APP下载

高光谱图像技术在食品检测中的应用

2021-09-12于佩含李梦楠高雯

食品安全导刊 2021年8期
关键词:食品检测

于佩含 李梦楠 高雯

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.

猜你喜欢

食品检测
食品过期1分钟,你敢吃吗
国外如何进行食品安全监管
“不等式”检测题
“一元一次不等式”检测题
“一元一次不等式组”检测题
“几何图形”检测题
“角”检测题
食品造假必严惩
竟然被“健康食品”调戏了这么多年
纯天然食品不等于健康食品