質標所在菠蘿水心病無損檢測研究方麵取得新進展
水心病近年嚴重危害菠蘿產業，探究一種菠蘿水心病的無損檢測方法對保證上市果品、指導采後處理、促進產業提升具有重要意義。在前期對柚、橙、荔枝、生魚片、茶葉等嶺南特色農產品品質無損檢測技術與裝備多年研究基礎上，質標所無損檢測研究室針對產業問題在菠蘿水心病無損檢測研究方麵取得新進展。於2021年12月在農業工程領域權威期刊《農業工程學報》第37卷21期在線發表研究論文“基於可見/近紅外光譜的菠蘿水心病無損檢測”，2022年2月27日被《農業工程學報》選入“論文精選”，質標所徐賽副研究員為第一作者，院長陸華忠教授為通訊作者。研究成果已自主研發形成樣機裝備在廣東湛江徐聞友好農場進行應用與示範。
該研究采用自行搭建的菠蘿可見/近紅外光譜無損智能檢測平台，考慮實際應用成本與效果，搭載覆蓋不同波段（400～1100、900～1700和400～1700 nm）的檢測器對菠蘿樣本進行采樣，隨後人工標定水心病發生程度。研究結果表明，3種不同光譜波段對菠蘿水心程度檢測的較優方法均為：采用全波段進行多項式平滑（Savitzky Golay，SG）處理，再進行標準正態變量校正（Standard Normal Variate，SNV），最後結合概率神經網絡（Probabilistic Neural Network，PNN）建模識別。其中，400～1100 nm所建模型對菠蘿水心病訓練集的回判正確率為98.51%，對驗證集的檢測正確率為91.18%；900～1700 nm所建模型對菠蘿水心病訓練集的回判正確率為100%，對驗證集的檢測正確率為62%；400～1700 nm所建模型對菠蘿水心病訓練集的回判正確率為100%，對驗證集的檢測正確率為91.18%。主成分分析（Principal Component Analysis，PCA）和偏最小二乘回歸（Partial Least Squares Regression，PLSR）分析結果均顯示，采用400～1700 nm能輕微提升400～1100 nm的檢測效果。綜合考慮實際應用成本與效果，實際應用建議采用400～1100 nm光譜結合SG + SNV + PNN對菠蘿水心病進行識別。研究結果證明可見/近紅外光譜技術可為菠蘿水心病無損、快速、智能檢測提供有效的解決方案，為相關領域提供參考。
目前，質標所無損檢測研究室已將研究成果自主研發形成無損檢測樣機裝備，在廣東湛江徐聞友好農場進行應用與示範，促進技術的落地，幫助解決產業問題。
該研究受到廣東省鄉村振興戰略專項（403-2018-XMZC-0002-90）、廣東省自然科學基金（2021A1515010834）和國家自然科學基金（31901404）等項目的資助。