近日，武汉大学电子信息学院研究人员在国际食品期刊《Food Research International》(中科院一区TOP，IF=8.0)发表了题为"Deep learning-based colorimetric indicator on polylactic acid packaging for nondestructive monitoring of fresh-cut fruits and vegetables"的研究论文。在该论文中，研究人员利用上海腾拔Universal TA国产质构仪用于测定青椒的硬度和咀嚼性指标。

果蔬的易腐性对保持食品质量与安全构成了重大挑战。然而，当前用于监测鲜切果蔬新鲜度的方法仍存在局限。本研究介绍了一种基于深度学习的新型比色指示剂系统，该系统旨在对包装于聚乳酸（PLA）袋中的鲜切果蔬的新鲜度进行无损监测。该系统采用了一种基于乙基纤维素的指示剂（EMT），这种指示剂在储存过程中，会随二氧化碳（CO₂）浓度（0%–30%）的变化呈现出明显的颜色转变。除了具有敏感性外，EMT 还展现出优异的稳定性和可重复使用性。此外，本研究shouci以鲜切青椒为模型，通过在机器学习中应用特征提取算法（主成分分析（PCA）和 Fisher 线性判别分析（FLDA）），构建了 “生理状态 — 新鲜度 — 指示剂颜色" 之间的关系。研究将这种相关性与用于图像识别和分析的深度学习算法相结合，该方法减轻或消除了由人类视觉感知的个体差异以及拍摄条件变化所导致的识别误差。结果表明，该系统能够准确、快速且无损地评估鲜切青椒的新鲜度，在 k 折交叉验证下，MobileNetV3 - Small 模型的识别平均准确率可达 96.09%。所提出的策略为监测农产品新鲜度提供了一种高精度、实时且无损的方法，在食品安全、健康监测和环境保护领域具有潜在的应用价值。

果蔬的软化与weisuo、蛋白质及多糖降解以及液泡破坏相关。本研究选取了硬度和咀嚼性这两个关键质地指标进行研究，如图 3d 所示。在储存期间，青椒的硬度逐渐下降，且聚乳酸（PLA）包装中的青椒硬度显著高于聚乙烯（PE）包装的。这表明，在整个储存过程中，PLA 能更有效地保持青椒的质地特性。

参考文献：Shasha Zhang et al. Deep learning-based colorimetric indicator on polylactic acid packaging for nondestructive monitoring of fresh-cut fruits and vegetables. Food Research International, 2025。