食品安全現代檢測技術綜述

郭培源，劉波，李楊，向靈孜

（北京工商大學計算機與信息工程學院，北京100048）

食品安全現代檢測技術綜述

郭培源，劉波*，李楊，向靈孜

（北京工商大學計算機與信息工程學院，北京100048）

探討了當前食品安全領域的檢測和監測技術，包括近紅外光譜、高光譜圖像、計算機視覺、人工嗅覺與人工味覺、生物芯片等檢測技術；同時詳細介紹了這些檢測技術的基本原理和應用特點，總結了我國食品安全的發展方向以及存在的問題。

食品安全；近紅外光譜；高光譜圖像；計算機視覺

食品安全是關系到人類健康和國計民生的重大問題。最近幾年，中國發生的幾次食品安全問題，引起人們對食品安全普遍重視，如：三鹿奶粉事件、地溝油事件、瘦肉精等。食品安全問題主要包括以下幾個方面：化學性危害、生物毒素、微生物性危害、食品摻假和基因工程食品的安全性問題。對于不同的食品安全問題的判斷，人的感官判斷具有主觀和偏見性。隨著食品安全問題的受到社會各界的重視，食品安全檢測技術逐漸成為科研領域的焦點，最近幾年食品安全檢測技術得到了快速的發展。與傳統的食品檢測技術相比，現代食品檢測技術自動化程度和精密度都有很大的提高，提高了檢測的速度和準確度。

1 現代食品檢測技術

現代食品檢測技術得益于計算機的發展，充分利用的計算機的功能?，F代食品檢測技術可以分為現代食品儀器分析技術和食品檢測新技術[1]；如食品的光譜分析技術、色譜分析技術和質譜技術屬于現代食品儀器分析技術；食品檢測新技術包括計算機視覺技術和電子傳感技術，以及生物芯片技術等現代技術。該文介紹現代檢測技術中近紅外光譜技術、高光譜技術、計算機視覺技術、人工嗅覺和人工味覺檢測技術、生物芯片檢測技術等的原理和特點。

1.1 近紅外光譜技術

近紅外光（near infrared，NIR）是指波長在750～3 000nm范圍內的電磁波。一般有機物在該區的近紅外光譜吸收主要是含氫基團（-OH，-CH，-NH，-SH）等的倍頻和合頻吸收[2]?，F代近紅外光譜是20世紀90年代以來發展最快的光譜分析技術，是有機物定性、定量和結構分析最有效的手段之一，特別是1990年以后由于近紅外光在光纖中良好的傳輸特性，使近紅外光在線分析成功地應用于各個領域。

近紅外光譜技術原理：有機物以及部分無機物分子中各種含氫基團在受到近紅外線照射時，被激發產生共振，同時吸收一部分光的能量，測量其對光的吸收情況，可以得到極為復雜的紅外圖譜，這種圖譜表示被測物質的特征[3]。因此，近紅外光譜（NIR）能反映物質的組成和結構信息，從而可以作為獲取信息的一種有效載體。徐霞等[4]探討了近紅外光譜技術在肉類品質檢測中的應用；可以根據肉類及其肉制品的蛋白質、脂肪和水的組成成分，判斷豬肉的品質等級。江輝[5]提出基于近紅外光譜技術的固態發酵過程參數檢測方法，對獲取的固態發酵物樣本的近紅外光譜采用一階導數法進行預處理，利用入選的特征波長變量結合偏最小二乘（partial least squares，PLS）法建立固態發酵過程參數pH和濕度的定量檢測模型。KANDALA C V等[6]利用近紅外反射光譜，測量花生樣品在波長400～2 500nm反射率值，用于估計帶殼花生含水率（moisture content，MC）的無損檢測。

1.2 高光譜圖像檢測技術

作為一項新興的檢測技術，高光譜圖像技術（hyperspectral image）將光電子學、光學、電子信息處理學、計算機科學等領域的先進技術集于一身，并有機地把傳統的光譜技術和二維成像技術結合在一起。高光譜成像技術進行食品品質檢測的原理是在特定波長處，食品不同的化學組成和物理特征有著不同的反射比、分散度、吸收度以及電磁能，不同波長處的關鍵峰值可以表示不同化合物的物質屬性，從而通過分析光譜信號實現食品品質信息的定性或定量檢測，并根據高光譜圖像提供的光譜空間分布信息，實現食品品質信息的可視化表達，從而實現食品的分級分類和品質檢測工作[7]。LJUNGQVIST M G等[8]在合成蝦青素的水產養殖飼料顆粒涂層高光譜濾光片，用于預測蝦青素的濃度水平，取得了較好的相關效果。

高光譜圖像技術所具有的高分辨率的特性，使得其圖像數據的相鄰波段間隔較窄，存在波段重疊區域，因此光譜通道不再離散而是連續的，高光譜圖像數據每個像元均可提取一條完整的高分辨率光譜曲線，如圖1所示。高光譜圖像技術的出現解決了傳統科學領域“成像無光譜”和“光譜不成像”的歷史問題。

圖1 高光譜成像儀的圖像Fig.1 Image of hyperspectral imager

利用高光譜立方體圖像中的光譜信息，結合光譜解析和數學建模方法，可以預測和評估被檢測樣品中物質成分的品質安全屬性。彭彥昆等[9]研究了高光譜圖像檢測技術在農畜產品中的品質檢測應用；闡述了高光譜圖像檢測技術用于水果內部品質和外部形態特征的識別；評定水果的安全性和品質等級。陳士進等[10]進一步綜述高光譜技術與圖像處理技術；用于對牛肉的快速無損檢測；預測牛肉的嫩度。孫大文等[11]在應用包括計算機視覺技術和高光譜成像技術在內的現代光學成像技術，進行了食品品質快速無損檢測，為現代光學成像技術在食品加工業中的應用創造了很好的條件。吳建虎等[12]應用高光譜成像技術預測牛肉嫩度，建立了正則判別函數對牛肉嫩度進行分級，嫩牛肉和較粗糙牛肉的分級準確率分別為83.13%和90.19%，總的分級準確率為87.10%。

1.3 計算機視覺技術

通過圖像傳感器采集得到所測樣品的圖像，把所得圖像轉換為數字圖像，繼而通過計算機技術模擬出來人的判別準則，對圖像進行識別，并與圖像分析技術相融合來分析得出所要結論的技術，就是所謂的計算機視覺技術。圖像處理和圖像分析兩部分是計算機視覺技術的核心。郭培源等[13]對表征豬肉新鮮度的氨氣和硫化氫氣味、圖像顏色值、脂肪細胞數和細菌菌斑等信息特征量進行檢測，利用自組織映射（self-organizing maps，SOM）神經網絡和揮發性鹽基氮（total volatile basic nitrogen，TVB-N）值序列進行聚類研究，將豬肉新鮮度細分為5個等級，實現了新鮮度等級劃分與國家標準和感官檢驗相一致的結果，從而實現對豬肉新鮮度檢測分級辨識。

IQBAL A等[14]利用計算機視覺對土耳其3種品質的豬肉和火雞火腿切片圖像的顏色和紋理特征，進行描述和分類，設計出火腿外觀和消費人群偏好可變性的評分模型；可對總共有26個顏色特性和40種提取紋理特征進行分析；邏輯評分模型能夠解釋消費者對火腿外部屬性反應的可變性，精密度高于74.1%。JACKMAN P等[15]研究了牛肉的適口性與其對應的計算機視覺圖像之間的相關性；在研究中，使用高放大成像顯示其表面紋理特性，然后轉換成色彩空間灰度，進而表達肌肉表面紋理。結果表明，精確的建模的牛肉適口性與視覺圖像的相關系數達0.95；表現出良好的線性與非線性。PACE B等[16]用計算機視覺系統獲得胡蘿卜的顏色參數，建立顏色參數與抗氧化活性（antioxidant activity，AA）和總酚（total phenols，TP）含量之間的關系，通過多元線性回歸得到的多變量模型。模型通過計算機視覺獲取胡蘿卜的顏色值，能夠成功地估計胡蘿卜的AA和TP的含量。

1.4 人工嗅覺和人工味覺檢測技術

人工嗅覺與人工味覺檢測技術是近年來發展起來的一種新穎的模擬人類及動物的嗅覺和味覺功能的檢測技術[17]。可用于識別食品的氣味、鑒別真偽、控制整個生產過程的工藝，從而保證產品質量。食物在腐敗過程中，由于各種外界微生物的污染會發生變質或者由于自身酶的分解作用引起酸臭性發酵，產生硫化物和其他揮發性物質，如氨氣、硫化氫。所以，利用人工嗅覺系統可以測定食物在不同時期產生的氨氣和硫化氫濃度，可以判斷食物的新鮮度和安全性。TORRIL等[18]利用電子檢測評估新鮮水果（菠蘿片）的有效期；結果表明，電子鼻能夠監測與水果新鮮度衰變有關的揮發性化合物的變化，在不同溫度環境下的有效期分別為5.3℃條件下5d，7.6℃條件下2d，10℃條件下1d。

張玉玉等[19]采用電子鼻和電子舌技術，對煮制前后7種面醬香氣和口感進行檢測，并對所得數據進行主成分分析法（principal component analysis，PCA)和標準質量控制分析（standard quality control，SQC)分析。ZHENG X Z等[20]利用電子鼻對長粒型水稻的4種樣品進行了測試，每個品種的大米都用5g分別放置在有32個聚合物傳感器組成的電子鼻（cyranose-320）單元中分析；電子鼻能夠區別大米品種之間的差別；通過多次訓練，為電子鼻選取最佳的參數；用于建立一個特定的稻米品質檢驗裝置。高利萍等[21]采用電子鼻和電子舌，通過主成分分析、線性判別分析（linear discriminant analysis，LDA）對不同成熟度草莓鮮榨果汁的風味品質進行檢測區分，并通過偏最小二乘回歸分析建立電子鼻和電子舌傳感器響應信號與草莓鮮榨汁理化指標之間的關系；PCA和LDA法均對不同成熟度草莓鮮榨汁的區分效果較好，驗證了電子鼻和電子舌可以對樣品氣味和味道的綜合信息進行正確的評價。

1.5 生物芯片檢測

生物芯片技術主要包括聚合酶鏈式反應（polymerase chain reaction，PCR）技術和基因芯片技術。PCR[22-24]是1985年誕生的一項DNA體外擴增技術，該技術自問世以來，就以驚人的速度廣泛地應用于生命科學的眾多領域。目前在食品工程領域中致病性微生物、轉基因食品的檢測等方而的應用也越來越受關注。陳笑蕓等[25]利用PCR檢測技術對轉基因深加工食品的檢測，建立了針對檢測豆制品中轉基因成分的PCR檢測體系。基因芯片技術是鑒別微生物和轉基因成分最有效的手段之一，為全面、快速、準確地進行食品安全檢測提供了一個嶄新的平臺。基因芯片（DNA芯片、DNA微陣列）[26]技術是近十幾年來在生命科學領域迅速發展起來的一項高新技術。吳志毅等[27]采用普通PCR法和熒光定量PCR法對Bt63轉基因大米的檢測靈敏度進行對比研究。根據大米內源蔗糖磷酸合成酶基因SPS和結構特異性基因Btc的基因序列，選用特異性的引物和探針進行研究，經驗證試驗表明具有專一性，能用于品系鑒定。在靈敏度試驗中，陽性轉基因大米按照不同質量百分比進行梯度稀釋，提取DNA進行PCR擴增。結果表明，普通PCR檢測的靈敏度在0.1%左右，而熒光定量PCR檢測的靈敏度為0.01%，是普通PCR檢測的10倍以上。

2 結語

該文從近紅外光譜、高光譜技術、計算機視覺等技術，闡述了食品安全檢測的技術和各技術的特點?，F代食品檢測技術已廣泛應用于對農藥殘留、抗生素物質、病疫性生物污染、轉基因食品等食品安全問題檢測。食品安全問題是我國社會的重要矛盾之一，對食品檢測技術的需求與日俱增；未來食品檢測技術發展的更加趨向檢測與控制一體化、快速無損檢測；以及采用多數據融合技術，實現檢測設備的便攜化。強化食品生產的危害分析與關鍵控制（hazard analysis and critical contral point，HACCP）的應用[28-30]。改善我國食品領域各環節的技術水平，提高社會生活食品安全感成為當前的重要任務。

[1]趙杰文，孫永海.現代食品檢測技術[M].北京：中國輕工業出版社，2008.

[2]李偉，肖愛平，冷鵑.近紅外光譜技術及其在農作物中的應用[J]. 2009，25（3）：56-59.

[3]謝雯雯，李俊杰，劉茹，等.基于近紅外光譜技術的魚肉新鮮度評價方法的建立[J].淡水漁業，2013，43（4）：85-90.

[4]徐霞，成芳，應義斌.近紅外光譜技術在肉品檢測中的應用和研究進展[J].光譜學與光譜分析，2009，29（7）：1876-1880.

[5]江輝.基于近紅外光譜和電子鼻技術的固態發酵過程檢測研究及應用[D].鎮江：江蘇大學博士論文，2013.

[6]KANDALA C V,SUNDARAM J.Nondestructive moisture sensing in peanuts by NIR reflectance[C]//Sensors applications symposium(SAS), 2010 IEEE,Limerick,Ireland,2010:149-153.

[7]曲佳歡，馬驥，等.高光譜成像在食品質量評估方面的研究進展與應用[J].肉類研究，2012，26（4）：40-45.

[8]LJUNGQVIST M G,ERSBOLL B K,KOBAYASHI K,et al.Near-infrared hyper-spectral image analysis of a staxanthin concentration in fish feed coating[C]//Imaging systems and techniques(IST),2012 IEEE, Manchester,United Kingdom,2012:136-141.

[9]彭彥昆，張雷蕾.農畜產品品質安全高光譜無損檢測技術進展和趨勢[J].農業機械學報，2013，44（4）：137-145.

[10]陳士進，彭增起，李景軍.光譜技術預測牛肉嫩度研究進展[J].食品科學，2013，34（1）：333-339.

[11]孫大文，吳迪，何鴻舉，等.現代光學成像技術在食品品質快速檢測中的應用[J].華南理工大學學報：自然科學版，2012，40（10）：59-68.

[12]吳建虎.利用高光譜成像技術預測新鮮牛肉品質參數[D].北京：中國農業大學博士論文，2010.

[13]郭培源，畢松，袁芳.豬肉新鮮度智能檢測分級系統研究[J].食品科學，2010，31（15）：68-72.

[14]IQBAL A,VALOUS N A,MENDOZA F,et al.Classification of pre-sliced pork and Turkey ham qualities based on image colour and textural features and their relationships with consumer responses[J]. Meat Sci,2010,84(3):455-465.

[15]JACKMAN P,SUN D W,ALLEN P.Prediction of beef palatability from colour,marbling and surface texture features of longissimus dorsi [J].J Food Eng,2010,96(1):151-165.

[16]PACE B,CEFOLA M,RENNA F,et al.Multiple regression models and computer vision systems to predict antioxidant activity and total phenols in pigmented carrots[J].J Food Eng,2013,117(1):74-81.

[17]許冠男，郭培源，袁芳.豬肉新鮮度無損檢測技術現狀及發展方向[J].北京工商大學學報：自然科學版，2010，28（1）：14-17.

[18]TORRI L,SINELLI N,LIMBOB S.Shelf life evaluation of fresh-cut pineapple by using an electronic nose[J].Postharvest Biol Tec,2010, 56(3):239-245.

[19]張玉玉，黃明泉，陳海濤，等.7種面醬的電子鼻和電子舌辨別分析[J].中國食品學報，2012，12（1）：198-205.

[20]ZHENG X Z,LANZ Y B,ZHU J M,et al.Rapid identification of rice samples using an electronic nose[J].J Bionic Eng,2009,6(3):290-297.

[21]高利萍，王俊，崔紹慶.不同成熟度草茍鮮榨果汁的電子鼻和電子舌檢測[J].浙江大學學報：農業與生命科學版，2012，38（6）：715-724.

[22]謝修志.生物技術在食品檢測方面的應用[J].生物技術通報，2010（1）：68-72.

[23]李睿，劉曉紅，宮本敬久，等.檢測食品中大腸桿菌O157的多重熒光PCR方法的建立[J].中國釀造，2010，29（4）：160-163.

[24]王華，金剛，李翠霞，等.酒類酒球菌快速特異性PCR鑒定體系的優化[J].中國釀造，2010，29（5）：152-155.

[25]陳笑蕓，汪小福，周育，等.轉基因大豆深加工食品DNA鑒定技術研究[J].中國食品學報，2013，13（4）：156-162.

[26]王鑫，車振明，黃韜睿.分子生物學方法在食品安全檢測中的應用[J].食品工程，2007（3）：7-10.

[27]吳志毅，張明哲，陳曦.大米和米制品Bt63轉基因檢測PCR方法的靈敏度研究[J].浙江農業學報，2009，21（6）：549-554.

[28]耿予歡，李國基.食品安全與HACCP系統的應用[J].中國釀造，2005，23（3）：5-9.

[29]劉浩，卓黎陽.統計過程控制和HACCP[J].中國釀造，2005，23（12）：62-64.

[30]韓北忠，李敏，張琳，等.預測微生物學與食品質量安全[J].中國釀造，2005，23（9）：1-3.

Review of the current technique on food safety detection

GUO Peiyuan,LIU Bo*,LI Yang,XIANG Lingzi
(School of Computer and Information Engineering,Beijing Technology and Business University,Beijing 100048,China)

The detection and monitoring technology in the field of food safety was discussed,including near infrared spectroscopy,hyperspectral image technology,computer vision technology,artificial olfaction and artificial taste detection technology,biochip technology and so on.The basic principles and application features of detecting techniques was introduced,and the development direction of food safety in our country and existing problem was summarized.

food safety;near infrared spectrum;hyperspectral image;computer vision

TS207.3

A

0254-5071（2014）04-0005-04

10.3969/j.issn.0254-5071.2014.04.002

2014-03-04

北京市自然科學基金資助項目（4122020）

郭培源（1958-），男，教授，博士，主要從事農產品智能檢測技術和多數據融合，嵌入式技術等研究工作。*

劉波（1988-），男，碩士研究生，研究方向為食品安全檢測和嵌入式技術研究。