高光譜圖像技術在食品檢測中的應用

于佩含 李夢楠 高雯

摘 要：當前階段，人們生活品質不斷提升，在推進食品生產與加工領域技術深入研究的基礎上，人們對食品的安全性要求也進一步提高。利用高光譜圖像技術對檢測對象的水分、新鮮度、污染性等進行分析，向檢測人員提供詳細的成分、含量等食品數據，快速、精準的得出檢測報告，為食品領域的綠色、環保發展提供技術支持。基于此，本文從高光譜食品檢驗技術的主要技術特征出發，對該無損檢測技術的實踐應用方向進行具體探析。

關鍵詞：高光譜圖像技術;食品;檢測

相較于高效液相色譜、質譜、近紅外光譜等食品檢測技術，高光譜圖像分析技術可對食品進行在線檢測，提取食品成分、結構、比例等數據，檢測人員可通過光譜、圖像信息，對檢驗對象的各種數據進行動態、精細分析，其具有快速高效、無侵入性、結果精準、覆蓋全面等優勢，在水果、蔬菜、谷物與肉類等食品檢測領域具有良好的應用前景。

1 食品水分高光譜無損圖像檢測

食品行業快速發展的背景下，食品安全管理成為人們關注的重點。通過科學、有效的食品檢測技術，對食品的品質進行控制，提高食品銷售準入門檻，規范食品市場經營秩序，為養殖與種植戶、加工方、銷售單位等食品相關生產產業的可持續發展提供支持[1]。食品檢測按照測定標準與流程的不同，可分為綜合品質的技術檢驗與衛生安全質量檢驗[2]。綜合品質質量檢驗包括外在品質與內在品質兩種檢測模式。外在檢測包括水果與蔬菜的光澤、損傷程度及肉類的色澤等。內在檢測包括水果、蔬菜和肉類的水分含量、新鮮度[3]。安全檢測是生物污染程度檢測、表面排泄污染物檢測等，如谷物的病毒、真菌檢測。

1.1 肉類水分檢測

肉類作為食品安全檢驗的重要類別，其富含多種營養物質。采用高光譜無損檢測技術測定肉類水分含量與pH等相關指標，可在不破壞檢驗樣品的基礎上，通過光譜、圖像信息的分析，得到較為全面的檢測結果。三文魚水分含量與pH數值的檢驗項目中，需在波長范圍400～1 700 nm獲取高光譜圖像信息，利用偏最小二乘回歸（Partial Least-Squares Regression，PLSR）建立預測模型，最終檢驗得出三文魚的水分損失交叉驗證相關系數為0.834。檢測牛羊肉的化學成分檢測時，采用900～1 700 nm波段近紅外波長，基于偏最小二乘公式對牛羊肉中的水含量、脂肪、蛋白質等物質的含量進行計算，在模型中輸入各項檢測參數，得出相關系數0.88，為水分含量檢驗結果提供相關數據支持。

1.2 水果蔬菜水分檢測

隨著光譜檢測技術在食品品質測定領域的深入應用，蔬菜水果中水分含量的檢驗成效良好。在蔬菜品質高光譜檢測實驗中，偏最小二乘法結合神經網絡算法構建預測模型，對生菜葉片水分預測準確率達到90.68%。利用光譜指數表現特征，對蘋果葉片進行檢測時，構建水分預測檢驗模型，測定結果的精度能達到98.20%。采用高光譜近紅外波段技術測定長棗中的含水量，基于偏最小二乘回歸法，對光譜中的加權β系數進行提取，根據光譜中重要波長特征點的不同，建立預測分析模型，得出決定系數為0.79，該方法檢驗效率高、檢測結果準確，為長棗檢測技術的推廣提供依據。

2 食品新鮮度高光譜無損圖像檢測

在食品新鮮度的相關檢測領域，感官評定仍舊是較為常見的檢驗方式，該方法缺乏客觀性，且檢測結果誤差較大，在肉類、蔬菜、水果等食品安全檢測中推廣高光譜技術勢在必行。

2.1 肉類新鮮度檢測

采用400～1 000 nm的高光譜近紅外成像技術對不同新鮮程度的鱈魚品質進行檢測，發現經冷凍、冷藏處理的鱈魚肌紅與血紅蛋白在光譜中的表現不同，使用交互探針對其進行進一步檢測，新鮮鱈魚與冷凍可見光波段中子波段表現存在差異。在豬肉食品新鮮度檢測中，采用高光譜中的近紅外技術，基于偏最小二乘回歸建設檢測模型，對顏色反射率進行預測，得到決定系數為0.93。該技術在豬肉食品新鮮度檢測中的檢驗結果較為可靠。

2.2 水果損傷檢測

高光譜無損檢測技術還可以應用于水果損傷檢測領域。有研究對芒果機械性損傷進行檢測，芒果損傷圖像的完整波長范圍為650～1 100 nm。在高光譜無損檢測數據分類分析環節，主要以重要波長的特征為分類標準。當前在圖譜波長分類實驗中，常見的檢驗技術有線性判別分析、近鄰法、樸素貝葉斯分類、決策樹及極限學習機等，可有效分辯多種高光譜成像數據，并對芒果的隱形損傷程度進行判定[4]。其中，采用近鄰法分類，在實驗的第3 d得到的分類檢測數據準確性達到97.90%。

3 食品生物污染高光譜無損檢測

3.1 肉類生物污染無損檢測

食品消費水平的不斷提升，促進了食品行業的繁榮發展，肉類食品的供應需求逐步提升。為保證肉類食品的品質，部分養殖與銷售方需要采用冷藏的方式，延長保質期。從實踐調查來看，冷藏庫中的溫度波動、冷藏運輸情況變化等，會對肉類食品細菌生長與繁殖狀況造成一定的影響。高光譜在肉類細菌檢測方面具有顯著的優勢。近紅外高光譜分析與檢驗技術在腐敗豬肉、雞肉與鮭魚等肉類檢測領域應用廣泛，可在線檢驗假單胞菌的數量，建立對應的檢測模式，最后利用遺傳算法、競爭適應再加權抽樣算法、連續投影算法等，對有效波長進行分析篩選，對檢測對象的相關系數進行計算，得出準確的檢驗結果。

3.2 谷物生物污染無損檢測

近幾年，谷物致病性真菌生物污染檢測方面的技術研究不斷突破，采用酶聯免疫吸附、熒光偏振免疫分析、聚合酶鏈反應實驗等技術，可準確分析致病真菌含量，其具有靈敏性高、結果精確的特征，由于實驗檢測步驟較為復雜，檢驗成本相對較高，適用范圍受到一定的限制。高光譜圖像采集與分析技術可借助降維分析處理方法，檢驗結果準確度能達到87.00%左右[5]。在對玉米的真菌含量進行檢測時，基于降維分析數據參數，利用最小顯著差檢驗分析，分析結果顯示置信度達到95.00%。

4 結語

在食品檢測領域推廣高光譜無損檢測技術，可在不破壞檢測對象表面的基礎上，對食品的水分含量、pH值、新鮮度、生物污染情況等進行檢測，利用偏最小二乘或偏最小二乘回歸公式，建立對應的預測模型，對食品的光譜與圖像信息進行分析，得出相關系數，檢驗結果較為準確。在技術的實際應用過程中，技術人員應在全面、深入掌握各項檢驗公式、模型運用特征的同時，規范檢驗工作流程，合理優化建模方法，為技術的廣泛應用提供助力。

參考文獻

[1]秦勤.高光譜成像技術在農產品檢測中的應用[J].科技創新導報，2019（10）：155-156.

[2]孟慶龍，張艷，尚靜.基于高光譜成像技術的蘋果表面缺陷無損檢測[J].食品研究與開發，2019，40（5）：168-172;

[3]王承克，張澤翔，黃曉瑋，等.高光譜成像的豆腐形成過程中組分含量變化檢測[J].光譜學與光譜分析，2020，40（11）：2549-3555.

[4]陳綾鋼，呂靖芳.高光譜圖像技術在農產品監測中的應用進展[J].北京農業，2016（1）：206.

[5]周全，朱大洲，王成，等.成像光譜技術在農產品/食品檢測中的研究進展[J].食品科學，2010（23）：423-428.