基于多光谱图像技术的食品质量检测方法

付洪妍

摘 要：为解决传统食品质量检测方法在实际应用中存在检测结果准确率低的问题，开展基于多光谱图像技术的食品质量检测方法设计研究。通过基于多光谱图像技术的食品多光谱图像获取、建立基于化学计量学的食品质量评价模型、食品质量定量与定性评价，提出一种全新的检测方法。通过实验证明，新的检测方法检测结果的CR值更高，说明检测结果的准确性更高。

关键词：多光谱;图像技术;食品质量

食品质量的问题一直是我国质量安全检测单位的关注重点，在人们生活质量呈现一种上升趋势后，与此方面相关的研究受到了越来越多人的关注。食品生产商为了促进群体的消费，制作食品的工序越来越多，生产的食品种类也越来越多，但随之带来的食品质量与食品安全问题也逐渐增多。在工业化发展进程持续加快的社会背景下，新型食品添加剂的安全性成为了消费者的关注核心，多个国家都曾发生过由于食品质量不达标而引起的安全性问题，如禽流感、瘋牛病等[1]，我国早期的三鹿奶粉事件也是由于食品质量不达标导致的。

为了加强对食品质量的管控效果，技术单位提出了场景检测、定量检测等质量检测手段，但大部分检测方法所需要耗费的成本较高，且一些检测方法在实际应用中没有统一的评价标准，在不同程度上对食品质量检测造成负面干扰[2]。因此，本研究提出了多光谱图像技术应用于食品质量检测的建议，通过像素识别的方式，对焦点信息和质量信息进行深度检测。目前，此项技术已被广泛应用到光学图像识别、电子数据处理等研究领域，但食品质量检测等领域还未涉足。本文借鉴早期研究成果，对此方面进行设计与研究，致力于为消费者提供更加安全的食品。

1 食品质量检测方法

1.1 基于多光谱图像技术的食品多光谱图像获取

在对食品质量进行检测时，引入多光谱图像技术，首先要对食品的多光谱图像进行获取。利用多光谱成像仪，见图1，根据不同食品结构特点，通过调节波长扫描从可见光到近红外共20个波段的信息，形成一个具有高分辨率的光谱图像，并在光谱图像中获取每个像素上的400～950 nm信息[3]。

将上位机与多光谱成像仪连接，并在上位机当中的VideometerLab软件上对获取到的图像进行处理，其具体操作为：①将多光谱成像仪和VideometerLab打开，在软件当中对成像仪进行初始化，并启动发光二极管当中的光脉冲序列，预热25 min;②在显示界面当中通过“Up”按钮实现成像仪的上下运动。将被检测的食品放入到样品台上，在确保检测环境为封闭状态时，根据被检测食品的大小，对其位置进行调节;③通过自动校光设置，定义曝光参数的动态范围，利用成像仪对其进行拍摄;④经过校准后，启动VideometerLab的图像采集功能，并针对需要进行检测的食品多光谱图像进行区域划分，完成对食品多光谱图像的获取。

1.2 建立基于化学计量学的食品质量评价模型

在上述食品多光谱图像的基础上，对其质量进行评价，为确保评价结果的可靠性引入化学计量学，构建一个食品质量评价模型[4]。通过非线性映射函数简化对食品质量的评价过程，模型可用如下公式表示：

式中，R表示基于化学计量学的食品质量评价模型;I表示食品质量评价校准集中的数据;y表示被检测食品的质量测量值;yi表示被检测食品的质量预测值;表示被检测食品的质量平均值。

由于上述获取到的食品多光谱图像当中含有与待测质量无关的因素，为了防止这一部分因素对检测结果造成的影响，需要将图像当中无用信息剔除，以此提高食品质量评价模型的评价能力和稳定性。

1.3 食品质量定量与定性评价

根据食品质量定量和定性评价标准，通过校准及样本点正确判别率作为评价辅助，开展针对食品质量的定量评价。在多光谱图像和基于化学计量学的食品质量评价模型的基础上，结合模糊数学对被检测食品的特性进行描述和判断。针对影响食品质量的各项指标，得出其定量评价结果计算公式：

式中：H表示食品质量定量评价结果;K表示评价指标标准化处理后的定量数值;Q表示用于对食品质量进行评价的权重分配数值。根据上述公式计算得出食品质量的定量评价结果。

针对食品质量的定性评价，可不采用数学方法，结合多光谱图实际表现、状态等观察得出的结果，针对食品质量进行定性结论的价值判断[5]。根据不同类型食品质量等级标准，对其质量等级进行判断。以禽畜水产罐头为例，一级为色泽、淀粉含量、蛋白质含量等指标均在优级和一级品等级;二级为色泽、蛋白质含量等指标均在一级品等级;三级为色泽、蛋白质含量等指标均在普通级等级内。通过从多光谱成像仪获取到的图像，可以直接对食品的光泽进行观察，以此对其进行定性评价。

2 两种食品质量检测方法CR值比较

结合本文上述内容，引入一种全新的多光谱图像技术应用到食品质量检测中。为确保实验的可对比性，选择将新的检测技术与传统基于化学仪器分析技术的检测方法，针对5种不同类型食品，对其质量进行检测。为了确保实验结果的可对比性，选择将两种方法完成检测后的检测结果正确率作为实验评价指标，其计算公式如式（3）：

式中：CR表示两种方法检测结果的正确率，Nc表示正确检测样本数量;Nnc表示错误检测样本数量。根据上述公式对两种检测方法的检测结果进行记录，并绘制成如表1所示的检测结果对比表。从表1的实验结果可以看出，针对5种不同类型的食品，本文检测方法的CR值明显高于传统检测方法的CR值。由于CR值越高代表检测结果的正确率越高，检测效果越理想，实验证明，引入多光谱图像技术后，食品质量检测方法的检测准确性得到提升，并且通过多光谱成像仪的应用，进一步实现了对食品质量的快速检测。

3 结语

多光谱图像技术的出现和在食品质量检测当中的应用能够实现对食品种类、产地、真伪等进行快速、准确地鉴别。同时，在食品工业领域中对多光谱图像技术进行广泛应用也能够进一步推动我国食品工业技术的发展和创新，为食品行业带来更大的经济和社会效益。

参考文献

[1]刘步青，龙肖冶.人工智能多光谱图像技术在食品品质检测中的应用：评《多光谱食品品质检测技术与信息处理研究》[J].食品工业，2020，41（12）：359.

[2]田雪莲，周开拓，兰承兴，等.动物性食品中磺胺类药物多残留检测能力验证质量控制技巧[J].贵州畜牧兽医，2020，44（6）：11-13.

[3]马娇妍，曹希越，韩宪忠，等.基于多光谱图像技术的冷鲜羊肉新鲜度检测[J].食品工业，2021，42（4）：478-482.

[4]李鑫星，朱晨光，傅泽田，等.基于无人机多光谱图像的土壤水分检测方法研究[J].光谱学与光谱分析，2020，40（4）：1238-1242.

[5]王春华.高效液相色谱技术在食品质量检测中的应用[J].现代面粉工业，2020（1）：22-24.