張成龍 朱大洲 王瑤瑤 盧林綱 張偉 陳爭(zhēng)光

摘要 概述了可見光成像、近紅外成像、熱紅外成像、高光譜成像、X射線成像、超聲波成像、核磁共振成像、太赫茲成像等技術(shù)在農(nóng)產(chǎn)品內(nèi)部異物探測(cè)方面的應(yīng)用情況，介紹了上述成像方法的檢測(cè)原理和研究進(jìn)展，并總結(jié)了各方法的優(yōu)勢(shì)和不足，最后對(duì)農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)方法的發(fā)展趨勢(shì)進(jìn)行了展望。

關(guān)鍵詞 農(nóng)產(chǎn)品；內(nèi)部異物；無損檢測(cè)；光譜；成像

中圖分類號(hào) S123文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 0517-6611（2018）16-0030-05

Abstract This review introduced the current situation of different techniques that be applied to detect these foreign bodies， including visible light imaging， near infrared imaging， thermal infrared imaging， hyperspectral imaging， Xray imaging， ultrasonic imaging， nuclear magnetic resonance imaging， and terahertz imaging. Detection principle and research progress was introduced， and the advantages and disadvantages of each technique were also summed up then. On the basis of these work， we present future outlook for the detection methods of foreign bodies in agricultural products.

Key words Agricultural products；Foreignbody detection；Nondestructive detection；Spectra；Imaging

農(nóng)產(chǎn)品質(zhì)量安全問題越來越受到人們關(guān)注，特別是近些年有關(guān)農(nóng)產(chǎn)品內(nèi)部異物問題的頻繁出現(xiàn)，使得農(nóng)產(chǎn)品內(nèi)部品質(zhì)檢測(cè)顯得愈發(fā)重要。歐盟食品飼料快速預(yù)警系統(tǒng)數(shù)據(jù)顯示，在過去20年，有關(guān)異物污染的事件至少1 446起，發(fā)現(xiàn)異物的主要食物類型有水果、蔬菜、堅(jiān)果、烘焙產(chǎn)品等，發(fā)現(xiàn)的異物中前3名是害蟲、玻璃和金屬[1]。我國(guó)農(nóng)產(chǎn)品消費(fèi)占食品消費(fèi)總量的70%，加強(qiáng)農(nóng)產(chǎn)品品質(zhì)質(zhì)量把控，提高農(nóng)產(chǎn)品內(nèi)部異物的檢測(cè)水平刻不容緩。農(nóng)產(chǎn)品內(nèi)部異物的檢測(cè)不同于農(nóng)產(chǎn)品表面檢測(cè)，大部分待識(shí)別異物存在于農(nóng)產(chǎn)品內(nèi)部，這種情況下肉眼不可見，對(duì)檢測(cè)技術(shù)手段和儀器要求較高。

傳統(tǒng)的農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)方式主要有人工檢測(cè)、化學(xué)分析測(cè)量和機(jī)械剔除等，這些方式有很大的局限性，難以滿足實(shí)際生產(chǎn)需求。人工檢測(cè)方法主要適用于透光性較好的農(nóng)產(chǎn)品，不僅費(fèi)時(shí)費(fèi)力，在檢測(cè)中也存在一定的主觀性，檢測(cè)精度難以保證。化學(xué)分析測(cè)量通常需要在實(shí)驗(yàn)室中進(jìn)行，這種方法檢測(cè)時(shí)間較長(zhǎng)，而且成本高，有一定的破壞性，難以實(shí)現(xiàn)現(xiàn)場(chǎng)快速檢測(cè)。機(jī)械剔除法主要是根據(jù)農(nóng)產(chǎn)品和異物的質(zhì)量差異進(jìn)行檢測(cè)剔除，不適用于質(zhì)量等物理性質(zhì)相似的農(nóng)產(chǎn)品異物的檢測(cè)[2]。

傳統(tǒng)異物檢測(cè)方式不能滿足社會(huì)對(duì)農(nóng)產(chǎn)品安全的需求，農(nóng)產(chǎn)品檢測(cè)加工環(huán)節(jié)迫切需要穩(wěn)定、快速和高效的無損檢測(cè)技術(shù)。可見光成像、近紅外成像、熱紅外成像、高光譜成像、X射線成像、超聲波成像、核磁共振成像和太赫茲成像等技術(shù)在生物醫(yī)學(xué)、生物組織檢測(cè)方面取得了成功，在農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)方面具有較大潛力，引起了研究者的廣泛關(guān)注。這些方法對(duì)農(nóng)產(chǎn)品不具有破壞性，可以實(shí)時(shí)、快速地實(shí)現(xiàn)檢測(cè)的目的。筆者重點(diǎn)介紹這些無損檢測(cè)方法的原理、研究現(xiàn)狀及其優(yōu)缺點(diǎn)，以期為農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)研究提供參考。

1 可見光成像技術(shù)

可見光成像技術(shù)在模擬人類視覺對(duì)農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)識(shí)別中應(yīng)用最為廣泛，通過單CCD、雙CCD或3CCD鏡頭分別采集農(nóng)產(chǎn)品的反射圖像或透射，結(jié)合圖像處理算法，實(shí)現(xiàn)農(nóng)產(chǎn)品無損檢測(cè)。其中，光源為散射光源或透射光源。

目前應(yīng)用較多的是煙葉、棉花和茶葉中異物檢測(cè)。煙葉中的異物主要有麻繩、紙箱板、塑料和蟲蛹等，而麻繩和紙箱板等異物與煙葉顏色特征極其相似，為異物識(shí)別與剔除工作增加了很大難度。對(duì)此，張紹堂等[3-4]首先設(shè)計(jì)了基于可見光成像技術(shù)的異物剔除系統(tǒng)，利用正常物料和典型異物分別建立標(biāo)準(zhǔn)顏色庫(kù)和典型異物庫(kù)，從準(zhǔn)色庫(kù)中去除異物庫(kù)中顏色數(shù)據(jù)，得到最終標(biāo)準(zhǔn)物料顏色庫(kù)用以比對(duì)實(shí)際待測(cè)物料顏色，實(shí)現(xiàn)異物檢測(cè)剔除；現(xiàn)場(chǎng)試驗(yàn)結(jié)果表明，此異物識(shí)別方法的異物剔除率為85%以上，煙葉帶出率小于1%；在此系統(tǒng)基礎(chǔ)上，通過顏色表可視化的研究，更新維護(hù)顏色庫(kù)的數(shù)據(jù)并提高異物剔除準(zhǔn)確率。馮志新等[5]研究發(fā)現(xiàn)，在棉花中棉梗、樹葉、棉籽等異物檢測(cè)中，由于光源不穩(wěn)定，采集圖像光照不均；對(duì)此，采用Grammar校正函數(shù)使圖像光照均勻，其中Gamma=0.8；將處理后的3個(gè)通道圖像融合得到高對(duì)比度的圖像，利用Otsu算法對(duì)圖像精確分割，誤檢率達(dá)5%。為了識(shí)別茶葉中石塊、樹棍、雜草等異物，陳培俊[6]根據(jù)棍棒類異物相比于茶葉有明顯的直線特征，而球狀類雜質(zhì)與茶葉的形狀特征相差很大，分別利用優(yōu)化后的霍夫直線變換算法和支持向量機(jī)分類器進(jìn)行識(shí)別，識(shí)別準(zhǔn)確率高于90%。

可見光成像技術(shù)具有檢測(cè)便利、操作簡(jiǎn)單和成本低廉等優(yōu)點(diǎn)，但在農(nóng)產(chǎn)品內(nèi)部品質(zhì)檢測(cè)中局限性很大?；谕干鋱D像的可見光成像技術(shù)可以對(duì)有一定透光性的農(nóng)產(chǎn)品內(nèi)部特征進(jìn)行檢測(cè)識(shí)別，然而大部分農(nóng)產(chǎn)品組織較厚，對(duì)可見光的透過性比較弱，成為可見光成像技術(shù)在農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)應(yīng)用中最大的瓶頸[7-8]。

2 近紅外成像技術(shù)

近紅外光的波段在780～2 500 nm，近紅外光能反映含氫化合物的反射和吸收情況，在同一波長(zhǎng)近紅外光線的照射下，不同物質(zhì)或同一物質(zhì)的不同特征部分擁有不同的反射或吸收特性。根據(jù)分光反射率的不同，選取特定波長(zhǎng)的近紅外光線使得這種差異最大化，在轉(zhuǎn)換成的可視圖片中，可以達(dá)到增強(qiáng)不同特征部位或不同物質(zhì)的灰度對(duì)比的目的，再結(jié)合圖像處理技術(shù)進(jìn)行異物檢測(cè)。

近紅外成像檢測(cè)技術(shù)在棉花、飼料、綠豆和小麥異物檢測(cè)中具有較大潛力。魯?shù)潞芠9]通過篩選確定最優(yōu)檢測(cè)波段為940 nm，在此波段獲得的圖像檢測(cè)結(jié)果與實(shí)際一致，為棉花中異物檢測(cè)提供了新思路。光譜分析與顯微成像技術(shù)的結(jié)合擴(kuò)展了近紅外成像技術(shù)的應(yīng)用范圍。Pavino等[10]檢測(cè)了混有肉類和骨片（MBM）的飼料，結(jié)果表明，顯微近紅外對(duì)MBM飼料中非飼料成分檢測(cè)的靈敏度為100%，特異性為96.30%。Kaliramesh等[11]檢測(cè)了綠豆中四紋豆象蟲，研究通過近紅外成像系統(tǒng)獲得了不同階段四紋豆象蟲侵染的綠豆圖像，并選取最大值、最小值、平均值、中位數(shù)、標(biāo)準(zhǔn)差、方差和10個(gè)直方圖特征設(shè)計(jì)了非參數(shù)統(tǒng)計(jì)分類器，對(duì)正常綠豆和被侵染綠豆的分類精度分別達(dá)到85%和82%以上。Ravikanth等[12]結(jié)合標(biāo)準(zhǔn)正態(tài)變量（SNV）光譜技術(shù)和最近K值鄰域分類器，檢測(cè)小麥中常見污染異物；異物對(duì)象主要有大麥、黑麥和大豆類雜質(zhì)，谷殼和石頭類異物，鹿和兔子排泄物；檢測(cè)系統(tǒng)分類精度在92%以上，該研究還設(shè)立了2個(gè)獨(dú)立試驗(yàn)，完成了對(duì)小麥中異物的定性和定量描述。

盡管近紅外成像檢測(cè)技術(shù)可以彌補(bǔ)常規(guī)圖像檢測(cè)方法的不足，但仍然存在瓶頸等待突破。隨著農(nóng)產(chǎn)品內(nèi)部品質(zhì)檢測(cè)的不斷深入，不同農(nóng)產(chǎn)品或同一農(nóng)產(chǎn)品不同生長(zhǎng)階段的近紅外吸收特性的基礎(chǔ)信息需要積累，相關(guān)信息數(shù)據(jù)庫(kù)的建設(shè)成為必然，是農(nóng)產(chǎn)品內(nèi)部品質(zhì)檢測(cè)實(shí)現(xiàn)應(yīng)用的基礎(chǔ)[13-15]。

3 熱紅外成像技術(shù)

熱紅外成像技術(shù)早期主要用于軍事、電力等行業(yè)。不同物質(zhì)或同一物質(zhì)不同特征部位的紅外熱輻射有一定的差異性，通過熱紅外陣列探測(cè)器將這種差異轉(zhuǎn)換為可視化圖像，結(jié)合待測(cè)物質(zhì)在環(huán)境溫度變化時(shí)的反應(yīng)情況，可實(shí)現(xiàn)異物檢測(cè)。

熱紅外成像技術(shù)在堅(jiān)果、倉(cāng)儲(chǔ)糧食和餅干異物檢測(cè)方面得到關(guān)注。Meinlschmidt等[16-17]應(yīng)用脈沖熱成像技術(shù)，根據(jù)熱導(dǎo)率差異檢測(cè)了櫻桃、漿果、葡萄干和杏仁中的莖、葉、花梗、木棍和小石子等異物；在此基礎(chǔ)上，利用改進(jìn)的熱成像系統(tǒng)對(duì)榛子中果殼和小石子等異物進(jìn)行了進(jìn)一步詳細(xì)研究，通過閃光燈加熱提高了榛子與異物的圖像對(duì)比度，并展示了灰度檢測(cè)、統(tǒng)計(jì)分析和形態(tài)學(xué)處理技術(shù)的優(yōu)缺點(diǎn)。Warmann等[18]通過閾值處理、紋理分析和模糊邏輯法3種方法分別檢測(cè)榛子雜質(zhì)，結(jié)果表明，前2種方法適用于流水線上大量榛子內(nèi)混雜的榛子果殼和小石子等異物的檢測(cè)，準(zhǔn)確率較高；第3種方法適用于榛子單體檢測(cè)。Manickavasagan等[19]使用熱成像儀檢測(cè)麥粒中的銹赤扁谷盜倉(cāng)儲(chǔ)害蟲，識(shí)別麥粒狀態(tài)包括4類幼蟲侵染階段、1類蟲蛹侵染和1類成蟲侵染階段，結(jié)果表明，正常籽粒和受害籽粒的二次函數(shù)識(shí)別準(zhǔn)確率分別為77.7%和83.5%，線性識(shí)別準(zhǔn)確率為83.0%和77.6%，但是對(duì)于內(nèi)部害蟲所處周期的識(shí)別效果不佳。Senni等[20]根據(jù)FLIR A-315熱像儀提供的熱紅外圖像，比較分析餅干和異物的熱發(fā)射率衰減曲線，實(shí)現(xiàn)對(duì)餅干中小石子、金屬顆粒、玻璃和木屑等異物的檢測(cè)，并利用生產(chǎn)線的時(shí)序熱成像圖完成在線測(cè)試。

熱紅外成像技術(shù)具有非破壞、非接觸檢測(cè)的特點(diǎn)，但同時(shí)也存在缺點(diǎn)與局限性。首先，紅外成像儀比同級(jí)別的可見光攝像頭的價(jià)格要貴；其次，熱成像檢測(cè)易受到環(huán)境溫度的影響，對(duì)溫度不穩(wěn)定的物質(zhì)的檢測(cè)能力較弱。此外，熱紅外成像儀的圖像分辨率較低，可將熱紅外成像技術(shù)與其他成像技術(shù)相結(jié)合，提高像素分辨率，從而提高檢測(cè)精度，相應(yīng)配套軟件的開發(fā)也應(yīng)受到重視[21-24]。

4 高光譜成像技術(shù)

高光譜成像技術(shù)發(fā)展自遙感探測(cè)領(lǐng)域，并迅速擴(kuò)展到農(nóng)業(yè)、醫(yī)學(xué)等地面應(yīng)用領(lǐng)域。在不同波段范圍內(nèi)物體吸收率（反射率）的敏感程度是不同的，根據(jù)這一特性，在多個(gè)光譜通道中選擇最佳波長(zhǎng)范圍，使不同物質(zhì)或同一物質(zhì)的不同部位的對(duì)比度最高。在此基礎(chǔ)上，通過光譜成像的方式采集待測(cè)物體的特征參數(shù)，結(jié)合光譜分析和成像技術(shù)實(shí)現(xiàn)農(nóng)產(chǎn)品內(nèi)部異物的檢測(cè)。

高光譜成像技術(shù)在豬肉、魚肉、毛豆和棉花內(nèi)部害蟲等異物檢測(cè)中得到關(guān)注。為了驗(yàn)證利用近紅外高光譜成像技術(shù)檢測(cè)豬肉中金屬、害蟲、碎骨和聚乙烯材料等異物的可行性，Díaz等[25]研究發(fā)現(xiàn)，從數(shù)據(jù)集獲得的圖像中，豬肉和這些異物的對(duì)比度較高，可以實(shí)現(xiàn)檢測(cè)。Sivertsen等[26]使用高光譜成像系統(tǒng)，通過本地校正的方法將光譜數(shù)據(jù)量降低至89.6%，可檢測(cè)到60%的含線蟲魚肉，高斯最大似然分類器分別檢測(cè)到70.8%的黑線蟲和60.3%的乳白色線蟲。馬亞楠等[27]以225例毛豆為研究對(duì)象，識(shí)別豆莢內(nèi)部的豆莢螟；識(shí)別特征參數(shù)為波長(zhǎng)400～1 000 nm獲得的能量信息，結(jié)合支持向量機(jī)分類器建立害蟲檢測(cè)分類模型；在驗(yàn)證集中，含蟲樣本和正常樣本的分類精度分別為75%和100%。顏色透明的地膜是棉花中主要的異物雜質(zhì)之一，易附著于棉花，檢測(cè)識(shí)別難度大。張航[28]利用地膜的Gabor變換的能量均值、不變矩特征和灰度共生矩陣特征組成一個(gè)53維特征集，使用改進(jìn)的最小冗余最大相關(guān)法選出5個(gè)特征，并進(jìn)行分類驗(yàn)證，檢測(cè)準(zhǔn)確率為97.71%。

“圖譜合一”是高光譜成像技術(shù)的最大特點(diǎn)，利用圖像信息和光譜信息分別可以實(shí)現(xiàn)農(nóng)產(chǎn)品外部特征和內(nèi)部特征的檢測(cè)。但高光譜成像技術(shù)獲取的三維數(shù)據(jù)量很大，數(shù)據(jù)處理耗時(shí)長(zhǎng)，只有基于少量光譜帶的光譜成像系統(tǒng)符合快速檢測(cè)的要求。為此，需要尋求新的統(tǒng)計(jì)分析技術(shù)和高效的數(shù)據(jù)降維方法。當(dāng)前大多數(shù)研究都是在實(shí)驗(yàn)室進(jìn)行的，為進(jìn)一步將高光譜成像技術(shù)應(yīng)用到實(shí)際生產(chǎn)中，尚需要更深入的研究[29-32]。

5 X射線成像技術(shù)

利用X射線輻射待測(cè)農(nóng)產(chǎn)品，不同農(nóng)產(chǎn)品內(nèi)部各物質(zhì)的密度和厚度不同，得到的透射X射線的數(shù)量就不同。通過對(duì)透射后的X射線量進(jìn)行多種方式的采集與分析，可以得到待測(cè)農(nóng)產(chǎn)品內(nèi)部質(zhì)構(gòu)信息，如孔洞、害蟲和異物等。

X射線成像技術(shù)對(duì)肉類、乳飲和水果中異物的檢測(cè)有著巨大的潛力。McFarlane等[33]針對(duì)待測(cè)樣本厚度不均勻?qū)射線傳統(tǒng)檢測(cè)法的制約問題，利用插入鎖骨碎片的聚苯乙烯與插入鎖骨碎片的胸脯肉對(duì)比檢測(cè)，得到10～40 keV能量下的雞肉與碎骨對(duì)比度比傳統(tǒng)信息圖像得到的對(duì)比度高2倍、40～90 keV能量下對(duì)比度近似相同的研究結(jié)果。針對(duì)魚肉中魚骨的檢測(cè)，Mery等[34]通過對(duì)獲取的X射線圖像預(yù)處理與分割，提取了三文魚魚肉圖像279個(gè)強(qiáng)度特征，選取24個(gè)并分析；對(duì)典型的三文魚魚肉樣本進(jìn)行測(cè)試，檢測(cè)準(zhǔn)確率達(dá)99%，后期試驗(yàn)表明，檢測(cè)方法同樣適用于鮭鱒魚魚肉的檢測(cè)。Nielsen等[35]通過搭建配有光柵干涉的X射線成像儀，改善了現(xiàn)有X射線成像檢測(cè)方式；利用X射線暗場(chǎng)成像，以測(cè)量噪聲比的方式成功檢測(cè)了碎牛肉中的玻璃、折疊為8層的紙條和瓢蟲，以及酸奶中的果蠅、煙頭和折疊為4層的紙條。Chuang等[36]開發(fā)了一套基于X射線的農(nóng)產(chǎn)品內(nèi)部害蟲自動(dòng)化檢測(cè)裝置，主要檢測(cè)目標(biāo)為桃子、番石榴等水果，結(jié)果表明該設(shè)備可以對(duì)水果內(nèi)部害蟲進(jìn)行準(zhǔn)確定位，定位精度達(dá)到94%。

X射線成像的優(yōu)點(diǎn)在于該技術(shù)憑借其對(duì)物質(zhì)極強(qiáng)的穿透力可以獲得高質(zhì)量的農(nóng)產(chǎn)品內(nèi)部質(zhì)構(gòu)信息，但是農(nóng)產(chǎn)品形狀的復(fù)雜性和不規(guī)則性嚴(yán)重制約著X射線檢測(cè)的效果，針對(duì)這一問題需要開展進(jìn)一步研究[37]。同時(shí)，檢測(cè)裝置的穩(wěn)定性、一體化、便捷性、易操作性和智能化水平也有待提高。X射線檢測(cè)技術(shù)在農(nóng)產(chǎn)品內(nèi)部害蟲等雜質(zhì)檢測(cè)中已開始實(shí)踐應(yīng)用，國(guó)外針對(duì)X射線檢測(cè)法在入境農(nóng)產(chǎn)品內(nèi)部潛隱性害蟲檢測(cè)中的應(yīng)用開展了深入研究。相比之下，國(guó)內(nèi)研究較少，急需開展這方面研究，為我國(guó)現(xiàn)場(chǎng)檢驗(yàn)檢疫工作提供新方向[38-39]。

6 超聲波成像技術(shù)

基于聲學(xué)特性的超聲波成像檢測(cè)技術(shù)，在醫(yī)學(xué)中得到了廣泛應(yīng)用。超聲波在不同待測(cè)樣品介質(zhì)中的動(dòng)態(tài)傳播特性是不同的，利用這種差異，間接對(duì)各類非聲學(xué)量及其動(dòng)態(tài)情況進(jìn)行檢測(cè)或測(cè)繪成像，根據(jù)同一發(fā)射源反射能量的差異性可實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品內(nèi)部異物的檢測(cè)。

超聲波成像技術(shù)在肉類農(nóng)產(chǎn)品、奶酪和巧克力等食品異物檢測(cè)中得到關(guān)注。Correia等[40]設(shè)計(jì)了一種基于脈沖回?fù)芗夹g(shù)的活塞與氣缸裝置，利用蒸餾水樣品校正檢驗(yàn)之后，測(cè)量雞胸脯肉的密度、傳導(dǎo)速度、阻抗和振幅比；根據(jù)振幅比可以成功區(qū)分未切割雞胸脯肉樣本、已切割樣本和含有雞骨碎片投影區(qū)域在6～16 mm2的已切割雞胸脯肉樣本。Vincent等[41]通過使用脈沖信號(hào)和編碼脈沖信號(hào)對(duì)半軟奶酪中的異物實(shí)現(xiàn)了檢測(cè)，檢測(cè)原理是測(cè)量信號(hào)發(fā)射時(shí)間并比較不同樣本接收信號(hào)時(shí)間，如果待測(cè)樣本中沒有異物，信號(hào)接收時(shí)間是有異物樣本的2倍；研究結(jié)果表明，2種信號(hào)的檢測(cè)方法可以實(shí)現(xiàn)半軟奶酪中異物的檢測(cè)，檢測(cè)準(zhǔn)確率達(dá)90%。Pallav等[42]利用空氣耦合式超聲檢測(cè)法，根據(jù)選定的聲學(xué)特性，對(duì)食品中的添加劑和異物進(jìn)行檢測(cè)，實(shí)現(xiàn)了對(duì)奶酪中的異物和冷凍面團(tuán)產(chǎn)品的測(cè)量。Cho等[43]利用超聲波技術(shù)對(duì)奶酪與家禽中的異物進(jìn)行了檢測(cè)。然而，國(guó)內(nèi)超聲波技術(shù)的研究更多集中于農(nóng)產(chǎn)品加工領(lǐng)域中的強(qiáng)化分離、殺菌、洗滌、成分萃取和干燥脫水等，部分研究為建材、工程的現(xiàn)場(chǎng)檢測(cè)，在農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)方面較少。

超聲波的優(yōu)點(diǎn)是穿透能力強(qiáng)、易激發(fā)、方向性好、能量不易分散，對(duì)檢測(cè)環(huán)境以及工作人員的要求低。由于這種彈性波在介質(zhì)中傳播會(huì)受到一定程度的衰減，超聲與待測(cè)樣品之間的介質(zhì)成為研究者關(guān)注的焦點(diǎn)。近年來檢測(cè)介質(zhì)與待測(cè)對(duì)象必須接觸的局限性得以突破，空氣耦合式超聲波檢測(cè)系統(tǒng)成為新方向。超聲波的空化效應(yīng)、機(jī)械作用和熱效應(yīng)對(duì)檢測(cè)對(duì)象的未知影響，是實(shí)現(xiàn)綠色無損檢測(cè)的潛在威脅。雖然超聲波技術(shù)在農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)中潛力巨大，但國(guó)內(nèi)相關(guān)研究需要進(jìn)一步深入，將新型檢測(cè)技術(shù)在我國(guó)推廣開來[2，44]。

7 核磁共振成像技術(shù)

核磁共振成像技術(shù)是一種生物組織內(nèi)部結(jié)構(gòu)特征直觀透視研究的高效手段。在外加的磁場(chǎng)中，生物體中的氫原子核受到電磁波的輻射作用時(shí)會(huì)產(chǎn)生核磁共振現(xiàn)象。如果在外加磁場(chǎng)上加入線性磁場(chǎng)梯度，質(zhì)子運(yùn)動(dòng)頻率就會(huì)反映出其所在的位置信息。探測(cè)器采集核磁共振信號(hào)并傳入處理軟件，根據(jù)形成的高度比度樣本圖像進(jìn)行識(shí)別檢測(cè)。

核磁共振成像中所釋放的能量在農(nóng)產(chǎn)品內(nèi)部不同結(jié)構(gòu)中衰減情況是不同的，在蘋果內(nèi)部害蟲等異物的檢測(cè)中表現(xiàn)突出。Ihara等[45]利用1-Tesla專用磁共振成像儀觀察直徑小于30 mm小蘋果中的果蛾，在成像系統(tǒng)中檢測(cè)到1.5～2.0 mm 長(zhǎng)的幼蟲和小坑，還觀察到排泄物；該檢測(cè)系統(tǒng)尺寸較小，僅適用于直徑小于30 mm的小蘋果，對(duì)于市場(chǎng)上常見的成熟的蘋果不適用。針對(duì)這一點(diǎn)，Haishi等[46]使用配備110 mm大線圈的0.2-Tesla緊湊型核磁共振成像儀，對(duì)成熟蘋果中的果蛾進(jìn)行檢測(cè)，利用3D自旋回波法，在侵染的空洞中檢測(cè)到成熟幼蟲和排泄物，但僅在少數(shù)樣本中檢測(cè)到果蛾幼蟲。盡管測(cè)量時(shí)間較長(zhǎng)，但為蘋果內(nèi)部果蛾的生命周期研究提供了新思路。Koizumi等[47]利用1-Tesla小型專用微型核磁共振成像儀對(duì)幼果內(nèi)部果蛾周期生理活動(dòng)特征進(jìn)行了觀察，通過3D梯度回波方法、2D和3D自旋回波方法獲取了幼蟲的生命周期活動(dòng)，主要為從1.8 mm的果蛾幼蟲到成蟲離開蘋果過程中的活動(dòng)特征，并進(jìn)一步證明此方法有望成為成熟蘋果內(nèi)害蟲檢測(cè)的重要基礎(chǔ)。

核磁共振成像技術(shù)對(duì)農(nóng)產(chǎn)品內(nèi)部異物可以進(jìn)行任意方向的切層，且不具有輻射危害。常見的核磁共振成像技術(shù)是基于氫原子核的共振，此外，基于碳、氧和氮原子的共振技術(shù)也在研究中。核磁共振圖像比CT圖像有更精確的檢測(cè)結(jié)果，但由于儀器成本高，使其應(yīng)用范圍受限。在農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)中，核磁共振成像技術(shù)還是一個(gè)較新的方向。隨著低成本、低場(chǎng)強(qiáng)、高速度和高精度的核磁共振設(shè)備的研發(fā)，核磁共振成像技術(shù)在農(nóng)產(chǎn)品領(lǐng)域的應(yīng)用將得到進(jìn)一步加強(qiáng)[48-50]。

8 太赫茲成像技術(shù)

太赫茲成像技術(shù)是內(nèi)部品質(zhì)檢測(cè)的新興手段。如果作為輻射源的太赫茲波形已知，在其對(duì)樣品反射輻射或透射輻射之后，樣品相關(guān)的復(fù)介電常數(shù)信息將從反射譜或透射譜中包含的振幅和相位信息中獲得。太赫茲成像系統(tǒng)根據(jù)探測(cè)器采集到的振幅和相位信息進(jìn)行分析處理，得到樣品的特征太赫茲圖像。

高距離分辨率的太赫茲波在傳播、吸收等方面的顯著優(yōu)勢(shì)成為眾多研究的熱點(diǎn)，在農(nóng)產(chǎn)品檢測(cè)方面也進(jìn)行了一定探索。Lee等[51]通過連續(xù)波太赫茲成像與X射線成像的對(duì)比試驗(yàn)，檢測(cè)常見食物中異物；檢測(cè)異物包括鋁和花崗石類高密度異物，蠅蛆和蟋蟀類低密度異物；食物樣本為韓式即食面條，并用攪拌機(jī)磨為細(xì)粉；結(jié)果表明，太赫茲連續(xù)波成像技術(shù)對(duì)于食物內(nèi)部高密度和低密度的異物都有很好的檢測(cè)能力。Ok等[52]使用210 GHz高分辨率光柵掃描成像系統(tǒng)，對(duì)比透射掃描與反射掃描成像2種方法，結(jié)果顯示，奶粉中昆蟲和塑料異物在透射圖像中對(duì)比度高于反射掃描成像，并進(jìn)一步證明了太赫茲成像技術(shù)在食物異物檢測(cè)中的巨大潛力。Shin等[53]使用太赫茲時(shí)域光譜儀，在頻率0.2～1.3 THz獲得多種食物樣本（如谷類和魚類等）和粉蟲異物的光學(xué)特性；從這些光學(xué)特性獲得樣本的二維復(fù)合折射圖顯示，食物和粉蟲特征在0.5 THz時(shí)差異較大，可以實(shí)現(xiàn)檢測(cè)。

太赫茲成像技術(shù)對(duì)于低密度樣品檢測(cè)成像的清晰度高于X射線成像，與超聲成像檢測(cè)相比也擁有更高的空間分辨率。圖像中包含的信息十分豐富，通過脈沖成像和連續(xù)波成像2種成像方式可分別獲得樣品的光譜信息和強(qiáng)度信息。太赫茲成像檢測(cè)技術(shù)的優(yōu)點(diǎn)是抗干擾能力強(qiáng)、穿透力高，而且可以實(shí)現(xiàn)非電離輻射的安全檢測(cè)，但此技術(shù)處于研究階段，設(shè)備價(jià)格昂貴。隨著對(duì)太赫茲波傳播過程的精準(zhǔn)分析、太赫茲波與待測(cè)樣品相互作用機(jī)理研究的不斷深入和硬件成本的降低，太赫茲波成像技術(shù)在農(nóng)產(chǎn)品內(nèi)部品質(zhì)檢測(cè)中將更具潛力[54-59]。

9 展望

針對(duì)農(nóng)產(chǎn)品內(nèi)部異物的檢測(cè)需求及使用場(chǎng)合，檢測(cè)技術(shù)的選擇至關(guān)重要，檢測(cè)環(huán)境的控制也不容忽視。不同于一般工業(yè)產(chǎn)品，農(nóng)產(chǎn)品種類繁多，圖像特征的復(fù)雜性和不規(guī)則性十分明顯。只有通過數(shù)據(jù)采集環(huán)境、采集條件的控制，將噪聲污染降到最低，結(jié)合先進(jìn)的圖像處理技術(shù)，才能實(shí)現(xiàn)精準(zhǔn)的異物檢測(cè)。

農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)技術(shù)通常只能對(duì)農(nóng)產(chǎn)品內(nèi)部的一個(gè)特征或幾個(gè)特征檢測(cè)描述，這種局限性在一定程度上影響檢測(cè)的準(zhǔn)確性和穩(wěn)定性。農(nóng)產(chǎn)品內(nèi)部特征參數(shù)是多方面的，單一某個(gè)技術(shù)難以對(duì)農(nóng)產(chǎn)品內(nèi)部品質(zhì)進(jìn)行全面檢測(cè)，只有多傳感器檢測(cè)信息融合，才能保證異物檢測(cè)的精度。檢測(cè)技術(shù)的硬件結(jié)合和軟件數(shù)據(jù)融合，對(duì)于農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)意義重大。

大部分農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)技術(shù)都是從軍事、工業(yè)、醫(yī)學(xué)等領(lǐng)域發(fā)展而來，檢測(cè)手段和設(shè)備儀器需要根據(jù)農(nóng)產(chǎn)品的需要進(jìn)行定制開發(fā)。由于檢測(cè)對(duì)象、研究領(lǐng)域的不同，部分移植而來的檢測(cè)技術(shù)存在檢測(cè)周期長(zhǎng)的特點(diǎn)，不能滿足農(nóng)產(chǎn)品實(shí)時(shí)、高效和快速檢測(cè)的需求。此外，部分檢測(cè)設(shè)備成本很高，相比于種類繁多、價(jià)格普遍低廉的農(nóng)產(chǎn)品，會(huì)產(chǎn)生“殺雞用牛刀”的現(xiàn)象。隨著農(nóng)產(chǎn)品內(nèi)部異物檢測(cè)技術(shù)的不斷發(fā)展，發(fā)展實(shí)時(shí)在線、高效快速的專用化農(nóng)產(chǎn)品檢測(cè)成為趨勢(shì)。

參考文獻(xiàn)

[1] DJEKIC I，JANKOVIC D，RAJKOVIC A.Analysis of foreign bodies present in European food using data from Rapid Alert System for Food and Feed（RASFF）[J].Food control，2017，79：143-149.

[2] CHEN Q S，ZHANG C J，ZHAO J W，et al.Recent advances in emerging imaging techniques for nondestructive detection of food quality and safety[J].Trends in analytical chemistry，2013，52：261-274.

[3] 張紹堂，蔣作，鄭智捷.機(jī)器視覺技術(shù)在煙草異物剔除系統(tǒng)中的應(yīng)用[J].云南民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，16（2）：161-164.

[4] 張紹堂.煙草異物剔除系統(tǒng)中顏色表可視化研究[J].中國(guó)科技信息，2011（11）：144.

[5] 馮志新，安浩平，吳順麗.基于 RGB 顏色模型棉花雜質(zhì)檢測(cè)算法[J].計(jì)算機(jī)與現(xiàn)代化，2013（4）：99-102.

[6] 陳培俊.基于圖像處理和模式分類的茶葉雜質(zhì)識(shí)別研究[D].南京：南京航空航天大學(xué)，2014.

[7] 文韜，洪添勝，李震，等.基于機(jī)器視覺的橘小實(shí)蠅運(yùn)動(dòng)軌跡跟蹤與數(shù)量檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（10）：137-141.

[8] DOWLATI M，MOHTASEBI S S，DE LA GUARDIA M.Application of machinevision techniques to fishquality assessment[J].Trends in analytical chemistry，2012，40（3/4）：168-179.

[9] 魯?shù)潞?基于近紅外波長(zhǎng)成像的異物檢測(cè)新方法[J].鄭州大學(xué)學(xué)報(bào)（理學(xué)版），2008，40（3）：93-97.

[10] PAVINO D，SQUADRONE S，COCCHI M，et al.Towards a routine application of vibrational spectroscopy to the detection of bone fragments in feeding stuffs：Use and validation of a NIR scanning microscopy method[J].Food chemistry，2010，121（3）：826-831.

[11] KALIRAMESH S，CHELLADURAI V，JAYAS D S，et al.Detection of infestation by Callosobruchus maculatus in mung bean using nearinfrared hyperspectral imaging[J].Journal of stored products research，2013，52（1）：107-111.

[12] RAVIKANTH L，SINGH C B，JAYAS D S，et al.Performance evaluation of a model for the classification of contaminants from wheat using nearinfrared hyperspectral imaging[J].Biosystems engineering，2016，147：248-258.

[13] 周建民，周其顯，劉燕德，等.紅外成像技術(shù)在農(nóng)產(chǎn)品加工自動(dòng)化中的應(yīng)用[J].中國(guó)農(nóng)機(jī)化，2010（6）：69-72.

[14] SARANWONG S，HAFF R，THANAPASE W，et al.Short communication：A feasibility study using simplified near infrared imaging to detect fruit fly larvae in intact fruit[J].Journal of near infrared spectroscopy，2011，19（1）：55.

[15] WU D，SUN D W.Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment：A reviewPart II：Applications[J].Innovative food science and emerging technologies，2013，19（1）：15-28.

[16] MEINLSCHMIDT P，MAERGNER V.Detection of foreign substances in food using thermography[C]//MALDAGUE X P，ROZLOSNIK A E.Proc.SPIE，Thermosense XXIV.Bellingham，WA：SPIE，2002.

[17] MEINLSCHMIDT P，MAERGNER V.Thermographic techniques and adapted algorithms for automatic detection of foreign bodies in food[C]//CRAMER K E，MALDAGUE X P.Proc.SPIE 5073，Thermosense XXV.Bellingham，WA：SPIE，2003.

[18] WARMANN C，MRGNER V.Quality control of hazel nuts using thermographic image processing[C]// Proceedings of the IAPR Conference on Machine Vision Applications（IAPR MVA 2005）.Japan：Tsukuba Science City，2005.

[19] MANICKAVASAGAN A，JAYAS D S，WHITE N.Thermal imaging to detect infestation by Cryptolestes ferrugineus inside wheat kernels[J].Journal of stored products research，2008，44（2）：186-192.

[20] SENNI L，RICCI M，PALAZZI A，et al.Online automatic detection of foreign bodies in biscuits by infrared thermography and image processing[J].Journal of food engineering，2014，128：146-156.

[21] GOWENA A A，TIWARIA B K，CULLENB P J，et al.Applications of thermal imaging in food quality and safety assessment[J].Trends in food science and technology，2010，21（4）：190-200.

[22] 李小龍，王庫(kù)，馬占鴻，等.基于熱紅外成像技術(shù)的小麥病害早期檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（18）：183-189.

[23] 王斐，吳德軍，翟國(guó)鋒，等.側(cè)柏衰弱木和蛀干害蟲受害木的熱紅外成像檢測(cè)[J].光譜學(xué)與光譜分析，2015，35（12）：3410-3415.

[24] GINESU G，GIUSTO D D，MARGNER V，et al.Detection of foreign bodies in food by thermal image processing[J].Industrial Electronics IEEE Transactions on，2004，51（2）：480-490.

[25] DAZ R，CERVERA L，F(xiàn)ENOLLOSA S，et al.Hyperspectral system for the detection of foreign bodies in meat products[J].Procedia engineering，2011，25（1）：313-316.

[26] SIVERTSEN A H，HEIA K，HINDBERG K，et al.Automatic nematode detection in cod fillets（Gadus morhua L.）by hyperspectral imaging[J].Journal of food engineering，2012，111（4）：675-681.

[27] 馬亞楠，黃敏，李艷華，等.基于能量信息的毛豆豆莢螟高光譜圖像檢測(cè)[J].食品工業(yè)科技，2014，35（14）：59-63.

[28] 張航.基于高光譜成像技術(shù)的皮棉中地膜識(shí)別方法研究[D].北京：中國(guó)農(nóng)業(yè)大學(xué)，2016.

[29] YOON S C，PARK B，LAWRENCE K C，et al.Linescan hyperspectral imaging system for realtime inspection of poultry carcasses with fecal material and ingesta[J].Computers and electronics in agriculture，2011，79（2）：159-168.

[30] SIVERTSEN A H，HEIA K，STORMO S K，et al.Automatic nematode detection in cod fillets（Gadus Morhua）by transillumination hyperspectral imaging[J].Journal of food science，2011，76（1）：77-83.

[31] LU R F，ARIANA D P.Detection of fruit fly infestation in pickling cucumbers using a hyperspectral reflectance/transmittance imaging system[J].Postharvest biology and technology，2013，81：44-50.

[32] RADY A，EKRAMIRAD N，ADEDEJI A A，et al.Hyperspectral imaging for detection of codling moth infestation in GoldRush apples[J].Postharvest biology and technology，2017，129：37-44.

[33] MCFARLANE N J B，SPELLER R D，BULL C R，et al.Detection of bone fragments in chicken meat using Xray backscatter[J].Biosystems engineering，2003，85（2）：185-199.

[34] MERY D，LILLO I，LOEBEL H，et al.Automated fish bone detection using Xray imaging[J].Journal of food engineering，2011，105（3）：485-492.

[35] NIELSEN M S，LAURIDSEN T，CHRISTENSEN L B，et al.Xray darkfield imaging for detection of foreign bodies in food[J].Food control，2013，30（2）：531-535.

[36] CHUANG C L，OUYANG C S，LIN T T，et al.Automatic Xray quarantine scanner and pest infestation detector for agricultural products[J].Computers and electronics in agriculture，2011，77（1）：41-59.

[37] 洪冠，趙茂程，汪希偉，等.肉異物識(shí)別中肉厚度激光補(bǔ)償試驗(yàn)系統(tǒng)的研制[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（10）：274-280.

[38] 韓平，潘立剛，馬智宏，等.X射線無損檢測(cè)技術(shù)在農(nóng)產(chǎn)品品質(zhì)評(píng)價(jià)中的應(yīng)用[J].農(nóng)機(jī)化研究，2009，31（10）：6-10.

[39] CHELLADURAI V，KARUPPIAH K，JAYAS D S，et al.Detection of Callosobruchus maculatus（F.）infestation in soybean using soft Xray and NIR hyperspectral imaging techniques[J].Journal of stored products research，2014，57（4）：43-48.

[40] CORREIA L R，MITTAL G S，BASIR O A.Ultrasonic detection of bone fragment in mechanically deboned chicken breasts[J].Innovative food science and emerging technologies，2008，9（1）：109-115.

[41] VINCENT L，MARIEFRANCE D.Ultrasonic internal defect detection in cheese[J].Journal of food engineering，2009，90（3）：333-340.

[42] PALLAV P，HUTCHINS D A，GAN T H.Aircoupled ultrasonic evaluation of food materials[J].Ultrasonics，2009，49（2）：244-253.

[43] CHO B K，IRUDAYARAJ J M K.Foreign object and internal disorder detection in food materials using noncontact ultrasound imaging[J].Journal of food science，2003，68（3）：967-974.

[44] 晉艷云.玉米種子凈度超聲波檢測(cè)方法及裝置研究[D].北京：中國(guó)農(nóng)業(yè)大學(xué)，2016.

[45] IHARA F，YAGINUMA K，ISHIDA N，et al.Nondestructive observation of peach fruit moth，Carposina sasakii Matsumura（Lepidoptera：Carposinidae），in young apple fruits by MRI[J].Japanese journal of applied entomology and zoology，2008，52（3）：123-128.

[46] HAISHI T，KOIZUMI H，ARAI T，et al.Noninvasive observations of an infestation by the peach fruit moth，Carposina sasakii Matsumura（Lepidoptera：Carposinidae）in apples using a 0.2T compact MRI system[J].Japanese journal of ecology，2009，59（3）：249-257.

[47] KOIZUMI M，IHARA F，YAGINUMA K，et al.Observation of the peach fruit moth，Carposina sasakii，larvae in young apple fruit by dedicated micromagnetic resonance imaging[J].Journal of insect science，2010，10（145）：1-10.

[48] KOIZUMI M，NAITO S，ISHIDA N，et al.A dedicated MRI for food science and agriculture[J].Food science and technology research，2008，14（1）：74-82.

[49] 周水琴，應(yīng)義斌，商德勝.基于形態(tài)學(xué)的香梨褐變核磁共振成像無損檢測(cè)[J].浙江大學(xué)學(xué)報(bào)（工學(xué)版），2012，46（12）：2141-2145.

[50] 段秀霞，施文正，汪之和.低場(chǎng)核磁共振技術(shù)在水產(chǎn)品品質(zhì)分析中的研究進(jìn)展[J].漁業(yè)現(xiàn)代化，2016，43（5）：42-46.

[51] LEE Y K，CHOI S W，HAN S T，et al.Detection of foreign bodies in foods using continuous wave terahertz imaging[J].Journal of food protection，2012，75（1）：179-183.

[52] OK G，KIM H J，CHUN H S，et al.Foreignbody detection in dry food using continuous subterahertz wave imaging[J].Food control，2014，42（3）：284-289.

[53] SHIN H J，CHOI S W，OK G.Qualitative identification of food materials by complex refractive index mapping in the terahertz range[J].Food chemistry，2018，245：282-288.

[54] OK G，PARK K，LIM M C，et al.140GHz subwavelength transmission imaging for foreign body inspection in food products[J].Journal of food engineering，2017，221：124-131.

[55] 張瑾，王潔，沈雁，等.小波圖像融合在太赫茲無損檢測(cè)中的應(yīng)用[J].光譜學(xué)與光譜分析，2017，37（12）：3683-3688.

[56] OK G，CHOI S W，PARK K H，et al.Foreign object detection by subterahertz quasiBessel beam imaging[J].Sensors，2013，13（1）：71-85.

[57] GOWEN A A，OSULLIVAN C，O'DONNELL C P.Terahertz time domain spectroscopy and imaging：Emerging techniques for food process monitoring and quality control[J].Trends in food science and technology，2012，25（1）：40-46.

[58] JEPSEN P U，COOKE D G，KOCH M.Terahertz spectroscopy and imaging：Modern techniques and applications[J].Laser photonics reviews，2011，5（1）：124-166.

[59] WANG K Q，SUN D W，PU H B.Emerging nondestructive terahertz spectroscopic imaging technique：Principle and applications in the agrifood industry[J].Trends in food science and technology，2017，67：93-105.