胡煒杰 廖曉恬 黃丹穎 陳亞舉 區(qū)曉陽

（1.廣東石油化工學(xué)院，廣東 茂名 525000； 2.茂名綠色化工研究院，廣東 茂名 525011）

保障農(nóng)產(chǎn)品安全是我國農(nóng)業(yè)發(fā)展的基礎(chǔ)。 傳統(tǒng)農(nóng)產(chǎn)品檢測方法存在時效長、 非無損、 效率低等缺點，已無法滿足農(nóng)產(chǎn)品安全監(jiān)測和檢測的客觀要求。 因此，具有非接觸、 實時快速、 形象直觀、 準(zhǔn)確性高、 運用性廣等特點的農(nóng)產(chǎn)品安全在線檢測技術(shù)是現(xiàn)代農(nóng)業(yè)安全保障技術(shù)的必然發(fā)展方向。

紅外檢測是一種集光電成像、 計算機(jī)、 圖像處理為一體的精準(zhǔn)檢測技術(shù)，廣泛應(yīng)用于航空航天、天文、 氣象、 軍事、 工業(yè)、 農(nóng)業(yè)、 醫(yī)學(xué)、 交通和民用等領(lǐng)域。 英國天文學(xué)家ABNEY 和FESTING 在1881年首次發(fā)現(xiàn)，近紅外光譜區(qū)域的吸收光譜段和含氫基團(tuán)有密切關(guān)系。 20 世紀(jì)初，紅外技術(shù)逐漸應(yīng)用于分析各種物質(zhì)的吸收、 發(fā)射和反射等光譜特性，美國農(nóng)業(yè)部工程師NORRIS 利用近紅外光譜對農(nóng)業(yè)產(chǎn)品進(jìn)行快速分析。 隨著計算機(jī)技術(shù)的不斷創(chuàng)新，提取近紅外光譜信息、 消除背景干擾、 處理近紅外光譜信息等數(shù)據(jù)分析過程中的繁瑣難點得以解決。 瑞典化學(xué)家WOLD 和美國華盛頓大學(xué)教授KOWALSKI 創(chuàng)立的化學(xué)計量學(xué)與紅外光譜相結(jié)合，其分析速度、 計算結(jié)果遠(yuǎn)比傳統(tǒng)方法高效、 精確，進(jìn)一步促進(jìn)了紅外技術(shù)的廣泛應(yīng)用[1～2]。

紅外技術(shù)在農(nóng)業(yè)領(lǐng)域多用于利用融合紅外技術(shù)的農(nóng)業(yè)機(jī)械設(shè)備對農(nóng)業(yè)物料進(jìn)行加熱等處理[3]，在農(nóng)產(chǎn)品安全生產(chǎn)全流程管控方向的應(yīng)用較少。 趙其國等[4]在闡述我國農(nóng)業(yè)發(fā)展面臨的機(jī)遇時表明，我國農(nóng)產(chǎn)品需求不斷增長，農(nóng)業(yè)科技創(chuàng)新潛力巨大。 在此背景下，基于紅外技術(shù)的農(nóng)產(chǎn)品安全檢測和監(jiān)測技術(shù)及裝備在現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)中具有良好應(yīng)用前景，是我國實施鄉(xiāng)村振興戰(zhàn)略的關(guān)鍵創(chuàng)新技術(shù)之一。 本文總結(jié)了國內(nèi)外紅外技術(shù)在農(nóng)產(chǎn)品生產(chǎn)安全、 儲藏安全、 加工與流通安全方面的應(yīng)用研究進(jìn)展，并展望了基于紅外技術(shù)和大數(shù)據(jù)的農(nóng)產(chǎn)品全生命周期在線快速檢測系統(tǒng)的實踐運用前景。

一、 基于農(nóng)產(chǎn)品生產(chǎn)安全的紅外技術(shù)

農(nóng)產(chǎn)品生產(chǎn)過程易受氣候、 地形、 土壤等因素影響，其中生長環(huán)境的變化和病蟲害的侵襲是在農(nóng)產(chǎn)品生產(chǎn)階段影響產(chǎn)量和質(zhì)量的重要因素，且一旦發(fā)生將難治理、 難根除。 為避免災(zāi)害發(fā)生造成的重大損失，應(yīng)開發(fā)具備及時性、 全面性、 高效性的農(nóng)產(chǎn)品檢測技術(shù)。 有關(guān)資料[5～21]顯示，紅外技術(shù)在監(jiān)測、 檢測和預(yù)測土壤環(huán)境部分指標(biāo)和農(nóng)作物病蟲害上已取得較好成果。

（一） 病蟲害檢測及時發(fā)現(xiàn)早期病蟲害發(fā)生并采取有效控制手段是農(nóng)作物病蟲害問題處理的關(guān)鍵，這樣不僅可保證糧食產(chǎn)量、 減小農(nóng)藥使用量，還對可持續(xù)發(fā)展具有重要意義。 但傳統(tǒng)病蟲害檢測方法時效長、 費時費力，已不能滿足現(xiàn)代農(nóng)業(yè)的需求。 紅外技術(shù)作為當(dāng)前以高實時性、 高精準(zhǔn)度為特點的新興檢測技術(shù)，基本具備檢出農(nóng)作物早期病蟲害的能力。

根據(jù)大量研究結(jié)果表明，紅外熱成像技術(shù)具備檢測被感染葉片和正常葉片溫度變化差異的能力，可作為農(nóng)作物早期病變的判斷依據(jù)。 李真[5]經(jīng)實驗證實，患稻瘟病的水稻葉片感病部位和健康部位約有0.36～0.63℃的溫度特征差值； 李小龍等[6]分析紅外熱成像采集數(shù)據(jù)后得出，遭條銹菌侵染后的小麥葉片病害部位比周圍部位溫度特征值低0.62～0.87℃； 徐小龍[7]通過紅外成像儀對染黃瓜霜霉病和番茄花葉病的農(nóng)作物檢測發(fā)現(xiàn)，染黃瓜霜霉病的葉片和健康葉片有1℃的溫度差，染番茄花葉病的葉片和健康葉片間有0.5～1.2℃的溫度差； 劉夢[8]建立的基于熱紅外圖像特征的農(nóng)作物冠層病害診斷模型具有較高準(zhǔn)確率，其判斷依據(jù)是冠層病害癥狀與溫度特征之間的非線性映射關(guān)系。

此外，其他紅外檢測技術(shù)同樣具備檢測農(nóng)作物早期病變的能力。 如可見光－近紅外（VIS－NIR）分光輻射儀檢測早期葡萄卷葉病[9]、 近紅外高光譜成像（HSI－NIR） 系統(tǒng)預(yù)防黃瓜綠斑駁花葉病毒病[10]等，皆展現(xiàn)較高準(zhǔn)確率。

在蟲害監(jiān)測方面，近年來蟲災(zāi)發(fā)生頻率的上升和災(zāi)害程度的加劇，使農(nóng)產(chǎn)品生產(chǎn)過程對蟲害監(jiān)測產(chǎn)生迫切需求。 20 世紀(jì)90年代，我國開始利用遙感技術(shù)監(jiān)測蝗蟲生境數(shù)據(jù)，通過地理信息系統(tǒng)的空間分析和數(shù)據(jù)綜合能力，實現(xiàn)遙感數(shù)據(jù)和地面數(shù)據(jù)的融合，對蝗蟲發(fā)生期和發(fā)生地進(jìn)行預(yù)測[11]。 近紅外光譜（NIRS）技術(shù)具有鑒定蝗蟲種類[12]、 分析蝗蟲產(chǎn)卵地、 檢測病蟲害發(fā)生狀況和規(guī)律[13]的能力，與化學(xué)模式識別相結(jié)合能使預(yù)測效果進(jìn)一步加強(qiáng)，為我國發(fā)展蝗蟲自動偵測系統(tǒng)提供技術(shù)支持。

除了蝗蟲，研究人員在其他常見農(nóng)產(chǎn)品蟲害監(jiān)測上同樣有相關(guān)研究成果。 高俊峰[14]用VIS－NIR高光譜系統(tǒng)對油菜蚜蟲進(jìn)行檢測與識別，基于主成分載荷貢獻(xiàn)率分析法（PCA－loading）提取的特征波長所建的最小二乘支持向量機(jī)（LS－SVM）模型，識別正確率為88.68%； ZHANG 等[15]基于NIRS 采集的棉鈴蟲、 甜菜夜蛾、 斜紋夜蛾、 玉米螟幼蟲光譜數(shù)據(jù)，建立偏最小二乘判別分析法（PLS－DA） 模型進(jìn)行預(yù)測和識別，準(zhǔn)確率為100%。

（二） 土壤環(huán)境監(jiān)測為避免環(huán)境變化對農(nóng)產(chǎn)品生產(chǎn)造成的影響，需對生長環(huán)境進(jìn)行監(jiān)測。 紅外技術(shù)可檢測土壤環(huán)境部分指標(biāo)，相對實驗室樣品分析法效率更高、 成本更低。

土壤水分是農(nóng)作物生長過程中最重要的驅(qū)動因素。 紅外技術(shù)結(jié)合無人機(jī)采集數(shù)據(jù)可實現(xiàn)對大范圍農(nóng)田土壤水分在線監(jiān)測。 郭輝等[16]以無人機(jī)采集的熱紅外遙感影像為數(shù)據(jù)源，基于熱慣量法反演田塊尺度的土壤含水量，建立土壤熱慣量和含水量之間的線性回歸模型，獲得決定系數(shù)R2＝0.71、 均方根誤差RMSE＝3.09%的監(jiān)測結(jié)果，展現(xiàn)較高的檢測精度； 馮珊珊等[17]設(shè)計基于無人機(jī)的快速檢測農(nóng)田土壤水分方法，通過無人機(jī)采集的隨機(jī)樣點多光譜（綠光、 紅光、 紅邊、 近紅外） 數(shù)據(jù)結(jié)合田間土壤水分探測數(shù)據(jù)、 垂直干旱指數(shù)快速構(gòu)建土壤水分反演模型，獲取大范圍土壤水分檢測結(jié)果，該方法精度較高，R2＞0.8，RMSE和系統(tǒng)誤差SE均＜0.1。

隨著農(nóng)業(yè)對實時性需求進(jìn)一步提高，部分研究逐漸往田間儀器實時監(jiān)測方向發(fā)展。 ZHOU 等[18]開發(fā)出基于NIRS 的原位土壤總氮－土壤水分檢測儀，用于準(zhǔn)確獲取土壤全氮和土壤水分含量，該儀器檢測精度高、 穩(wěn)定性好，可實時持續(xù)檢測； 張東興等[19]設(shè)計了一種基于VIS－NIR 光譜技術(shù)的播種溝內(nèi)土壤水分測量傳感器，真實值與預(yù)測值之間R2＝0.82、RMSE＝1.23%，滿足玉米等作物播種環(huán)節(jié)土壤水分含量的測量要求； 于瀟禹[20]對基于近紅外技術(shù)的土壤養(yǎng)分含量在線實時檢測系統(tǒng)開展研究，經(jīng)優(yōu)化后的檢測系統(tǒng)對黑土類型土壤中有機(jī)質(zhì)及總氮含量的預(yù)測值，與采用實驗室檢測方法得到的準(zhǔn)確值分別有98.8%和95.7%的相關(guān)性，可實現(xiàn)田間在線測量； 劉雪梅[21]開發(fā)了一款基于NIRS 的便攜式土壤有機(jī)質(zhì)含量測定儀，通過軟件系統(tǒng)對土壤的反射率值進(jìn)行處理、 顯示、 存儲等操作，可直接在顯示屏上讀取土壤有機(jī)質(zhì)含量。

二、 基于農(nóng)產(chǎn)品儲藏安全的紅外技術(shù)

為保障正常市場供應(yīng)和國家戰(zhàn)略物資儲備，截至2018年，我國儲備糧食達(dá)標(biāo)準(zhǔn)倉房倉容6.7 億t、 簡易倉容2.4 億t（數(shù)據(jù)來源于《中國的糧食安全》白皮書）。 儲糧品質(zhì)變化是一個連續(xù)、 波動、 由量變到質(zhì)變的復(fù)雜過程，受多方面因素影響，如含水量高時易受霉菌感染，脂肪酸值升高時種子生活力下降，儲藏時間增加時糧食運動粘度下降、 糊化溫度上升等。 綜上，為維護(hù)糧食儲藏安全需要，需開發(fā)一種可在線實時監(jiān)測儲藏過程中多項指標(biāo)的技術(shù)。

（一） 霉菌毒素監(jiān)控黃曲霉、 青霉和鐮刀菌是產(chǎn)生毒素導(dǎo)致儲糧污染的主要霉菌，它們寄主范圍廣泛，其中花生和玉米最易受感染。 聯(lián)合國糧食及農(nóng)業(yè)組織數(shù)據(jù)表明，全世界每年有5%～7%的糧食、 飼料受霉菌侵染，因真菌毒素污染而造成的直接或間接經(jīng)濟(jì)損失達(dá)數(shù)百億美元。 紅外技術(shù)在檢測黃曲霉毒素、 鐮刀菌毒素方面都有廣泛的應(yīng)用。

1.黃曲霉毒素檢測。 黃曲霉毒素（AF）對人和動物的肝臟及中樞神經(jīng)有很大的毒害作用，一次性大量攝入可造成人或動物的急性中毒甚至死亡，小劑量長期攝入則可致畸、 致突變，甚至致癌。 現(xiàn)有AF 測定方法多數(shù)存在預(yù)處理過程復(fù)雜、 所用化學(xué)試劑繁多、 周期長等缺陷，不符合農(nóng)產(chǎn)品毒素監(jiān)控對實時快速的需求。 NIRS 可應(yīng)用于農(nóng)產(chǎn)品的AF定性、 定量檢測，沈飛等[22]利用NIRS 對感染黃曲霉菌稻谷樣品霉變狀態(tài)的判別正確率達(dá)92.5%； 吳啟芳[23]基于近紅外和中紅外建立糙米AF 的線性判別分析模型，對黃曲霉毒素B1（AFB1）、 黃曲霉毒素B2（AFB2）、 黃曲霉毒素G1（AFG1）、 黃曲霉毒素G2（AFG2） 及總量的交互驗證正確率均高于90%，偏最小二乘回歸分析（PLSR）對各AF 含量的預(yù)測精度較高，相關(guān)系數(shù) （R）≥0.920，相對分析誤差（RPD）≥2.5； 張強(qiáng)[24]構(gòu)建了基于NIRS 的稻谷霉菌和毒素檢測數(shù)學(xué)模型，經(jīng)優(yōu)化可實現(xiàn)檢測低濃度AFB1含量，據(jù)此設(shè)計適用于現(xiàn)場在線檢測的便攜式貯藏稻谷霉菌和毒素指標(biāo)分析儀，為后續(xù)實際工作中的應(yīng)用研究提供理論和技術(shù)依據(jù)； 雜色曲霉素A （Versicolorin A） 可 作 為AFB1存 在 的 指 標(biāo)，ZHENG 等[25]基于NIRS 運用極端梯度提升算法和支持向量機(jī)算法，建立了定量和兩級分類模型，定量模型RMSE＝3.57 μg/kg，分類方法準(zhǔn)確率為90.32%，可快速準(zhǔn)確檢測出玉米中的雜色曲霉素A 且無需預(yù)處理、 使用方便。

2.鐮刀菌毒素檢測。 鐮刀菌毒素是鐮刀菌屬真菌產(chǎn)生的高毒性、 低相對分子質(zhì)量的次級代謝產(chǎn)物總稱，包括玉米赤霉烯酮 （ZEA）、 脫氧雪腐鐮刀菌烯醇 （DON） 等，其廣泛存在于霉變的小麥、玉米、 大麥、 燕麥、 高粱等谷物中，對人和動物的健康都存在極大威脅，同AF 一樣被看作是自然發(fā)生的最危險食品污染物。

多項實驗證實，紅外技術(shù)對受鐮刀菌毒素侵染的農(nóng)產(chǎn)品有較好辨別能力，為鐮刀菌毒素檢測提供比目前常用的化學(xué)測定法更快速、 環(huán)境友好和非破壞性的檢測方法。 JIN 等[26]開發(fā)一種基于近紅外熒光的新型雙側(cè)流免疫傳感器，經(jīng)實驗參數(shù)優(yōu)化后可同時檢測出玉米中ZEA 和DON，檢出限分別為0.55 μg/kg 和3.8 μg/kg，加標(biāo)回收率為81.7%～107.3%，變異系數(shù)＜14%，與儀器法的檢測結(jié)果一致。 FEMENIAS 等[27]提出利用HSI－NIR 技術(shù)的空間識別特點對批次中受小麥鐮刀菌和DON 侵染的單個小麥籽粒進(jìn)行分選，在實驗結(jié)果中展現(xiàn)了極高的分選準(zhǔn)確率和正確率。 崔貴金[28]依據(jù)小麥赤霉病感病率與DON 毒素含量的關(guān)系，基于NIRS 和偏最小二乘法 （PLS） 構(gòu)建小麥赤霉病感病率的預(yù)測模型，對小麥赤霉病感病程度預(yù)測正確率為86.49%； 并設(shè)計了赤霉病麥粒近紅外光電分選系統(tǒng)模型，為赤霉病麥粒的快速有效分選、 分離提供理論依據(jù)和技術(shù)參考。

（二） 蟲害監(jiān)控儲糧中的害蟲主要來源于原有糧倉殘留或糧食運輸過程中外部入侵，導(dǎo)致儲糧發(fā)霉、 發(fā)熱、 品質(zhì)下降、 營養(yǎng)價值降低。 目前國內(nèi)外的儲糧害蟲檢測法主要為直觀檢查法和取樣檢查法，存在精確度低、 效率低、 難以檢查到隱藏害蟲的缺點。 隨著檢測技術(shù)的進(jìn)一步發(fā)展，近紅外分析技術(shù)被應(yīng)用于檢測儲糧害蟲，可辨別受害蟲侵害的樣品以及害蟲的蟲齡、 類型、 生命體征。

SANTOS 等[29]基于NIRS 建立的PLS－DA 模型對被玉米象侵染的高粱谷粒樣品和健康高粱谷物樣品分類準(zhǔn)確率為100%； NIRS 可應(yīng)用于檢測害蟲蟲齡或類型，MAGHIRANG 等[30]用NIRS 檢測儲存期超過兩個月、 具有各類蟲態(tài)的麥粒，將小麥粒內(nèi)的害蟲（包括死蟲和活蟲） 按形態(tài)和幼蟲大小分為活蛹、 大型幼蟲、 中型幼蟲，檢測所得到的準(zhǔn)確率分別是94%、 93%和84%； 張紅濤等[31～32]利用HSI－NIR 技術(shù)采集液氮低溫猝死法殺死的糧蟲谷蠹和米象的光譜數(shù)據(jù)后得出結(jié)論：隨著死亡時間的增加，糧蟲相對光譜反射率逐漸增大，基于該結(jié)論建立的辨別模型辨別活死蟲準(zhǔn)確率為100%。

但紅外技術(shù)對儲糧中的害蟲檢測準(zhǔn)確度易受3點因素影響[33]，一是紅外技術(shù)對樣品濕度較敏感，需經(jīng)常校正儀器； 二是對蟲害水平低的樣品難以準(zhǔn)確檢測辨別； 三是該技術(shù)屬于間接技術(shù)，對幼蟲的檢測不理想。

（三） 實時品質(zhì)監(jiān)控脂肪酸含量是我國評估儲糧品質(zhì)的一項指標(biāo)，儲藏期間小麥、 大豆等作物因陳化變質(zhì)導(dǎo)致脂肪酸含量升高時，其物理性狀還未顯示品質(zhì)劣變，因此脂肪酸含量可作為糧食陳化變質(zhì)的判定指標(biāo)。

多位學(xué)者研究表明，利用NIRS 可以較好地捕捉到儲糧脂肪酸變化，實時監(jiān)控儲糧質(zhì)量。 如徐彥[34]提供了一種穩(wěn)定性和準(zhǔn)確率良好的、 NIRS 與PLS 結(jié)合建立的秈稻脂肪酸值快速檢測模型 （R＝0.85934，內(nèi)部驗證標(biāo)準(zhǔn)差為1.78，交叉驗證標(biāo)準(zhǔn)差為2.35），證實了NIRS 實時監(jiān)控儲糧脂肪酸變化的可行性； JIANG 等[35]開發(fā)建立了一種基于NIRS 的定量檢測脂肪酸值的便攜式系統(tǒng)，采用標(biāo)準(zhǔn)正態(tài)變異法校正、 變量組合分析優(yōu)化、 極端學(xué)習(xí)機(jī)構(gòu)建的模型對脂肪酸值進(jìn)行定量檢測，展現(xiàn)了良好的預(yù)測精度和穩(wěn)定性； 向娜娜等[36]利用Bruker MATRIX－I 近紅外光譜儀快速檢測和監(jiān)控大豆油新鮮度及脂肪酸組分，結(jié)果較理想，脂肪酸模型R2接近1。

三、 基于農(nóng)產(chǎn)品加工與流通安全的紅外技術(shù)

2020年我國農(nóng)產(chǎn)品加工業(yè)營業(yè)收入超23.2 萬億元，農(nóng)產(chǎn)品加工轉(zhuǎn)化率達(dá)到67.5%，科技對農(nóng)產(chǎn)品加工產(chǎn)業(yè)發(fā)展的貢獻(xiàn)率達(dá)到63%，農(nóng)產(chǎn)品加工業(yè)處于飛速發(fā)展階段。 然而我國個別食品加工企業(yè)存在使用農(nóng)獸藥、 化肥殘留量超標(biāo)的食品原料，超量、 超范圍使用食品添加劑，加工食品未嚴(yán)格按照工藝標(biāo)準(zhǔn)生產(chǎn)，大肆使用病果壞果等現(xiàn)象，生產(chǎn)的不合格加工產(chǎn)品流入市場被消費者長期食用會損害人體，由此產(chǎn)生的負(fù)面反饋將對市場經(jīng)濟(jì)產(chǎn)生不利影響，同時是食品安全事故頻頻發(fā)生的主要原因。數(shù)據(jù)分析顯示，約2/3 的食品安全問題出現(xiàn)于食品生產(chǎn)加工環(huán)節(jié)[37]，因此加強(qiáng)農(nóng)產(chǎn)品加工過程的安全監(jiān)控工作刻不容緩。

（一） 農(nóng)產(chǎn)品快速分級農(nóng)產(chǎn)品分級作為農(nóng)產(chǎn)品加工和果品進(jìn)入市場前的重要一環(huán)，體現(xiàn)在農(nóng)產(chǎn)品優(yōu)劣分級決定價格高低、 農(nóng)產(chǎn)品分級控制加工制品質(zhì)量兩方面。 市場常用分級方法是依靠分揀師傅的手感經(jīng)驗，主觀意識強(qiáng)、 難以標(biāo)準(zhǔn)化。 部分農(nóng)業(yè)合作社或生產(chǎn)商會引入專業(yè)的分揀機(jī)器及生產(chǎn)線進(jìn)行快速果蔬分級，但購置設(shè)備成本過高難以普及。紅外技術(shù)作為目前相對較低廉的檢測技術(shù)，在果品優(yōu)劣分級與次品、 壞品篩選方面得到廣泛應(yīng)用。

有關(guān)研究顯示，NIRS 技術(shù)可同時在線無損檢測多項指標(biāo)使果品的自動分級得以實現(xiàn)[38]。 孫海霞等[39]利用NIRS 和水分補(bǔ)償方法搭建的模型對鮮棗內(nèi)部品質(zhì)指標(biāo)（水分含量、 可溶性固體含量、 維生素C 含量、 蛋白質(zhì)含量、 硬度值）的預(yù)測有較高準(zhǔn)確率； SCHMILOVITCH 等[40]利用NIRS 在1200～2400 cm－1波數(shù)范圍內(nèi)測量芒果果肉軟度、 可溶性固體含量和酸度，基于多元線性回歸 （MLR）、 主成分分析（PCA） 和PLS 建立NIRS 模型，可以無損地評價芒果果實的成熟因子； 孫炳新等[41～42]采用NIRS 在643.26～985.11 nm 的波長范圍內(nèi)建立紅富士蘋果脆度和有效酸度的預(yù)測模型，模型相關(guān)系數(shù)分別達(dá)到0.941、 0.925。

在果蔬內(nèi)部病變及外部損傷等情況的檢測上，李江波[43]搭建的對臍橙表面缺陷檢測的可見HSINIR 系統(tǒng)獲得了93.7%的臍橙缺陷果識別率，且假陽性率為0，并用近紅外高光譜反射成像技術(shù)對臍橙潰瘍進(jìn)行檢測，獲得98.2%的識別率； 李順峰等[44]利用NIRS 結(jié)合PCA 和Fisher 判別函數(shù)對蘋果霉心病進(jìn)行檢測，患霉心病蘋果和健康蘋果的正確判別率達(dá)到89.9%； 郭志明等[45]利用近紅外透射光譜技術(shù)獲取新疆阿克蘇蘋果光譜信息，以病變面積比值為指標(biāo)建立定量預(yù)測模型，水心面積比與可溶性固形物含量校正集和預(yù)測集R分別為0.9122、0.8733，標(biāo)準(zhǔn)偏差分別為1.97、 0.354。

（二） 農(nóng)產(chǎn)品質(zhì)量快速檢測《中華人民共和國農(nóng)產(chǎn)品質(zhì)量安全法》 規(guī)定，有農(nóng)藥、 獸藥等化學(xué)物質(zhì)殘留不符合產(chǎn)品質(zhì)量安全標(biāo)準(zhǔn)的農(nóng)產(chǎn)品，以及使用的保鮮劑、 防腐劑等材料不符合國家有關(guān)強(qiáng)制性的技術(shù)規(guī)范的農(nóng)產(chǎn)品，均不允許進(jìn)入市場。 因此對農(nóng)產(chǎn)品及加工原材料做好農(nóng)藥、 獸藥、 防腐劑等化學(xué)物質(zhì)殘留檢測工作十分必要。

紅外光譜技術(shù)可無損檢測出農(nóng)產(chǎn)品表面及內(nèi)部的農(nóng)藥殘留。 呂萍[46]基于生姜中敵敵畏和甲胺磷殘留量的NIRS 光譜數(shù)據(jù)搭建的定量分析模型具有較好分析效果，R＞0.8； 張令標(biāo)等[47]以表面有不同濃度嘧霉胺農(nóng)藥的番茄為實驗對象，應(yīng)用VIS－NIR高光譜技術(shù)對高濃度農(nóng)藥點檢測準(zhǔn)確率為100%；吳昕如等[48]利用NIRS 結(jié)合PLS 建立的模型預(yù)測獼猴桃中氯呲脲含量準(zhǔn)確率高、 結(jié)果良好，預(yù)測值與實際值的R＝0.9588； 趙若雨等[49]應(yīng)用VIS－NIR高光譜技術(shù)檢測噴灑有溴氰菊酯農(nóng)藥的小白菜葉片，構(gòu)建偏最小二乘模型和基于光譜指數(shù)的多元線性回歸模型對溴氰菊酯殘留量進(jìn)行預(yù)測，預(yù)測精度為93.1%。

（三） 農(nóng)產(chǎn)品產(chǎn)地溯源建立有效的農(nóng)產(chǎn)品跟蹤與追溯，對產(chǎn)地進(jìn)行快速、 準(zhǔn)確、 簡捷地鑒別，是健全農(nóng)產(chǎn)品質(zhì)量安全體系的關(guān)鍵之一。 為地理標(biāo)志產(chǎn)品、 地區(qū)特征性產(chǎn)品產(chǎn)地真?zhèn)舞b別及農(nóng)產(chǎn)品真實性保障提供關(guān)鍵技術(shù)，對規(guī)范市場、 保障農(nóng)產(chǎn)品市場安全具有重要意義。

NIRS 在農(nóng)產(chǎn)品產(chǎn)地溯源方面有廣泛的應(yīng)用。張龍[50]利用NIRS 結(jié)合小波轉(zhuǎn)換和k 最近鄰分析辨別山東、 湖北、 河南、 遼寧、 廣西和廣東、 四川產(chǎn)地的花生，結(jié)果表明，原始判別率和交叉驗證判別率分別達(dá)到100%和55.9%； 雷建剛和劉敦華[51]采用NIRS 結(jié)合簇類獨立軟模式法（SIMCA） 建立了不同產(chǎn)地枸杞的溯源模型，當(dāng)新疆、 中寧、 甘肅、青海、 南梁、 惠農(nóng)、 固原和內(nèi)蒙古的產(chǎn)地模型的主成分?jǐn)?shù)分別取3 時，主成分?jǐn)?shù)的方差累計貢獻(xiàn)率達(dá)到99%，此時采用SIMCA 法建立的枸杞產(chǎn)地溯源模型預(yù)報能力最優(yōu)； 張鵬等[52]對天津、 陜西和北京3 個產(chǎn)地富士蘋果的光譜數(shù)據(jù)進(jìn)行對比分析，利用NIRS 結(jié)合PCA、 PLS 建立產(chǎn)地鑒別模型，結(jié)果顯示，校正集的鑒別正確率為100%，預(yù)測集的鑒別正確率為98.33%。

在對加工產(chǎn)品的原料產(chǎn)地溯源中，張龍[50]利用NIRS 采集浙江省地理標(biāo)志產(chǎn)品西湖龍井茶和浙江龍井茶的光譜數(shù)據(jù)，結(jié)合LS－SVM 模型對兩種茶葉進(jìn)行判別，正確判別率均達(dá)到100%； 金裕范[53]研究發(fā)現(xiàn)，紅外吸收光譜法采集的5 種不同產(chǎn)地來源、 2 種不同儲存年限及2 種不同加工工藝的普洱茶紅外指紋光譜存在一定差異，可通過特征區(qū)域和特征吸收的分析判定普洱茶的產(chǎn)地、 儲存年限及加工工藝等信息； HU 等[54]使用中紅外和近紅外在透射模式下結(jié)合SIMCA 對540 份來自澳大利亞、 智利和中國的赤霞珠葡萄酒進(jìn)行分類，其正確分類率分別為97%、 97%和92%； VARRà 等[55]基于NIRS對摩洛哥、 西班牙、 突尼斯和克羅地亞漁區(qū)制成的鹽漬鳀魚成品和半成品進(jìn)行分類，并結(jié)合PLSDA 組合判別模型的開發(fā)和優(yōu)化，成功地識別了兩個鳀魚數(shù)據(jù)集的地理來源，平均靈敏度＞98%，特異性＞99%，準(zhǔn)確率＞99%。

四、 基于紅外技術(shù)和大數(shù)據(jù)的農(nóng)產(chǎn)品全生命周期在線快速檢測系統(tǒng)研究

近年來云平臺、 物聯(lián)網(wǎng)的廣泛應(yīng)用，促進(jìn)農(nóng)產(chǎn)品生產(chǎn)通過數(shù)據(jù)收集和分析逐漸往高效、 智能方向發(fā)展。 國務(wù)院印發(fā)的 《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》中提出，要發(fā)展農(nóng)業(yè)農(nóng)村大數(shù)據(jù)，為農(nóng)業(yè)生產(chǎn)者、消費者、 監(jiān)管者提供農(nóng)產(chǎn)品質(zhì)量安全信息服務(wù)；《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃 （2019－2025年）》 指出，隨著科技創(chuàng)新能力不斷提升、 政府支持體系初步建立、 設(shè)施設(shè)備條件明顯改善、 數(shù)字技術(shù)與農(nóng)業(yè)農(nóng)村加速融合，“十四五” 時期是推進(jìn)我國農(nóng)業(yè)農(nóng)村數(shù)字化的重要戰(zhàn)略機(jī)遇期。

通過以上對國內(nèi)外應(yīng)用于農(nóng)產(chǎn)品安全的多種紅外技術(shù)研究闡述得出，紅外檢測技術(shù)應(yīng)用范圍可涵蓋農(nóng)產(chǎn)品的整個生命周期。 近年來，國內(nèi)的研究學(xué)者們對基于云平臺的紅外檢測系統(tǒng)開展了一系列的初步探索，如楊雨[56]基于JAVA WEB、 HTML 及MYSQL 等主流編程語言，設(shè)計并開發(fā)出支持模型共享、 數(shù)據(jù)共享、 遠(yuǎn)程在線訪問的自更新型紅外光譜在線分析平臺，為使用者提供方便快捷的模型共享渠道及高效的模型更新策略； 吳海卿等[57]設(shè)計一種基于云平臺的近紅外食品質(zhì)量監(jiān)測系統(tǒng)，具備數(shù)據(jù)自動采集、 云端傳送、 光譜分析、 性質(zhì)預(yù)測、 報告回送等功能。 紅外檢測技術(shù)具有實時、 快速、 準(zhǔn)確性高等一系列優(yōu)點，基于該技術(shù)開發(fā)的傳感設(shè)備符合農(nóng)產(chǎn)品大數(shù)據(jù)平臺對數(shù)據(jù)采集技術(shù)的需求，與全生命周期大數(shù)據(jù)系統(tǒng)構(gòu)建相結(jié)合在理論上具有一定可行性。

建立農(nóng)產(chǎn)品全生命周期在線快速檢測系統(tǒng)，將自動化采集紅外設(shè)備在農(nóng)產(chǎn)品生產(chǎn)的生態(tài)環(huán)境、 生產(chǎn)資料、 生產(chǎn)過程、 市場流通、 加工儲藏、 檢驗檢測等場景監(jiān)測到的數(shù)據(jù)，通過網(wǎng)絡(luò)化傳輸至云端后進(jìn)行標(biāo)準(zhǔn)化處理和可視化運用，將監(jiān)控數(shù)據(jù)轉(zhuǎn)變?yōu)橥ㄋ滓锥男畔⒐┥鐣罕娫谑謾C(jī)App 或客戶端上查看（見圖1），可實現(xiàn)各環(huán)節(jié)信息可查詢、 來源可追溯、 去向可跟蹤、 責(zé)任可追究，為生產(chǎn)者、 消費者、 監(jiān)管者提供農(nóng)產(chǎn)品質(zhì)量安全信息服務(wù)，促進(jìn)農(nóng)產(chǎn)品消費安全。 另外利用紅外技術(shù)實時快速檢測的優(yōu)點，對農(nóng)作物生長、 倉庫儲藏、 加工與流通過程安全進(jìn)行實時遠(yuǎn)程監(jiān)控，可幫助廣大農(nóng)業(yè)工作者隨時隨地掌握產(chǎn)品狀態(tài)和及時作出調(diào)整。

圖1 基于紅外技術(shù)的農(nóng)產(chǎn)品全生命周期在線快速檢測系統(tǒng)流程

但基于紅外技術(shù)和大數(shù)據(jù)的農(nóng)產(chǎn)品全生命周期在線快速檢測系統(tǒng)在實踐運用和普及上還有很長一段路要走，主要面臨4 個問題。 一是數(shù)據(jù)的復(fù)雜性。 處理數(shù)據(jù)量大且復(fù)雜，依據(jù)的標(biāo)準(zhǔn)不同。 如何將不同的農(nóng)作物或不同的場景下測得的數(shù)據(jù)進(jìn)行統(tǒng)一存儲，如何分析數(shù)據(jù)，如何進(jìn)行可視化的轉(zhuǎn)換，都將是未來要解決的問題。 二是系統(tǒng)的實時性。 紅外技術(shù)雖可進(jìn)行實時監(jiān)測，但在后續(xù)數(shù)據(jù)處理階段，尤其是在環(huán)境災(zāi)害、 氣象災(zāi)害、 病蟲災(zāi)害等狀況的多源數(shù)據(jù)條件下，大數(shù)據(jù)分析不及時會導(dǎo)致農(nóng)業(yè)重大災(zāi)害的發(fā)生。 三是數(shù)據(jù)的安全性。 農(nóng)業(yè)自身的復(fù)雜性決定了數(shù)據(jù)的多源復(fù)雜性，如何在處理大量數(shù)據(jù)的同時仍保證數(shù)據(jù)的安全性是需要攻克的難點。 四是檢測設(shè)備的優(yōu)化。 目前對紅外技術(shù)的研究多是僅限于實驗室，投入實際生產(chǎn)中的較少。 檢測設(shè)備需要進(jìn)行符合實際需求、 生產(chǎn)要求、 貼合全生命周期在線快速檢測系統(tǒng)的優(yōu)化。

總體來說，紅外技術(shù)應(yīng)用于農(nóng)產(chǎn)品安全領(lǐng)域具有廣闊的前景，也存在一定的局限性，如部分樣品的復(fù)雜成分給檢測帶來困難、 檢測精度需依賴建模方法和化學(xué)計量學(xué)方法、 部分紅外技術(shù)搭配儀器價格昂貴等。 搭建基于紅外技術(shù)和大數(shù)據(jù)的農(nóng)產(chǎn)品全生命周期在線快速檢測系統(tǒng)需要計算機(jī)技術(shù)、 自動化控制技術(shù)、 互聯(lián)網(wǎng)技術(shù)、 通信技術(shù)等多方面的專業(yè)技術(shù)人才共同完成，為該領(lǐng)域提供新的研究方向。