農產品內部異物檢測方法研究進展

張成龍 朱大洲 王瑤瑤 盧林綱 張偉 陳爭光

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、太赫茲成像等技術在農產品內部異物探測方面的應用情況，介紹了上述成像方法的檢測原理和研究進展，并總結了各方法的優勢和不足，最后對農產品內部異物檢測方法的發展趨勢進行了展望。

關鍵詞 農產品；內部異物；無損檢測；光譜；成像

中圖分類號 S123文獻標識碼 A文章編號 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

農產品質量安全問題越來越受到人們關注，特別是近些年有關農產品內部異物問題的頻繁出現，使得農產品內部品質檢測顯得愈發重要。歐盟食品飼料快速預警系統數據顯示，在過去20年，有關異物污染的事件至少1 446起，發現異物的主要食物類型有水果、蔬菜、堅果、烘焙產品等，發現的異物中前3名是害蟲、玻璃和金屬[1]。我國農產品消費占食品消費總量的70%，加強農產品品質質量把控，提高農產品內部異物的檢測水平刻不容緩。農產品內部異物的檢測不同于農產品表面檢測，大部分待識別異物存在于農產品內部，這種情況下肉眼不可見，對檢測技術手段和儀器要求較高。

傳統的農產品內部異物檢測方式主要有人工檢測、化學分析測量和機械剔除等，這些方式有很大的局限性，難以滿足實際生產需求。人工檢測方法主要適用于透光性較好的農產品，不僅費時費力，在檢測中也存在一定的主觀性，檢測精度難以保證。化學分析測量通常需要在實驗室中進行，這種方法檢測時間較長，而且成本高，有一定的破壞性，難以實現現場快速檢測。機械剔除法主要是根據農產品和異物的質量差異進行檢測剔除，不適用于質量等物理性質相似的農產品異物的檢測[2]。

傳統異物檢測方式不能滿足社會對農產品安全的需求，農產品檢測加工環節迫切需要穩定、快速和高效的無損檢測技術。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在生物醫學、生物組織檢測方面取得了成功，在農產品內部異物檢測方面具有較大潛力，引起了研究者的廣泛關注。這些方法對農產品不具有破壞性，可以實時、快速地實現檢測的目的。筆者重點介紹這些無損檢測方法的原理、研究現狀及其優缺點，以期為農產品內部異物檢測研究提供參考。

1 可見光成像技術

可見光成像技術在模擬人類視覺對農產品內部異物檢測識別中應用最為廣泛，通過單CCD、雙CCD或3CCD鏡頭分別采集農產品的反射圖像或透射，結合圖像處理算法，實現農產品無損檢測。其中，光源為散射光源或透射光源。

目前應用較多的是煙葉、棉花和茶葉中異物檢測。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，為異物識別與剔除工作增加了很大難度。對此，張紹堂等[3-4]首先設計了基于可見光成像技術的異物剔除系統，利用正常物料和典型異物分別建立標準顏色庫和典型異物庫，從準色庫中去除異物庫中顏色數據，得到最終標準物料顏色庫用以比對實際待測物料顏色，實現異物檢測剔除；現場試驗結果表明，此異物識別方法的異物剔除率為85%以上，煙葉帶出率小于1%；在此系統基礎上，通過顏色表可視化的研究，更新維護顏色庫的數據并提高異物剔除準確率。馮志新等[5]研究發現，在棉花中棉梗、樹葉、棉籽等異物檢測中，由于光源不穩定，采集圖像光照不均；對此，采用Grammar校正函數使圖像光照均勻，其中Gamma=0.8；將處理后的3個通道圖像融合得到高對比度的圖像，利用Otsu算法對圖像精確分割，誤檢率達5%。為了識別茶葉中石塊、樹棍、雜草等異物，陳培俊[6]根據棍棒類異物相比于茶葉有明顯的直線特征，而球狀類雜質與茶葉的形狀特征相差很大，分別利用優化后的霍夫直線變換算法和支持向量機分類器進行識別，識別準確率高于90%。

可見光成像技術具有檢測便利、操作簡單和成本低廉等優點，但在農產品內部品質檢測中局限性很大。基于透射圖像的可見光成像技術可以對有一定透光性的農產品內部特征進行檢測識別，然而大部分農產品組織較厚，對可見光的透過性比較弱，成為可見光成像技術在農產品內部異物檢測應用中最大的瓶頸[7-8]。

2 近紅外成像技術

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，在同一波長近紅外光線的照射下，不同物質或同一物質的不同特征部分擁有不同的反射或吸收特性。根據分光反射率的不同，選取特定波長的近紅外光線使得這種差異最大化，在轉換成的可視圖片中，可以達到增強不同特征部位或不同物質的灰度對比的目的，再結合圖像處理技術進行異物檢測。

近紅外成像檢測技術在棉花、飼料、綠豆和小麥異物檢測中具有較大潛力。魯德浩[9]通過篩選確定最優檢測波段為940 nm，在此波段獲得的圖像檢測結果與實際一致，為棉花中異物檢測提供了新思路。光譜分析與顯微成像技術的結合擴展了近紅外成像技術的應用范圍。Pavino等[10]檢測了混有肉類和骨片（MBM）的飼料，結果表明，顯微近紅外對MBM飼料中非飼料成分檢測的靈敏度為100%，特異性為96.30%。Kaliramesh等[11]檢測了綠豆中四紋豆象蟲，研究通過近紅外成像系統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、標準差、方差和10個直方圖特征設計了非參數統計分類器，對正常綠豆和被侵染綠豆的分類精度分別達到85%和82%以上。Ravikanth等[12]結合標準正態變量（SNV）光譜技術和最近K值鄰域分類器，檢測小麥中常見污染異物；異物對象主要有大麥、黑麥和大豆類雜質，谷殼和石頭類異物，鹿和兔子排泄物；檢測系統分類精度在92%以上，該研究還設立了2個獨立試驗，完成了對小麥中異物的定性和定量描述。

盡管近紅外成像檢測技術可以彌補常規圖像檢測方法的不足，但仍然存在瓶頸等待突破。隨著農產品內部品質檢測的不斷深入，不同農產品或同一農產品不同生長階段的近紅外吸收特性的基礎信息需要積累，相關信息數據庫的建設成為必然，是農產品內部品質檢測實現應用的基礎[13-15]。

3 熱紅外成像技術

熱紅外成像技術早期主要用于軍事、電力等行業。不同物質或同一物質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器將這種差異轉換為可視化圖像，結合待測物質在環境溫度變化時的反應情況，可實現異物檢測。

熱紅外成像技術在堅果、倉儲糧食和餅干異物檢測方面得到關注。Meinlschmidt等[16-17]應用脈沖熱成像技術，根據熱導率差異檢測了櫻桃、漿果、葡萄干和杏仁中的莖、葉、花梗、木棍和小石子等異物；在此基礎上，利用改進的熱成像系統對榛子中果殼和小石子等異物進行了進一步詳細研究，通過閃光燈加熱提高了榛子與異物的圖像對比度，并展示了灰度檢測、統計分析和形態學處理技術的優缺點。Warmann等[18]通過閾值處理、紋理分析和模糊邏輯法3種方法分別檢測榛子雜質，結果表明，前2種方法適用于流水線上大量榛子內混雜的榛子果殼和小石子等異物的檢測，準確率較高；第3種方法適用于榛子單體檢測。Manickavasagan等[19]使用熱成像儀檢測麥粒中的銹赤扁谷盜倉儲害蟲，識別麥粒狀態包括4類幼蟲侵染階段、1類蟲蛹侵染和1類成蟲侵染階段，結果表明，正常籽粒和受害籽粒的二次函數識別準確率分別為77.7%和83.5%，線性識別準確率為83.0%和77.6%，但是對于內部害蟲所處周期的識別效果不佳。Senni等[20]根據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射率衰減曲線，實現對餅干中小石子、金屬顆粒、玻璃和木屑等異物的檢測，并利用生產線的時序熱成像圖完成在線測試。

熱紅外成像技術具有非破壞、非接觸檢測的特點，但同時也存在缺點與局限性。首先，紅外成像儀比同級別的可見光攝像頭的價格要貴；其次，熱成像檢測易受到環境溫度的影響，對溫度不穩定的物質的檢測能力較弱。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與其他成像技術相結合，提高像素分辨率，從而提高檢測精度，相應配套軟件的開發也應受到重視[21-24]。

4 高光譜成像技術

高光譜成像技術發展自遙感探測領域，并迅速擴展到農業、醫學等地面應用領域。在不同波段范圍內物體吸收率（反射率）的敏感程度是不同的，根據這一特性，在多個光譜通道中選擇最佳波長范圍，使不同物質或同一物質的不同部位的對比度最高。在此基礎上，通過光譜成像的方式采集待測物體的特征參數，結合光譜分析和成像技術實現農產品內部異物的檢測。

高光譜成像技術在豬肉、魚肉、毛豆和棉花內部害蟲等異物檢測中得到關注。為了驗證利用近紅外高光譜成像技術檢測豬肉中金屬、害蟲、碎骨和聚乙烯材料等異物的可行性，Díaz等[25]研究發現，從數據集獲得的圖像中，豬肉和這些異物的對比度較高，可以實現檢測。Sivertsen等[26]使用高光譜成像系統，通過本地校正的方法將光譜數據量降低至89.6%，可檢測到60%的含線蟲魚肉，高斯最大似然分類器分別檢測到70.8%的黑線蟲和60.3%的乳白色線蟲。馬亞楠等[27]以225例毛豆為研究對象，識別豆莢內部的豆莢螟；識別特征參數為波長400～1 000 nm獲得的能量信息，結合支持向量機分類器建立害蟲檢測分類模型；在驗證集中，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之一，易附著于棉花，檢測識別難度大。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53維特征集，使用改進的最小冗余最大相關法選出5個特征，并進行分類驗證，檢測準確率為97.71%。

“圖譜合一”是高光譜成像技術的最大特點，利用圖像信息和光譜信息分別可以實現農產品外部特征和內部特征的檢測。但高光譜成像技術獲取的三維數據量很大，數據處理耗時長，只有基于少量光譜帶的光譜成像系統符合快速檢測的要求。為此，需要尋求新的統計分析技術和高效的數據降維方法。當前大多數研究都是在實驗室進行的，為進一步將高光譜成像技術應用到實際生產中，尚需要更深入的研究[29-32]。

5 X射線成像技術

利用X射線輻射待測農產品，不同農產品內部各物質的密度和厚度不同，得到的透射X射線的數量就不同。通過對透射后的X射線量進行多種方式的采集與分析，可以得到待測農產品內部質構信息，如孔洞、害蟲和異物等。

X射線成像技術對肉類、乳飲和水果中異物的檢測有著巨大的潛力。McFarlane等[33]針對待測樣本厚度不均勻對X射線傳統檢測法的制約問題，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比檢測，得到10～40 keV能量下的雞肉與碎骨對比度比傳統信息圖像得到的對比度高2倍、40～90 keV能量下對比度近似相同的研究結果。針對魚肉中魚骨的檢測，Mery等[34]通過對獲取的X射線圖像預處理與分割，提取了三文魚魚肉圖像279個強度特征，選取24個并分析；對典型的三文魚魚肉樣本進行測試，檢測準確率達99%，后期試驗表明，檢測方法同樣適用于鮭鱒魚魚肉的檢測。Nielsen等[35]通過搭建配有光柵干涉的X射線成像儀，改善了現有X射線成像檢測方式；利用X射線暗場成像，以測量噪聲比的方式成功檢測了碎牛肉中的玻璃、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]開發了一套基于X射線的農產品內部害蟲自動化檢測裝置，主要檢測目標為桃子、番石榴等水果，結果表明該設備可以對水果內部害蟲進行準確定位，定位精度達到94%。

X射線成像的優點在于該技術憑借其對物質極強的穿透力可以獲得高質量的農產品內部質構信息，但是農產品形狀的復雜性和不規則性嚴重制約著X射線檢測的效果，針對這一問題需要開展進一步研究[37]。同時，檢測裝置的穩定性、一體化、便捷性、易操作性和智能化水平也有待提高。X射線檢測技術在農產品內部害蟲等雜質檢測中已開始實踐應用，國外針對X射線檢測法在入境農產品內部潛隱性害蟲檢測中的應用開展了深入研究。相比之下，國內研究較少，急需開展這方面研究，為我國現場檢驗檢疫工作提供新方向[38-39]。

6 超聲波成像技術

基于聲學特性的超聲波成像檢測技術，在醫學中得到了廣泛應用。超聲波在不同待測樣品介質中的動態傳播特性是不同的，利用這種差異，間接對各類非聲學量及其動態情況進行檢測或測繪成像，根據同一發射源反射能量的差異性可實現對農產品內部異物的檢測。

超聲波成像技術在肉類農產品、奶酪和巧克力等食品異物檢測中得到關注。Correia等[40]設計了一種基于脈沖回撥技術的活塞與氣缸裝置，利用蒸餾水樣品校正檢驗之后，測量雞胸脯肉的密度、傳導速度、阻抗和振幅比；根據振幅比可以成功區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]通過使用脈沖信號和編碼脈沖信號對半軟奶酪中的異物實現了檢測，檢測原理是測量信號發射時間并比較不同樣本接收信號時間，如果待測樣本中沒有異物，信號接收時間是有異物樣本的2倍；研究結果表明，2種信號的檢測方法可以實現半軟奶酪中異物的檢測，檢測準確率達90%。Pallav等[42]利用空氣耦合式超聲檢測法，根據選定的聲學特性，對食品中的添加劑和異物進行檢測，實現了對奶酪中的異物和冷凍面團產品的測量。Cho等[43]利用超聲波技術對奶酪與家禽中的異物進行了檢測。然而，國內超聲波技術的研究更多集中于農產品加工領域中的強化分離、殺菌、洗滌、成分萃取和干燥脫水等，部分研究為建材、工程的現場檢測，在農產品內部異物檢測方面較少。

超聲波的優點是穿透能力強、易激發、方向性好、能量不易分散，對檢測環境以及工作人員的要求低。由于這種彈性波在介質中傳播會受到一定程度的衰減，超聲與待測樣品之間的介質成為研究者關注的焦點。近年來檢測介質與待測對象必須接觸的局限性得以突破，空氣耦合式超聲波檢測系統成為新方向。超聲波的空化效應、機械作用和熱效應對檢測對象的未知影響，是實現綠色無損檢測的潛在威脅。雖然超聲波技術在農產品內部異物檢測中潛力巨大，但國內相關研究需要進一步深入，將新型檢測技術在我國推廣開來[2，44]。

7 核磁共振成像技術

核磁共振成像技術是一種生物組織內部結構特征直觀透視研究的高效手段。在外加的磁場中，生物體中的氫原子核受到電磁波的輻射作用時會產生核磁共振現象。如果在外加磁場上加入線性磁場梯度，質子運動頻率就會反映出其所在的位置信息。探測器采集核磁共振信號并傳入處理軟件，根據形成的高度比度樣本圖像進行識別檢測。

核磁共振成像中所釋放的能量在農產品內部不同結構中衰減情況是不同的，在蘋果內部害蟲等異物的檢測中表現突出。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，在成像系統中檢測到1.5～2.0 mm 長的幼蟲和小坑，還觀察到排泄物；該檢測系統尺寸較小，僅適用于直徑小于30 mm的小蘋果，對于市場上常見的成熟的蘋果不適用。針對這一點，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，對成熟蘋果中的果蛾進行檢測，利用3D自旋回波法，在侵染的空洞中檢測到成熟幼蟲和排泄物，但僅在少數樣本中檢測到果蛾幼蟲。盡管測量時間較長，但為蘋果內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幼果內部果蛾周期生理活動特征進行了觀察，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，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特征，并進一步證明此方法有望成為成熟蘋果內害蟲檢測的重要基礎。

核磁共振成像技術對農產品內部異物可以進行任意方向的切層，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也在研究中。核磁共振圖像比CT圖像有更精確的檢測結果，但由于儀器成本高，使其應用范圍受限。在農產品內部異物檢測中，核磁共振成像技術還是一個較新的方向。隨著低成本、低場強、高速度和高精度的核磁共振設備的研發，核磁共振成像技術在農產品領域的應用將得到進一步加強[48-50]。

8 太赫茲成像技術

太赫茲成像技術是內部品質檢測的新興手段。如果作為輻射源的太赫茲波形已知，在其對樣品反射輻射或透射輻射之后，樣品相關的復介電常數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。太赫茲成像系統根據探測器采集到的振幅和相位信息進行分析處理，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勢成為眾多研究的熱點，在農產品檢測方面也進行了一定探索。Lee等[51]通過連續波太赫茲成像與X射線成像的對比試驗，檢測常見食物中異物；檢測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，并用攪拌機磨為細粉；結果表明，太赫茲連續波成像技術對于食物內部高密度和低密度的異物都有很好的檢測能力。Ok等[52]使用210 GHz高分辨率光柵掃描成像系統，對比透射掃描與反射掃描成像2種方法，結果顯示，奶粉中昆蟲和塑料異物在透射圖像中對比度高于反射掃描成像，并進一步證明了太赫茲成像技術在食物異物檢測中的巨大潛力。Shin等[53]使用太赫茲時域光譜儀，在頻率0.2～1.3 THz獲得多種食物樣本（如谷類和魚類等）和粉蟲異物的光學特性；從這些光學特性獲得樣本的二維復合折射圖顯示，食物和粉蟲特征在0.5 THz時差異較大，可以實現檢測。

太赫茲成像技術對于低密度樣品檢測成像的清晰度高于X射線成像，與超聲成像檢測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波成像2種成像方式可分別獲得樣品的光譜信息和強度信息。太赫茲成像檢測技術的優點是抗干擾能力強、穿透力高，而且可以實現非電離輻射的安全檢測，但此技術處于研究階段，設備價格昂貴。隨著對太赫茲波傳播過程的精準分析、太赫茲波與待測樣品相互作用機理研究的不斷深入和硬件成本的降低，太赫茲波成像技術在農產品內部品質檢測中將更具潛力[54-59]。

9 展望

針對農產品內部異物的檢測需求及使用場合，檢測技術的選擇至關重要，檢測環境的控制也不容忽視。不同于一般工業產品，農產品種類繁多，圖像特征的復雜性和不規則性十分明顯。只有通過數據采集環境、采集條件的控制，將噪聲污染降到最低，結合先進的圖像處理技術，才能實現精準的異物檢測。

農產品內部異物檢測技術通常只能對農產品內部的一個特征或幾個特征檢測描述，這種局限性在一定程度上影響檢測的準確性和穩定性。農產品內部特征參數是多方面的，單一某個技術難以對農產品內部品質進行全面檢測，只有多傳感器檢測信息融合，才能保證異物檢測的精度。檢測技術的硬件結合和軟件數據融合，對于農產品內部異物檢測意義重大。

大部分農產品內部異物檢測技術都是從軍事、工業、醫學等領域發展而來，檢測手段和設備儀器需要根據農產品的需要進行定制開發。由于檢測對象、研究領域的不同，部分移植而來的檢測技術存在檢測周期長的特點，不能滿足農產品實時、高效和快速檢測的需求。此外，部分檢測設備成本很高，相比于種類繁多、價格普遍低廉的農產品，會產生“殺雞用牛刀”的現象。隨著農產品內部異物檢測技術的不斷發展，發展實時在線、高效快速的專用化農產品檢測成為趨勢。

參考文獻

[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.機器視覺技術在煙草異物剔除系統中的應用[J].云南民族大學學報（自然科學版），2007，16（2）：161-164.

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

[5] 馮志新，安浩平，吳順麗.基于 RGB 顏色模型棉花雜質檢測算法[J].計算機與現代化，2013（4）：99-102.

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

[7] 文韜，洪添勝，李震，等.基于機器視覺的橘小實蠅運動軌跡跟蹤與數量檢測[J].農業工程學報，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] 魯德浩.基于近紅外波長成像的異物檢測新方法[J].鄭州大學學報（理學版），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.紅外成像技術在農產品加工自動化中的應用[J].中國農機化，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，馬占鴻，等.基于熱紅外成像技術的小麥病害早期檢測[J].農業工程學報，2014，30（18）：183-189.

[23] 王斐，吳德軍，翟國鋒，等.側柏衰弱木和蛀干害蟲受害木的熱紅外成像檢測[J].光譜學與光譜分析，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，FENOLLOSA 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[J].食品工業科技，2014，35（14）：59-63.

[28] 張航.基于高光譜成像技術的皮棉中地膜識別方法研究[D].北京：中國農業大學，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.肉異物識別中肉厚度激光補償試驗系統的研制[J].農業工程學報，2012，28（10）：274-280.

[38] 韓平，潘立剛，馬智宏，等.X射線無損檢測技術在農產品品質評價中的應用[J].農機化研究，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方法及裝置研究[D].北京：中國農業大學，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，應義斌，商德勝.基于形態學的香梨褐變核磁共振成像無損檢測[J].浙江大學學報（工學版），2012，46（12）：2141-2145.

[50] 段秀霞，施文正，汪之和.低場核磁共振技術在水產品品質分析中的研究進展[J].漁業現代化，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中的應用[J].光譜學與光譜分析，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.