孫梅，劉碩，陳興海

（1.北京工商大學(xué)計算機(jī)與信息工程學(xué)院，北京100048；2.北京卓立漢光儀器有限公司，北京101102）

推掃式成像光譜系統(tǒng)在食品無損檢測中的應(yīng)用研究

孫梅1，劉碩1，陳興海2

（1.北京工商大學(xué)計算機(jī)與信息工程學(xué)院，北京100048；2.北京卓立漢光儀器有限公司，北京101102）

利用高光譜成像系統(tǒng)和主成分分析的方法，在可見和近紅外（400 nm～1000 nm）光譜范圍內(nèi)，對梨表面特征、表面的農(nóng)藥殘留以及魚肉的寄生蟲等幾個方面進(jìn)行初步的探索研究，從常用食品的內(nèi)部和外部品質(zhì)同時檢測，完成對食品的分級和初步的安全無損檢測。

高光譜成像技術(shù)；無損檢測；主成分分析；食品品質(zhì)

近年來隨著人們的生活水平快速提高，生活品質(zhì)不斷改善，對食物的口味、品質(zhì)的要求也隨之提高。品質(zhì)是反映某一物體的某些性質(zhì)的一個模糊概念，反映物體外表特征的外表品質(zhì)如顏色、紋理、尺寸、形狀和表面的缺陷；內(nèi)部品質(zhì)如水果的可溶性固體含量、水分含量、堅硬程度，豬肉的嫩度，鱈魚的新鮮程度；品質(zhì)安全主要通過對動物糞便等外來物污染、各種病害、品質(zhì)劣變、細(xì)菌感染和農(nóng)藥殘留進(jìn)行檢測評估，它關(guān)系到消費(fèi)者的飲食安全和健康，是水果和蔬菜最為重要的品質(zhì)特征反映物體基本物理性質(zhì)的品質(zhì)；無損檢測技術(shù)可以避免破壞性測量造成的樣品損失，具有對待測物進(jìn)行跟蹤、重復(fù)檢測的優(yōu)點(diǎn)。其檢測速度快，適于大規(guī)模產(chǎn)業(yè)化生產(chǎn)的在線檢測和分級，易于實(shí)現(xiàn)自動化。

高光譜成像技術(shù)（hyperspectral imaging，HIS）通過將光譜與成像技術(shù)相結(jié)合，同時提供光譜和空間信息，憑借其定性、定量以及定位的能力，目前已被用于食品質(zhì)量和安全的無損檢測工作。它能夠進(jìn)行食品品質(zhì)檢測的原理是在特定波長處，食品不同的化學(xué)組成和物理特征有著不同的反射比、分散度、吸收度以及電磁能，不同波長處的關(guān)鍵峰值可以表示不同化合物的物質(zhì)屬性（光譜指紋），從而通過分析光譜信號實(shí)現(xiàn)食品品質(zhì)信息的定性或定量檢測，并根據(jù)高光譜圖像提供的光譜空間分布信息，實(shí)現(xiàn)食品品質(zhì)信息的可視化表達(dá)，從而實(shí)現(xiàn)食品的分級分類和品質(zhì)檢測工作。

高光譜成像系統(tǒng)的核心部件包括：鏡頭，分光部件，CCD。分光設(shè)備通過光學(xué)元件把寬波長的混合光分散為不同頻率的單波長光，并把分散光投射到面陣相機(jī)上。不同分光方式的高光譜成像儀的性能特點(diǎn)不同：1）純反射式，通光效率高，雜散光小，無色差。存在像散和像場彎曲，適合與單通道探測器配合使用。2）傅里葉變換式，干涉成像，分辨率高，系統(tǒng)復(fù)雜，維護(hù)成本高，重復(fù)性差。3）聲光可調(diào)諧濾波片式（AOTF），波長改變速度快，數(shù)據(jù)量大。波長范圍不夠長（450 nm～800 nm），分辨率在同一波段內(nèi)會不同，如450 nm處為1.5 nm，800 nm處為3 nm。適合靜態(tài)物體測量。4）液晶可調(diào)諧濾波片（LCTF），辨率高，雜散光少，速度快。隨著使用時間的加長，液晶體可能會出現(xiàn)波長不穩(wěn)定的狀況。價格高，適合靜態(tài)物體的測量。5）法布里-玻羅干涉濾光片式，干涉成像，分辨率高，內(nèi)部多次反射，有一定的雜光。5）透射光柵式，體積相位全息光柵技術(shù)，光譜效率高，雜散光低，光強(qiáng)分布均勻，內(nèi)部反射小。靈敏度分布均勻（最低60％最高95％），散射高。

推掃型和液晶可調(diào)濾光型的區(qū)別主要在于核心部件，液晶光譜成像系統(tǒng)中的核心部件液晶濾光器目前不能國產(chǎn)化，需要進(jìn)口，這使得液晶光譜成像系統(tǒng)的造價很高近百萬，過高的造價不利于該技術(shù)的實(shí)用化和成果轉(zhuǎn)化。而光柵分光的優(yōu)點(diǎn)是能得到更純凈的光譜，更好的光透過率，更短的積分時間，并且出射的各個波段的光是均勻排布的，沒有成像失真，適合試驗(yàn)使用與在線移動物體的檢測。推掃式高光譜相機(jī)結(jié)構(gòu)見圖1。

圖1　高光譜成像儀系統(tǒng)Fig.1 GaiaSorter hyperspectral imager system

1　儀器和方法

1.1高光譜成像系統(tǒng)

本文中所使用的高光譜成像數(shù)據(jù)采集采用北京卓立漢光儀器有限公司的GaiaSorter高光譜分選儀系統(tǒng)，此系統(tǒng)的核心部件包括：鏡頭，分光部件，CCD。掃描方式為推掃式成像技術(shù)，該儀器的光譜掃描范圍為350 nm～1 000 nm，光譜分辨率是2.8 nm，采樣間隔為1.9 nm。

1.2方法理論

高光譜圖像數(shù)據(jù)具有波段數(shù)多、光譜分辨率高和數(shù)據(jù)量大等特點(diǎn)，利用全波段建立模型不僅數(shù)據(jù)的后續(xù)處理比較困難，而且在光譜數(shù)據(jù)中還隱藏著大量的干擾信息，有些噪聲波段的無用數(shù)據(jù)還會影響識別的準(zhǔn)確度，對實(shí)現(xiàn)樣品的快速無損檢測極為不利，因此對光譜數(shù)據(jù)的降維就變得尤為必要。數(shù)據(jù)降維是利用線性及非線性的映射將較高維度的數(shù)據(jù)投影到較低維度的數(shù)據(jù)空間，在保留或者增強(qiáng)原始信息的前提下盡可能多的去除大量的冗余信息，從而找到能夠表征高維數(shù)據(jù)空間的低維分量的過程，也叫做特征波長的選取。

在光譜分析中，最常見的選擇特征波長的方法是主成分分析（PricipalComponentAnalysis，PCA）。主成分分析即通常所稱的K-L變換，在圖像壓縮、隨機(jī)噪聲集積的去除和減小數(shù)據(jù)集的維數(shù)等方面有廣泛的應(yīng)用。它是沿著協(xié)方差最大的方向由高維數(shù)據(jù)空間向低維數(shù)據(jù)空間投影，得到的每一個主成分都是原來變量的線性之和，主成分分析得到的各個主成分之間互相獨(dú)立的。利用主成分分析既可以實(shí)現(xiàn)對高維數(shù)據(jù)的降維，又能消除高維數(shù)據(jù)中的冗余信息。第一主成分包含最大的數(shù)據(jù)方差百分比，第二主成分包含第二大的方差，以此類推，最后的主成分波段由于包含很小的方差工，因此顯示為噪聲。通過主成分分析，可以根據(jù)方差的貢獻(xiàn)的大小來選擇主成分圖像，從中選擇出最能檢測出樣品的主成分圖像。

2　結(jié)果與分析

2.1果蔬外部特征檢測

果蔬產(chǎn)品在采摘、運(yùn)輸和產(chǎn)后處理階段中，常常與四周多次發(fā)生碰撞而產(chǎn)生輕微碰傷。輕微碰傷部位隨著時間推移會變黑甚至腐爛，不僅影響它們的美觀，還會引起內(nèi)部品質(zhì)的劣變，腐爛甚至?xí)魅窘o同批次的優(yōu)質(zhì)水果或蔬菜，造成不小的經(jīng)濟(jì)損失，因此盡早檢出并剔除損傷果是很有必要的。高光譜圖像集光譜與圖像信息于一體，可以綜合反映被測物料的物理和化學(xué)信息，其用于檢測果蔬類農(nóng)產(chǎn)品的表面輕微碰傷具有可行性［1-8］。梨和臍橙的數(shù)碼照片和連續(xù)光譜曲線見圖2。

圖2　梨和臍橙的數(shù)碼照片和連續(xù)光譜曲線Fig.2 The pictureand reflectance spectra of thepear and orange

如圖2所示的是利用圖1所示的高光譜成像設(shè)備檢測的水果表面的外部特征光譜特性，從光譜特性曲線可以很好地區(qū)分梨的果肉損傷處與完好處。我們同樣也檢測了橙子的外部特征曲線。從我們初步的試驗(yàn)中，證明高光譜成像技術(shù)是農(nóng)產(chǎn)品品質(zhì)與安全檢測的科學(xué)有效工具。

2.2果蔬農(nóng)藥殘留檢測

農(nóng)藥在果蔬的種植過程中雖然能起到防治病蟲害的作用，但是由于農(nóng)藥不能完全被果蔬吸收，仍有很大一部分仍殘留在果實(shí)表面。特別是近年來因過量使用農(nóng)藥造成的農(nóng)藥中毒現(xiàn)象屢見不鮮，所以果蔬的食用安全性也受到人們的關(guān)注?，F(xiàn)在，農(nóng)藥殘留檢測方法雖然有很多，但常用的都是化學(xué)檢測方法，這類方法是破壞性檢測，消耗有機(jī)試劑、制樣繁瑣且檢測成本高等不利特點(diǎn)。高光譜成像檢測能夠達(dá)到實(shí)時、高效、快速、無損檢測的目的［9-11］。由于高光譜數(shù)據(jù)具有多光譜通道、高光譜分辨率和連續(xù)光譜的特點(diǎn)，可以得到農(nóng)藥殘留區(qū)域和無農(nóng)藥區(qū)域的連續(xù)光譜曲線。梨的數(shù)碼照片和連續(xù)光譜曲線見圖3，如圖3（a）所示的是進(jìn)行農(nóng)藥殘留所需的梨試驗(yàn)樣品，在圖中圓圈的地方是涂抹了農(nóng)藥，而其它部分則是干凈的沒有農(nóng)藥的，如圖3（b）所示是樣品在450 nm～980 nm范圍內(nèi)農(nóng)藥殘留區(qū)域和無農(nóng)藥區(qū)域的連續(xù)光譜曲線。

（a）有農(nóng)藥殘留的梨數(shù)碼照片

圖3　梨的數(shù)碼照片和連續(xù)光譜曲線Fig.3 Thepictureand reflectance spectra of the pear

通過主成分分析，可根據(jù)方差貢獻(xiàn)的大小來選擇主成分圖像，梨的主成分分析見圖4。

圖4　梨的主成分分析Fig.4 The PCA of thepear

如圖4所示，可以很清楚的看到：在第4主成分波段下，農(nóng)藥殘留區(qū)域的顏色明顯不同于其他區(qū)域，證明了高光譜在檢測果蔬農(nóng)藥殘留方面應(yīng)用的可行性和優(yōu)勢。

2.3生鮮海產(chǎn)菌斑檢測

生鮮肉類、海產(chǎn)品品質(zhì)的無損檢測技術(shù)尤其是高光譜圖像檢測技術(shù)在我國還處于試驗(yàn)研究階段，并沒有真正地投入到實(shí)際生產(chǎn)當(dāng)中。所以，加速生鮮肉類、海產(chǎn)品品質(zhì)無損檢測設(shè)備的市場應(yīng)用，實(shí)現(xiàn)其在線、快速、無損檢測對我國肉類產(chǎn)業(yè)的現(xiàn)代化發(fā)展具有非常重要的實(shí)際意義［12-13］。

魚片中寄生線蟲（鱈魚蠕蟲、密封蠕蟲、鯨魚蠕蟲）檢測被認(rèn)為是魚業(yè)質(zhì)量保證的重要難題。一直以來，人工檢查是檢測魚肉內(nèi)部寄生蟲的唯一方法。由檢測人員檢查每個魚片，然后手工除去那些有缺陷、有寄生蟲或瘀傷的魚。高光譜成像技術(shù)通過采集被寄生的魚和正常魚的光譜圖像，實(shí)現(xiàn)魚肉中寄生蟲的自動檢測。魚肉樣品見圖5，圖5（a）所示為魚肉樣品的彩色圖片，而（b）為紫外燈照射下的魚肉樣品，其中的亮點(diǎn)為寄生中。

高光譜的主成分分析及MNF（最小噪聲分離變換）圖像見圖6。

圖5　魚肉樣品Fig.5 Thesamplesof fish

如圖6所示是利用主成分分析法可得到有效的特征波長和MNF圖像。用由高光譜圖像系統(tǒng)采集到魚肉的高光譜圖像，通過主成分分析后，在第6主成分波段圖像中，可清晰的看到生有寄生蟲的部分如圖6所示。從圖中，我們可以清晰地辨別出經(jīng)過主成分分析的高光譜圖像的菌斑位置。

無菌斑和有菌斑位置的波長曲線擬合圖見圖7，此圖中箭頭所指的分別為無細(xì)菌的位置波形和有細(xì)菌的位置波形。通過試驗(yàn)，可知高光譜成像技術(shù)用于生鮮肉類、海產(chǎn)品品質(zhì)檢測具有較好的效果，具有可研究性和可行性。

圖6　高光譜的主成分分析及MNF圖像Fig.6 The PCA of the fishmeatand MNF

圖7　無菌斑和有菌斑位置的波長曲線擬合圖Fig.7 The spectra of the spotand thespotof the plaque

3　結(jié)論

本文所有試驗(yàn)均采用HyperSIS（高光譜成像系統(tǒng)）系列高光譜成像檢測系統(tǒng)采集所需的數(shù)據(jù)，利用主成分分析的方法，初步研究了梨的外部特征及表面的農(nóng)藥殘留以及魚肉的寄生蟲等幾個個方面的內(nèi)容，從常用食品的內(nèi)部和外部品質(zhì)同時檢測，可以完成對食品的分級和初步的安全檢測。通過試驗(yàn)研究進(jìn)一步證實(shí)高光譜技術(shù)在食品的品質(zhì)及安全檢測等無損檢測中具有巨大潛力。

［1］EIMasry G，Wang N，EISayed A.Hyperspectral imaging fornondestructive determination of some quality attributes forstrawberry［J］. Journalof Food Engineering，2007，81（1）：98-107

［2］Zhang Baohua，HuangWenqian，Li Jiangbo，et al．Detection of slight bruises on apples based on hyperspectral imaging and MNF transform［J］.Spectroscopyand SpectralAnalysis，2014，34（5）：1367-1372

［3］GCarlomagno，LCapozzo，GAttolico，etal.Non-destructivegrading of peaches by near-infrared spectronmetry［J］.InfraredPhysics＆amp; Technology，2004，46（1）：23-29

［4］魏新華，吳姝，范曉東，等．基于高光譜成像分析的冬棗微觀損傷識別［J］.農(nóng)業(yè)機(jī)械學(xué)報，2015，46（3）：242-246

［5］Xing J，BravoC，Jancsók PT，etal.Detectingbruiseson‘Golden Delicious’apples using hyperspectral imagingwithmultiple wavebands［J］.Biosystems Engineering，2005，90（1）：27－36

［6］遲茜，王轉(zhuǎn)衛(wèi)，楊婷婷，等.基于近紅外高光譜成像的獼猴桃早期隱性損傷識別［J］.農(nóng)業(yè)機(jī)械學(xué)報，2015，46（3）：235-241

［7］王樂妍，張東仙，章海軍，等.基于激光光致發(fā)光光譜的果實(shí)成熟度測試方法研究［J］.光譜學(xué)與光譜分析，2008，28（12）：2772-2776

［8］張鵬，李江闊，馮曉元，等.可見/近紅外漫反射光譜預(yù)測磨盤柿成熟度［J］.食品研究與開發(fā)，2013，11（34）：91-94

［9］薛龍，黎靜，劉木華.基于高光譜圖像技術(shù)的水果表面農(nóng)藥殘留檢測試驗(yàn)研究［J］．光學(xué)學(xué)報，2008，28（12）：2277-2280

［10］李文秀，徐可欣.蔬菜農(nóng)藥殘留檢測的紅外光譜法研究［J］.光譜學(xué)與光譜分析，2004，24（10）：1202-1204

［11］周向陽，林純忠，胡祥娜.近紅外光譜法（NIR）快速診斷蔬菜中有機(jī)磷農(nóng)藥殘殘留［J］.食品科學(xué)，2004，25（5）：151-154

［12］吳建虎．利用高光譜成像技術(shù)預(yù)測新鮮牛肉品質(zhì)參數(shù)［D］．北京：中國農(nóng)業(yè)大學(xué)，2010

［13］吳建虎，彭彥昆，江發(fā)潮，等．牛肉嫩度的高光譜法檢測技術(shù)［J］．農(nóng)業(yè)機(jī)械學(xué)報，2009，40（12）：130-134

Nondestructive Inspect of Food with Pushbroom Grating Hyperspectral Imaging System

SUN Mei1，LIU Shuo1，CHEN Xing-hai2
（1.School of Computerand Information Engineering，Beijing Technology and Business University，Beijing 100048，China；2.Zolix InstrumentsCo.，Ltd.，Beijing 101102，China）

In thispaper，the research of the nondestructive detection forsample，such as fruitsmaturity，pesticide residuesand fishmeat，were studied by the hyperspectral imaging system and PCA，the spectral rangewas 400 nm-1 000 nm.Food classification and safety detection based on both internaland externalquality attributes could beachieved.

hyperspectralimaging；nondestructivetesting；PCA；foodquality

10.3969/j.issn.1005-6521.2016.18.027

國家自然科學(xué)基金資助項(xiàng)目（61473009）；北京市自然科學(xué)基金項(xiàng)目（4132008）；北京市組織部優(yōu)秀人才培養(yǎng)D類項(xiàng)目（2013D005003000008）

孫梅（1976—），女（漢），副教授，博士，主要從事高光譜成像與食品安全檢測等研究。

2016-04-14