数字孪生驱动的呼吸跃变型水果智能成熟调控：一种面向精准食品质量工程的智能感知与模型预测控制框架

《Food Control》：Digital Twin-Driven Intelligent Ripening Regulation for Climacteric Fruits: A Smart Sensing and Model Predictive Control Framework for Precision Food Quality Engineering

　　

摘要：背景：随着全球农业向可持续发展转型，传统跃变型水果催熟面临关键瓶颈，包括高能耗和成熟度不均。智能催熟调控作为一种变革性解决方案应运而生，通过整合全链监测与精准控制来标准化催熟过程，减少采后损失，提升市场价值。范围与方法：本文系统综述了采后生命周期中智能催熟调控框架。考察了以智能感知和人工智能（AI）为核心、数字孪生（DT）技术为支撑的技术矩阵，以赋能催熟过程。详细阐述了从采后处理、智能冷链物流到催熟加速（RA）的关键阶段，特别探讨了多模态传感对环境因子（温度、湿度和乙烯）的监测，以及通过危害分析与关键控制点（HACCP）框架进行安全控制。还评估了模型预测控制（MPC）和两阶段分级策略的应用，以提高催熟精度。主要发现与结论：整合全链智能系统与DT技术显著提高了催熟的均匀性和稳定性，同时减少了能耗。尽管面临多源数据融合和系统成本控制等挑战，这些集成技术显示出巨大的工业潜力。未来预测算法和传感-控制平台的优化将推动现代农业向高效、低碳模式发展，为全球粮食安全和绿色农业目标提供坚实的技术支持。引言：2022年全球水果产量达到约9.16亿吨，预计到2025年将接近9.98亿吨。2025年全球新鲜水果市场价值约为6346亿美元，其中跃变型水果占有相当份额。随着供应量的增长，消费者对口感、质量和营养价值的期望日益强烈。然而，多样化消费需求与加工配送系统交付质量之间的不匹配导致了大量的水果浪费和经济损失（Huang等，2022；Y. Wang等，2023）。值得注意的是，跃变型水果因催熟相关问题造成的损失不成比例地高，其中催熟加速（RA）和后续质量稳定仍然难以管理（M. Amin等，2015；Saladié等，2015）。尽管采后技术日益普及，但当前的催熟加速实践仍受到三个持续瓶颈的制约（J. An & Paull，1990）。首先，环境调控缺乏精度：传统冷库和催熟室往往依靠经验驱动，温度、湿度和气体组成等关键变量波动不定，削弱了稳定控制（Formisano等，2015）。其次，成熟度评估滞后且不完整：破坏性测量（如糖酸测定）或单模态视觉检查无法提供内部生理状态的连续反馈，从而限制了及时决策（Ismail & Malik，2022；Tran等，2023）。第三，批次级催熟均匀性难以保证，因为批次内乙烯响应异质性导致成熟度不均和货架期性能不一致，从而放大浪费并降低市场价值（Min等，2019；Srivastava & Sadistap，2018）。因此，在减少能耗的同时实现高效、均匀的催熟加速仍然是一个紧迫的挑战。智能调控提供了一条将催熟加速从经验操作转向数据驱动控制的路径。通过整合传感器、物联网（IoT）和人工智能（AI），可以实时监测催熟状态和环境变量，并通过反馈控制进行调节，实现更科学、可重复的催熟过程（Altaf等，2020；Formisano等，2015；Wu，2021）。基于多传感器信号建立的催熟预测模型可以进一步识别储存、运输和催熟加速管理的最优参数轨迹（Jiang等，2024b；Rungpichayapichet等，2016a）。重要的是，将智能调控与数字孪生（DT）赋能的环境控制模型相结合，可以支持场景模拟和自适应优化，减少重复的人工质量检查并缩短采后处理时间（Min等，2019；Srivastava & Sadistap，2018）。同时，催熟加速前后的准确分级可以减少浪费并增强整个过程中的质量一致性（Ismail & Malik，2022；Tran等，2023）。这些发展有助于提高催熟效率和产品均匀性（Mathan等，2023），同时降低催熟操作的碳足迹（Luo等，2022）。随着农业过程控制的快速发展，在全链催熟加速背景下的绿色智能调控为可持续发展提供了重大机遇。然而，DT赋能的跃变型水果催熟加速应用仍然有限，结合多传感器融合、实时监测、数据驱动优化、成熟度检测和评估以及基于DT可视化的集成框架仍然稀缺（Mihai等，2022）。同时，该领域正朝着多参数动态调控、准确预测以及连续可视化和监测的方向发展，旨在减少环境风险、提高食品安全和质量并降低能耗（Bersani等，2020；Santiteerakul等，2020；Z. Wang，2018）。为应对这些挑战并明确研究现状，图1提出了跃变型水果全链绿色智能催熟加速调控的概念框架。该框架整合了水果特定催熟特性、智能催熟调控策略、基于AI的无损成熟度检测和分级以及DT赋能的可视化和动态控制。该框架不专注于孤立技术或单一加工阶段，而是强调催熟前评估、催熟加速和催熟后调控的全链协同与数据驱动决策。通过将DT技术定位为系统级赋能者，图1展示了如何联合利用实时感知、预测建模和闭环调控来提高催熟均匀性、能效和可持续性。因此，本综述通过综合基于DT的全链催熟加速技术在跃变型水果中的进展和挑战，并概述了智能调控和成熟度评估系统集成的路线图，以支持更绿色和可持续的采后管理，来解决这些差距。各章节片段：综述方法：本叙述性综述通过系统检索Web of Science、Scopus和Google Scholar中1990年1月至2026年6月发表的英文研究而发展而成。检索组合包括"跃变型水果"与"催熟"、"乙烯"、"数字孪生"、"智能感知"、"无损检测"、"冷链"和"模型预测控制"的交叉检索。筛选了主要研究、权威综述和技术报告，评估其与采后催熟调控的相关性。环境微气候感知：机制与布局：催熟微气候的精准调控需要克服传统刚性传感器的局限性（Ismail & Malik，2022），这些传感器通常无法捕捉水果表面的边界层条件（图5a）。材料科学的近期进展已实现了柔性、贴合传感器阵列的开发，能够以高时空分辨率监测关键参数——温度、湿度、CO?和乙烯。在气体传感机制方面，闭环调控机制与智能催熟运行策略：传统催熟技术往往依赖经验方法，导致控制不精确、资源浪费和质量不一致。实现准确、透明、可预测的智能催熟是一个紧迫的挑战。然而，智能调控技术的引入，特别是物联网、人工智能和自动化，为水果催熟产业带来了新的可能性。如前述研究所强调的，传感技术构成了智能催熟的基础。融合DT技术的智能调控催熟架构概述：数字孪生（DT）的概念最早由Grieves M于2002年提出，并于2011年正式定义。自其提出以来，DT技术已在多个领域得到广泛应用，包括航空航天、汽车制造、建筑、房地产、医疗健康以及近年来在农业领域的应用（Armeni等，2022；Esmaeili & Simeone，2023；L. Li等，2022；Pylianidis等，2021）。该技术旨在通过创建……来帮助用户实现物理系统的模拟、建模和分析。优势：从涵盖收获和初步分级、智能冷链物流、处理中心分拣和成熟度评估、精准催熟加速、临时储存和配送以及市场反馈的全链视角来看，DT驱动的绿色智能调控实现了跃变型水果采后各阶段的协同优化。通过将这些异构过程整合到统一的数据和模型框架中，系统转化了传统碎片化的操作……结论：本文系统综述并分析了基于DT技术的果实采后全链智能催熟加速控制技术的现状、关键技术路径和应用挑战。本文聚焦于DT技术在全链催熟调控中的赋能和整合作用。通过引入全链视角，本文有机连接了智能催熟设施、成熟度检测和分级、智能冷链等关键环节……CRediT作者贡献声明：张少萱：监督。李铄：写作-初稿、可视化、方法论、概念化。丁斐：方法论。诺里斯·诺丁安：可视化、方法论、概念化。王红英：概念化。王翔：概念化未引用参考文献：Mouli Chandar和Anton Smith，2019；Chu等，2022；Defraeye等，2019；He等，2022；Huang等，2024；Jiang等，2024；Li等，2025；Melesse，2026；Melesse等，2022；Onwude等，2024；Shoji等，2022；Shrivastava等，2023；Tao等，2020；Tri等，2022；Van De Looverbosch等，2020；Wang等，2024；Wang等，2023；Wang等，2023；Xia等，2022；Zhang等，2023；Zhang等，2026；Zou等，2025。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所述工作的报告。数据可用性：数据将根据要求提供。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所述工作的报告。致谢：作者衷心感谢中国国家自然科学基金的资助（项目编号：32572233）。李铄|诺里斯·诺丁安|丁斐|王翔|王红英|张少萱