近年来，诸如“拍瓜师”这样的新职业如雨后春笋般出现。来自河北邯郸的张灵慧就是一名“拍瓜师”，工作就是靠眼睛和手筛选出合格的西瓜。

张灵慧介绍，拍瓜的声音响亮就说明是熟瓜，生瓜的声音则比较清脆，“每个瓜的声音都不一样”。生瓜的皮硬、没弹性，弹得手指头疼；熟过头的瓜声音闷，切开后瓜肉中往往有裂缝，放两天就会变质，不符合销售要求。

近日，北京庞各庄迎来了西瓜销售高峰期。订货量大的时候，张灵慧等“拍瓜师”每天需要拍上万个西瓜。

早在2022年7月，央视财经报道了“‘拍瓜师’月入3万，3秒挑一个西瓜”，引起热议。

听音辨瓜，竟是科学方法

想要检验西瓜的成熟度，又不对西瓜造成损害，其实敲击法是最科学的方法。

它的检验原理是声波在介质中的传播受介质密度和质地的影响，因此可以找出拍打西瓜获得的声波与西瓜品质之间的关系。这样就能在不切开西瓜的前提下，检测其成熟度和内部品质。

西瓜的内部结构分为瓜皮和瓜瓤，从结构上来看，发源于不同部位的西瓜各部分力学性质差距很大。

在西瓜成熟的过程中，瓜皮的硬度和弹性模量（就是大家熟知的弹性）越来越好瓜皮变得越来越皮，瓜瓤内部在纤维素酶的作用下，西瓜内部的纤维素被降解。

有些细胞甚至脱离了纤维素编织的网脱离出来，成了分散的细胞，从而瓜瓤弹性模量变得越来越小。

为了有一个定量的可以分析的结论，我们可以假设西瓜是一个真空中的球，其结构为一个多层球状弹性体。这样我们在考虑敲击西瓜的拉压形变时，根据轴对称性，只需要考虑一个方向的振动方程。如果不需要追求具体系数，我们甚至可以把整个西瓜假设成一个杆，利用牛顿力学和材料力学可推出杆的振动方程为：

其中 U 为横向位移，E 为杨氏模量，I 为绕垂直于杆并通过横截面形心的轴的惯量矩，λ 为单位长度的质量，想要具体了解的人可以去搜索动态法测量杨氏模量实验。

对于同样的一根弦有好多的振动模式，我们通过把振动展开为不同的振动模式来求解振动方程，经过分离变量法等一系列不算复杂的计算，我们可以得到：

所以重头戏来了！

我们得到了西瓜成熟度公式！

对于一样重的瓜，我们只需要，敲一敲他们，听听声音就能知道哪个瓜更熟了！

当然，科研工作者们早就尝试过这一套理论，并且做了实验划了个标准：

振动频率大于 189Hz 为“生”瓜；

振动频率 160Hz - 189Hz 为“适熟”瓜；

振动频率 133Hz - 160Hz 为“熟”瓜；

振动频率小于 133Hz 为“过熟”瓜。

在听觉感受上，赫兹越高的声音越尖细，反之则越低沉。由此可以推导出，敲击西瓜时，声音较清脆的是生瓜，声音相对沉闷的是熟瓜。因此，如果轻轻拍打西瓜，发出“”的清脆响声，可能是生瓜；发出混浊、沉重“嘭嘭”声的应该是熟瓜，发出“噗噗”声的则是熟过头的瓜。

用“光”更高效检验西瓜

除了手动拍击“验瓜”，近年来一些可用于西瓜大规模快速检验的无损检测技术也逐渐涌现，助力我国西瓜产业进一步走向机械化、智能化。

6月中旬举办的第十二届光谱网络会议上，北京市农林科学院农业智能装备研究中心的黄文倩研究员就介绍了一种基于全透射近红外光谱技术的高效西瓜检测技术。在一系列技术帮助下，西瓜能在通过设备的过程中快速地完成糖度、成熟度、是否空心等质量检测。

展示视频中可见，一个个西瓜被安放在传送带底座里，通过检测设备的速度快而流畅，几乎只用几秒就能完成一个瓜的质检。

据黄文倩介绍，光能够进入被测物体内部，并携带出有用的信息，他们就是依托这个物理基础，自主研发了一种全透射多点可见/近红外光谱系统OnlineNIR。该系统可以通过一种特殊的白炽灯照射样品获取样品中含氢基团的相关信息。在这些信息的支撑下建立化学计量学模型，就可实现样品糖度、酸度和内部缺陷的无损检测。

无损检瓜靠不靠谱

所谓无损检测，就是在不破坏水果的情况下进行检测。水果在成熟度发生改变，或是出现损伤或病变的情况下，声学特征参数会发生变化。用敲击水果产生的声音信号来判断水果的成熟度，如苹果、梨子、芒果等，学界已有一定的研究基础。

此前，听音法是判断西瓜成熟与否的传统方法之一，西瓜的采收主要依赖于瓜农的经验：手拍瓜皮，若声音清脆，则为未熟瓜；若声音沉闷，则为熟瓜或者过熟瓜。但该方法依赖瓜农的经验，准确性低、可靠性差。

毛建华研发了一套声学检测装置，可以敲击西瓜、采集声音信号并传输到电脑进行分析。这样一来，瓜农的耳朵被麦克风替代，手被敲击球替代，决策与控制的大脑则分别被对应的硬件电路和分析软件替代，使得整个过程不依赖于人的经验。对比激光、核磁共振等检测方法，研究人员认为通过声学特征检测的LS-SVM法价格低廉且准确度高。

成熟度不同的西瓜，瓜体坚实度不一样（成熟的西瓜果瓤更松软），受到敲击后发出的声音也不一样。在实验中，毛建华使用190个麒麟瓜样本，结合西瓜的质量、共振频率、指定频段内的频率重心等参数，建立了五种针对西瓜坚实度的预测模型。其中之一，便是运用到人工智能算法的遗传神经网络模型。

该模型使用的神经网络有三层，毛建华用声学参数等作为输入，西瓜的斜率作为目标输出，经过训练，得出西瓜坚实度的预测模型。他在论文中指出，这一模型仅使用了单因素进行建模预测，预测效果与初始参数的选择密切相关。虽然模型的整体性能略低于逐步线性回归模型和主成分回归模型，却远远高于另两种模型，具有一定优越性。

同时，毛建华还将四种机器学习与模式识别的算法用于西瓜成熟度的分类和空心瓜的鉴别。成熟度分类中的声音特征参数为指定频段内的频率重心、指定频段内的频率平方的重心。空心瓜鉴别中的参数除了前两者，还加入了能量比。

结果显示，一种名为LS-SVM的算法能够更好地分辨出未熟瓜、成熟瓜和过熟瓜，在建模集和预测集样本中的分类正确率均超过70%。该算法在鉴别空心瓜时也有较佳表现，在建模集和预测中的鉴别正确率均超过 90%。