陳澤珊

摘 要：本文綜述了高光譜成像技術(shù)和高光譜成像系統(tǒng)的原理，從食品新鮮度檢測(cè)、生物污染檢測(cè)、水分檢測(cè)和固形物含量檢測(cè)4個(gè)方面分析高光譜成像技術(shù)的應(yīng)用，了解其檢測(cè)要點(diǎn)與優(yōu)勢(shì)，以期提高高光譜成像技術(shù)的應(yīng)用水平，更好地保證食品的品質(zhì)和安全。

關(guān)鍵詞：高光譜成像技術(shù);食品品質(zhì);無(wú)損檢測(cè);生物污染

Application of Hyperspectral Imaging Technology in Nondestructive Testing of Food Quality

CHEN Zeshan

（Guangdong Province Technician College of Light Industry， Guangzhou 510000， China）

Abstract： This paper summarizes the principle of hyperspectral imaging technology and hyperspectral imaging system， analyzes the application of hyperspectral imaging technology from four aspects： food freshness detection， biological pollution detection， moisture detection， and solid content detection， and understands the detection points and advantages， so as to improve the application level of hyperspectral imaging technology and better ensure the quality and safety of food.

Keywords： hyperspectral imaging technology; food quality; nondestructive testing; biological pollution

當(dāng)前社會(huì)環(huán)境下，消費(fèi)者對(duì)于食品品質(zhì)的關(guān)注，逐漸成為食品行業(yè)發(fā)展與轉(zhuǎn)型的重點(diǎn)。隨著計(jì)算機(jī)成像技術(shù)、光譜技術(shù)水平的提升，高光譜成像技術(shù)在食品品質(zhì)檢測(cè)中得到了應(yīng)用。高光譜成像系統(tǒng)內(nèi)包含分光設(shè)備，這是系統(tǒng)核心元件，通過(guò)光學(xué)元件把寬波長(zhǎng)混合光分散為頻率不同的單波長(zhǎng)光，通過(guò)計(jì)算機(jī)軟、硬件采集食品品質(zhì)的相關(guān)數(shù)據(jù)，隨之利用點(diǎn)掃描、線掃描、面掃描這3種方法獲取高光譜圖像，完成食品品質(zhì)無(wú)損檢測(cè)?，F(xiàn)階段關(guān)于高光譜成像技術(shù)的應(yīng)用已經(jīng)有比較豐富的研究理論，為該技術(shù)在食品品質(zhì)無(wú)損檢測(cè)中的應(yīng)用夯實(shí)了理論基礎(chǔ)。因此，本文針對(duì)食品品質(zhì)無(wú)損檢測(cè)過(guò)程中高光譜成像技術(shù)的具體應(yīng)用展開分析，介紹高光譜成像系統(tǒng)，總結(jié)技術(shù)應(yīng)用要點(diǎn)，總結(jié)食品品質(zhì)無(wú)損檢測(cè)需注意的要點(diǎn)，切實(shí)保證食品安全。

1 高光譜成像系統(tǒng)概述

1.1 高光譜成像系統(tǒng)原理

高光譜成像技術(shù)是在很多窄波段基礎(chǔ)上形成的一種影像數(shù)據(jù)技術(shù)，融合了成像、光譜兩種技術(shù)，對(duì)被測(cè)目標(biāo)二維幾何空間、一維光譜信息進(jìn)行探測(cè)，采集到高光譜分辨率連續(xù)且窄波段圖像信息。高光譜成像技術(shù)在各個(gè)行業(yè)領(lǐng)域有非常普遍的應(yīng)用，有光柵分光、聲光可調(diào)諧濾波分光等多種類型，可滿足食品安全檢測(cè)、醫(yī)學(xué)診斷以及航天領(lǐng)域等檢測(cè)的需求。高光譜成像技術(shù)水平的提升使光譜分辨率和探測(cè)性能也隨之增加。對(duì)比高光譜成像技術(shù)、全色和多光譜成像技術(shù)，高光譜成像技術(shù)的優(yōu)勢(shì)主要體現(xiàn)在近似連續(xù)地物光譜數(shù)據(jù)、地表覆蓋探測(cè)與識(shí)別水平高、地形要素分類識(shí)別方式多元化、滿足地形要素定量與半定量識(shí)別要求等方面。

基于高光譜成像技術(shù)，隨之構(gòu)建高光譜成像系統(tǒng)。高光譜成像系統(tǒng)包括軟硬件兩個(gè)部分，其中硬件部分的關(guān)鍵裝置為傳感器、光源、掃描器和控制裝置。傳感器作為系統(tǒng)硬件的核心部件，主要包含物鏡、光譜儀和CCD陣列探測(cè)器，而光譜儀則細(xì)分為干涉型、光柵型兩種;CCD陣列探測(cè)器有線陣探測(cè)器、面振探測(cè)器兩類。系統(tǒng)的軟件部分則是由光譜預(yù)處理軟件、數(shù)據(jù)采集軟件、數(shù)據(jù)處理軟件組成。

在食品品質(zhì)無(wú)損檢測(cè)中應(yīng)用高光譜成像系統(tǒng)，因?yàn)樵撓到y(tǒng)中光譜儀是非常重要的元件，其中包含棱鏡-光柵-棱鏡單元，其作用是規(guī)避環(huán)境光對(duì)系統(tǒng)運(yùn)行的影響，當(dāng)光譜儀采集到被測(cè)食品一行圖像，此時(shí)該單元也能在光譜軸上色散圖像像素點(diǎn)，從而得到空間軸、光譜軸對(duì)應(yīng)的一維影像與光譜數(shù)據(jù)，因?yàn)楸粶y(cè)物體、棱鏡持續(xù)運(yùn)動(dòng)，便會(huì)構(gòu)成物體光譜圖像[1]。CCD陣列探測(cè)器可采集到所有瞬間信號(hào)，進(jìn)而獲得高光譜三維圖像數(shù)據(jù)塊，為食品品質(zhì)無(wú)損檢測(cè)提供支撐。

1.2 高光譜成像優(yōu)勢(shì)

隨著技術(shù)水平的提升，高光譜成像光譜分辨率、探測(cè)能力相應(yīng)地得到提升。對(duì)比高光譜成像、全色成像和多光譜成像，總結(jié)高光譜成像在應(yīng)用中具有如下優(yōu)勢(shì)：①地物光譜信息近似連續(xù)性。利用高光譜影像技術(shù)，當(dāng)重建了光譜反射率后，可采集光譜反射率曲線，且該曲線與被探測(cè)物近似連續(xù)，能夠契合實(shí)測(cè)值，實(shí)驗(yàn)室構(gòu)建的被探測(cè)物光譜分析模型，也可在成像中得到應(yīng)用。②增強(qiáng)地表覆蓋探測(cè)與識(shí)別性能。高光譜數(shù)據(jù)可探測(cè)的物質(zhì)中，包括具有診斷性光譜吸收特征物質(zhì)，并對(duì)地表植被覆蓋所屬類型、道路地面材料做出區(qū)分。③識(shí)別地形要素分類方式更加多元化。影像分類識(shí)別陰暗可采用多種方法，如貝葉斯判別法、決策樹和神經(jīng)網(wǎng)絡(luò)等。此外，還可應(yīng)用被探測(cè)物基礎(chǔ)上的光譜數(shù)據(jù)庫(kù)光譜匹配方式。④實(shí)現(xiàn)地形要素分類識(shí)別的定量與半定量。高光譜影像可對(duì)諸多被探測(cè)物狀態(tài)參量進(jìn)行預(yù)估，這使成像高定量分析質(zhì)量得到提升，保證最終成像的精度。

2 高光譜成像技術(shù)在食品品質(zhì)無(wú)損檢測(cè)中的應(yīng)用

2.1 高光譜成像技術(shù)在食品新鮮度方面的檢測(cè)應(yīng)用

采用高光譜成像技術(shù)可檢測(cè)食品新鮮度，下面以肉制品新鮮度為例展開分析。傳統(tǒng)的檢測(cè)分析肉類食品新鮮度的方法是感官評(píng)價(jià)法，但這種方法會(huì)對(duì)肉制品造成破壞[2]。改為高光譜成像技術(shù)后，檢測(cè)人員可通過(guò)近紅外高光譜成像系統(tǒng)波長(zhǎng)區(qū)，針對(duì)各個(gè)成分、加工參數(shù)條件下的肉制品質(zhì)量展開檢測(cè)，在不破壞肉制品完整度的情況下獲取新鮮度數(shù)值。建議高光譜成像技術(shù)檢測(cè)熟食肉類制品，可應(yīng)用主成分分析法，挑選8個(gè)特征波長(zhǎng)檢測(cè)肉類熟食品質(zhì)，分別為980 nm、1 061 nm、1 141 nm、1 174 nm、1 215 nm、1 325 nm、1 436 nm和1 241 nm，最終得出檢測(cè)結(jié)果準(zhǔn)確率可達(dá)97%。

如果檢測(cè)對(duì)象為果蔬類食品，了解此類食品的品質(zhì)可從酸度、硬度、水分、淀粉含量、成熟度和內(nèi)部缺陷等方面做出分析，如蘋果、香蕉等食品的色澤因素是衡量品質(zhì)的一項(xiàng)重要標(biāo)準(zhǔn)。按照現(xiàn)有研究結(jié)果，果蔬類食品品質(zhì)的檢測(cè)應(yīng)用近紅外高光譜成像技術(shù)，檢測(cè)人員應(yīng)用最小二乘回歸法，構(gòu)建分析模型，為顏色反射率、模型決定技術(shù)分析提供了便利條件。還有一些檢測(cè)人員在蝦的新鮮度檢測(cè)中應(yīng)用高光譜成像技術(shù)，控制近紅外高光譜圖像波長(zhǎng)范圍在400～1 000 nm，采用連續(xù)投影算法、最小二乘回歸法，以組合的形式開展新鮮度無(wú)損檢測(cè)，按照得到的檢測(cè)結(jié)果，發(fā)現(xiàn)連續(xù)投影算法、最小二乘回歸法組合檢測(cè)結(jié)果的準(zhǔn)確率最高可達(dá)98%，預(yù)測(cè)正確率也高達(dá)95%[3]。

食品外觀品質(zhì)既與市場(chǎng)價(jià)值緊密關(guān)聯(lián)，又與消費(fèi)者喜好、市場(chǎng)選擇等息息相關(guān)。以果蔬類產(chǎn)品為例，透過(guò)產(chǎn)品外觀，可直接了解到內(nèi)部質(zhì)量。采用高光譜成像技術(shù)便可了解采摘水果后的隱性損壞情況[4]。很多專家針對(duì)近紅外高光譜成像技術(shù)在果蔬類產(chǎn)品無(wú)損檢測(cè)中的應(yīng)用進(jìn)行了研究。例如，芒果機(jī)械性損傷檢測(cè)，按照現(xiàn)有的研究經(jīng)驗(yàn)，得出的芒果損傷檢測(cè)圖像波長(zhǎng)在650～1 100 nm，芒果損傷檢測(cè)主要采用分類法，分別是線性判別分析法、近鄰法、樸素貝葉斯分類法、決策樹法和極限學(xué)習(xí)機(jī)法，在無(wú)損檢測(cè)中應(yīng)用這5種方法，得出芒果機(jī)械性損傷分類的準(zhǔn)確率高達(dá)97.9%;如果是在雞蛋內(nèi)部質(zhì)量檢測(cè)中應(yīng)用，該技術(shù)系數(shù)值設(shè)定為0.87，得出預(yù)測(cè)準(zhǔn)確度達(dá)到96.3%。由此可見(jiàn)，高光譜成像技術(shù)在食品新鮮度檢測(cè)中的應(yīng)用具有極高的可行性。

2.2 高光譜成像技術(shù)在食品生物污染檢測(cè)中的應(yīng)用

為了保證食品安全，需展開食品生物污染檢測(cè)，如肉類制品易受冷庫(kù)溫度變化影響，增加肉制品附著的細(xì)菌數(shù)量，從而引發(fā)食品質(zhì)量問(wèn)題[5]。為了解決食品安全問(wèn)題，建議在生物污染檢測(cè)中應(yīng)用高光譜成像技術(shù)，保證人們的消費(fèi)安全。結(jié)合當(dāng)前我國(guó)肉制品生物污染檢測(cè)體系建設(shè)現(xiàn)狀，檢測(cè)人員可采用近紅外高光譜技術(shù)，檢測(cè)分析腐敗變質(zhì)肉制品中的微生物情況，還支持各溫度條件下微生物生長(zhǎng)的檢測(cè)。同時(shí)，實(shí)際開展食品生物污染檢測(cè)，可在偏最小二乘法基礎(chǔ)上構(gòu)建模型，如應(yīng)用近紅外高光譜技術(shù)檢測(cè)肉制品包含的假單胞菌含量，可在遺傳算法基礎(chǔ)上搭建波長(zhǎng)體系，為生物污染檢測(cè)提供支持。

2.3 高光譜成像技術(shù)在食品水分檢測(cè)中的應(yīng)用

食品水分檢測(cè)是食品品質(zhì)無(wú)損檢測(cè)的重要組成部分，需用到食品水分檢測(cè)技術(shù)。傳統(tǒng)食品水分檢測(cè)技術(shù)不僅需消耗大量時(shí)間，檢測(cè)效率也不高。因此，基于上述問(wèn)題，在食品水分檢測(cè)中開始廣泛應(yīng)用高光譜成像技術(shù)。此技術(shù)不僅具有圖像、光譜技術(shù)諸多優(yōu)勢(shì)，還極大提升了食品品質(zhì)無(wú)損檢測(cè)在水分檢測(cè)方面的效率[6]。例如，針對(duì)三文魚制品進(jìn)行無(wú)損檢測(cè)，采用近紅外高光譜成像技術(shù)檢測(cè)三文魚水分損失、魚肉制品pH值，實(shí)際在檢測(cè)環(huán)節(jié)工作人員設(shè)定波長(zhǎng)范圍是400～1 700 nm，在此區(qū)間采集高光譜圖像數(shù)據(jù)，通過(guò)偏最小二乘回歸PLSR構(gòu)建預(yù)測(cè)模型，分析模型可確定水分損失交叉驗(yàn)證相關(guān)系數(shù)。按照得出的水分檢測(cè)結(jié)果，確定三文魚魚肉部分pH值為6.6，水分損失交叉驗(yàn)證相關(guān)系數(shù)為0.877。

此外，在羊肉產(chǎn)品水分檢測(cè)過(guò)程中，依然可采用近紅外高光譜成像技術(shù)分析肉制品化學(xué)成分。根據(jù)檢測(cè)實(shí)踐，設(shè)定紅外波長(zhǎng)范圍是900～1 700 nm，此區(qū)間內(nèi)羊肉制品水、脂肪、蛋白質(zhì)含量系數(shù)分別為0.88、0.88、0.63，對(duì)應(yīng)的系數(shù)值標(biāo)準(zhǔn)誤差是0.51%、0.40%、0.34%。通過(guò)上述數(shù)據(jù)，可見(jiàn)食品品質(zhì)無(wú)損檢測(cè)中的食品水分檢測(cè)，應(yīng)用高光譜成像技術(shù)檢測(cè)效率非常高，而且水分檢測(cè)結(jié)果精度也更高。

2.4 高光譜成像技術(shù)在食品固形物含量檢測(cè)的應(yīng)用

食品品質(zhì)無(wú)損檢測(cè)還包括食品固形物含量檢測(cè)，即果蔬類產(chǎn)品中能在水中溶解的所有化合物，如糖、酸和礦物質(zhì)等。采用高光譜成像技術(shù)檢測(cè)食品固形物含量，在現(xiàn)階段食品品質(zhì)檢測(cè)領(lǐng)域是非常重要的研究對(duì)象。例如，通過(guò)高光譜成像系統(tǒng)可采集果蔬類產(chǎn)品高光譜圖像，并對(duì)吸收系數(shù)、約化散射系數(shù)進(jìn)行測(cè)量，預(yù)測(cè)得出食品硬度與固形物含量。經(jīng)過(guò)實(shí)踐與研究發(fā)現(xiàn)，果蔬類食品吸收系數(shù)、約化散射系數(shù)很大程度受硬度、SSC含量影響，吸收系數(shù)、硬度、SSC含量具有非常高的相關(guān)性，得出固形物含量預(yù)測(cè)相關(guān)系數(shù)是0.864。由此可見(jiàn)，高光譜成像技術(shù)可用于光學(xué)特性檢測(cè)，能了解食品內(nèi)部品質(zhì)的基本情況[7]。

此外，高光譜成像技術(shù)還包括高光譜激光誘導(dǎo)熒光成像技術(shù)，此技術(shù)也廣泛應(yīng)用于食品品質(zhì)無(wú)損檢測(cè)，用于了解食品安全。例如，在700～1 100 nm波段，構(gòu)建高光譜激光誘導(dǎo)熒光成像平臺(tái)，期間還需構(gòu)建多元線性回歸模型，對(duì)果蔬類產(chǎn)品固形物含量做出預(yù)測(cè)，得出相關(guān)系數(shù)0.96。由此可見(jiàn)，高光譜激光誘導(dǎo)熒光成像技術(shù)可用于食品品質(zhì)無(wú)損檢測(cè)，特別是果蔬類產(chǎn)品固形物含量檢測(cè)，是非常有效的檢測(cè)技術(shù)。

3 結(jié)語(yǔ)

綜上所述，通過(guò)分析食品品質(zhì)無(wú)損檢測(cè)中高光譜成像技術(shù)的應(yīng)用，發(fā)現(xiàn)該技術(shù)是無(wú)損檢測(cè)的一種有效技術(shù)手段，不僅可保證被測(cè)對(duì)象的完整性，還能提高無(wú)損檢測(cè)效率，避免檢測(cè)環(huán)節(jié)消耗大量時(shí)間。根據(jù)高光譜成像技術(shù)應(yīng)用實(shí)操經(jīng)驗(yàn)，發(fā)現(xiàn)其切實(shí)提升了我國(guó)無(wú)損檢測(cè)水平，可為食品安全提供保障，滿足廣大消費(fèi)者對(duì)于肉制品、果蔬類產(chǎn)品等的質(zhì)量與安全要求，避免食品安全問(wèn)題帶來(lái)的危害。

參考文獻(xiàn)

[1]張飛，羅華平，高峰，等.高光譜成像技術(shù)在水果品質(zhì)無(wú)損檢測(cè)中的研究現(xiàn)狀[J].新疆農(nóng)機(jī)化，2021（6）：18-21.

[2]曹妍.如何正確使用光譜成像技術(shù)進(jìn)行食品檢測(cè)[J].中國(guó)食品工業(yè)，2021（24）：79-80.

[3]余孜孜，任錫蓉，林民堯，等.基于CiteSpace的茶葉領(lǐng)域中高光譜成像技術(shù)應(yīng)用的文獻(xiàn)計(jì)量分析[J].中國(guó)茶葉，2022，44（8）：48-55.

[4]王飛翔，謝安國(guó)，康懷彬，等.食品光譜圖像無(wú)損檢測(cè)技術(shù)實(shí)用化方向研究進(jìn)展[J].農(nóng)產(chǎn)品加工，2019（13）：74-78.

[5]樊永華.高光譜成像技術(shù)在肉制品品質(zhì)無(wú)損檢測(cè)中的應(yīng)用[J].糧食與食品工業(yè)，2018，25（5）：64-67.

[6]邢素霞，王睿，郭培源，等.高光譜成像及近紅外技術(shù)在雞肉品質(zhì)無(wú)損檢測(cè)中的應(yīng)用[J].肉類研究，2017，31（12）：30-35.

[7]盧娜，韓平，王紀(jì)華.高光譜成像技術(shù)在果蔬品質(zhì)安全無(wú)損檢測(cè)中的應(yīng)用[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2017，8（12）：4594-4601.