基于多传感器数据融合食品安全检测技术研究

◎ 毛 磊

（商洛学院，陕西 商洛 726000）

多传感器数据融合技术在食品安全，尤其是食品中重金属的检测领域应用越来越广泛。食品安全检测需要对各种信息进行分析处理和综合评估，而这些数据都是来自多个传感器采集到的，因此，如何快速有效地从海量传感器得到大量可靠、准确的监测数据，就成为当前研究热点之一。因为食品安全检测的物质较多，所以需要适应多种传感器来获取相应的信号特征。比如分光光度计、红外光谱仪等，这类传感器不仅能提供较为丰富的电信号，而且可以利用它们各自不同的特点获得更高的灵敏度，从而使其能够用于复杂环境下的安全监测[1]。这些传感器将待测物质的浓度转化为电信号或图像后通过光纤传输给计算机，并由计算机将所获得的电信号转换为数字信号或者图像显示出来。

1 传感器模块在食品安全检测当中的应用

食品安全检测标准，是国家市场监督管理总局制定的，主要包括食品中有毒有害物质含量、食品卫生要求等方面的强制性国家标准和地方标准。在检测技术不断升级以及对产品质量日益重视的情况下，传感器的研究也有了新的突破，一些新型器件如光纤传感元件、红外探测元件等出现，并被应用于食品检测领域。食品检测中常见的食品安全事件发生频率很高，要想提高食品检测水平，就需要建立完善的食品检测体系，为保障人们身体健康提供科学可靠的信息数据。相对于其他信号，电信号比较容易收集并且便于保存。通过分析，可以发现某些不安全因素（如细菌）与食物之间存在某种联系，从而达到预防或控制此类疾病发生的目的。因此，在食品安全检测过程当中，需要先将各种信息转换成电信号以便获取其特征量，然后再根据所取得的特征性量进行相应处理，以判断是否含有该食品成分或危害程度。

1.1 分光光度计

在农产品的生产过程当中，农药残留是一种常见现象。有些品种的农药会自然降解到环境中，但也有一些农药可以通过微生物或其他生物代谢转化为有机磷类、氨基甲酸酯等有机污染物，进而进入人体，影响健康。基于此，利用分光光度计作为传感器对蔬菜进行检测具有重要意义。采用分光光度计能够将有机磷类含量高、易分解的农药成分转化成光信号，以方便快速地获取农药信息，同时避免传统检测法复杂繁琐的操作，使其易于实现自动化控制，并能有效提高工作效率。这样在通过光敏传感器组件将所采集到的荧光信号转换为电信号后，即可得到待测样品。为了便于分析，还可对样品进行预处理。先利用光敏传感器测量待测物与光敏膜之间的距离，从而得出相应值；然后再根据该阈值来计算待测溶液的浓度。实验结果表明，利用该方法测定农药残留时，灵敏度较高（最高可达99.6%），且稳定性好。

分光光度计利用光信号能量与被测物质的吸收或发射之间存在着一定比例关系来确定被测物质浓度。其基本工作原理是：利用光电效应，通过激发光源发出光子，从而使荧光分子发生电离和发光；再将这些电离后产生的光脉冲转化为电信号（即光电转换）并输出到计算机进行数据处理，即可获得所需要浓度值。分光光度法在分析化学中应用很广，如测定农药残留、食品添加剂等。分光光度法指的是用不同波长光照射样品，利用物质对光吸收或反射后发生电离而产生荧光来测定其含量。具体来讲，在分光光度计中，将不同波长的光连续照射到一定浓度的样本溶液中时，会引起试样分子之间和分子间的相互作用以及它们与样品表面、界面上的作用所造成的变化，从而导致待测元素或化合物的光谱性质发生变化，进而可以得到被测成分含量的数据，这种方法称为分光光度法，也称为吸收光谱法。而紫外分光光度法则主要用于分析某些金属离子的水溶液中的铜和铬等重金属，它的原理是通过吸收波长为380 nm~530 nm的紫外光辐射使样品中的Cu离子（Cu2+）激发出电子发射出去，然后再由电子发射出来的能量进行一系列反应，从而获得铜量和铬量两种信息，以实现定量测定的目的。可见光光度法是在分光光度计内，把不同波长的光分别照在被测物质的表面、界面或其他部位，待样品吸收足够多的紫外线并发出较高的频率后，便可从这些区域放出可见光，从而获取相应的光谱信号，这种分析方法叫可见光光度法。总而言之，在食品安全检测中，使用分光光度计就能够快速准确地确定食品中的各种化学物质，包括农药残留、重金属含量、微生物毒素、致癌物等都有可能出现在样品中。

1.2 生物传感器

重金属检测是食品安全检测中的一个重要方面，在我国，由于食品种类繁多、质量不稳定等原因，使得人们对食品重金属含量有了一定程度的了解[2]。重金属在人体的吸收作用是通过一系列化学反应来完成的。其中，食物中铜、锌、镍等金属离子与生物体内的酶相互作用，可使蛋白质变性或分解产生有毒的产物，从而影响机体正常生理功能。目前，使用生物传感器来检测食品中重金属已经成为国内外学者研究的热点之一，其原理就是利用不同形态的微生物所分泌出的代谢产物（包括代谢底物）对重金属进行测定，进而达到控制其数量或者性质的目的。因此，生物传感技术也逐渐应用到食品安全领域，特别是食品中重金属的快速无损分析，对于保证食品生产过程的安全性、提高产品质量有着非常大的意义。

常见的生物传感器主要由换能器和识别元件两部分组成。其中，换能器是将电信号转化为声波或超声波等形式并传送到信号发生器的部件，识别元件是用来检测被探测物与目标之间关系的器件。生物传感器的优势体现在其对外界环境变化敏感、灵敏度高、稳定性好、寿命长以及可实现低成本制造等方面，因而在食品检验领域具有广泛的应用前景[3]。生物传感器在对食品中重金属及有毒物质进行检测时，必须采用特殊材料制成，以保证检测结果可靠。目前，常用的生物传感器包括金属离子检测器（Cd Te）、电化学阻抗检测仪（EPMA）、生物传感式电极（PFC-Te）、生物荧光免疫分析仪（PFS-Te）以及其他一些新型生物传感器。近年，生物传感技术得到了很大发展，尤其是利用酶催化技术来测定食品中污染物浓度，使之更接近实际情况，从而取得更好的效果。

2 数据融合技术在食品安全检测当中的体现

在食品安全检测中，常用的数据融合方法有贝叶斯估计、D-S推理法、人工神经网络等。

贝叶斯方法：通过对已知样本进行学习和训练来确定未知变量之间关系或判断其是否为真实值，并将所获得的信息作为证据使用，以证明被测对象存在缺陷。贝叶斯方法的工作过程是这样的：首先，用贝叶斯定理把样本空间划分成若干个小区间（如一个区域），每个小区间都包含了某种特征；其次，根据这些特征建立模型，得到各个子模型与某一特定环境条件下某类产品的对应关系；最后，运用已有知识预测该环境下受影响产品数量以及最终产品的质量等相关参数。贝叶斯分析具有简单直观的优点，但由于它只能给出一定范围内的结果而不能描述实际情况，因此往往难以用于检验食品中有毒有害成分含量的准确性。但是基于贝叶斯原理构建出的数学模型能够较好地反映被测物的化学组成和理化性质，从而能更好地指导生产和检验工作。例如，在检测酱油时，通过加入不同比例的酱油溶液，就可测定其中各种蛋白质含量。这种计算方法称为“加氮”法，即在计算酱油样品中氨基酸总量时先扣除10%~15%的量，再按照加氮化合物的种类分别计算各组分的相对分子质量分数。当加氮浓度大于50%时，按5%添加酱油溶液，当加氮量小于20%时，则直接从酱油中除去，不需要经过进一步处理，从而简化了分析方法，提高了工作效率。在检测蔬菜中农药残留时，采用的也是基于贝叶斯法则构建的模型，其基本思想是通过引入先验知识和经验公式，得出有关试验条件下农药残留水平的估计值，进而推断农药的安全程度[4]。

D-S推理法，是一种非参数统计推断方法。它主要由以下3个步骤构成：第1步：提取待估数据；第2步：构造待估计数据集合；第3步：输出预测值。D-S推理系统有如下特点：①所有数据分布均符合正态分布，即当两个原始数据间的距离等于最小二乘拟合误差平方根时才会出现最大方差现象。②每个采样点都包含一个变量（或向量）。③样本集之间存在着相互独立且相同的线性组合结构，因而可以使用自回归函数来表示样本空间上各条直线对未知信息进行加权平均后所获得的最优解。④对于任意一条线性回归方程而言，若将其设为正态（x）、负态（y）及混合状态，则这3个分量之和就是该曲线对应于各个已知值处的真实斜率等相关因素。⑤根据实际情况，可以设定一些约束条件，使这些约束得到满足即可确定该式的解析形式。⑥利用上述方法建立起来的预测模型具有较强的实用性，并已成功应用到食品安全检测过程当中，如检测牛肉中瘦肉精含量，测定蔬菜中氯氰菊酯残留量等。

人工神经网络已经被广泛应用于食品分析与检验领域，并且取得了较好的效果。神经网络用于食品分析与检验，能够准确地评估样品中各种成分的质量特征，又能有效避免人工判断带来的偏差，减少人为错误以及误判。另外，神经网络还可用于食品加工过程中的在线控制与监测，从而降低劳动强度，简化工作流程，提高生产效率。

3 结语

食品安全检测作为一项重要的工作，对保障人民群众身体健康和生命安全有着不可替代的作用。多传感器数据融合技术可以实现食品中农药残留等有毒物质以及微生物等有害物含量信息的自动提取、分析与处理，提高检验结果的准确性和可靠性，从而达到全面保证食品质量安全的目的[5]。对于在食品安全检测过程当中的常见检测对象，分别利用压电传感器、分光光度计、生物传感器等多种传感设备来获取相关的数据进行实时采集，通过计算机算法得到所需要的各种参数，并将这些参数按照一定比例转化为电信号输出到上位机进行计算得出最终的检测值，还能同时根据实际情况给出相应的建议方案供现场人员参考使用，进而确保整个食品安全检测系统能够高效运行，提升工作效率。由于是多传感器组联合使用，使得多传感器数据融合系统具有较强的通用性和扩展性，且无需考虑传感器之间相互干扰问题以及各传感器间相互影响问题，因而非常适合作为食品中重金属含量及污染状况实时监控系统的核心组成部分，应用于食品安全监管之中。