摘要： 牛油果的成熟度判断是确保食用口感和选择合适烹饪方式的重要环节。以下将详细介绍如何判断牛油果的成熟度。 看颜色：挑选牛油果时，颜色是一个重要的判断标准。颜色越绿说明成熟度低，摸起来也较硬；颜色越深说明成熟度高。一般来说，当牛油果的颜色呈黑绿色的时候，就表明它可能已经成熟了。未成熟的牛油...
牛油果的成熟度判断是确保食用口感和选择合适烹饪方式的重要环节。以下将详细介绍如何判断牛油果的成熟度。
看颜色：挑选牛油果时，颜色是一个重要的判断标准。颜色越绿说明成熟度低，摸起来也较硬；颜色越深说明成熟度高。一般来说，当牛油果的颜色呈黑绿色的时候，就表明它可能已经成熟了。未成熟的牛油果通常为鲜绿色，随着成熟度的增加，颜色会逐渐变深。
摸质地：除了观察颜色，摸质地也能帮助判断牛油果的成熟度。未成熟的牛油果摸起来较硬，而成熟的牛油果捏起来比较软。要选择软硬适中的牛油果，捏着稍微有些软的时候就可以吃了。如果太软，可能已经过熟，容易出现黑斑和变质的情况。
使用破坏性测试方法判断成熟度：
总溶解固体（TDS）、水分含量和硬度：在一些研究中，通过测定总溶解固体（TDS）、水分含量和硬度等参数来确定牛油果的成熟度。例如，有研究以这些参数作为判断依据，通过破坏性方法对牛油果进行测试，实验室测试结果可用于获得一个方程，通过多元线性回归分析以成熟前的天数来估计成熟度。结果表明，这些参数可以用来确定牛油果的成熟度，且方程的决定系数 R-Square 为 0.81。
荧光指纹（FF）测量：还有研究通过测量牛油果的果皮和果肉的荧光指纹（FF，也称为激发发射矩阵 EEM）来评估 “哈斯” 牛油果的成熟度。研究发现，随着成熟度的进展，果皮和果肉中叶绿素 A 的荧光信号随着牛油果果肉硬度的降低而显著下降。从果皮和果肉的 FF 中可以使用偏最小二乘回归估计硬度值，对于使用果肉和果皮的 FF 的预测模型，分别获得了 2.02 N cm−2 和 2.05 N cm−2 的最小预测误差。此外，从果皮的 FF 中可以以 90% 的准确率对成熟度水平（未成熟、成熟和过熟）进行无损判别。
使用非破坏性方法判断成熟度：
紫外线反射：有研究使用紫外线反射来确定牛油果的成熟度。该研究以总溶解固体（TDS）、水分含量和硬度作为参数，确定牛油果的成熟度水平，并确定紫外线反射与牛油果成熟度之间的相关性。研究采用非破坏性方法和破坏性方法相结合，首先使用数码单反相机在 4 个紫外线灯环绕下拍摄牛油果的照片，然后进行破坏性测试以确定每个样品的 TDS、水分含量和硬度。通过多元线性回归分析获得一个方程来估计成熟度，结果表明参数可以用来确定成熟度，R-Square 为 0.81。图像数据进一步处理以获得每个成熟度水平的色调（H）、饱和度（S）和强度（I）值，并确定其决定系数以表明该值代表牛油果成熟度的可行性。结果显示，最高的决定系数是 I（强度）约为 0.8191，表明使用紫外线反射，特别是强度值，来确定牛油果的成熟度是可行的。
可见近红外光谱（Vis-NIR spectroscopy）：也有研究基于可见近红外光谱（380–2000 nm）结合偏最小二乘判别分析（PLS-DA）开发了一种分类模型，将牛油果分为三个类别。通过开发一种成熟度指数（RI），结合 FF 和 DMC，提高了分类能力。使用 Wilk 的 lambda（类间方差与总方差之比）测试三个类别的判别能力，结果显示 RI 的值为 0.648，FF 为 0.516，DMC 为 0.038。随后使用偏最小二乘（PLS）回归开发了一个回归模型，使用可见近红外光谱在独立数据集中预测 RI。结果表明，全光谱波长范围（380–2000 nm）的 PLS 结果令人满意，R² 为 0.62，SEP 为 0.69，但呈现出较大的偏差值 1.22。在 400 至 1100 nm 的波长范围内开发的模型也具有类似的结果，R² 为 0.63，SEP 为 0.68，偏差为 1.03。可以使用偏差和斜率校正算法进行校正。对 PLS 回归模型的相关系数的研究表明，400–1100 nm 区域对模型有巨大影响，这表明使用具有成本效益的短可见近红外分光光度计进行 RI 预测具有潜力。
基于改进 YOLOv5s 的轻量化模型检测：为实现牛油果成熟度的快速精确检测，提升牛油果物流链的自动化水平，提出了一种轻量化 YOLOv5s 模型检测方法。该方法将 RepGhost 作为轻量化主干网络引入模型的主干网络，大幅度加快检测速度；添加激活函数 Mish 模块，使得模型更好地实现相关特征传递；在此基础上引入数据增强，提升模型泛化能力和模型检测的性能。结果表明，改进后的 YOLOv5s 模型对未成熟、半成熟、成熟牛油果的检测精度分别提升了 5.1、4.1、9.6 个百分点，平均精度提升了 6.3 个百分点，@map0.5 提升了 7.1 个百分点，检测速度达到 117 帧 /s。对比当前主流检测模型 YOLOv5s，改进后的模型性能更加优异，能够为牛油果物流链条提供一种轻量化、高精度的自动化成熟度检测方案。
版权声明：除特别声明外，来源于网络 如有侵权请联系我们...