食品安全现代检测技术综述

郭培源，刘波，李杨，向灵孜

（北京工商大学计算机与信息工程学院，北京100048）

食品安全现代检测技术综述

郭培源，刘波*，李杨，向灵孜

（北京工商大学计算机与信息工程学院，北京100048）

探讨了当前食品安全领域的检测和监测技术，包括近红外光谱、高光谱图像、计算机视觉、人工嗅觉与人工味觉、生物芯片等检测技术；同时详细介绍了这些检测技术的基本原理和应用特点，总结了我国食品安全的发展方向以及存在的问题。

食品安全；近红外光谱；高光谱图像；计算机视觉

食品安全是关系到人类健康和国计民生的重大问题。最近几年，中国发生的几次食品安全问题，引起人们对食品安全普遍重视，如：三鹿奶粉事件、地沟油事件、瘦肉精等。食品安全问题主要包括以下几个方面：化学性危害、生物毒素、微生物性危害、食品掺假和基因工程食品的安全性问题。对于不同的食品安全问题的判断，人的感官判断具有主观和偏见性。随着食品安全问题的受到社会各界的重视，食品安全检测技术逐渐成为科研领域的焦点，最近几年食品安全检测技术得到了快速的发展。与传统的食品检测技术相比，现代食品检测技术自动化程度和精密度都有很大的提高，提高了检测的速度和准确度。

1 现代食品检测技术

现代食品检测技术得益于计算机的发展，充分利用的计算机的功能。现代食品检测技术可以分为现代食品仪器分析技术和食品检测新技术[1]；如食品的光谱分析技术、色谱分析技术和质谱技术属于现代食品仪器分析技术；食品检测新技术包括计算机视觉技术和电子传感技术，以及生物芯片技术等现代技术。该文介绍现代检测技术中近红外光谱技术、高光谱技术、计算机视觉技术、人工嗅觉和人工味觉检测技术、生物芯片检测技术等的原理和特点。

1.1 近红外光谱技术

近红外光（near infrared，NIR）是指波长在750～3 000nm范围内的电磁波。一般有机物在该区的近红外光谱吸收主要是含氢基团（-OH，-CH，-NH，-SH）等的倍频和合频吸收[2]。现代近红外光谱是20世纪90年代以来发展最快的光谱分析技术，是有机物定性、定量和结构分析最有效的手段之一，特别是1990年以后由于近红外光在光纤中良好的传输特性，使近红外光在线分析成功地应用于各个领域。

近红外光谱技术原理：有机物以及部分无机物分子中各种含氢基团在受到近红外线照射时，被激发产生共振，同时吸收一部分光的能量，测量其对光的吸收情况，可以得到极为复杂的红外图谱，这种图谱表示被测物质的特征[3]。因此，近红外光谱（NIR）能反映物质的组成和结构信息，从而可以作为获取信息的一种有效载体。徐霞等[4]探讨了近红外光谱技术在肉类品质检测中的应用；可以根据肉类及其肉制品的蛋白质、脂肪和水的组成成分，判断猪肉的品质等级。江辉[5]提出基于近红外光谱技术的固态发酵过程参数检测方法，对获取的固态发酵物样本的近红外光谱采用一阶导数法进行预处理，利用入选的特征波长变量结合偏最小二乘（partial least squares，PLS）法建立固态发酵过程参数pH和湿度的定量检测模型。KANDALA C V等[6]利用近红外反射光谱，测量花生样品在波长400～2 500nm反射率值，用于估计带壳花生含水率（moisture content，MC）的无损检测。

1.2 高光谱图像检测技术

作为一项新兴的检测技术，高光谱图像技术（hyperspectral image）将光电子学、光学、电子信息处理学、计算机科学等领域的先进技术集于一身，并有机地把传统的光谱技术和二维成像技术结合在一起。高光谱成像技术进行食品品质检测的原理是在特定波长处，食品不同的化学组成和物理特征有着不同的反射比、分散度、吸收度以及电磁能，不同波长处的关键峰值可以表示不同化合物的物质属性，从而通过分析光谱信号实现食品品质信息的定性或定量检测，并根据高光谱图像提供的光谱空间分布信息，实现食品品质信息的可视化表达，从而实现食品的分级分类和品质检测工作[7]。LJUNGQVIST M G等[8]在合成虾青素的水产养殖饲料颗粒涂层高光谱滤光片，用于预测虾青素的浓度水平，取得了较好的相关效果。

高光谱图像技术所具有的高分辨率的特性，使得其图像数据的相邻波段间隔较窄，存在波段重叠区域，因此光谱通道不再离散而是连续的，高光谱图像数据每个像元均可提取一条完整的高分辨率光谱曲线，如图1所示。高光谱图像技术的出现解决了传统科学领域“成像无光谱”和“光谱不成像”的历史问题。

图1 高光谱成像仪的图像Fig.1 Image of hyperspectral imager

利用高光谱立方体图像中的光谱信息，结合光谱解析和数学建模方法，可以预测和评估被检测样品中物质成分的品质安全属性。彭彦昆等[9]研究了高光谱图像检测技术在农畜产品中的品质检测应用；阐述了高光谱图像检测技术用于水果内部品质和外部形态特征的识别；评定水果的安全性和品质等级。陈士进等[10]进一步综述高光谱技术与图像处理技术；用于对牛肉的快速无损检测；预测牛肉的嫩度。孙大文等[11]在应用包括计算机视觉技术和高光谱成像技术在内的现代光学成像技术，进行了食品品质快速无损检测，为现代光学成像技术在食品加工业中的应用创造了很好的条件。吴建虎等[12]应用高光谱成像技术预测牛肉嫩度，建立了正则判别函数对牛肉嫩度进行分级，嫩牛肉和较粗糙牛肉的分级准确率分别为83.13%和90.19%，总的分级准确率为87.10%。

1.3 计算机视觉技术

通过图像传感器采集得到所测样品的图像，把所得图像转换为数字图像，继而通过计算机技术模拟出来人的判别准则，对图像进行识别，并与图像分析技术相融合来分析得出所要结论的技术，就是所谓的计算机视觉技术。图像处理和图像分析两部分是计算机视觉技术的核心。郭培源等[13]对表征猪肉新鲜度的氨气和硫化氢气味、图像颜色值、脂肪细胞数和细菌菌斑等信息特征量进行检测，利用自组织映射（self-organizing maps，SOM）神经网络和挥发性盐基氮（total volatile basic nitrogen，TVB-N）值序列进行聚类研究，将猪肉新鲜度细分为5个等级，实现了新鲜度等级划分与国家标准和感官检验相一致的结果，从而实现对猪肉新鲜度检测分级辨识。

IQBAL A等[14]利用计算机视觉对土耳其3种品质的猪肉和火鸡火腿切片图像的颜色和纹理特征，进行描述和分类，设计出火腿外观和消费人群偏好可变性的评分模型；可对总共有26个颜色特性和40种提取纹理特征进行分析；逻辑评分模型能够解释消费者对火腿外部属性反应的可变性，精密度高于74.1%。JACKMAN P等[15]研究了牛肉的适口性与其对应的计算机视觉图像之间的相关性；在研究中，使用高放大成像显示其表面纹理特性，然后转换成色彩空间灰度，进而表达肌肉表面纹理。结果表明，精确的建模的牛肉适口性与视觉图像的相关系数达0.95；表现出良好的线性与非线性。PACE B等[16]用计算机视觉系统获得胡萝卜的颜色参数，建立颜色参数与抗氧化活性（antioxidant activity，AA）和总酚（total phenols，TP）含量之间的关系，通过多元线性回归得到的多变量模型。模型通过计算机视觉获取胡萝卜的颜色值，能够成功地估计胡萝卜的AA和TP的含量。

1.4 人工嗅觉和人工味觉检测技术

人工嗅觉与人工味觉检测技术是近年来发展起来的一种新颖的模拟人类及动物的嗅觉和味觉功能的检测技术[17]。可用于识别食品的气味、鉴别真伪、控制整个生产过程的工艺，从而保证产品质量。食物在腐败过程中，由于各种外界微生物的污染会发生变质或者由于自身酶的分解作用引起酸臭性发酵，产生硫化物和其他挥发性物质，如氨气、硫化氢。所以，利用人工嗅觉系统可以测定食物在不同时期产生的氨气和硫化氢浓度，可以判断食物的新鲜度和安全性。TORRIL等[18]利用电子检测评估新鲜水果（菠萝片）的有效期；结果表明，电子鼻能够监测与水果新鲜度衰变有关的挥发性化合物的变化，在不同温度环境下的有效期分别为5.3℃条件下5d，7.6℃条件下2d，10℃条件下1d。

张玉玉等[19]采用电子鼻和电子舌技术，对煮制前后7种面酱香气和口感进行检测，并对所得数据进行主成分分析法（principal component analysis，PCA)和标准质量控制分析（standard quality control，SQC)分析。ZHENG X Z等[20]利用电子鼻对长粒型水稻的4种样品进行了测试，每个品种的大米都用5g分别放置在有32个聚合物传感器组成的电子鼻（cyranose-320）单元中分析；电子鼻能够区别大米品种之间的差别；通过多次训练，为电子鼻选取最佳的参数；用于建立一个特定的稻米品质检验装置。高利萍等[21]采用电子鼻和电子舌，通过主成分分析、线性判别分析（linear discriminant analysis，LDA）对不同成熟度草莓鲜榨果汁的风味品质进行检测区分，并通过偏最小二乘回归分析建立电子鼻和电子舌传感器响应信号与草莓鲜榨汁理化指标之间的关系；PCA和LDA法均对不同成熟度草莓鲜榨汁的区分效果较好，验证了电子鼻和电子舌可以对样品气味和味道的综合信息进行正确的评价。

1.5 生物芯片检测

生物芯片技术主要包括聚合酶链式反应（polymerase chain reaction，PCR）技术和基因芯片技术。PCR[22-24]是1985年诞生的一项DNA体外扩增技术，该技术自问世以来，就以惊人的速度广泛地应用于生命科学的众多领域。目前在食品工程领域中致病性微生物、转基因食品的检测等方而的应用也越来越受关注。陈笑芸等[25]利用PCR检测技术对转基因深加工食品的检测，建立了针对检测豆制品中转基因成分的PCR检测体系。基因芯片技术是鉴别微生物和转基因成分最有效的手段之一，为全面、快速、准确地进行食品安全检测提供了一个崭新的平台。基因芯片（DNA芯片、DNA微阵列）[26]技术是近十几年来在生命科学领域迅速发展起来的一项高新技术。吴志毅等[27]采用普通PCR法和荧光定量PCR法对Bt63转基因大米的检测灵敏度进行对比研究。根据大米内源蔗糖磷酸合成酶基因SPS和结构特异性基因Btc的基因序列，选用特异性的引物和探针进行研究，经验证试验表明具有专一性，能用于品系鉴定。在灵敏度试验中，阳性转基因大米按照不同质量百分比进行梯度稀释，提取DNA进行PCR扩增。结果表明，普通PCR检测的灵敏度在0.1%左右，而荧光定量PCR检测的灵敏度为0.01%，是普通PCR检测的10倍以上。

2 结语

该文从近红外光谱、高光谱技术、计算机视觉等技术，阐述了食品安全检测的技术和各技术的特点。现代食品检测技术已广泛应用于对农药残留、抗生素物质、病疫性生物污染、转基因食品等食品安全问题检测。食品安全问题是我国社会的重要矛盾之一，对食品检测技术的需求与日俱增；未来食品检测技术发展的更加趋向检测与控制一体化、快速无损检测；以及采用多数据融合技术，实现检测设备的便携化。强化食品生产的危害分析与关键控制（hazard analysis and critical contral point，HACCP）的应用[28-30]。改善我国食品领域各环节的技术水平，提高社会生活食品安全感成为当前的重要任务。

[1]赵杰文，孙永海.现代食品检测技术[M].北京：中国轻工业出版社，2008.

[2]李伟，肖爱平，冷鹃.近红外光谱技术及其在农作物中的应用[J]. 2009，25（3）：56-59.

[3]谢雯雯，李俊杰，刘茹，等.基于近红外光谱技术的鱼肉新鲜度评价方法的建立[J].淡水渔业，2013，43（4）：85-90.

[4]徐霞，成芳，应义斌.近红外光谱技术在肉品检测中的应用和研究进展[J].光谱学与光谱分析，2009，29（7）：1876-1880.

[5]江辉.基于近红外光谱和电子鼻技术的固态发酵过程检测研究及应用[D].镇江：江苏大学博士论文，2013.

[6]KANDALA C V,SUNDARAM J.Nondestructive moisture sensing in peanuts by NIR reflectance[C]//Sensors applications symposium(SAS), 2010 IEEE,Limerick,Ireland,2010:149-153.

[7]曲佳欢，马骥，等.高光谱成像在食品质量评估方面的研究进展与应用[J].肉类研究，2012，26（4）：40-45.

[8]LJUNGQVIST M G,ERSBOLL B K,KOBAYASHI K,et al.Near-infrared hyper-spectral image analysis of a staxanthin concentration in fish feed coating[C]//Imaging systems and techniques(IST),2012 IEEE, Manchester,United Kingdom,2012:136-141.

[9]彭彦昆，张雷蕾.农畜产品品质安全高光谱无损检测技术进展和趋势[J].农业机械学报，2013，44（4）：137-145.

[10]陈士进，彭增起，李景军.光谱技术预测牛肉嫩度研究进展[J].食品科学，2013，34（1）：333-339.

[11]孙大文，吴迪，何鸿举，等.现代光学成像技术在食品品质快速检测中的应用[J].华南理工大学学报：自然科学版，2012，40（10）：59-68.

[12]吴建虎.利用高光谱成像技术预测新鲜牛肉品质参数[D].北京：中国农业大学博士论文，2010.

[13]郭培源，毕松，袁芳.猪肉新鲜度智能检测分级系统研究[J].食品科学，2010，31（15）：68-72.

[14]IQBAL A,VALOUS N A,MENDOZA F,et al.Classification of pre-sliced pork and Turkey ham qualities based on image colour and textural features and their relationships with consumer responses[J]. Meat Sci,2010,84(3):455-465.

[15]JACKMAN P,SUN D W,ALLEN P.Prediction of beef palatability from colour,marbling and surface texture features of longissimus dorsi [J].J Food Eng,2010,96(1):151-165.

[16]PACE B,CEFOLA M,RENNA F,et al.Multiple regression models and computer vision systems to predict antioxidant activity and total phenols in pigmented carrots[J].J Food Eng,2013,117(1):74-81.

[17]许冠男，郭培源，袁芳.猪肉新鲜度无损检测技术现状及发展方向[J].北京工商大学学报：自然科学版，2010，28（1）：14-17.

[18]TORRI L,SINELLI N,LIMBOB S.Shelf life evaluation of fresh-cut pineapple by using an electronic nose[J].Postharvest Biol Tec,2010, 56(3):239-245.

[19]张玉玉，黄明泉，陈海涛，等.7种面酱的电子鼻和电子舌辨别分析[J].中国食品学报，2012，12（1）：198-205.

[20]ZHENG X Z,LANZ Y B,ZHU J M,et al.Rapid identification of rice samples using an electronic nose[J].J Bionic Eng,2009,6(3):290-297.

[21]高利萍，王俊，崔绍庆.不同成熟度草苟鲜榨果汁的电子鼻和电子舌检测[J].浙江大学学报：农业与生命科学版，2012，38（6）：715-724.

[22]谢修志.生物技术在食品检测方面的应用[J].生物技术通报，2010（1）：68-72.

[23]李睿，刘晓红，宫本敬久，等.检测食品中大肠杆菌O157的多重荧光PCR方法的建立[J].中国酿造，2010，29（4）：160-163.

[24]王华，金刚，李翠霞，等.酒类酒球菌快速特异性PCR鉴定体系的优化[J].中国酿造，2010，29（5）：152-155.

[25]陈笑芸，汪小福，周育，等.转基因大豆深加工食品DNA鉴定技术研究[J].中国食品学报，2013，13（4）：156-162.

[26]王鑫，车振明，黄韬睿.分子生物学方法在食品安全检测中的应用[J].食品工程，2007（3）：7-10.

[27]吴志毅，张明哲，陈曦.大米和米制品Bt63转基因检测PCR方法的灵敏度研究[J].浙江农业学报，2009，21（6）：549-554.

[28]耿予欢，李国基.食品安全与HACCP系统的应用[J].中国酿造，2005，23（3）：5-9.

[29]刘浩，卓黎阳.统计过程控制和HACCP[J].中国酿造，2005，23（12）：62-64.

[30]韩北忠，李敏，张琳，等.预测微生物学与食品质量安全[J].中国酿造，2005，23（9）：1-3.

Review of the current technique on food safety detection

GUO Peiyuan,LIU Bo*,LI Yang,XIANG Lingzi
(School of Computer and Information Engineering,Beijing Technology and Business University,Beijing 100048,China)

The detection and monitoring technology in the field of food safety was discussed,including near infrared spectroscopy,hyperspectral image technology,computer vision technology,artificial olfaction and artificial taste detection technology,biochip technology and so on.The basic principles and application features of detecting techniques was introduced,and the development direction of food safety in our country and existing problem was summarized.

food safety;near infrared spectrum;hyperspectral image;computer vision

TS207.3

A

0254-5071（2014）04-0005-04

10.3969/j.issn.0254-5071.2014.04.002

2014-03-04

北京市自然科学基金资助项目（4122020）

郭培源（1958-），男，教授，博士，主要从事农产品智能检测技术和多数据融合，嵌入式技术等研究工作。*

刘波（1988-），男，硕士研究生，研究方向为食品安全检测和嵌入式技术研究。