高光譜成像技術在食品品質無損檢測中的應用探究

陳澤珊

（廣東省輕工業技師學院，廣東廣州 510000）

當前社會環境下，消費者對于食品品質的關注，逐漸成為食品行業發展與轉型的重點。隨著計算機成像技術、光譜技術水平的提升，高光譜成像技術在食品品質檢測中得到了應用。高光譜成像系統內包含分光設備，這是系統核心元件，通過光學元件把寬波長混合光分散為頻率不同的單波長光，通過計算機軟、硬件采集食品品質的相關數據，隨之利用點掃描、線掃描、面掃描這3種方法獲取高光譜圖像，完成食品品質無損檢測。現階段關于高光譜成像技術的應用已經有比較豐富的研究理論，為該技術在食品品質無損檢測中的應用夯實了理論基礎。因此，本文針對食品品質無損檢測過程中高光譜成像技術的具體應用展開分析，介紹高光譜成像系統，總結技術應用要點，總結食品品質無損檢測需注意的要點，切實保證食品安全。

1 高光譜成像系統概述

1.1 高光譜成像系統原理

高光譜成像技術是在很多窄波段基礎上形成的一種影像數據技術，融合了成像、光譜兩種技術，對被測目標二維幾何空間、一維光譜信息進行探測，采集到高光譜分辨率連續且窄波段圖像信息。高光譜成像技術在各個行業領域有非常普遍的應用，有光柵分光、聲光可調諧濾波分光等多種類型，可滿足食品安全檢測、醫學診斷以及航天領域等檢測的需求。高光譜成像技術水平的提升使光譜分辨率和探測性能也隨之增加。對比高光譜成像技術、全色和多光譜成像技術，高光譜成像技術的優勢主要體現在近似連續地物光譜數據、地表覆蓋探測與識別水平高、地形要素分類識別方式多元化、滿足地形要素定量與半定量識別要求等方面。

基于高光譜成像技術，隨之構建高光譜成像系統。高光譜成像系統包括軟硬件兩個部分，其中硬件部分的關鍵裝置為傳感器、光源、掃描器和控制裝置。傳感器作為系統硬件的核心部件，主要包含物鏡、光譜儀和CCD陣列探測器，而光譜儀則細分為干涉型、光柵型兩種；CCD陣列探測器有線陣探測器、面振探測器兩類。系統的軟件部分則是由光譜預處理軟件、數據采集軟件、數據處理軟件組成。

在食品品質無損檢測中應用高光譜成像系統，因為該系統中光譜儀是非常重要的元件，其中包含棱鏡-光柵-棱鏡單元，其作用是規避環境光對系統運行的影響，當光譜儀采集到被測食品一行圖像，此時該單元也能在光譜軸上色散圖像像素點，從而得到空間軸、光譜軸對應的一維影像與光譜數據，因為被測物體、棱鏡持續運動，便會構成物體光譜圖像[1]。CCD陣列探測器可采集到所有瞬間信號，進而獲得高光譜三維圖像數據塊，為食品品質無損檢測提供支撐。

1.2 高光譜成像優勢

隨著技術水平的提升，高光譜成像光譜分辨率、探測能力相應地得到提升。對比高光譜成像、全色成像和多光譜成像，總結高光譜成像在應用中具有如下優勢：①地物光譜信息近似連續性。利用高光譜影像技術，當重建了光譜反射率后，可采集光譜反射率曲線，且該曲線與被探測物近似連續，能夠契合實測值，實驗室構建的被探測物光譜分析模型，也可在成像中得到應用。②增強地表覆蓋探測與識別性能。高光譜數據可探測的物質中，包括具有診斷性光譜吸收特征物質，并對地表植被覆蓋所屬類型、道路地面材料做出區分。③識別地形要素分類方式更加多元化。影像分類識別陰暗可采用多種方法，如貝葉斯判別法、決策樹和神經網絡等。此外，還可應用被探測物基礎上的光譜數據庫光譜匹配方式。④實現地形要素分類識別的定量與半定量。高光譜影像可對諸多被探測物狀態參量進行預估，這使成像高定量分析質量得到提升，保證最終成像的精度。

2 高光譜成像技術在食品品質無損檢測中的應用

2.1 高光譜成像技術在食品新鮮度方面的檢測應用

采用高光譜成像技術可檢測食品新鮮度，下面以肉制品新鮮度為例展開分析。傳統的檢測分析肉類食品新鮮度的方法是感官評價法，但這種方法會對肉制品造成破壞[2]。改為高光譜成像技術后，檢測人員可通過近紅外高光譜成像系統波長區，針對各個成分、加工參數條件下的肉制品質量展開檢測，在不破壞肉制品完整度的情況下獲取新鮮度數值。建議高光譜成像技術檢測熟食肉類制品，可應用主成分分析法，挑選8個特征波長檢測肉類熟食品質，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，最終得出檢測結果準確率可達97%。

如果檢測對象為果蔬類食品，了解此類食品的品質可從酸度、硬度、水分、淀粉含量、成熟度和內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的一項重要標準。按照現有研究結果，果蔬類食品品質的檢測應用近紅外高光譜成像技術，檢測人員應用最小二乘回歸法，構建分析模型，為顏色反射率、模型決定技術分析提供了便利條件。還有一些檢測人員在蝦的新鮮度檢測中應用高光譜成像技術，控制近紅外高光譜圖像波長范圍在400～1 000 nm，采用連續投影算法、最小二乘回歸法，以組合的形式開展新鮮度無損檢測，按照得到的檢測結果，發現連續投影算法、最小二乘回歸法組合檢測結果的準確率最高可達98%，預測正確率也高達95%[3]。

食品外觀品質既與市場價值緊密關聯，又與消費者喜好、市場選擇等息息相關。以果蔬類產品為例，透過產品外觀，可直接了解到內部質量。采用高光譜成像技術便可了解采摘水果后的隱性損壞情況[4]。很多專家針對近紅外高光譜成像技術在果蔬類產品無損檢測中的應用進行了研究。例如，芒果機械性損傷檢測，按照現有的研究經驗，得出的芒果損傷檢測圖像波長在650～1 100 nm，芒果損傷檢測主要采用分類法，分別是線性判別分析法、近鄰法、樸素貝葉斯分類法、決策樹法和極限學習機法，在無損檢測中應用這5種方法，得出芒果機械性損傷分類的準確率高達97.9%；如果是在雞蛋內部質量檢測中應用，該技術系數值設定為0.87，得出預測準確度達到96.3%。由此可見，高光譜成像技術在食品新鮮度檢測中的應用具有極高的可行性。

2.2 高光譜成像技術在食品生物污染檢測中的應用

為了保證食品安全，需展開食品生物污染檢測，如肉類制品易受冷庫溫度變化影響，增加肉制品附著的細菌數量，從而引發食品質量問題[5]。為了解決食品安全問題，建議在生物污染檢測中應用高光譜成像技術，保證人們的消費安全。結合當前我國肉制品生物污染檢測體系建設現狀，檢測人員可采用近紅外高光譜技術，檢測分析腐敗變質肉制品中的微生物情況，還支持各溫度條件下微生物生長的檢測。同時，實際開展食品生物污染檢測，可在偏最小二乘法基礎上構建模型，如應用近紅外高光譜技術檢測肉制品包含的假單胞菌含量，可在遺傳算法基礎上搭建波長體系，為生物污染檢測提供支持。

2.3 高光譜成像技術在食品水分檢測中的應用

食品水分檢測是食品品質無損檢測的重要組成部分，需用到食品水分檢測技術。傳統食品水分檢測技術不僅需消耗大量時間，檢測效率也不高。因此，基于上述問題，在食品水分檢測中開始廣泛應用高光譜成像技術。此技術不僅具有圖像、光譜技術諸多優勢，還極大提升了食品品質無損檢測在水分檢測方面的效率[6]。例如，針對三文魚制品進行無損檢測，采用近紅外高光譜成像技術檢測三文魚水分損失、魚肉制品pH值，實際在檢測環節工作人員設定波長范圍是400～1 700 nm，在此區間采集高光譜圖像數據，通過偏最小二乘回歸PLSR構建預測模型，分析模型可確定水分損失交叉驗證相關系數。按照得出的水分檢測結果，確定三文魚魚肉部分pH值為6.6，水分損失交叉驗證相關系數為0.877。

此外，在羊肉產品水分檢測過程中，依然可采用近紅外高光譜成像技術分析肉制品化學成分。根據檢測實踐，設定紅外波長范圍是900～1 700 nm，此區間內羊肉制品水、脂肪、蛋白質含量系數分別為0.88、0.88、0.63，對應的系數值標準誤差是0.51%、0.40%、0.34%。通過上述數據，可見食品品質無損檢測中的食品水分檢測，應用高光譜成像技術檢測效率非常高，而且水分檢測結果精度也更高。

2.4 高光譜成像技術在食品固形物含量檢測的應用

食品品質無損檢測還包括食品固形物含量檢測，即果蔬類產品中能在水中溶解的所有化合物，如糖、酸和礦物質等。采用高光譜成像技術檢測食品固形物含量，在現階段食品品質檢測領域是非常重要的研究對象。例如，通過高光譜成像系統可采集果蔬類產品高光譜圖像，并對吸收系數、約化散射系數進行測量，預測得出食品硬度與固形物含量。經過實踐與研究發現，果蔬類食品吸收系數、約化散射系數很大程度受硬度、SSC含量影響，吸收系數、硬度、SSC含量具有非常高的相關性，得出固形物含量預測相關系數是0.864。由此可見，高光譜成像技術可用于光學特性檢測，能了解食品內部品質的基本情況[7]。

此外，高光譜成像技術還包括高光譜激光誘導熒光成像技術，此技術也廣泛應用于食品品質無損檢測，用于了解食品安全。例如，在700～1 100 nm波段，構建高光譜激光誘導熒光成像平臺，期間還需構建多元線性回歸模型，對果蔬類產品固形物含量做出預測，得出相關系數0.96。由此可見，高光譜激光誘導熒光成像技術可用于食品品質無損檢測，特別是果蔬類產品固形物含量檢測，是非常有效的檢測技術。

3 結語

綜上所述，通過分析食品品質無損檢測中高光譜成像技術的應用，發現該技術是無損檢測的一種有效技術手段，不僅可保證被測對象的完整性，還能提高無損檢測效率，避免檢測環節消耗大量時間。根據高光譜成像技術應用實操經驗，發現其切實提升了我國無損檢測水平，可為食品安全提供保障，滿足廣大消費者對于肉制品、果蔬類產品等的質量與安全要求，避免食品安全問題帶來的危害。