近日，设施所无损检测与智能分选研究团队提出了基于可见/近红外全透射光谱的柚果可溶性固形物含量无损检测新方法并进行实验验证，相关论文在国际TOP期刊Postharvest Biology and Technology（中科院一区，IF=7.0）上发表。设施所徐赛研究员为论文第一作者和通讯作者，我院陆华忠教授为论文共同通讯作者。

　　柚果是广东主要的水果之一，其皮厚、果大、内部组织层复杂导致内部品质无损检测困难。可溶性固形物含量是影响柚果风味的主要指标，对其进行准确的无损检测，有助于实现品质快速智能分级，从而保障上市果品、提升品牌竞争力和消费者满意度，目前尚存在技术难点。产业亟需一种准确、稳定的柚果可溶性含量无损检测方法用于采后大批量柚果品质智能分选。

　　本研究基于可见/近红外全透射光谱，仿真设计最佳光路结构，优选出SNV+CARS+PLS无损检测模型，通过分析柚果不同部位的可溶性固形物含量差异寻优最佳标定位置，提出适用流水线动态检测的模型性能提升方案，形成了一套大批量采后柚果可溶性固形物含量无损检测新方法，可为产业提供有效技术支撑。

　　本研究获得国家重点研发计划课题（2022YFD2002203）、广东省乡村振兴战略专项课题（2024TS-1–2）等项目（课题）资助。

　　原文链接：https://doi.org/10.1016/j.postharvbio.2024.112990