食品光谱图像无损检测技术实用化方向研究进展

王飞翔 ， 谢安国 ，2， 康怀彬 ，2， 刘云宏 ，2， 于慧春 ，2

（1.河南科技大学 食品与生物工程学院，河南 洛阳 471000；2.河南科技大学 食品加工与安全国家级实验教学示范中心，河南 洛阳 471000）

随着社会的日益发展和生活水平的不断提高，越来越多的消费者在选购食品时更加关注食品的安全性和营养价值。传统的食品品质检测方法，如感官评定、理化检测等，存在前期预处理复杂繁琐、检测过程耗时费力、检测成本高、需要破坏样品等缺点，不适合现代化食品品质信息的快速检测[1]。光谱和图像等光学检测技术因其具有高效、精准、无损、简洁等特点，能够节省分析时间和检测成本，使其能在食品快速检测领域中蓬勃发展。特别是高光谱成像融合了传统的成像技术和光谱技术，作为一门新兴的快速无损检测技术具有巨大的优势。近年来，肉类、牛奶、水果和蔬菜等各类食品采用高光谱技术进行品质检测的研究报道越来越多。在食品品质分级、掺假欺诈检测、品质安全信息定量可视化描述及各种疾病与缺陷的识别等方面具有较大的发展潜力。

然而应当注意到，目前研究主要是针对光谱和图像特征、检测模型的方法建立，对在光学检测设备方面应用研究较少，特别是针对企业生产自动化检测线的研究。如何将先进技术从实验室的理论研究推向工业生产中的实际应用，实现技术转化一直是科研工作的重要目标。主要对国内外用于食品品质安全监测的光谱图像设备实用化方向的研究状况进行综述，以期为食品安全的快速检测技术及实用化设备开发提供理论依据和参考。

1 光谱和图像分析技术的基本原理和设备结构

1.1 近红外光光谱检测技术概述

在光学无损检测技术中，近红外光谱是研究最早、应用最广泛的技术之一。近红外光是指波长在780～2 526 nm的电磁波，是人们认识最早的非可见光区域。我国从20世纪80年代开始进行近红外光谱的应用研究工作，随着计算机技术的发展，数字化技术和化学计量学学科迅速发展，数字化光谱仪器与化学计量学方法的结合形成了现代近红外光谱技术。随后以产业链的方式逐渐应用于农业、石化、制药和食品等多个领域，在工农业生产和科研中逐渐发挥着越来越重要的作用[2]。

近红外光谱仪器核心部件是分光系统，从分光系统可分为固定波长滤光片、光栅色散、快速傅立叶变换和声光可调滤光器（AOTF）4种类型。近年来，近红外光谱设备趋向于微型化、小型化发展，国内已有多家单位基于MEMS技术研制出了多种分光类型的小型或微型近红外光谱仪器试验样机[3]，国内一些高校也研制出了一些用于鲜茶等级[4]、农产品品质[5]、土壤肥力[6]、水果在线分选[7]的样机或实用型设备。目前，设计应用的在线近红外检测系统大多是由传输模块、位移及高度识别模块、光谱采集模块和数据分析模块等组成[8]。

1.2 数字图像处理技术概述

数字图像处理技术即计算机图像处理，简而言之，是把图像信息转换为计算机可以识别处理的数字信息的过程。该过程包括对数字图像进行图像转换、增强、压缩、缩放、分割等处理[9]。伴随着计算机技术的发展，现在的数字图像处理技术具有多样性、精度高、再现性好、处理量大的特点[10]。图像处理技术最早应用于医药领域，例如红（白） 细胞分析、X光肺图像增强、CT等[11]。运用X射线计算机断层摄影装置，根据人头部截面的投影，计算机对数据处理后重建截面图像，为人类发展做出了跨时代的贡献。

在随后的发展中，数字化的计算机视觉系统被应用于食品领域中，为食品安全性检测技术的发展提供了巨大的推动力。图像分析是依据样品表面的图像特征分析样品属性。图像特征通常包括区域的亮度、边缘的轮廓、纹理或色彩等图像的自身属性，也有如变换频谱、直方图等通过变换和计算得到的人为特征。食品的图像分析中通常会选取RGB，HSV 2种颜色模型，获取R，G，B，H，S，V等颜色特征参数。基于灰度共生矩阵方法，获取了能量、熵、惯性矩、相关性和局部稳定性等纹理特征参数。通过化学计量学建立图像特性参数和食品品质之间的数学模型，最终实现新样品品质的预测。

1.3 高光谱成像技术概述

成像光谱是20世纪80年代提出的概念，早期主要用于地质勘探[12]，由于其分辨率高、空间图像清晰，使其获得的数据精确可靠、识别能力更强，近年来已逐步应用到食品检测[13-14]、环境监测[15-16]、农业[17-18]、 生物医学[19-21]等领域。

从原理上来看，高光谱成像技术是通过光谱探测技术与成像技术相结合，运用成像技术和光谱技术能够同时获取待测物的光谱信息和空间图像的特点，进而通过图像和光谱信息对待测物质进行定性、定量和定位分析。这使其成为了食品品质和安全检测、分类与分级的有利手段，在食品检测领域能够发挥重要作用[22]。

1.4 科研型与实用化光学检测设备的结构差异

由于使用目的不同，研究型与实用化光学检测设备在结构上往往有很大差异。食品光学检测中的科研重点在于探索光谱建模的新方法，分析对新指标的检测能力，使用硬件基本类似。

科研型高光谱成像设备[23]见图1。

图1 科研型高光谱成像设备

高光谱成像系统总的来说可以分为2个部分，即硬件系统和软件系统。其中，硬件组成包括载物平台、光源、镜头、成像光谱仪/滤波片、CCD/CMOS工业相机、计算机等；软件主要包括图像采集程序、运算处理程序、电路控制程序等。

从图1可看到，载物平台限制于黑色箱体内，结构多为步进电机带动的丝杠滑台，运动方式多为往复式。即扫描完一个样品后，载物平台需要返回初始位点，才可以进行下一个样品扫描。采集光谱与图像的分辨率要求较高，数据庞大，采集与计算时间较长；采集过程和计算建模过程通常分开；此外一般没有后续机械手臂。

实用型光谱与图像分析设备见图2。

图2 实用型光谱与图像分析设备

从图2中可以看到，用于工业生产中的设备通常多个样品在流水线中连续运动，要求较快的样品采集速度、较快数据处理速度，通常还连接后续机械手臂。

科研型与实用化检测设备特点见表1。

表1 科研型与实用化检测设备特点

2 实用化光学设备在食品方面的开发进展

随着食品光学检测学科的不断成熟和完善，光学检测设备的实用化发展是食品生产加工企业的迫切需要，越来越多可用于在线检测的光学检测设备被研究人员发明出来。虽然这些研究成果尚未大规模应用于工业生产，但其研究内容大大推动了光学检测设备在实用化发展道路的进程，其研究成果预示着在未来食品安全性检测将更加便捷，结果更加可靠。

2.1 肉品品质检测设备实用化研究进展

在鲜肉品质检测中，肉品的嫩度、颜色、pH值和挥发性盐基氮等是反映肉品品质的重要指标，传统的检测方法相对费时，操作过程繁杂且不适应于大规模工业生产检测。随着对光谱技术及图像技术研究的深入，研究人员开始朝着肉品光谱图像检测系统的实用化方向发展，其研究成果加快了实用型光谱检测系统的发展进程，增加了肉品品质检测准确度和方便性。

赵琳琳等人[24]研究出了一种基于可见/近红外光谱技术的腐败肉光谱在线检测及剔除系统，如图2（a） 所示，该系统由同步模块、检测模块和剔除模块组成。在该系统中，同步模块控制检测探头到肉样表面的高度调整；检测模块主要用于样品光谱信息的采集处理及结果的输出保存；剔除模块中主要应用的是推杆剔除装置，该装置根据单片机的接受指令完成推杆的推出及收回动作。该系统在一定程度上弥补了静态检测的不足，基本实现了腐败肉光谱检测由静态的过程向在线检测转变，为工业流水线自动化生产中腐败肉的在线检测提供了较大的理论意义及实用价值。

彭彦昆等人[25]在近红外光谱法的基础上，对光纤探头的检测距离进行了优化，如图2（b） 所示，通过采集54个猪肉样品在13个不同距离下的光谱信息，分别建立了349～1 435 nm，1 037～1 761 nm和349～1 761 nm的含水率偏最小二乘回归模型，通过分析在不同检测距离和不同波段下的数学模型，最终得到了19 mm的最佳检测距离；通过调节系统实时控制探头到样品的距离，并设计了双波段多点同时检测系统，通过单独的21个猪肉样品验证了含水率分级模型的准确性和稳定性，验证结果判断正确率为90.48%，结果表明多点同时检测系统能够完成猪肉水分的在线检测与分级。

Marion O[26]研究出了一种用于在线测量不均匀猪肉切片中脂肪含量的多光谱系统，该系统进行了2次屠宰场在线测试，其RMSEP分别为3.40%和2.82%。研究结果表明，多光谱技术在线测量猪肉脂肪含量是可行的。

张海云等人[27]研究出了一套用于检测猪肉水分含量的手持式无损检测系统，该系统以可见近红外光谱技术为基础，通过VC++和Matlab语言环境开发设计了与硬件设备兼容匹配的无损实时监测系统，该系统在猪肉水分含量验证检测中表现稳定、操作简便。

2.2 果蔬品质检测设备实用化研究进展

高雄等人[28]根据糖度在线检测的需要，开发了融合光谱和图像信息的在线检测系统，该系统主要由硬件平台和软件系统2个部分构成。硬件平台的设计主要由输送机构、漫透射光等针对蜜瓜谱采集机构、图像采集装置及控制系统组成。软件系统采用VC++6.0，结合光谱仪二次开发软件Omni Driver、图像采集软件Fly Capture 2及图像处理软件OpenCV开发。在系统整体稳定性测试时，系统可以实现河套蜜瓜光谱图像的自动采集、显示及保存，单个样品用时1.2 s，糖度检测的均方根误差为1.22，能够满足在线检测试验的需要。

Crichton S等人[29]利用高光谱成像预测了对流干燥过程中原料和预处理苹果片的水分含量和色度，并进行了可视化处理，这种预测水分含量和色度变化空间分布的可视化表明了高光谱成像在线干燥监测使用的潜力。

郭志明等人[30]为满足果蔬加工过程的快速检测和品质控制需要，设计了一款小型化的手持式检测系统。以番茄为研究对象，在建立番茄可溶性固形物和番茄红素的定量分析模型时，首先选择特征波段，然后利用连续投影算法选择特征波长[31-32]，大大简化了模型。结果表明，设计开发的手持式近红外检测系统可以实现果蔬品质的快速无损检测。

Mollazade K[33]利用300～1 000 nm的高光谱成像系统检测纽扣蘑菇4个水平的皮肤褐变。结果表明，利用高光谱成像和化学计量学技术对蘑菇帽上不同程度的褐变进行分类是可行的。在一定工业条件下，研究提出的多光谱成像系统能够作为一种在线和快速分析蘑菇加工工业的工具。

王风云等人[34]设计开发了一套基于机器视觉的双孢蘑菇的分级系统，如图2（c） 所示，该系统的硬件主要由输送装置、图像采集系统、控制系统和分级系统构成，软件系统基于Open CV 2.4.10和Visual studio 2010设计开发的图像分析处理和控制软件。并提出了基于分水岭和闭运算等处理的双孢蘑菇图像大小分级算法，设计完成了传送速度、距离、触发时间与算法处理时间的精准控制。在对该系统的分级性能进行测试试验时，结果表明，系统控制速度12.7 m/min，相机行频1 900 Hz下，准确率为97.42%，破损率为0.96%，相较于人工分级效率提高了38.86%，可以连续稳定的工作。

2.3 蛋类品质检测设备实用化研究进展

我国是蛋品及蛋制品的生产和消费大国，拥有广阔的市场，但每年出口量仍不足总产量的0.6%[35]，主要原因是我国对蛋类品质（蛋的大小或质量、蛋壳的厚薄及新鲜度等）检测方法的不成熟和不完善造成的。例如，我国对鸡蛋新鲜度的判别大多仍采用人工照蛋的方法，该方法不利于对鸡蛋品质的准确分级处理。

李小明[36]在鸡蛋新鲜度可见-近红外光谱在线检测技术研究中，以不同新鲜度的鸡蛋作为研究对象，搭建了一套鸡蛋投射光谱的在线采集系统，如图2（d） 所示。该系统通过PC端与PLC控制器之间建立通信，实现了二者之间数据的交互输送，即PLC将鸡蛋传送过来的信号发送给电脑，电脑开始采集光谱数据，光谱数据被带入到事先已经建立好的判别模型中进行新鲜度的判别处理，并将结果反馈给PLC，PLC根据结果执行分级操作。整个新鲜度检测过程共耗时0.256 s，能够满足工业化在线检测的要求。

涂佳[37]在进行基于计算机视觉和动态称重的鸡蛋外部品质检测系统研究中，运用机器视觉结合动态称重对鸡蛋的蛋形、污渍、质量等指标进行了快速检测。该检测系统动态称重采用应变片式传感器设计；外部品质检测模块由CCD、计算机、光箱和红外触发装置组成，通过与不同的检测方法之间的比较，可以证明该检测系统具有较强的稳定性和合理性，检测速度为4枚/s。

陈红等人[38]对鸭蛋品质进行了研究，设计了一套基于计算机视觉技术的无损检测设备。该设备主要由计算机视觉系统、输送系统、分级系统及控制电路构成。该系统可同时测定蛋心颜色、蛋大小、新鲜度及厚度等信息，能够实现鸭蛋品质在线检测和分级。

3 结语

通过对可见近红外光谱技术、数字图像及高光谱成像技术进行了概述，介绍了各设备的工作原理和各部分组成。对光学检测设备在我国肉类、果蔬和蛋类中的实用化研究进展进行了综述。通过对比分析科研型与实用化光学检测设备的结构差异发现，科研型设备通常采样间歇式操作，采集数据庞大，计算速度慢。而实用化设备要求是带式输送、连续采样，数据需要快速处理，并将分析结果及时传到执行系统。总结现有研究文献发现，目前的光学无损检测领域的研究主要集中于光谱分析和建模方面，对实用型设备研究和开发依然偏少，特别是在工业化生产过程中实时在线检测设备发展较慢。将光学检测设备的微型化及实时在线检测，实现先进技术的推广和应用，是该领域研究者今后需要努力的重要方向。