论文部分内容阅读
摘 要：当前阶段，人们生活品质不断提升，在推进食品生产与加工领域技术深入研究的基础上，人们对食品的安全性要求也进一步提高。利用高光谱图像技术对检测对象的水分、新鲜度、污染性等进行分析，向检测人员提供详细的成分、含量等食品数据，快速、精准的得出检测报告，为食品领域的绿色、环保发展提供技术支持。基于此，本文从高光谱食品检验技术的主要技术特征出发，对该无损检测技术的实践应用方向进行具体探析。
关键词：高光谱图像技术;食品;检测
相较于高效液相色谱、质谱、近红外光谱等食品检测技术，高光谱图像分析技术可对食品进行在线检测，提取食品成分、结构、比例等数据，检测人员可通过光谱、图像信息，对检验对象的各种数据进行动态、精细分析，其具有快速高效、无侵入性、结果精准、覆盖全面等优势，在水果、蔬菜、谷物与肉类等食品检测领域具有良好的应用前景。
1 食品水分高光谱无损图像检测
食品行业快速发展的背景下，食品安全管理成为人们关注的重点。通过科学、有效的食品检测技术，对食品的品质进行控制，提高食品销售准入门槛，规范食品市场经营秩序，为养殖与种植户、加工方、销售单位等食品相关生产产业的可持续发展提供支持[1]。食品检测按照测定标准与流程的不同，可分为综合品质的技术检验与卫生安全质量检验[2]。综合品质质量检验包括外在品质与内在品质两种检测模式。外在检测包括水果与蔬菜的光泽、损伤程度及肉类的色泽等。内在检测包括水果、蔬菜和肉类的水分含量、新鲜度[3]。安全检测是生物污染程度检测、表面排泄污染物检测等，如谷物的病毒、真菌检测。
1.1 肉类水分检测
肉类作为食品安全检验的重要类别，其富含多种营养物质。采用高光谱无损检测技术测定肉类水分含量与pH等相关指标，可在不破坏检验样品的基础上，通过光谱、图像信息的分析，得到较为全面的检测结果。三文鱼水分含量与pH数值的检验项目中，需在波长范围400～1 700 nm获取高光谱图像信息，利用偏最小二乘回归（Partial Least-Squares Regression，PLSR）建立预测模型，最终检验得出三文鱼的水分损失交叉验证相关系数为0.834。检测牛羊肉的化学成分检测时，采用900～1 700 nm波段近红外波长，基于偏最小二乘公式对牛羊肉中的水含量、脂肪、蛋白质等物质的含量进行计算，在模型中输入各项检测参数，得出相关系数0.88，为水分含量检验结果提供相关数据支持。
1.2 水果蔬菜水分检测
随着光谱检测技术在食品品质测定领域的深入应用，蔬菜水果中水分含量的检验成效良好。在蔬菜品质高光谱检测实验中，偏最小二乘法结合神经网络算法构建预测模型，对生菜叶片水分预测准确率达到90.68%。利用光谱指数表现特征，对苹果叶片进行检測时，构建水分预测检验模型，测定结果的精度能达到98.20%。采用高光谱近红外波段技术测定长枣中的含水量，基于偏最小二乘回归法，对光谱中的加权β系数进行提取，根据光谱中重要波长特征点的不同，建立预测分析模型，得出决定系数为0.79，该方法检验效率高、检测结果准确，为长枣检测技术的推广提供依据。
2 食品新鲜度高光谱无损图像检测
在食品新鲜度的相关检测领域，感官评定仍旧是较为常见的检验方式，该方法缺乏客观性，且检测结果误差较大，在肉类、蔬菜、水果等食品安全检测中推广高光谱技术势在必行。
2.1 肉类新鲜度检测
采用400～1 000 nm的高光谱近红外成像技术对不同新鲜程度的鳕鱼品质进行检测，发现经冷冻、冷藏处理的鳕鱼肌红与血红蛋白在光谱中的表现不同，使用交互探针对其进行进一步检测，新鲜鳕鱼与冷冻可见光波段中子波段表现存在差异。在猪肉食品新鲜度检测中，采用高光谱中的近红外技术，基于偏最小二乘回归建设检测模型，对颜色反射率进行预测，得到决定系数为0.93。该技术在猪肉食品新鲜度检测中的检验结果较为可靠。
2.2 水果损伤检测
高光谱无损检测技术还可以应用于水果损伤检测领域。有研究对芒果机械性损伤进行检测，芒果损伤图像的完整波长范围为650～1 100 nm。在高光谱无损检测数据分类分析环节，主要以重要波长的特征为分类标准。当前在图谱波长分类实验中，常见的检验技术有线性判别分析、近邻法、朴素贝叶斯分类、决策树及极限学习机等，可有效分辩多种高光谱成像数据，并对芒果的隐形损伤程度进行判定[4]。其中，采用近邻法分类，在实验的第3 d得到的分类检测数据准确性达到97.90%。
3 食品生物污染高光谱无损检测
3.1 肉类生物污染无损检测
食品消费水平的不断提升，促进了食品行业的繁荣发展，肉类食品的供应需求逐步提升。为保证肉类食品的品质，部分养殖与销售方需要采用冷藏的方式，延长保质期。从实践调查来看，冷藏库中的温度波动、冷藏运输情况变化等，会对肉类食品细菌生长与繁殖状况造成一定的影响。高光谱在肉类细菌检测方面具有显著的优势。近红外高光谱分析与检验技术在腐败猪肉、鸡肉与鲑鱼等肉类检测领域应用广泛，可在线检验假单胞菌的数量，建立对应的检测模式，最后利用遗传算法、竞争适应再加权抽样算法、连续投影算法等，对有效波长进行分析筛选，对检测对象的相关系数进行计算，得出准确的检验结果。
3.2 谷物生物污染无损检测
近几年，谷物致病性真菌生物污染检测方面的技术研究不断突破，采用酶联免疫吸附、荧光偏振免疫分析、聚合酶链反应实验等技术，可准确分析致病真菌含量，其具有灵敏性高、结果精确的特征，由于实验检测步骤较为复杂，检验成本相对较高，适用范围受到一定的限制。高光谱图像采集与分析技术可借助降维分析处理方法，检验结果准确度能达到87.00%左右[5]。在对玉米的真菌含量进行检测时，基于降维分析数据参数，利用最小显著差检验分析，分析结果显示置信度达到95.00%。
4 结语
在食品检测领域推广高光谱无损检测技术，可在不破坏检测对象表面的基础上，对食品的水分含量、pH值、新鲜度、生物污染情况等进行检测，利用偏最小二乘或偏最小二乘回归公式，建立对应的预测模型，对食品的光谱与图像信息进行分析，得出相关系数，检验结果较为准确。在技术的实际应用过程中，技术人员应在全面、深入掌握各项检验公式、模型运用特征的同时，规范检验工作流程，合理优化建模方法，为技术的广泛应用提供助力。
参考文献
[1]秦勤.高光谱成像技术在农产品检测中的应用[J].科技创新导报，2019（10）：155-156.
[2]孟庆龙，张艳，尚静.基于高光谱成像技术的苹果表面缺陷无损检测[J].食品研究与开发，2019，40（5）：168-172;
[3]王承克，张泽翔，黄晓玮，等.高光谱成像的豆腐形成过程中组分含量变化检测[J].光谱学与光谱分析，2020，40（11）：2549-3555.
[4]陈绫钢，吕靖芳.高光谱图像技术在农产品监测中的应用进展[J].北京农业，2016（1）：206.
[5]周全，朱大洲，王成，等.成像光谱技术在农产品/食品检测中的研究进展[J].食品科学，2010（23）：423-428.
关键词：高光谱图像技术;食品;检测
相较于高效液相色谱、质谱、近红外光谱等食品检测技术，高光谱图像分析技术可对食品进行在线检测，提取食品成分、结构、比例等数据，检测人员可通过光谱、图像信息，对检验对象的各种数据进行动态、精细分析，其具有快速高效、无侵入性、结果精准、覆盖全面等优势，在水果、蔬菜、谷物与肉类等食品检测领域具有良好的应用前景。
1 食品水分高光谱无损图像检测
食品行业快速发展的背景下，食品安全管理成为人们关注的重点。通过科学、有效的食品检测技术，对食品的品质进行控制，提高食品销售准入门槛，规范食品市场经营秩序，为养殖与种植户、加工方、销售单位等食品相关生产产业的可持续发展提供支持[1]。食品检测按照测定标准与流程的不同，可分为综合品质的技术检验与卫生安全质量检验[2]。综合品质质量检验包括外在品质与内在品质两种检测模式。外在检测包括水果与蔬菜的光泽、损伤程度及肉类的色泽等。内在检测包括水果、蔬菜和肉类的水分含量、新鲜度[3]。安全检测是生物污染程度检测、表面排泄污染物检测等，如谷物的病毒、真菌检测。
1.1 肉类水分检测
肉类作为食品安全检验的重要类别，其富含多种营养物质。采用高光谱无损检测技术测定肉类水分含量与pH等相关指标，可在不破坏检验样品的基础上，通过光谱、图像信息的分析，得到较为全面的检测结果。三文鱼水分含量与pH数值的检验项目中，需在波长范围400～1 700 nm获取高光谱图像信息，利用偏最小二乘回归（Partial Least-Squares Regression，PLSR）建立预测模型，最终检验得出三文鱼的水分损失交叉验证相关系数为0.834。检测牛羊肉的化学成分检测时，采用900～1 700 nm波段近红外波长，基于偏最小二乘公式对牛羊肉中的水含量、脂肪、蛋白质等物质的含量进行计算，在模型中输入各项检测参数，得出相关系数0.88，为水分含量检验结果提供相关数据支持。
1.2 水果蔬菜水分检测
随着光谱检测技术在食品品质测定领域的深入应用，蔬菜水果中水分含量的检验成效良好。在蔬菜品质高光谱检测实验中，偏最小二乘法结合神经网络算法构建预测模型，对生菜叶片水分预测准确率达到90.68%。利用光谱指数表现特征，对苹果叶片进行检測时，构建水分预测检验模型，测定结果的精度能达到98.20%。采用高光谱近红外波段技术测定长枣中的含水量，基于偏最小二乘回归法，对光谱中的加权β系数进行提取，根据光谱中重要波长特征点的不同，建立预测分析模型，得出决定系数为0.79，该方法检验效率高、检测结果准确，为长枣检测技术的推广提供依据。
2 食品新鲜度高光谱无损图像检测
在食品新鲜度的相关检测领域，感官评定仍旧是较为常见的检验方式，该方法缺乏客观性，且检测结果误差较大，在肉类、蔬菜、水果等食品安全检测中推广高光谱技术势在必行。
2.1 肉类新鲜度检测
采用400～1 000 nm的高光谱近红外成像技术对不同新鲜程度的鳕鱼品质进行检测，发现经冷冻、冷藏处理的鳕鱼肌红与血红蛋白在光谱中的表现不同，使用交互探针对其进行进一步检测，新鲜鳕鱼与冷冻可见光波段中子波段表现存在差异。在猪肉食品新鲜度检测中，采用高光谱中的近红外技术，基于偏最小二乘回归建设检测模型，对颜色反射率进行预测，得到决定系数为0.93。该技术在猪肉食品新鲜度检测中的检验结果较为可靠。
2.2 水果损伤检测
高光谱无损检测技术还可以应用于水果损伤检测领域。有研究对芒果机械性损伤进行检测，芒果损伤图像的完整波长范围为650～1 100 nm。在高光谱无损检测数据分类分析环节，主要以重要波长的特征为分类标准。当前在图谱波长分类实验中，常见的检验技术有线性判别分析、近邻法、朴素贝叶斯分类、决策树及极限学习机等，可有效分辩多种高光谱成像数据，并对芒果的隐形损伤程度进行判定[4]。其中，采用近邻法分类，在实验的第3 d得到的分类检测数据准确性达到97.90%。
3 食品生物污染高光谱无损检测
3.1 肉类生物污染无损检测
食品消费水平的不断提升，促进了食品行业的繁荣发展，肉类食品的供应需求逐步提升。为保证肉类食品的品质，部分养殖与销售方需要采用冷藏的方式，延长保质期。从实践调查来看，冷藏库中的温度波动、冷藏运输情况变化等，会对肉类食品细菌生长与繁殖状况造成一定的影响。高光谱在肉类细菌检测方面具有显著的优势。近红外高光谱分析与检验技术在腐败猪肉、鸡肉与鲑鱼等肉类检测领域应用广泛，可在线检验假单胞菌的数量，建立对应的检测模式，最后利用遗传算法、竞争适应再加权抽样算法、连续投影算法等，对有效波长进行分析筛选，对检测对象的相关系数进行计算，得出准确的检验结果。
3.2 谷物生物污染无损检测
近几年，谷物致病性真菌生物污染检测方面的技术研究不断突破，采用酶联免疫吸附、荧光偏振免疫分析、聚合酶链反应实验等技术，可准确分析致病真菌含量，其具有灵敏性高、结果精确的特征，由于实验检测步骤较为复杂，检验成本相对较高，适用范围受到一定的限制。高光谱图像采集与分析技术可借助降维分析处理方法，检验结果准确度能达到87.00%左右[5]。在对玉米的真菌含量进行检测时，基于降维分析数据参数，利用最小显著差检验分析，分析结果显示置信度达到95.00%。
4 结语
在食品检测领域推广高光谱无损检测技术，可在不破坏检测对象表面的基础上，对食品的水分含量、pH值、新鲜度、生物污染情况等进行检测，利用偏最小二乘或偏最小二乘回归公式，建立对应的预测模型，对食品的光谱与图像信息进行分析，得出相关系数，检验结果较为准确。在技术的实际应用过程中，技术人员应在全面、深入掌握各项检验公式、模型运用特征的同时，规范检验工作流程，合理优化建模方法，为技术的广泛应用提供助力。
参考文献
[1]秦勤.高光谱成像技术在农产品检测中的应用[J].科技创新导报，2019（10）：155-156.
[2]孟庆龙，张艳，尚静.基于高光谱成像技术的苹果表面缺陷无损检测[J].食品研究与开发，2019，40（5）：168-172;
[3]王承克，张泽翔，黄晓玮，等.高光谱成像的豆腐形成过程中组分含量变化检测[J].光谱学与光谱分析，2020，40（11）：2549-3555.
[4]陈绫钢，吕靖芳.高光谱图像技术在农产品监测中的应用进展[J].北京农业，2016（1）：206.
[5]周全，朱大洲，王成，等.成像光谱技术在农产品/食品检测中的研究进展[J].食品科学，2010（23）：423-428.