关于农产品的运输，一直是个大问题，由于果蔬肉蛋奶水产品的特性，尽管有鲜活农产品运输绿色通道在，但采后贮藏和运输过程中极易发生品质劣变，从而降低了食用价值，且造成了不小的经济损失。
为保障果蔬品质，减少产后劣变导致的资源浪费，江苏大学联合江苏省智能农业与农产品加工国际合作联合实验室、济南果品研究院等机构展开了研究。通过分析现行检测技术，结合果蔬品质监测的难点，以及各类检测技术的原理、特点及优缺点，以电子鼻、近红外光谱、拉曼光谱、机器视觉、水果品质等作为研究来源。
机器视觉和电子鼻是监测领域的常用技术，也就是感官仿生技术，主要利用信息传感技术模仿人或动物的视觉、听觉、味觉和嗅觉等感觉，获取被检测对象的特征信息，并用计算机模拟人脑对所获取的信息进行处理，检测效率高，检测结果准确。
机器视觉技术使用图像获取设备模拟人类视觉，获取检测对象的特征信息，输送至计算机进行图像处理、对目标区域进行分析和识别，从而实现对被检测对象的综合评价，具有非接触性、识别速度快、判别精度高等优点，在果蔬检测领域多用于品质分级和缺陷检测。
机器视觉可检测果蔬外部品质和表面缺陷，电子鼻可检测果蔬的劣变气味。目前机器视觉技术已经广泛应用于果蔬外部品质检测，但果蔬不同于机械加工的标准品，其在生长过程中会受光照、海拔、叶面遮挡等因素的影响，严重干扰被检测对象的图像获取工作，极易造成误判。随着人工智能和深度学习的发展，新的识别算法可以提高机器视觉检测的适用性和稳定性。
电子鼻作为新型仿生仪器，可客观反映果蔬品质特征，通过分析，获取果蔬新鲜度、腐烂度、损伤和病害等信息。通过近红外光谱、拉曼光谱、高光谱成像、无损检测等技术，检测果蔬内部品质和隐性缺陷、果蔬内外品质/检测劣变过程、果蔬腐败菌及其代谢产物，可视化获取果蔬品质变化的全过程，多技术叠加联用，融合多学科的技术力量，综合评价果蔬劣变，实现果蔬品质劣变信息的智能化实时监测，构建以各种传感器为感知节点的果蔬品质监测物联网系统。
简而言之，关于果蔬品质裂变检测的研究，对于果蔬品质监测、加工过程中品质劣变等难题提供参考，启发了解决问题的新思路，有望降低果蔬产后的经济损失，推进果蔬产业可持续发展，期待科研成果应用在农产品物流的一天。
