近日，設施所無損檢測與智能分選研究團隊提出了基於可見/近紅外全透射光譜的柚果可溶性固形物含量無損檢測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第一作者和通訊作者，我院陸華忠教授為論文共同通訊作者。

　　柚果是廣東主要的水果之一，其皮厚、果大、內部組織層複雜導致內部品質無損檢測困難。可溶性固形物含量是影響柚果風味的主要指標，對其進行準確的無損檢測，有助於實現品質快速智能分級，從而保障上市果品、提升品牌競爭力和消費者滿意度，目前尚存在技術難點。產業亟需一種準確、穩定的柚果可溶性含量無損檢測方法用於采後大批量柚果品質智能分選。

　　本研究基於可見/近紅外全透射光譜，仿真設計最佳光路結構，優選出SNV+CARS+PLS無損檢測模型，通過分析柚果不同部位的可溶性固形物含量差異尋優最佳標定位置，提出適用流水線動態檢測的模型性能提升方案，形成了一套大批量采後柚果可溶性固形物含量無損檢測新方法，可為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）等項目（課題）資助。

　　原文鏈接：https://doi.org/10.1016/j.postharvbio.2024.112990