基于影像组学的 RGB 成像框架，用于非破坏性预测鲜切苹果褐变过程中的褐变相关生化指标。关键发现有四方面：(1) 空间分析显示 BI 和 PPO 以及 POD 活性存在显著异质性，定量确认了鲜切后区域特异性褐变。(2) 从原始、小波和 LBP2D 平面提取的影像组学特征进行了方差加上 EN 筛选，产生了 58 个特征
CRediT 作者贡献声明
刘玉萍：撰写初稿、方法学、调查研究、正式分析、数据整理。余新震：正式分析、数据整理。范芳辉：撰写 – 审稿与编辑、指导、资源、项目管理、资金获取、概念化。缪天：撰写 – 审稿与编辑、指导、项目管理、方法学。
利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文报告的工作。
致谢
作者感谢深圳大学化学与环境工程学院材料科学实验室（Lab 434）的张元恒女士和刘环先生，以及深圳大学医学院生物医学测量与超声成像实验室（Lab 513）的孙鹏宇先生和余新震先生，感谢他们的帮助。本研究得到深圳市科技计划项目（项目编号：JCYJ20240813142806009）和研究生自主创新成果项目的支持。
刘玉萍|余新震|范芳辉|缪天
