近日，設施所無損檢測與智能分選研究團隊提出了基於圖像融合的柚果體積與可食率無損測量新方法並進行實驗驗證，相關論文在國際TOP期刊Postharvest Biology and Technology（中科院一區，IF=7.0）上發表。設施所徐賽研究員為論文通訊作者，聯合培養研究生韓依洋為論文第一作者。

　　柚是廣東盛產的水果之一。隨著柚果產業發展與消費者需求提升，品質檢測與分級成為產業中最關鍵且最具挑戰性的一環，自動化的品質無損檢測是未來的發展方向。在柚果品質檢測中，體積與可食率分別為外部與內部關鍵檢測指標，對品質分級提供重要依據。但由於柚果果形不均一，且皮厚、果大，研究領域尚缺乏一種兼顧準確與快速的柚果體積與可食率的測量方法。

　　本研究融合柚果的外觀圖像與X射線圖像信息，基於B樣條曲線插值擬合柚果輪廓，建立柚果立體模型以測量體積；提出三維模型法與灰度厚度擬合法兩種可食率檢測方法並進行優選，從而測量柚果可食率。該方法滿足果品自動化分級檢測的實時性需求，為柚果產業提供有效技術支撐。

　　本研究獲得國家重點研發計劃課題（2022YFD2002203）、廣東省鄉村振興戰略專項課題（2024TS-1–2）、國家自然科學基金（31901404）等項目（課題）資助。

　　論文鏈接：https://doi.org/10.1016/j.postharvbio.2024.112953