楊巧玲,鄧曉軍,孫曉東,鈕 冰,古淑青,陳 沁,*

(1.上海大學(xué)生命科學(xué)學(xué)院,上海 200444;2.上海海關(guān)動(dòng)植物與食品檢驗(yàn)檢疫技術(shù)中心,上海 200135;3.上海大學(xué)醫(yī)學(xué)院(籌),上海 200444)

食品質(zhì)量安全問(wèn)題是關(guān)乎國(guó)計(jì)民生的大事,隨著經(jīng)濟(jì)的快速增長(zhǎng),物質(zhì)生活質(zhì)量的提高,人們對(duì)食品安全的要求越來(lái)越高。近年來(lái)頻繁爆發(fā)的食品安全事件,使食品的質(zhì)量安全問(wèn)題成為社會(huì)關(guān)注的熱點(diǎn)[1]。食品質(zhì)量安全檢測(cè)包括摻假食品檢測(cè)、農(nóng)藥殘留檢測(cè)、添加劑超標(biāo)檢測(cè),以及食品產(chǎn)地來(lái)源檢測(cè),特殊成分檢測(cè)等。傳統(tǒng)的檢測(cè)技術(shù)主要為色譜法和質(zhì)譜法,包括高效液相色譜法(HPLC)、液相色譜-質(zhì)譜法(LC-MS)、氣相色譜-質(zhì)譜法(GC-MS)等,這些技術(shù)的樣品前處理過(guò)程復(fù)雜,不利于現(xiàn)場(chǎng)的快速檢查。與此同時(shí),光譜檢測(cè)技術(shù)迅速發(fā)展,其不僅不需要復(fù)雜的樣品前處理過(guò)程,而且可以進(jìn)行實(shí)時(shí)實(shí)地檢測(cè),被廣泛應(yīng)用于口岸等特定場(chǎng)合的食品質(zhì)量安全篩查[2]。利用不同光譜的優(yōu)勢(shì)進(jìn)行互補(bǔ)的光譜數(shù)據(jù)融合技術(shù)是近年來(lái)新興的一種無(wú)損檢測(cè)技術(shù),可以對(duì)食品進(jìn)行快速的定性定量分析[3]。如拉曼光譜可以檢測(cè)原子的非極性鍵振動(dòng),如N-N、C-C、S-S鍵等,紅外光譜可以檢測(cè)具有紅外活性的分子,即一些極性基團(tuán)的譜帶信號(hào)較強(qiáng),如C-H、N-H和O-H鍵等,兩者在分子基團(tuán)定性檢測(cè)中是互補(bǔ)的關(guān)系[4]。目前常用的光譜數(shù)據(jù)融合技術(shù)有拉曼-紅外光譜技術(shù),近紅外-中紅外光譜技術(shù)和紫外-紅外光譜技術(shù),由于這些技術(shù)獲得的信息更準(zhǔn)確更全面,成為近年來(lái)國(guó)內(nèi)外研究的熱點(diǎn)。因此本文介紹了光譜數(shù)據(jù)融合技術(shù)的特點(diǎn),數(shù)據(jù)融合常用的化學(xué)計(jì)量學(xué)方法以及在食品檢測(cè)中的應(yīng)用,并對(duì)該技術(shù)的未來(lái)發(fā)展進(jìn)行了展望。

1 光譜數(shù)據(jù)融合技術(shù)的特點(diǎn)

單個(gè)光譜檢測(cè)技術(shù)如紅外光譜技術(shù)、拉曼光譜技術(shù)、紫外可見(jiàn)光譜技術(shù)在食品質(zhì)量安全檢測(cè)方面應(yīng)用廣泛,但也存在一些弊端,如表1所示。

表1 常見(jiàn)光譜技術(shù)比較Table 1 Comparision of commom spectral techniques

為了彌補(bǔ)這些弊端,光譜數(shù)據(jù)融合技術(shù)應(yīng)運(yùn)而生,該技術(shù)主要是用不同方法,將單光譜的信息進(jìn)行整合,以獲得更準(zhǔn)確更全面的結(jié)果。其主要特點(diǎn)有:a.檢測(cè)結(jié)果更準(zhǔn)確全面:目前應(yīng)用最多的方法是對(duì)采集的光譜數(shù)據(jù)進(jìn)行不同層次的數(shù)據(jù)融合,由于融合數(shù)據(jù)包含的有用信息更多,使建模得到的檢測(cè)結(jié)果更準(zhǔn)確更全面;b.檢測(cè)效率高:光譜設(shè)備融合可以用一臺(tái)儀器,同時(shí)采集樣品的多種光譜信息,提高檢測(cè)效率;c.操作方便:光譜一體化設(shè)備在采集光譜時(shí)可以一鍵切換成不同的光譜采集技術(shù),操作比單光譜技術(shù)更方便;d.數(shù)據(jù)處理過(guò)程較復(fù)雜,難度較大:由于光譜數(shù)據(jù)融合技術(shù)需要許多化學(xué)計(jì)量學(xué)方法來(lái)對(duì)不同光譜數(shù)據(jù)進(jìn)行融合、分析、建模等,對(duì)軟件方面的開(kāi)發(fā)要求較高,這也是光譜數(shù)據(jù)層融合技術(shù)的一個(gè)弊端;e.多光譜檢測(cè)的一體機(jī)設(shè)備還未實(shí)現(xiàn)數(shù)據(jù)處理一體化,仍需要將數(shù)據(jù)進(jìn)行分開(kāi)處理,因此光譜儀器和數(shù)據(jù)處理一體化融合的設(shè)備是未來(lái)的光譜檢測(cè)的發(fā)展趨勢(shì)。常見(jiàn)的光譜數(shù)據(jù)融合技術(shù)有拉曼-紅外光譜技術(shù)、近紅外-中紅外光譜技術(shù)、紫外-紅外光譜技術(shù),還有一些其它光譜技術(shù)如熒光光譜技術(shù)、核磁共振技術(shù)[22-23],微波消解-電感耦合離子體發(fā)射光譜技術(shù)[24]、火焰法原子吸收光譜技術(shù)[25]、太赫茲光譜分析技術(shù)[26]、高光譜成像技術(shù)[27-28]等,這些光譜技術(shù)也可以根據(jù)各自不同的特點(diǎn)進(jìn)行融合,達(dá)到優(yōu)勢(shì)互補(bǔ)的目的。雖然應(yīng)用的檢測(cè)技術(shù)不同,但檢測(cè)標(biāo)準(zhǔn)都要與國(guó)家檢驗(yàn)標(biāo)準(zhǔn)一致[29]。在實(shí)際應(yīng)用中,光譜數(shù)據(jù)融合技術(shù)就是在達(dá)到國(guó)家標(biāo)準(zhǔn)的基礎(chǔ)上,不斷提高檢測(cè)結(jié)果的準(zhǔn)確度和靈敏度,為食品質(zhì)量安全檢測(cè)提供更好的理論和技術(shù)支持。

2 光譜數(shù)據(jù)融合技術(shù)的方法

數(shù)據(jù)融合可以認(rèn)為是多個(gè)信息源的組合,以獲得改進(jìn)的信息,在這種情況下,改進(jìn)的信息意味著成本更低、質(zhì)量更高或相關(guān)性更強(qiáng)。將各光譜的數(shù)據(jù)以不同的方式融合在一起,可以得到更全面更有用的信息。在光譜數(shù)據(jù)進(jìn)行融合之前,通常需要結(jié)合化學(xué)計(jì)量學(xué)方法,對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理,提取特征波長(zhǎng),從而獲得更有用的信息。

2.1 預(yù)處理

光譜數(shù)據(jù)在收集的時(shí)候易受到雜散光、噪聲、熒光背景等因素的影響,從而影響建模效果。因此,需要對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理,以盡量消除各種因素的影響,從而得到較為理想的建模效果[30]。光譜數(shù)據(jù)預(yù)處理的方法有很多,根據(jù)處理效果分為平滑處理、散射校正、基線校正、尺度縮放[31]。平滑主要是為了降低噪聲的影響,提高信噪比,包括Savitzky-Golay(S-G平滑)[32]、小波變換(WT)和小波閾值去噪。散射校正是用來(lái)消除散射光對(duì)光譜的影響,這種散射光主要由于樣品顆粒分布不均勻及顆粒大小不同而產(chǎn)生,會(huì)使光譜基線平移和偏移,主要方法有多元散射校正(MSC)和標(biāo)準(zhǔn)正態(tài)變量變換(SNV)。基線校正是為了扣除儀器背景對(duì)光譜信號(hào)的影響,常用的處理方法有二階導(dǎo)數(shù)法,8th多項(xiàng)式擬合法,極大極小值自適應(yīng)縮放法,一階微分和二階微分法等[33]。尺度縮放是為了消除數(shù)據(jù)差異較大而帶來(lái)的不良影響,包括最大最小歸一化、標(biāo)準(zhǔn)化、中心化等。

光譜數(shù)據(jù)預(yù)處理的方法有很多,但由于實(shí)驗(yàn)的環(huán)境、儀器性能等方面的差異,要根據(jù)實(shí)際情況選擇合適的預(yù)處理方法。例如許英杰等[34]提出了一種基于臨近比較的快速基線校正方法,根據(jù)在相同背景下采取的光譜之間的相關(guān)性,實(shí)現(xiàn)快速基線校準(zhǔn),該方法比傳統(tǒng)的基線校正方法更快,可以實(shí)現(xiàn)大量的拉曼信號(hào)基線校準(zhǔn)。

2.2 特征波段提取

光譜進(jìn)行特征波長(zhǎng)提取可以除去冗雜的信息,篩選有用信息。最常用的提取特征波長(zhǎng)方法是偏最小二乘判別分析(PLS-DA)。姚森等[35]利用PLS-DA將預(yù)處理后的傅里葉變換紅外光譜和紫外光譜數(shù)據(jù)提取成分并整合,再進(jìn)行中層融合,得到的預(yù)測(cè)結(jié)果比單光譜結(jié)果更準(zhǔn)確。特征波長(zhǎng)提取的方法還有競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法(CARS)、間隔偏最小二乘法(BiPLS)、聯(lián)合間隔偏最小二乘法(SiPLS)、連續(xù)投影算法(SPA)、無(wú)變量信息消除法(UVE)、隨機(jī)蛙跳(SFLA)等。針對(duì)特定的光譜數(shù)據(jù),用不同方法提取特征波長(zhǎng)最后得到的檢測(cè)結(jié)果不同。吳雙等[36]利用標(biāo)準(zhǔn)正態(tài)變量變換方法(SNV)、標(biāo)準(zhǔn)正態(tài)變量變換方法和去趨勢(shì)技術(shù)聯(lián)用算法(SNV-DT)對(duì)食用植物油的激光近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理,再用CARS、SPA和CARS-SPA三種方法進(jìn)行特征波長(zhǎng)提取,最后用支持向量機(jī)分類(lèi)方法(SVC)建模,結(jié)果表明CARS-SVC、SPA-SVC和CARS-SPA-SVC模型預(yù)測(cè)集準(zhǔn)確率均達(dá)到96.77%,預(yù)測(cè)效果理想,其中SNV-DT-SPA-SVC模型預(yù)測(cè)效果最優(yōu),預(yù)測(cè)集準(zhǔn)確率達(dá)到100%。說(shuō)明基于特征波長(zhǎng)建模的預(yù)測(cè)效果更好。

2.3 數(shù)據(jù)層融合

數(shù)據(jù)融合可以在三個(gè)層次上進(jìn)行,分別是低層融合、中層融合、高層融合,流程如圖1所示[37]。

圖1 數(shù)據(jù)融合流程圖Fig.1 Data fusion scheme

低層融合即光譜的數(shù)據(jù)層融合,來(lái)自所有數(shù)據(jù)源的數(shù)據(jù)被簡(jiǎn)單地按樣本順序連接到一個(gè)矩陣中,該矩陣的行數(shù)與分析樣本的行數(shù)相同,列數(shù)與不同儀器測(cè)量的信號(hào)(變量)的列數(shù)相同,然后利用化學(xué)計(jì)量學(xué)方法提供最終分類(lèi)或預(yù)測(cè)的單個(gè)模型。數(shù)據(jù)層融合目前已被廣泛應(yīng)用于食品和飲料的原產(chǎn)地認(rèn)證和質(zhì)量評(píng)估,如Nunes等[38]測(cè)定摻假肉的蛋白質(zhì)、灰分、氯化物、鈉、磷酸鹽五個(gè)理化指標(biāo),并利用傅里葉變換衰減全反射紅外光譜法記錄紅外光譜數(shù)據(jù),再對(duì)數(shù)據(jù)集進(jìn)行Savitzky-Golay平滑、MSC和類(lèi)質(zhì)心定心處理。將理化指標(biāo)數(shù)據(jù)和ATR-FTIR數(shù)據(jù)簡(jiǎn)單地串聯(lián)起來(lái)進(jìn)行低層融合,建立PLS-DA模型,結(jié)果顯示,在訓(xùn)練集和測(cè)試集中均只出現(xiàn)了2個(gè)假陰性數(shù),沒(méi)有出現(xiàn)假陽(yáng)性數(shù)。對(duì)比沒(méi)有數(shù)據(jù)融合建立的PLS-DA模型,數(shù)據(jù)層融合建立的模型更有優(yōu)越性。但簡(jiǎn)單的數(shù)據(jù)融合會(huì)把一些冗雜的數(shù)據(jù)也應(yīng)用到分類(lèi)或建模過(guò)程中,增加數(shù)據(jù)的冗余性,使數(shù)據(jù)處理的工作量變大。

中層融合是分別從每個(gè)數(shù)據(jù)源中提取相關(guān)特征,然后將它們組合成一個(gè)矩陣,通過(guò)分類(lèi)或校正方法進(jìn)行處理,因此這一層次融合又稱(chēng)為特征層融合。在中層融合中,特征提取是一個(gè)基本步驟,大多數(shù)情況下使用的是潛在變量。中層融合方法廣泛應(yīng)用于食品質(zhì)量安全檢測(cè)中,如Dupuy等[39]利用中紅外和近紅外光譜技術(shù)對(duì)初榨橄欖油中的脂肪酸和三酰甘油進(jìn)行定量分析,用PLS和PLS-DA分別對(duì)單獨(dú)光譜數(shù)據(jù),以及特征層融合后的數(shù)據(jù)進(jìn)行建模,結(jié)果顯示通過(guò)融合光譜建模,可以改進(jìn)橄欖油的地理認(rèn)證,但是融合光譜對(duì)初榨橄欖油中脂肪酸和三酰甘油的定量分析并沒(méi)有改善,說(shuō)明中層融合可能會(huì)把一些有用的特征信息排除,導(dǎo)致數(shù)據(jù)的飽和性減低,從而使一些檢測(cè)結(jié)果不準(zhǔn)確。

高層融合也稱(chēng)為決策級(jí)融合,是從每個(gè)數(shù)據(jù)源計(jì)算單獨(dú)的分類(lèi)或回歸模型,并將每個(gè)單獨(dú)模型的結(jié)果進(jìn)行組合以獲得最終決策。高層融合比低層融合和中層融合探索的少,主要是集中在分類(lèi)問(wèn)題上[37]。Li等[40]將氣體傳感器與液體傳感器相結(jié)合,對(duì)蘋(píng)果品質(zhì)進(jìn)行了研究,使用主成分分析(PCA)進(jìn)行特征提取,并結(jié)合協(xié)方差矩陣適應(yīng)進(jìn)化策略(CMAES)將傳感器的數(shù)據(jù)融合,與單個(gè)儀器檢測(cè)相比,提高了蘋(píng)果缺陷檢測(cè)的可靠性。高層融合的復(fù)雜程度更高,但模型的效率也更高,對(duì)算法要求更嚴(yán)苛。

3 光譜數(shù)據(jù)融合技術(shù)在食品檢測(cè)中的應(yīng)用

3.1 拉曼-紅外光譜技術(shù)

拉曼光譜技術(shù)和紅外光譜技術(shù)在分子基團(tuán)定性檢測(cè)中有良好的優(yōu)勢(shì)互補(bǔ)特性,因此在物質(zhì)的定性分析中,拉曼-紅外光譜技術(shù)具有明顯的優(yōu)勢(shì)。在食品檢測(cè)中,拉曼-紅外光譜技術(shù)被廣泛應(yīng)用在食品摻假物質(zhì)檢測(cè)中。陳達(dá)等[3]用該技術(shù)對(duì)牛奶中摻假物質(zhì)的含量進(jìn)行檢測(cè),將模型檢測(cè)結(jié)果與單獨(dú)對(duì)拉曼光譜和近紅外光譜進(jìn)行建模相比較,變量融合后建立的判別模型靈敏度提高至94.74%,正確率提升至99.42%。涂斌等[41]用激光拉曼、激光近紅外光譜儀采集134個(gè)摻假油的光譜數(shù)據(jù),結(jié)果顯示多光譜特征融合Ram-NIR-SVR建立的模型比單光譜數(shù)據(jù)建立的模型相關(guān)系數(shù)要大,說(shuō)明可以提高模型的預(yù)測(cè)能力。Márquez等[42]利用FT-Raman和NIR兩種光譜技術(shù)所獲得的信息協(xié)同效應(yīng),采用兩種數(shù)據(jù)融合策略(高級(jí)和中級(jí))和多變量分類(lèi)方法(類(lèi)相似的軟獨(dú)立建模,SIMCA)對(duì)榛子仁摻假進(jìn)行檢測(cè)。結(jié)果表明,單個(gè)技術(shù)的靈敏度和特異性分別在75%～100%之間,中高級(jí)數(shù)據(jù)融合策略的靈敏度和特異性分別在96%～100%和88%～100%之間,說(shuō)明數(shù)據(jù)融合是一種有效的融合策略,其性能參數(shù)優(yōu)于單個(gè)技術(shù)。以上研究結(jié)果說(shuō)明通過(guò)光譜融合的方式,可以有效彌補(bǔ)單一光譜存在的信息漏洞,獲得的信息更全面,更準(zhǔn)確。

3.2 近紅外-中紅外光譜技術(shù)

近紅外光譜技術(shù)可以用于顯示含氫基團(tuán)的譜帶,但檢測(cè)時(shí)存在一些缺點(diǎn),如數(shù)據(jù)分析時(shí)不能利用痕量分析方法,檢測(cè)的準(zhǔn)確度不太高,中紅外光譜和近紅外光譜雖然都是紅外光譜,但是兩者吸收波長(zhǎng)不同,而且中紅外光譜應(yīng)用更廣,技術(shù)更成熟[43],所以近紅外-中紅外光譜技術(shù)可以利用兩者的優(yōu)勢(shì),提高檢測(cè)準(zhǔn)確度。相比較拉曼-紅外光譜技術(shù),近紅外-中紅外光譜技術(shù)在摻假物質(zhì)檢測(cè)應(yīng)用中的檢測(cè)范圍較小,靈敏度也不如拉曼-紅外光譜技術(shù),但由于都是紅外光譜,數(shù)據(jù)的采集不易受熒光背景的干擾,且技術(shù)發(fā)展得較成熟。

近紅外-中紅外光譜技術(shù)在國(guó)內(nèi)外已有廣泛應(yīng)用。Zhang等[44]利用近紅外光譜和中紅外衰減全反射光譜采集芝麻油和摻有不同濃度玉米油的芝麻油光譜數(shù)據(jù),利用二維相關(guān)譜技術(shù)得到樣品的同步-異步二維近紅外相關(guān)譜和中紅外相關(guān)譜,再用MPCA技術(shù)提取預(yù)處理后光譜的得分矩陣,合并后建立偏最小二乘判別模型(PLS-DA)。結(jié)果顯示融合后的光譜模型對(duì)校正集和預(yù)測(cè)樣品的判別正確率達(dá)到100%,比單光譜預(yù)測(cè)模型的正確率要高,說(shuō)明光譜融合模型可以更好的應(yīng)用于芝麻油的摻假檢測(cè)。在牛奶摻假中,張海洋等[45]分別采集伊利和蒙牛兩品牌的近紅外光譜和中紅外光譜,建立單一光譜的預(yù)測(cè)模型和兩光譜數(shù)據(jù)融合后的判別模型,結(jié)果顯示融合光譜的判別模型能減小不同品牌牛奶對(duì)模型預(yù)測(cè)性能的影響,提高正確率。Ríos-Reina等[46]用近紅外-中紅外光譜技術(shù)對(duì)葡萄酒產(chǎn)地進(jìn)行鑒定,結(jié)果顯示數(shù)據(jù)融合方法的應(yīng)用改善了PDO葡萄酒的特性和認(rèn)證,提供了比基于單一方法的模型更有效的鑒別。Casale等[47]為了區(qū)分不同品種的特級(jí)初榨橄欖油,分別利用變數(shù)選擇(SELECT)演算法與資料壓縮(小波變換)演算法對(duì)近紅外光譜與紅外光譜進(jìn)行融合,結(jié)果顯示近紅外光譜和中紅外光譜融合建立的LDA模型預(yù)測(cè)能力更強(qiáng),說(shuō)明將化學(xué)計(jì)量學(xué)方法應(yīng)用于近紅外-中紅外光譜技術(shù),可以對(duì)特級(jí)初榨橄欖油進(jìn)行有效分類(lèi)。

3.3 紫外-紅外光譜技術(shù)

紫外光譜根據(jù)分子在紫外光區(qū)的吸收光譜圖獲取物質(zhì)信息,目前已經(jīng)廣泛用于生化、藥物、環(huán)境等領(lǐng)域[48]。這種方法可以對(duì)食品的物質(zhì)構(gòu)成進(jìn)行定性、定量、結(jié)構(gòu)分析等[14]。將紫外光譜技術(shù)和紅外光譜技術(shù)結(jié)合,可以提高單個(gè)光譜的準(zhǔn)確率和靈敏度,在食品質(zhì)量安全檢測(cè)方面已有廣泛應(yīng)用。如姚森等[49]利用紫外-紅外光譜技術(shù)對(duì)絨柄牛肝菌種類(lèi)產(chǎn)地進(jìn)行判別,對(duì)紫外光譜和紅外光譜分別進(jìn)行2D+Savitzky-Golay平滑和2D+SNV+MSC優(yōu)化處理,通過(guò)PLS-DA提取VIP大于1的波段進(jìn)行中級(jí)數(shù)據(jù)融合。結(jié)果顯示中級(jí)數(shù)據(jù)融合建立的PLS-DA和SVM判別模型對(duì)未知樣品產(chǎn)地的預(yù)測(cè)正確率分別為81.25%、96.88%,鑒別效果優(yōu)于其他技術(shù),表明中級(jí)融合對(duì)不同產(chǎn)地牛肝菌區(qū)分效果最佳,且SVM判別模型與PLS-DA模型相比更加穩(wěn)定、可靠。葉旭君等[50]利用紫外-近紅外光譜技術(shù)對(duì)蔬菜細(xì)胞的ATP含量進(jìn)行無(wú)損檢測(cè)。結(jié)果顯示特征層融合的模型能很好的預(yù)測(cè)細(xì)胞原生質(zhì)體ATP含量(R2=0.8029和0.901)。Casale等[51]采集特級(jí)初榨橄欖油的紫外光譜、近紅外光譜和中紅外光譜,然后進(jìn)行數(shù)據(jù)層融合,再利用偏最小二乘法建立不等分類(lèi)模型、類(lèi)相似的軟獨(dú)立模型,結(jié)果顯示融合光譜建模并沒(méi)有對(duì)橄欖油成分預(yù)測(cè)進(jìn)行改善,近紅外光譜技術(shù)是預(yù)測(cè)樣品中油酸和亞油酸含量的最有力的光譜技術(shù),說(shuō)明近紅外-中紅外光譜技術(shù)在橄欖油成分鑒定方面的應(yīng)用還有待進(jìn)一步改善。

3.4 其它光譜數(shù)據(jù)融合技術(shù)

實(shí)際應(yīng)用中,還有一些應(yīng)用較少的光譜數(shù)據(jù)融合技術(shù),表2列舉了一些在食品質(zhì)量安全檢測(cè)中應(yīng)用的技術(shù)。

表2 其它光譜數(shù)據(jù)融合技術(shù)在食品檢測(cè)中的應(yīng)用Table 2 Application of other spectral fusion techniques in food testing

由檢測(cè)結(jié)果來(lái)看,光譜數(shù)據(jù)融合檢測(cè)技術(shù)比單光譜檢測(cè)技術(shù)在食品檢測(cè)方面更有優(yōu)勢(shì)。因此要不斷完善和改進(jìn)光譜融合技術(shù),才能夠更好的為食品質(zhì)量安全控制服務(wù)。

4 展望

光譜檢測(cè)技術(shù)是現(xiàn)階段比較先進(jìn)的檢測(cè)技術(shù),將其應(yīng)用于食品質(zhì)量安全檢測(cè)中,不僅可以保證飲食安全,還能促進(jìn)光譜技術(shù)的發(fā)展[55]。隨著化學(xué)計(jì)量學(xué)的不斷發(fā)展,單光譜檢測(cè)技術(shù)在食品質(zhì)量安全檢測(cè)方面有了更深更廣的發(fā)展空間。光譜數(shù)據(jù)融合檢測(cè)技術(shù)的開(kāi)發(fā)能實(shí)現(xiàn)各光譜技術(shù)的相互補(bǔ)充,相互較正,使檢測(cè)結(jié)果更全面也更準(zhǔn)確。多光譜數(shù)據(jù)融合技術(shù)的數(shù)據(jù)處理過(guò)程需要復(fù)雜的化學(xué)計(jì)量學(xué)方法,精準(zhǔn)的建模和算法的完善有助于提高后期數(shù)據(jù)處理效率,有利于相應(yīng)軟件的開(kāi)發(fā),為數(shù)據(jù)處理提供一個(gè)更便捷有效的平臺(tái)。目前光譜數(shù)據(jù)融合技術(shù)還不成熟,在一體機(jī)研究開(kāi)發(fā)過(guò)程中,只有光譜檢測(cè)設(shè)備一體化,仍需分開(kāi)處理數(shù)據(jù),而數(shù)據(jù)層融合方法中,應(yīng)用雖較多,但無(wú)法實(shí)現(xiàn)同時(shí)采集多種數(shù)據(jù)。因此,針對(duì)光譜數(shù)據(jù)融合技術(shù)的這個(gè)缺點(diǎn),光譜儀器和數(shù)據(jù)處理一體化融合的設(shè)備是未來(lái)的光譜檢測(cè)發(fā)展趨勢(shì),將決策層融合的數(shù)據(jù)處理方法和多光譜檢測(cè)一體機(jī)設(shè)備進(jìn)行融合,建立數(shù)據(jù)處理云平臺(tái),實(shí)現(xiàn)檢測(cè)設(shè)備和數(shù)據(jù)處理一體化,能進(jìn)一步節(jié)約人力物力,提高檢測(cè)速率。實(shí)現(xiàn)在線光譜數(shù)據(jù)采集和分析,實(shí)時(shí)監(jiān)測(cè)食品的質(zhì)量安全。