高光谱成像技术在食品品质无损检测中的应用探究

陈泽珊

摘 要：本文综述了高光谱成像技术和高光谱成像系统的原理，从食品新鲜度检测、生物污染检测、水分检测和固形物含量检测4个方面分析高光谱成像技术的应用，了解其检测要点与优势，以期提高高光谱成像技术的应用水平，更好地保证食品的品质和安全。

关键词：高光谱成像技术;食品品质;无损检测;生物污染

Application of Hyperspectral Imaging Technology in Nondestructive Testing of Food Quality

CHEN Zeshan

（Guangdong Province Technician College of Light Industry， Guangzhou 510000， China）

Abstract： This paper summarizes the principle of hyperspectral imaging technology and hyperspectral imaging system， analyzes the application of hyperspectral imaging technology from four aspects： food freshness detection， biological pollution detection， moisture detection， and solid content detection， and understands the detection points and advantages， so as to improve the application level of hyperspectral imaging technology and better ensure the quality and safety of food.

Keywords： hyperspectral imaging technology; food quality; nondestructive testing; biological pollution

當前社会环境下，消费者对于食品品质的关注，逐渐成为食品行业发展与转型的重点。随着计算机成像技术、光谱技术水平的提升，高光谱成像技术在食品品质检测中得到了应用。高光谱成像系统内包含分光设备，这是系统核心元件，通过光学元件把宽波长混合光分散为频率不同的单波长光，通过计算机软、硬件采集食品品质的相关数据，随之利用点扫描、线扫描、面扫描这3种方法获取高光谱图像，完成食品品质无损检测。现阶段关于高光谱成像技术的应用已经有比较丰富的研究理论，为该技术在食品品质无损检测中的应用夯实了理论基础。因此，本文针对食品品质无损检测过程中高光谱成像技术的具体应用展开分析，介绍高光谱成像系统，总结技术应用要点，总结食品品质无损检测需注意的要点，切实保证食品安全。

1 高光谱成像系统概述

1.1 高光谱成像系统原理

高光谱成像技术是在很多窄波段基础上形成的一种影像数据技术，融合了成像、光谱两种技术，对被测目标二维几何空间、一维光谱信息进行探测，采集到高光谱分辨率连续且窄波段图像信息。高光谱成像技术在各个行业领域有非常普遍的应用，有光栅分光、声光可调谐滤波分光等多种类型，可满足食品安全检测、医学诊断以及航天领域等检测的需求。高光谱成像技术水平的提升使光谱分辨率和探测性能也随之增加。对比高光谱成像技术、全色和多光谱成像技术，高光谱成像技术的优势主要体现在近似连续地物光谱数据、地表覆盖探测与识别水平高、地形要素分类识别方式多元化、满足地形要素定量与半定量识别要求等方面。

基于高光谱成像技术，随之构建高光谱成像系统。高光谱成像系统包括软硬件两个部分，其中硬件部分的关键装置为传感器、光源、扫描器和控制装置。传感器作为系统硬件的核心部件，主要包含物镜、光谱仪和CCD阵列探测器，而光谱仪则细分为干涉型、光栅型两种;CCD阵列探测器有线阵探测器、面振探测器两类。系统的软件部分则是由光谱预处理软件、数据采集软件、数据处理软件组成。

在食品品质无损检测中应用高光谱成像系统，因为该系统中光谱仪是非常重要的元件，其中包含棱镜-光栅-棱镜单元，其作用是规避环境光对系统运行的影响，当光谱仪采集到被测食品一行图像，此时该单元也能在光谱轴上色散图像像素点，从而得到空间轴、光谱轴对应的一维影像与光谱数据，因为被测物体、棱镜持续运动，便会构成物体光谱图像[1]。CCD阵列探测器可采集到所有瞬间信号，进而获得高光谱三维图像数据块，为食品品质无损检测提供支撑。

1.2 高光谱成像优势

随着技术水平的提升，高光谱成像光谱分辨率、探测能力相应地得到提升。对比高光谱成像、全色成像和多光谱成像，总结高光谱成像在应用中具有如下优势：①地物光谱信息近似连续性。利用高光谱影像技术，当重建了光谱反射率后，可采集光谱反射率曲线，且该曲线与被探测物近似连续，能够契合实测值，实验室构建的被探测物光谱分析模型，也可在成像中得到应用。②增强地表覆盖探测与识别性能。高光谱数据可探测的物质中，包括具有诊断性光谱吸收特征物质，并对地表植被覆盖所属类型、道路地面材料做出区分。③识别地形要素分类方式更加多元化。影像分类识别阴暗可采用多种方法，如贝叶斯判别法、决策树和神经网络等。此外，还可应用被探测物基础上的光谱数据库光谱匹配方式。④实现地形要素分类识别的定量与半定量。高光谱影像可对诸多被探测物状态参量进行预估，这使成像高定量分析质量得到提升，保证最终成像的精度。

2 高光谱成像技术在食品品质无损检测中的应用

2.1 高光谱成像技术在食品新鲜度方面的检测应用

采用高光谱成像技术可检测食品新鲜度，下面以肉制品新鲜度为例展开分析。传统的检测分析肉类食品新鲜度的方法是感官评价法，但这种方法会对肉制品造成破坏[2]。改为高光谱成像技术后，检测人员可通过近红外高光谱成像系统波长区，针对各个成分、加工参数条件下的肉制品质量展开检测，在不破坏肉制品完整度的情况下获取新鲜度数值。建议高光谱成像技术检测熟食肉类制品，可应用主成分分析法，挑选8个特征波长检测肉类熟食品质，分别为980 nm、1 061 nm、1 141 nm、1 174 nm、1 215 nm、1 325 nm、1 436 nm和1 241 nm，最终得出检测结果准确率可达97%。

如果检测对象为果蔬类食品，了解此类食品的品质可从酸度、硬度、水分、淀粉含量、成熟度和内部缺陷等方面做出分析，如苹果、香蕉等食品的色泽因素是衡量品质的一项重要标准。按照现有研究结果，果蔬类食品品质的检测应用近红外高光谱成像技术，检测人员应用最小二乘回归法，构建分析模型，为颜色反射率、模型决定技术分析提供了便利条件。还有一些检测人员在虾的新鲜度检测中应用高光谱成像技术，控制近红外高光谱图像波长范围在400～1 000 nm，采用连续投影算法、最小二乘回归法，以组合的形式开展新鲜度无损检测，按照得到的检测结果，发现连续投影算法、最小二乘回归法组合检测结果的准确率最高可达98%，预测正确率也高达95%[3]。

食品外观品质既与市场价值紧密关联，又与消费者喜好、市场选择等息息相关。以果蔬类产品为例，透过产品外观，可直接了解到内部质量。采用高光谱成像技术便可了解采摘水果后的隐性损坏情况[4]。很多专家针对近红外高光谱成像技术在果蔬类产品无损检测中的应用进行了研究。例如，芒果机械性损伤检测，按照现有的研究经验，得出的芒果损伤检测图像波长在650～1 100 nm，芒果损伤检测主要采用分类法，分别是线性判别分析法、近邻法、朴素贝叶斯分类法、决策树法和极限学习机法，在无损检测中应用这5种方法，得出芒果机械性损伤分类的准确率高达97.9%;如果是在鸡蛋内部质量检测中应用，该技术系数值设定为0.87，得出预测准确度达到96.3%。由此可见，高光谱成像技术在食品新鲜度检测中的应用具有极高的可行性。

2.2 高光谱成像技术在食品生物污染检测中的应用

为了保证食品安全，需展开食品生物污染检测，如肉类制品易受冷库温度变化影响，增加肉制品附着的细菌数量，从而引发食品质量问题[5]。为了解决食品安全问题，建议在生物污染检测中应用高光谱成像技术，保证人们的消费安全。结合当前我国肉制品生物污染检测体系建设现状，检测人员可采用近红外高光谱技术，检测分析腐败变质肉制品中的微生物情况，还支持各温度条件下微生物生长的检测。同时，实际开展食品生物污染检测，可在偏最小二乘法基础上构建模型，如应用近红外高光谱技术检测肉制品包含的假单胞菌含量，可在遗传算法基础上搭建波长体系，为生物污染检测提供支持。

2.3 高光谱成像技术在食品水分检测中的应用

食品水分检测是食品品质无损检测的重要组成部分，需用到食品水分检测技术。传统食品水分检测技术不仅需消耗大量时间，检测效率也不高。因此，基于上述问题，在食品水分检测中开始广泛应用高光谱成像技术。此技术不仅具有图像、光谱技术诸多优势，还极大提升了食品品质无损检测在水分检测方面的效率[6]。例如，针对三文鱼制品进行无损检测，采用近红外高光谱成像技术检测三文鱼水分损失、鱼肉制品pH值，实际在检测环节工作人员设定波长范围是400～1 700 nm，在此区间采集高光谱图像数据，通过偏最小二乘回归PLSR构建预测模型，分析模型可确定水分损失交叉验证相关系数。按照得出的水分检测结果，确定三文鱼鱼肉部分pH值为6.6，水分损失交叉验证相关系数为0.877。

此外，在羊肉产品水分检测过程中，依然可采用近红外高光谱成像技术分析肉制品化学成分。根据检测实践，设定红外波长范围是900～1 700 nm，此区间内羊肉制品水、脂肪、蛋白质含量系数分别为0.88、0.88、0.63，对应的系数值标准误差是0.51%、0.40%、0.34%。通过上述数据，可见食品品质无损检测中的食品水分检测，应用高光谱成像技术检测效率非常高，而且水分检测结果精度也更高。

2.4 高光谱成像技术在食品固形物含量检测的应用

食品品质无损检测还包括食品固形物含量检测，即果蔬类产品中能在水中溶解的所有化合物，如糖、酸和矿物质等。采用高光谱成像技术检测食品固形物含量，在现阶段食品品质检测领域是非常重要的研究对象。例如，通过高光谱成像系统可采集果蔬类产品高光谱图像，并对吸收系数、约化散射系数进行测量，预测得出食品硬度与固形物含量。经过实践与研究发现，果蔬类食品吸收系数、约化散射系数很大程度受硬度、SSC含量影响，吸收系数、硬度、SSC含量具有非常高的相关性，得出固形物含量预测相关系数是0.864。由此可见，高光谱成像技术可用于光学特性检测，能了解食品内部品质的基本情况[7]。

此外，高光谱成像技术还包括高光谱激光诱导荧光成像技术，此技术也广泛应用于食品品质无损检测，用于了解食品安全。例如，在700～1 100 nm波段，构建高光谱激光诱导荧光成像平台，期间还需构建多元线性回归模型，对果蔬类产品固形物含量做出预测，得出相关系数0.96。由此可见，高光谱激光诱导荧光成像技术可用于食品品质无损检测，特别是果蔬类产品固形物含量检测，是非常有效的检测技术。

3 结语

综上所述，通过分析食品品质无损检测中高光谱成像技术的应用，发现该技术是无损检测的一种有效技术手段，不仅可保证被测对象的完整性，还能提高无损检测效率，避免检测环节消耗大量时间。根据高光谱成像技术应用实操经验，发现其切实提升了我国无损检测水平，可为食品安全提供保障，满足广大消费者对于肉制品、果蔬类产品等的质量与安全要求，避免食品安全问题带来的危害。

参考文献

[1]张飞，罗华平，高峰，等.高光谱成像技术在水果品质无损检测中的研究现状[J].新疆农机化，2021（6）：18-21.

[2]曹妍.如何正确使用光谱成像技术进行食品检测[J].中国食品工业，2021（24）：79-80.

[3]余孜孜，任锡蓉，林民尧，等.基于CiteSpace的茶叶领域中高光谱成像技术应用的文献计量分析[J].中国茶叶，2022，44（8）：48-55.

[4]王飞翔，谢安国，康怀彬，等.食品光谱图像无损检测技术实用化方向研究进展[J].农产品加工，2019（13）：74-78.

[5]樊永華.高光谱成像技术在肉制品品质无损检测中的应用[J].粮食与食品工业，2018，25（5）：64-67.

[6]邢素霞，王睿，郭培源，等.高光谱成像及近红外技术在鸡肉品质无损检测中的应用[J].肉类研究，2017，31（12）：30-35.

[7]卢娜，韩平，王纪华.高光谱成像技术在果蔬品质安全无损检测中的应用[J].食品安全质量检测学报，2017，8（12）：4594-4601.