基于光譜技術(shù)的禽蛋內(nèi)部品質(zhì)無損檢測(cè)研究進(jìn)展

王巧華，馬逸霄，付丹丹

1.華中農(nóng)業(yè)大學(xué)工學(xué)院,武漢 430070; 2.國(guó)家蛋品加工技術(shù)研發(fā)分中心,武漢 430070;3.農(nóng)業(yè)農(nóng)村部長(zhǎng)江中下游農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室,武漢 430070

禽蛋作為人類日常生活中的主要蛋白質(zhì)來源，富含多種營(yíng)養(yǎng)物質(zhì)[1]。我國(guó)禽蛋生產(chǎn)和消費(fèi)量均位居世界前列[2]，但目前蛋品行業(yè)生產(chǎn)主體普遍規(guī)模不大，存在流通環(huán)節(jié)多[3]、尚無完善的安全風(fēng)險(xiǎn)評(píng)估體系[4]等問題。大部分蛋品企業(yè)檢測(cè)與分級(jí)工作依賴人工進(jìn)行，工作強(qiáng)度大、效率低且準(zhǔn)確率波動(dòng)較大。隨著食品安全法規(guī)逐漸完善，消費(fèi)者對(duì)安全、高質(zhì)量、可持續(xù)和高性價(jià)比的蛋類產(chǎn)品提出了更高的期望。傳統(tǒng)的檢測(cè)手段已無法滿足當(dāng)前市場(chǎng)的需求，開發(fā)針對(duì)禽蛋品質(zhì)的無損檢測(cè)系統(tǒng)具有重要的社會(huì)意義和經(jīng)濟(jì)效益。

近年來，無損檢測(cè)技術(shù)(non-destructive testing technique,NDT)以其無損化、快速化等優(yōu)點(diǎn)，在我國(guó)禽蛋品質(zhì)檢測(cè)領(lǐng)域發(fā)展迅速。常用的無損檢測(cè)技術(shù)主要包括光譜、機(jī)器視覺[5-7]、電子鼻[8-10]、介電特性[11-13]、核磁[14-16]、聲學(xué)[17-19]等，其中機(jī)器視覺、介電特性、聲學(xué)等檢測(cè)技術(shù)在禽蛋內(nèi)部檢測(cè)中多用于定性檢測(cè)，而電子鼻檢測(cè)所需時(shí)間較長(zhǎng)，核磁檢測(cè)成本較高，均難以滿足工業(yè)化需求。

光譜檢測(cè)具有采樣方式靈活、測(cè)試速度快以及對(duì)樣品沒有破壞性且無需化學(xué)測(cè)定等優(yōu)點(diǎn)[20-22]，因此目前光譜檢測(cè)技術(shù)在禽蛋內(nèi)部品質(zhì)無損檢測(cè)中的應(yīng)用研究廣泛[23-26]。本文著重研究了近紅外光譜(near infrared spectrum，NIRS)、可見-近紅外光譜(visible-near infrared spectrum，Visible-NIRS)、高光譜成像(hyperspectral imaging，HSI)、拉曼光譜(Raman spectra，RS)4種光譜檢測(cè)手段在禽蛋內(nèi)部品質(zhì)無損檢測(cè)中的進(jìn)展情況，并對(duì)光譜檢測(cè)技術(shù)在未來蛋品產(chǎn)業(yè)中的應(yīng)用進(jìn)行了總結(jié)和展望，以期為我國(guó)蛋品產(chǎn)業(yè)質(zhì)量安全監(jiān)管提供參考。

1 常用光譜檢測(cè)技術(shù)簡(jiǎn)介

1.1 近紅外光譜技術(shù)

近紅外區(qū)域的主要光譜信息來源于C—H、N—H和O—H等含氫基團(tuán)的倍頻與合頻吸收特性[27]。禽蛋內(nèi)部的化學(xué)成分在近紅外區(qū)域有特性表達(dá)，可采用化學(xué)標(biāo)量建立校正模型對(duì)雞蛋的內(nèi)部品質(zhì)進(jìn)行分析。近紅外光譜技術(shù)具有檢測(cè)速度快、分析儀成本較低的優(yōu)勢(shì)，可以較好地實(shí)現(xiàn)禽蛋內(nèi)部品質(zhì)的檢測(cè)。

1.2 可見/近紅外光譜技術(shù)

可見/近紅外光譜同時(shí)包含了可見光波段(400～780 nm)與近紅外波段(780～2 526 nm)[28]。可見-近紅外光譜儀有著體積小、成本低、檢測(cè)速度快[29]的優(yōu)點(diǎn)。圖1為實(shí)驗(yàn)室常見的用于檢測(cè)雞蛋的可見/近紅外光譜采集裝置，以雞蛋的長(zhǎng)軸與地面平行的方式放置雞蛋，減少漏光，通過光譜儀配套的Specsuite光譜軟件采集雞蛋的可見-近紅外光譜，并實(shí)時(shí)在計(jì)算機(jī)中觀察光譜趨勢(shì)，目前實(shí)驗(yàn)室的光譜檢測(cè)設(shè)備大多是通過手動(dòng)操作來檢測(cè)單枚禽蛋。國(guó)外對(duì)農(nóng)產(chǎn)品無損檢測(cè)儀器的研究較早，已有商品化的便攜式光譜檢測(cè)儀，但大都是針對(duì)果蔬的品質(zhì)，市面上尚未有針對(duì)禽蛋品質(zhì)的商品化無損檢測(cè)儀器。

1.計(jì)算機(jī) Computer; 2.光纖光譜儀(USB2000+，Ocean Optics公司) USB2000+fiber spectrometer; 3.暗箱 Black box; 4.84-UV-25準(zhǔn)直透鏡84-UV-25 collimating lens; 5.雞蛋 Egg; 6.可調(diào)光源 Adjustable light source.

1.3 高光譜成像技術(shù)

高光譜成像技術(shù)能同時(shí)對(duì)物體內(nèi)部品質(zhì)、外部特征進(jìn)行檢測(cè)，能夠?qū)⒏鹘M分分布情況可視化[30]。圖2所示為高光譜圖像采集裝置(Zolix HyperSIS-VNIR-CL)，主要是由高光譜成像儀、計(jì)算機(jī)、透射光源箱、高光譜采集軟件(SpectraSENS)等組成。使用時(shí)樣本放立在自制的高光譜儀中的透射光源箱的孔口，在保證透射光源箱無漏光條件下采集雞蛋的高光譜透射圖像。高光譜成像系統(tǒng)的圖像是在特定波長(zhǎng)范圍內(nèi)由一系列連續(xù)的窄波段圖像組成的三維圖像數(shù)據(jù)塊，其中包含大量無關(guān)信息和噪聲，這就造成算法處理復(fù)雜且速度慢，難以應(yīng)用于農(nóng)產(chǎn)品在線實(shí)時(shí)檢測(cè)與分選中，且成體系的高光譜設(shè)備價(jià)值高，難以推廣于大規(guī)模商業(yè)化生產(chǎn)中[31]。

A:高光譜系統(tǒng)示意圖 Schematic of hyperspectral system; B:透射光源箱 Transmission light source box; 0.雞蛋 egg; 1.計(jì)算機(jī) Computer; 2.密封箱 Sealed box; 3.光譜相機(jī) Spectrum camera; 4.步進(jìn)電機(jī)控制器 Stepper motor controller; 5.聯(lián)軸器 Coupling; 6.光電傳感器 Photoelectric sensor; 7.底座 Base; 8.絲桿 Screw; 9.移動(dòng)平臺(tái) Mobile platform; 10.透射光源箱 Transmission light box; 11.光源開關(guān) Light switch; 12.透射光源 Transmission light source;13.風(fēng)扇 Fan.

1.4 拉曼光譜

拉曼光譜分析法是一種散射光譜分析法。拉曼效應(yīng)起源于分子振動(dòng)和點(diǎn)陣振動(dòng)與轉(zhuǎn)動(dòng)，從拉曼光譜中可以得到分子振動(dòng)能級(jí)、點(diǎn)陣振動(dòng)能級(jí)與轉(zhuǎn)動(dòng)能級(jí)結(jié)構(gòu)的信息[32]。目前常用的拉曼光譜儀主要有色散型拉曼光譜儀(簡(jiǎn)稱激光拉曼)和傅里葉變換拉曼光譜儀(簡(jiǎn)稱傅變拉曼)兩類。激光拉曼是利用短波的可見光激光器激發(fā)光柵分光系統(tǒng)，如Raman Station 400系列拉曼光譜儀(PerkinElmer)；而傅變拉曼則采用長(zhǎng)波的近紅外激光器激發(fā)、邁克爾遜干涉儀調(diào)制分光等技術(shù)，如工業(yè)傅里葉變換拉曼分析儀(Raman Pro FT Analyzer)。拉曼光譜分析法是一種弱信號(hào)分析方法，在應(yīng)用于微量和痕量物質(zhì)分析時(shí)，通常需要采用表面增強(qiáng)和共振增強(qiáng)方式增強(qiáng)拉曼光譜信號(hào)[33]，由于蛋殼會(huì)對(duì)蛋內(nèi)容物造成一定干擾，故該技術(shù)對(duì)完整禽蛋不適合，因此拉曼光譜多用于蛋液檢測(cè)。通過查閱大量的文獻(xiàn)及筆者所在課題組幾十年的研究積累，本文歸納了不同光譜分析技術(shù)的檢測(cè)模式、檢測(cè)范圍、禽蛋檢測(cè)時(shí)的主要指標(biāo)及主要優(yōu)缺點(diǎn)，如表1所示。

表1 不同光譜檢測(cè)技術(shù)在禽蛋無損檢測(cè)時(shí)的主要檢測(cè)指標(biāo)及主要優(yōu)缺點(diǎn) Table 1 The detection indicators,advantages and disadvantages of different spectral detection technologies in non-destructive testing of eggs

2 光譜分析技術(shù)在禽蛋無損檢測(cè)中的應(yīng)用

2.1 基于近紅外光譜分析的禽蛋檢測(cè)研究

近些年，近紅外光譜已被廣泛應(yīng)用到雞蛋內(nèi)部品質(zhì)的檢測(cè)中[34-38](表2)。劉燕德等[35]對(duì)雞蛋的哈夫單位、pH值、蛋形指數(shù)及存儲(chǔ)時(shí)間進(jìn)行了預(yù)測(cè)，發(fā)現(xiàn)近紅外光譜對(duì)雞蛋新鮮度品質(zhì)有較好的預(yù)測(cè)效果。高佩佩等[36]和孫艷文等[37]針對(duì)雞蛋中的蛋白質(zhì)和脂肪酸，通過新鮮雞蛋的近紅外光譜與蛋清總蛋白含量、脂肪酸含量之間的線性關(guān)系，建立了無損定量預(yù)測(cè)模型，結(jié)果顯示近紅外光譜對(duì)雞蛋中部分物質(zhì)成分有較好的預(yù)測(cè)效果。王巧華等[38]應(yīng)用機(jī)器視覺結(jié)合近紅外光譜技術(shù)，實(shí)現(xiàn)了對(duì)皮蛋的檢測(cè)及分級(jí)，首次將視覺與近紅外光譜技術(shù)結(jié)合，分級(jí)準(zhǔn)確率達(dá)96.38%。但目前試驗(yàn)都僅停留在實(shí)驗(yàn)室階段，對(duì)于環(huán)境要求較高，應(yīng)用尚未得到推廣。

表2 近紅外光譜分析在禽蛋內(nèi)部品質(zhì)無損檢測(cè)中的應(yīng)用 Table 2 Applications of NIRS for non-destructive detection of internal quality in egg

2.2 基于可見-近紅外光譜分析的禽蛋檢測(cè)研究

可見-近紅外光譜技術(shù)核心檢測(cè)器體積較小、成本低、檢測(cè)速度快，相對(duì)更適用于儀器開發(fā)。趙杰文等[39]與吳建虎等[40]使用漫反射的檢測(cè)模式建立多元線性回歸預(yù)測(cè)模型，實(shí)現(xiàn)了雞蛋哈夫值、蛋黃指數(shù)及失重率的快速識(shí)別，對(duì)新鮮雞蛋蛋白質(zhì)含量有良好的預(yù)測(cè)效果。更多的研究可見-近紅外在禽蛋品質(zhì)檢測(cè)上多以透射作為檢測(cè)模式，以減少蛋殼因素的干擾(表3所示)，如Mehdizadeh等[41]利用透射檢測(cè)模式分別以鈍端和赤道為檢測(cè)部位，對(duì)雞蛋新鮮度分類進(jìn)行了預(yù)測(cè)；王彬等[42]對(duì)雞蛋鈍端進(jìn)行透射檢測(cè)，以識(shí)別其品種及產(chǎn)地，檢測(cè)準(zhǔn)確率達(dá)98.33%；付丹丹等[43]利用可見-近紅外建立了褐殼雞蛋和白殼雞蛋的蛋清S-卵白蛋白含量定量預(yù)測(cè)模型，在2個(gè)品種雞蛋模型中均有較好的預(yù)測(cè)效果，提高了模型適用性；李慶旭等[44]首次將深度學(xué)習(xí)應(yīng)用到鴨蛋早期光譜無損檢測(cè)的雌雄辨別上，搭建了6層卷積神經(jīng)網(wǎng)絡(luò)，測(cè)試集的準(zhǔn)確率達(dá)93.83%。

表3 可見-近紅外光譜分析在禽蛋內(nèi)部品質(zhì)無損檢測(cè)中的應(yīng)用 Table 3 Applications of visible-NIRS for non-destructive detection of internal quality in egg

目前，禽蛋光譜檢測(cè)裝置停留在初步探索與研發(fā)階段。如董曉光[45]利用建立的雞蛋新鮮度多指標(biāo)融合預(yù)測(cè)模型，基于可見-近紅外光譜技術(shù)研制了雞蛋新鮮度無損檢測(cè)裝置。Chen等[46]利用透射可見-近紅外光譜實(shí)現(xiàn)了對(duì)人造血斑蛋和正常蛋的在線識(shí)別。李小明[47]實(shí)現(xiàn)了散黃蛋在線動(dòng)態(tài)檢測(cè)與分級(jí)，開發(fā)了雞蛋新鮮度判別可視化軟件，整個(gè)采集及模型的結(jié)果輸出時(shí)間共為0.256 s，滿足工業(yè)在線的速度要求。Zhu等[48]利用可見-近紅外光譜技術(shù)實(shí)現(xiàn)了血斑蛋的在線無損檢測(cè)。付丹丹[49]研制出雞蛋無損檢測(cè)裝置，實(shí)現(xiàn)了2個(gè)品種雞蛋的S-卵白蛋白快速無損檢測(cè)，結(jié)果表明提高模型適應(yīng)性后，在多品種不同殼色雞蛋中皆具有較好的預(yù)測(cè)效果。

近紅外光譜和可見-近紅外光譜在禽蛋品質(zhì)無損檢測(cè)中應(yīng)用較多，特別是可見-近紅外光譜，其體積小、成本低、檢測(cè)速度快的優(yōu)勢(shì)在禽蛋品質(zhì)檢測(cè)中具有極大的發(fā)展?jié)摿Γ浅＿m用于在線分析和小型儀器的開發(fā)。但仍有一些問題亟待解決，例如檢出限較高，禽蛋各組織之間多重結(jié)構(gòu)相關(guān)聯(lián)，各組分之間的光學(xué)參數(shù)、成分間的作用機(jī)制及生化活動(dòng)帶來的耦合關(guān)系過于復(fù)雜，導(dǎo)致檢測(cè)結(jié)果不穩(wěn)定，受環(huán)境干擾較大。

2.3 基于高光譜成像技術(shù)的禽蛋檢測(cè)研究

目前高光譜成像技術(shù)在禽蛋無損檢測(cè)方面已有較深研究，主要是利用高光譜成像技術(shù)中的光譜信息數(shù)據(jù)建模，實(shí)現(xiàn)禽蛋內(nèi)外部品質(zhì)無損預(yù)測(cè)與分類、受精蛋的無損鑒別、禽蛋孵化信息的檢測(cè)、胚胎發(fā)育情況鑒別等。在高光譜成像技術(shù)中，由于高光譜數(shù)據(jù)結(jié)構(gòu)的獨(dú)特性[50]，可視化是目前相關(guān)數(shù)據(jù)研究的熱門方向之一，對(duì)于大多數(shù)農(nóng)產(chǎn)品，特別是肉類和蛋類，其內(nèi)部的化學(xué)組成分布是不均勻的，而這些化學(xué)組成又直接影響了其品質(zhì)[51]。高光譜成像技術(shù)可以通過可視化將禽蛋品質(zhì)指標(biāo)值的空間分布狀況，以直觀的圖像形式呈現(xiàn)出來[52]。

高光譜成像技術(shù)在雞蛋內(nèi)部品質(zhì)無損檢測(cè)中的應(yīng)用研究如表4所示。王巧華等[53]以整蛋為感興趣區(qū)域，對(duì)白殼雞蛋光譜進(jìn)行了分析，新鮮度判別準(zhǔn)確率在90%以上。Suktanarak等[54]采集了雞蛋的反射高光譜圖像，對(duì)雞蛋哈夫單位進(jìn)行了預(yù)測(cè)，模型的決定系數(shù)為0.910，并結(jié)合圖像處理算法，用不同的顏色代表預(yù)測(cè)的哈夫值，實(shí)現(xiàn)了雞蛋新鮮度可視化分析。Zhang等[55]利用高光譜成像技術(shù)建立新鮮度檢測(cè)模型，測(cè)定系數(shù)為0.87，且?guī)в袣馐液蜕ⅫS的雞蛋可以通過支持向量分類模型來區(qū)分，識(shí)別準(zhǔn)確率分別為90.0%和96.3%。Fu等[56]利用高光譜成像技術(shù)對(duì)蛋清S-卵白蛋白含量進(jìn)行預(yù)測(cè)，結(jié)合圖像處理技術(shù)來實(shí)現(xiàn)其可視化，如從圖3可直觀地看出雞蛋蛋白中S-卵白蛋白含量的高低。除新鮮度等品質(zhì)外，高光譜在雞蛋受精信息判別上也有較好的效果。Park等[57]利用線掃描的高光譜成像儀實(shí)現(xiàn)了白色受精蛋胚胎活性的快速檢測(cè)，通過單波段(560 nm)圖像和簡(jiǎn)單的圖像處理方法確定受精蛋的活性，準(zhǔn)確率達(dá)99.0%，分析結(jié)果表明，窄波段的光譜能夠有效應(yīng)用于內(nèi)部品質(zhì)的檢測(cè)且易于開發(fā)，具有快速、自動(dòng)化和成本低等優(yōu)點(diǎn)，這一發(fā)現(xiàn)對(duì)高光譜在禽蛋內(nèi)部品質(zhì)檢測(cè)上意義重大。Lawrence等[58]利用高光譜成像技術(shù)獲取雞蛋透射圖像，使未孵化的雞蛋受精信息判別準(zhǔn)確率達(dá)95.8%。祝志慧等[59]利用高光譜成像技術(shù)，建立的圖像-光譜融合信息的受精蛋和無精蛋分類判別模型，可以較好地對(duì)受精蛋與無精蛋進(jìn)行分類判別。

表4 高光譜成像技術(shù)在雞蛋內(nèi)部品質(zhì)無損檢測(cè)中的應(yīng)用 Table 4 Applications of HIS for non-destructive detection of internal quality in egg

圖3 S-卵白蛋白含量可視化分布Fig.3 Visualization of S-ovalbumin content distribution in 3 egg samples

高光譜成像技術(shù)同時(shí)具備光譜信息和圖像信息，可以將禽蛋內(nèi)部指標(biāo)值分布狀況用圖像呈現(xiàn)，可視化這一獨(dú)特優(yōu)勢(shì)使其在禽蛋內(nèi)部品質(zhì)和受精狀況上均有較好的模型效果。但目前研究基本在實(shí)驗(yàn)室條件下或者統(tǒng)計(jì)技術(shù)下實(shí)現(xiàn)的，模型都限制在特定的樣品范圍內(nèi)，距穩(wěn)定運(yùn)用于實(shí)際生產(chǎn)還有一定距離。且因數(shù)據(jù)量過大導(dǎo)致算法處理復(fù)雜、速度慢，且儀器價(jià)格昂貴，故難以應(yīng)用于在線實(shí)時(shí)檢測(cè)中。

2.4 基于拉曼光譜技術(shù)的禽蛋檢測(cè)研究

拉曼光譜和紅外光譜都發(fā)生在紅外區(qū)，不同的是紅外光譜的產(chǎn)生是由于吸收光的能量，引起分子中偶極矩改變的振動(dòng)；拉曼光譜的產(chǎn)生是由于單色光照射后產(chǎn)生光的綜合散射效應(yīng)，能夠彌補(bǔ)紅外光譜無法對(duì)沒有極性的對(duì)稱分析進(jìn)行檢測(cè)的缺陷，拉曼光譜分析技術(shù)被廣泛用于牛奶、農(nóng)藥殘留等方面的定性及定量研究中[60-62]。表5為拉曼光譜在雞蛋內(nèi)部品質(zhì)中的研究應(yīng)用，其中，Cluff等[63]在純凈的蛋清液中加入不同量的蛋黃液，比較不同比例的蛋清蛋黃混合液的拉曼光譜峰強(qiáng)差異，測(cè)定蛋清被蛋黃污染的程度，結(jié)果表明，拉曼光譜技術(shù)可應(yīng)用于在線工業(yè)環(huán)境中蛋清發(fā)泡特性的把控。王巧華等[64]利用表面增強(qiáng)拉曼光譜檢測(cè)技術(shù)結(jié)合化學(xué)計(jì)量學(xué)分析方法定量分析了雞蛋蛋清內(nèi)三聚氰胺含量的可行性和檢測(cè)精度，研究結(jié)果顯示，2種模型都能有效挖掘出雞蛋蛋清中三聚氰胺的信息，并且可以達(dá)到較好的預(yù)測(cè)效果。劉瑩瑩[65]對(duì)蛋清拉曼光譜的特征峰進(jìn)行歸屬分析，發(fā)現(xiàn)蛋黃指數(shù)、氣室高度、蛋白高度和哈夫值的實(shí)測(cè)值均和蛋清拉曼光譜的2個(gè)特征峰強(qiáng)度值有良好的線性回歸關(guān)系。當(dāng)拉曼光譜應(yīng)用于禽蛋內(nèi)部品質(zhì)檢測(cè)時(shí)，因蛋殼對(duì)于光譜的干擾較大，不同的殼色和蛋殼厚度都對(duì)光譜建模效果有著一定的影響，所以拉曼光譜用于禽蛋品質(zhì)檢測(cè)主要針對(duì)蛋液或者對(duì)雞蛋鈍端打孔來達(dá)到檢測(cè)效果。而隨著光譜技術(shù)的不斷發(fā)展，也有研究發(fā)現(xiàn)蛋殼表面的拉曼光譜與雞蛋新鮮度的理化指標(biāo)之間存在顯著的相關(guān)性。Liu等[66]采集雞蛋尖端的拉曼光譜，利用一階導(dǎo)數(shù)或二階導(dǎo)數(shù)對(duì)光譜進(jìn)行預(yù)處理，利用雞蛋新鮮度的理化指標(biāo)，建立了全波段PLSR模型，該模型具有較好的預(yù)測(cè)性能，其中，預(yù)測(cè)模型與哈夫值、蛋白pH、氣室直徑的相關(guān)系數(shù)可達(dá)0.9以上，與氣室高度的相關(guān)系數(shù)可達(dá)0.8以上。

表5 拉曼光譜在雞蛋內(nèi)部品質(zhì)檢測(cè)中的應(yīng)用 Table 5 Applications of Raman speatra for internal quality in egg

拉曼光譜在無損檢測(cè)領(lǐng)域有著較好的發(fā)展勢(shì)態(tài)，已有成型的儀器應(yīng)用于安防、食品、藥品等檢測(cè)上，其靈敏度極高，能對(duì)痕量級(jí)物質(zhì)進(jìn)行定性或定量檢測(cè)。但是在禽蛋無損檢測(cè)中，蛋殼所帶來的干擾難以避免，目前的研究手段僅能對(duì)禽蛋量級(jí)較高的物質(zhì)進(jìn)行檢測(cè)，而微量物質(zhì)需要對(duì)蛋殼進(jìn)行穿孔，所以說拉曼光譜尚未在禽蛋無損檢測(cè)中做到真正的“無損”。

3 總結(jié)與展望

目前，國(guó)內(nèi)外基于光譜技術(shù)的禽蛋內(nèi)部品質(zhì)檢測(cè)已經(jīng)有不少文獻(xiàn)報(bào)道，大部分集中在基礎(chǔ)研究及應(yīng)用基礎(chǔ)研究方面，已經(jīng)獲得了大量有價(jià)值的理論結(jié)論，但從服務(wù)生產(chǎn)的角度出發(fā)，目前的研究還未能滿足生產(chǎn)實(shí)際和消費(fèi)者的應(yīng)用需求。因此，針對(duì)禽蛋的光譜無損檢測(cè)技術(shù)要逐漸從理論基礎(chǔ)研究走向應(yīng)用研究，隨著相關(guān)技術(shù)手段的不斷發(fā)展，禽蛋品質(zhì)的無損檢測(cè)方法也會(huì)更加多元化、自動(dòng)化。結(jié)合近紅外光譜、可見-近紅外光譜、高光譜、拉曼光譜的光譜技術(shù)特點(diǎn)與實(shí)際應(yīng)用要求，目前在蛋品行業(yè)最具備應(yīng)用前景的光譜檢測(cè)技術(shù)是可見-近紅外光譜檢測(cè)技術(shù)。對(duì)于禽蛋品質(zhì)的無損檢測(cè)，我們認(rèn)為未來主要發(fā)展著力點(diǎn)有：一要統(tǒng)一相關(guān)標(biāo)準(zhǔn)，在樣品的處理方法上以及儀器的操作流程與設(shè)置上建立一套統(tǒng)一標(biāo)準(zhǔn)體系，從根源上穩(wěn)固光譜模型，擴(kuò)大其應(yīng)用范圍；二要通過多學(xué)科技術(shù)交叉聯(lián)合，將光譜技術(shù)與其他技術(shù)相結(jié)合，從技術(shù)層面上彌補(bǔ)光譜的自身缺陷，實(shí)現(xiàn)高通量、精準(zhǔn)、無損檢測(cè)；三要建立數(shù)據(jù)處理云平臺(tái)，共享數(shù)據(jù)庫(kù)和模型庫(kù)，構(gòu)建一體化檢測(cè)系統(tǒng)，使模型更好地適應(yīng)不同產(chǎn)地和不同背景信息，解決模型適用性問題，滿足多品種樣品的檢測(cè)需求；四要尋找敏感波段，探尋能表征禽蛋內(nèi)部不同品質(zhì)特征的數(shù)個(gè)離散短波長(zhǎng)，以此降低硬件和光學(xué)傳感器的成本，構(gòu)建具有更高質(zhì)量和減少數(shù)據(jù)量的光譜系統(tǒng)，實(shí)現(xiàn)更快速地識(shí)別和檢測(cè)；五是多光譜聯(lián)用，多種光譜技術(shù)融合互補(bǔ)促進(jìn)，除在物質(zhì)的定性定量檢測(cè)之外，還要在光譜成像方面進(jìn)一步深入發(fā)展。