Wie kann man feststellen, ob Früchte „beschädigt“ sind? Entschlüsselung des gesamten Prozesses der Erkennung innerer Mängel bei Obst und Gemüse

Die „Obst- und Gemüseprüfung“ spielt eine wichtige Rolle bei der Sicherstellung der Qualität von Obst und Gemüse und ist eine wichtige Garantie für die Wahrung der Lebensmittelsicherheit. Bei herkömmlichen Prüfmethoden für Obst und Gemüse wird die Qualität von Obst und Gemüse hauptsächlich anhand des Aussehens beurteilt. Doch Obst und Gemüse, die von außen gut aussehen, haben im Inneren nicht immer eine gute Qualität. Oftmals sind beim Kauf von Obst und Gemüse keine offensichtlichen Mängel erkennbar, doch wenn Sie es aufschneiden und essen, stellen Sie fest, dass es innen verdorben ist oder andere Mängel aufweist. Dies führt nicht nur zu wirtschaftlichen Verlusten, sondern kann auch leicht zu einer psychischen Kluft und Unzufriedenheit bei den Verbrauchern führen. Zur Lösung der oben genannten Probleme ist jedoch die Entwicklung einer Technologie zur internen Defekterkennung bei Obst und Gemüse von entscheidender Bedeutung. Wie also identifiziert dieser „Internist“ den „Körperbau“ von Obst und Gemüse? Gehen wir hinein und schauen uns um!

Zur Erkennung innerer Defekte bei Obst und Gemüse wird die Durchlässigkeit von Nahinfrarotlicht genutzt. Wenn das Licht durch Obst und Gemüse fällt, werden Informationen über die innere Struktur und Zusammensetzung des Obstes und Gemüses gewonnen, um festzustellen, ob Mängel vorliegen. Insbesondere umfasst es wichtige Schritte wie die Erfassung von Spektralspektren, die Datenverarbeitung und -analyse, die Merkmalsextraktion und die Beurteilung von Fehlern.

Zunächst wird in der Phase der Spektrumsammlung die Nahinfrarot-Spektralübertragungstechnologie verwendet, um Nahinfrarotlicht an die Frucht zu übertragen. Da die Frucht eine gute Durchlässigkeit für Nahinfrarotlicht besitzt, kann das Licht durch die Oberfläche der Frucht hindurch in ihr Inneres eindringen. Bei spektralen Messungen werden Nahinfrarotspektrometer verwendet, um die Transmissionsspektren von Proben im Nahinfrarot-Wellenlängenbereich zu messen. Diese Spektraldaten enthalten Informationen über die innere chemische Zusammensetzung und Gewebestruktur der Frucht.

Als nächstes müssen in der Phase der Datenverarbeitung und -analyse die Spektraldaten vorverarbeitet werden, beispielsweise durch Rauschunterdrückung, Hintergrundkorrektur und spektrale Glättung, um die Genauigkeit und Zuverlässigkeit der Daten sicherzustellen. Anschließend ist eine Merkmalsextraktion der Spektraldaten erforderlich, um aus den verarbeiteten Spektraldaten Informationen zu extrahieren, die die Eigenschaften der Substanz darstellen. Diese Eigenschaften können für quantitative und qualitative Analysen verwendet werden, einschließlich des Inhalts, der Qualität und der Zusammensetzung von Substanzen wie chemische Zusammensetzung, Wassergehalt, Zuckergehalt und Verrottungsgrad. Gleichzeitig können diese Merkmale auch zur Charakterisierung der Eigenschaften und Qualität der Probe genutzt werden.

Schließlich wird durch die Anwendung chemometrischer und statistischer Methoden ein mathematisches Modell zwischen den Daten und der Materialzusammensetzung und den Materialeigenschaften erstellt. Chemometrische Algorithmen werden mithilfe von Spektraldaten bekannter Proben trainiert und so modelliert, dass sie mit der Probenqualität oder Defekten korrelieren. Diese Modelle werden dann auf Spektraldaten unbekannter Proben angewendet, um Qualität und Mängel der Frucht vorherzusagen. Anhand der Ergebnisse der Analyse und Vorhersage kann ermittelt werden, ob im Inneren der Frucht Mängel wie Wasserkern, Innenfäule, Insektenbefall, Hohlräume oder andere Auffälligkeiten vorliegen.

Bei der Erkennung innerer Defekte in Früchten werden die Übertragungseigenschaften von Nahinfrarotlicht in Kombination mit spektraler Datenanalyse und chemometrischen Algorithmen genutzt, um Informationen über die innere chemische Zusammensetzung und Struktur der Frucht zu erhalten und dann festzustellen, ob die Frucht Defekte aufweist. Diese nicht-invasive Nachweismethode hat einen wichtigen Anwendungswert in der Obstindustrie und der Lebensmittelqualitätskontrolle. Es kann dazu beitragen, die Qualität und Sicherheit von Obst zu verbessern, Lebensmittelabfälle zu reduzieren und die Rechte der Verbraucher wirksam zu schützen.

Produziert von: Populäre Wissenschaft in China zum Nutzen der Landwirte

Wissenschaftlicher Berater: Guo Zhiming (Professor, School of Food and Bioengineering, Jiangsu University)

Koordinatoren: Liao Danfeng, Zheng Fengmao, Wang Changhai, Zhang Ruijie

Planung: Wu Yuetong

Herausgeber: Wang Yuanyuan (Praktikum)