2016 年，据农业农村部以及相关专家调查测算，中国每年农户储粮造成粮食损失 200 亿 kg 左右，产后损耗马铃薯约 1600 万 t，水果约 1400 万 t，蔬菜约 1 亿 t。每年农产品产后损失超过 3000亿元，相当于 1.5 亿亩（1000 万 hm2）耕地的投入和产出被浪费。由于粗放的加工、简陋的设施、原始的方法以及不精确的果蔬成熟度测量方式，全球范围内 45% 的农产品在流通环节被损失掉，造成了巨大浪费，这与不标准、不规范、不便捷的农产品测试方式密切相关。
传统农产品的相关品质检测往往都是单项测定和人工实验室测定，而以色列 ClariFruit公司开发的新型水果蔬菜成分测试系统可以方便地进行实地、实时和连续测量，并具有实验室等级的分析能力。该系统由安装相应应用程序的手机以及与手机无线连接的传感器组成，传感器快速扫描水果和蔬菜来测量它们的可溶性固体含量、干物质量、糖度、大小、颜色等，与内部设定的模型参数相比较，从而获取果蔬产量和综合质量的相关信息，判断产品是否符合品牌标准。更重要的是，该系统还能记录检测产品的精确位置（手机中加载了 GPS 系统）、天气数据、时间数据等，并及时把这些数据上传到云数据库，然后通过先进的大数据算法进行分析处理。所有的抽样检测数据以及其他的统计信息和报告都实时在线用于抽样分析及生产后分析，帮助用户轻松制定果蔬生产链和运输链各个阶段的决策。该系统的结构由SCIO 传感器、手机以及强大的 SCIO 云组成（图 1）。
图 1 系统组成
SCIO 传感器由 Consumer Physics 公司设计制造，属于袖珍型分析光谱仪，多年来他们的研发致力于让传感器更经济、更便携、更简单。目前该传感器不仅可以用于果蔬的检测，还可以用于速溶动物饲料营养分析、原材料检验、食物和饮品的质量控制、制造质量控制、药品认证与防伪、产品质量验证（图 2）。
SCIO 传感器的光学探头虽然仅有几毫米，但是它却有着和最先进的台式光谱仪一样的灵敏度与精度。它将传统的近红外分光光度计与先进的微光学技术相结合使得其尽量小型化。SCIO传感器具有实验室等级分析能力，低功率消耗，不需要预热启动，反馈灵活，极其高效，可以在一小块电池的供电下，完成数百次的扫描，让用户准确跟踪、监控并大幅度提高测试效率，具体参数见表 1。
表 1 测试设备的主要性能参数
SCIO 云负责相关数据的分析处理并存储相关材料的基本数据信息，主要由材料数据库、数据分 析模 型、高级 模型开发工具——SCIO Lab组成。
材料数据库 数据信息可由用户采集或由客户提供，一部分是公开使用的，而另一些是私人数据，仅供特定用户使用。
数据分析模型 SCIO 云通过化学计量学模型和算法来进行相关的光谱分析，并把分析结果转化为有用的材料数据。这些数据会根据特定的商业需求，逐步被公司的数据专家团队开发应用。SCIO 云中的模型算法是线性可扩展的架构，能够快速地提供相应时间，理论上可以链接和服务的设备是无限的。
高级模型开发工具包——SCIO Lab 该模型可以自己建立光谱学解决方案，也可以给用户提供一套先进的工具来收集用户自己的数据并建立自己的模型。该工具包可以自定义需求指标来满足特定材料分析，并允许通过使用 SCIO 和SICO Lab 移动应用程序收集相关材料的光谱来给用户建立特定的传感分析模型（图 3）。
图 3 SCIO Lab 工具包
本公众号欢迎分享，凡转载文章，除了为作者署名外，还请在文章最前或者最后注明：本文转载自：温室园艺农业工程技术公众号。
联系客服
