食品光譜圖像無損檢測技術實用化方向研究進展

王飛翔 ， 謝安國 ，2， 康懷彬 ，2， 劉云宏 ，2， 于慧春 ，2

（1.河南科技大學 食品與生物工程學院，河南 洛陽 471000；2.河南科技大學 食品加工與安全國家級實驗教學示范中心，河南 洛陽 471000）

隨著社會的日益發展和生活水平的不斷提高，越來越多的消費者在選購食品時更加關注食品的安全性和營養價值。傳統的食品品質檢測方法，如感官評定、理化檢測等，存在前期預處理復雜繁瑣、檢測過程耗時費力、檢測成本高、需要破壞樣品等缺點，不適合現代化食品品質信息的快速檢測[1]。光譜和圖像等光學檢測技術因其具有高效、精準、無損、簡潔等特點，能夠節省分析時間和檢測成本，使其能在食品快速檢測領域中蓬勃發展。特別是高光譜成像融合了傳統的成像技術和光譜技術，作為一門新興的快速無損檢測技術具有巨大的優勢。近年來，肉類、牛奶、水果和蔬菜等各類食品采用高光譜技術進行品質檢測的研究報道越來越多。在食品品質分級、摻假欺詐檢測、品質安全信息定量可視化描述及各種疾病與缺陷的識別等方面具有較大的發展潛力。

然而應當注意到，目前研究主要是針對光譜和圖像特征、檢測模型的方法建立，對在光學檢測設備方面應用研究較少，特別是針對企業生產自動化檢測線的研究。如何將先進技術從實驗室的理論研究推向工業生產中的實際應用，實現技術轉化一直是科研工作的重要目標。主要對國內外用于食品品質安全監測的光譜圖像設備實用化方向的研究狀況進行綜述，以期為食品安全的快速檢測技術及實用化設備開發提供理論依據和參考。

1 光譜和圖像分析技術的基本原理和設備結構

1.1 近紅外光光譜檢測技術概述

在光學無損檢測技術中，近紅外光譜是研究最早、應用最廣泛的技術之一。近紅外光是指波長在780～2 526 nm的電磁波，是人們認識最早的非可見光區域。我國從20世紀80年代開始進行近紅外光譜的應用研究工作，隨著計算機技術的發展，數字化技術和化學計量學學科迅速發展，數字化光譜儀器與化學計量學方法的結合形成了現代近紅外光譜技術。隨后以產業鏈的方式逐漸應用于農業、石化、制藥和食品等多個領域，在工農業生產和科研中逐漸發揮著越來越重要的作用[2]。

近紅外光譜儀器核心部件是分光系統，從分光系統可分為固定波長濾光片、光柵色散、快速傅立葉變換和聲光可調濾光器（AOTF）4種類型。近年來，近紅外光譜設備趨向于微型化、小型化發展，國內已有多家單位基于MEMS技術研制出了多種分光類型的小型或微型近紅外光譜儀器試驗樣機[3]，國內一些高校也研制出了一些用于鮮茶等級[4]、農產品品質[5]、土壤肥力[6]、水果在線分選[7]的樣機或實用型設備。目前，設計應用的在線近紅外檢測系統大多是由傳輸模塊、位移及高度識別模塊、光譜采集模塊和數據分析模塊等組成[8]。

1.2 數字圖像處理技術概述

數字圖像處理技術即計算機圖像處理，簡而言之，是把圖像信息轉換為計算機可以識別處理的數字信息的過程。該過程包括對數字圖像進行圖像轉換、增強、壓縮、縮放、分割等處理[9]。伴隨著計算機技術的發展，現在的數字圖像處理技術具有多樣性、精度高、再現性好、處理量大的特點[10]。圖像處理技術最早應用于醫藥領域，例如紅（白） 細胞分析、X光肺圖像增強、CT等[11]。運用X射線計算機斷層攝影裝置，根據人頭部截面的投影，計算機對數據處理后重建截面圖像，為人類發展做出了跨時代的貢獻。

在隨后的發展中，數字化的計算機視覺系統被應用于食品領域中，為食品安全性檢測技術的發展提供了巨大的推動力。圖像分析是依據樣品表面的圖像特征分析樣品屬性。圖像特征通常包括區域的亮度、邊緣的輪廓、紋理或色彩等圖像的自身屬性，也有如變換頻譜、直方圖等通過變換和計算得到的人為特征。食品的圖像分析中通常會選取RGB，HSV 2種顏色模型，獲取R，G，B，H，S，V等顏色特征參數。基于灰度共生矩陣方法，獲取了能量、熵、慣性矩、相關性和局部穩定性等紋理特征參數。通過化學計量學建立圖像特性參數和食品品質之間的數學模型，最終實現新樣品品質的預測。

1.3 高光譜成像技術概述

成像光譜是20世紀80年代提出的概念，早期主要用于地質勘探[12]，由于其分辨率高、空間圖像清晰，使其獲得的數據精確可靠、識別能力更強，近年來已逐步應用到食品檢測[13-14]、環境監測[15-16]、農業[17-18]、 生物醫學[19-21]等領域。

從原理上來看，高光譜成像技術是通過光譜探測技術與成像技術相結合，運用成像技術和光譜技術能夠同時獲取待測物的光譜信息和空間圖像的特點，進而通過圖像和光譜信息對待測物質進行定性、定量和定位分析。這使其成為了食品品質和安全檢測、分類與分級的有利手段，在食品檢測領域能夠發揮重要作用[22]。

1.4 科研型與實用化光學檢測設備的結構差異

由于使用目的不同，研究型與實用化光學檢測設備在結構上往往有很大差異。食品光學檢測中的科研重點在于探索光譜建模的新方法，分析對新指標的檢測能力，使用硬件基本類似。

科研型高光譜成像設備[23]見圖1。

圖1 科研型高光譜成像設備

高光譜成像系統總的來說可以分為2個部分，即硬件系統和軟件系統。其中，硬件組成包括載物平臺、光源、鏡頭、成像光譜儀/濾波片、CCD/CMOS工業相機、計算機等；軟件主要包括圖像采集程序、運算處理程序、電路控制程序等。

從圖1可看到，載物平臺限制于黑色箱體內，結構多為步進電機帶動的絲杠滑臺，運動方式多為往復式。即掃描完一個樣品后，載物平臺需要返回初始位點，才可以進行下一個樣品掃描。采集光譜與圖像的分辨率要求較高，數據龐大，采集與計算時間較長；采集過程和計算建模過程通常分開；此外一般沒有后續機械手臂。

實用型光譜與圖像分析設備見圖2。

圖2 實用型光譜與圖像分析設備

從圖2中可以看到，用于工業生產中的設備通常多個樣品在流水線中連續運動，要求較快的樣品采集速度、較快數據處理速度，通常還連接后續機械手臂。

科研型與實用化檢測設備特點見表1。

表1 科研型與實用化檢測設備特點

2 實用化光學設備在食品方面的開發進展

隨著食品光學檢測學科的不斷成熟和完善，光學檢測設備的實用化發展是食品生產加工企業的迫切需要，越來越多可用于在線檢測的光學檢測設備被研究人員發明出來。雖然這些研究成果尚未大規模應用于工業生產，但其研究內容大大推動了光學檢測設備在實用化發展道路的進程，其研究成果預示著在未來食品安全性檢測將更加便捷，結果更加可靠。

2.1 肉品品質檢測設備實用化研究進展

在鮮肉品質檢測中，肉品的嫩度、顏色、pH值和揮發性鹽基氮等是反映肉品品質的重要指標，傳統的檢測方法相對費時，操作過程繁雜且不適應于大規模工業生產檢測。隨著對光譜技術及圖像技術研究的深入，研究人員開始朝著肉品光譜圖像檢測系統的實用化方向發展，其研究成果加快了實用型光譜檢測系統的發展進程，增加了肉品品質檢測準確度和方便性。

趙琳琳等人[24]研究出了一種基于可見/近紅外光譜技術的腐敗肉光譜在線檢測及剔除系統，如圖2（a） 所示，該系統由同步模塊、檢測模塊和剔除模塊組成。在該系統中，同步模塊控制檢測探頭到肉樣表面的高度調整；檢測模塊主要用于樣品光譜信息的采集處理及結果的輸出保存；剔除模塊中主要應用的是推桿剔除裝置，該裝置根據單片機的接受指令完成推桿的推出及收回動作。該系統在一定程度上彌補了靜態檢測的不足，基本實現了腐敗肉光譜檢測由靜態的過程向在線檢測轉變，為工業流水線自動化生產中腐敗肉的在線檢測提供了較大的理論意義及實用價值。

彭彥昆等人[25]在近紅外光譜法的基礎上，對光纖探頭的檢測距離進行了優化，如圖2（b） 所示，通過采集54個豬肉樣品在13個不同距離下的光譜信息，分別建立了349～1 435 nm，1 037～1 761 nm和349～1 761 nm的含水率偏最小二乘回歸模型，通過分析在不同檢測距離和不同波段下的數學模型，最終得到了19 mm的最佳檢測距離；通過調節系統實時控制探頭到樣品的距離，并設計了雙波段多點同時檢測系統，通過單獨的21個豬肉樣品驗證了含水率分級模型的準確性和穩定性，驗證結果判斷正確率為90.48%，結果表明多點同時檢測系統能夠完成豬肉水分的在線檢測與分級。

Marion O[26]研究出了一種用于在線測量不均勻豬肉切片中脂肪含量的多光譜系統，該系統進行了2次屠宰場在線測試，其RMSEP分別為3.40%和2.82%。研究結果表明，多光譜技術在線測量豬肉脂肪含量是可行的。

張海云等人[27]研究出了一套用于檢測豬肉水分含量的手持式無損檢測系統，該系統以可見近紅外光譜技術為基礎，通過VC++和Matlab語言環境開發設計了與硬件設備兼容匹配的無損實時監測系統，該系統在豬肉水分含量驗證檢測中表現穩定、操作簡便。

2.2 果蔬品質檢測設備實用化研究進展

高雄等人[28]根據糖度在線檢測的需要，開發了融合光譜和圖像信息的在線檢測系統，該系統主要由硬件平臺和軟件系統2個部分構成。硬件平臺的設計主要由輸送機構、漫透射光等針對蜜瓜譜采集機構、圖像采集裝置及控制系統組成。軟件系統采用VC++6.0，結合光譜儀二次開發軟件Omni Driver、圖像采集軟件Fly Capture 2及圖像處理軟件OpenCV開發。在系統整體穩定性測試時，系統可以實現河套蜜瓜光譜圖像的自動采集、顯示及保存，單個樣品用時1.2 s，糖度檢測的均方根誤差為1.22，能夠滿足在線檢測試驗的需要。

Crichton S等人[29]利用高光譜成像預測了對流干燥過程中原料和預處理蘋果片的水分含量和色度，并進行了可視化處理，這種預測水分含量和色度變化空間分布的可視化表明了高光譜成像在線干燥監測使用的潛力。

郭志明等人[30]為滿足果蔬加工過程的快速檢測和品質控制需要，設計了一款小型化的手持式檢測系統。以番茄為研究對象，在建立番茄可溶性固形物和番茄紅素的定量分析模型時，首先選擇特征波段，然后利用連續投影算法選擇特征波長[31-32]，大大簡化了模型。結果表明，設計開發的手持式近紅外檢測系統可以實現果蔬品質的快速無損檢測。

Mollazade K[33]利用300～1 000 nm的高光譜成像系統檢測紐扣蘑菇4個水平的皮膚褐變。結果表明，利用高光譜成像和化學計量學技術對蘑菇帽上不同程度的褐變進行分類是可行的。在一定工業條件下，研究提出的多光譜成像系統能夠作為一種在線和快速分析蘑菇加工工業的工具。

王風云等人[34]設計開發了一套基于機器視覺的雙孢蘑菇的分級系統，如圖2（c） 所示，該系統的硬件主要由輸送裝置、圖像采集系統、控制系統和分級系統構成，軟件系統基于Open CV 2.4.10和Visual studio 2010設計開發的圖像分析處理和控制軟件。并提出了基于分水嶺和閉運算等處理的雙孢蘑菇圖像大小分級算法，設計完成了傳送速度、距離、觸發時間與算法處理時間的精準控制。在對該系統的分級性能進行測試試驗時，結果表明，系統控制速度12.7 m/min，相機行頻1 900 Hz下，準確率為97.42%，破損率為0.96%，相較于人工分級效率提高了38.86%，可以連續穩定的工作。

2.3 蛋類品質檢測設備實用化研究進展

我國是蛋品及蛋制品的生產和消費大國，擁有廣闊的市場，但每年出口量仍不足總產量的0.6%[35]，主要原因是我國對蛋類品質（蛋的大小或質量、蛋殼的厚薄及新鮮度等）檢測方法的不成熟和不完善造成的。例如，我國對雞蛋新鮮度的判別大多仍采用人工照蛋的方法，該方法不利于對雞蛋品質的準確分級處理。

李小明[36]在雞蛋新鮮度可見-近紅外光譜在線檢測技術研究中，以不同新鮮度的雞蛋作為研究對象，搭建了一套雞蛋投射光譜的在線采集系統，如圖2（d） 所示。該系統通過PC端與PLC控制器之間建立通信，實現了二者之間數據的交互輸送，即PLC將雞蛋傳送過來的信號發送給電腦，電腦開始采集光譜數據，光譜數據被帶入到事先已經建立好的判別模型中進行新鮮度的判別處理，并將結果反饋給PLC，PLC根據結果執行分級操作。整個新鮮度檢測過程共耗時0.256 s，能夠滿足工業化在線檢測的要求。

涂佳[37]在進行基于計算機視覺和動態稱重的雞蛋外部品質檢測系統研究中，運用機器視覺結合動態稱重對雞蛋的蛋形、污漬、質量等指標進行了快速檢測。該檢測系統動態稱重采用應變片式傳感器設計；外部品質檢測模塊由CCD、計算機、光箱和紅外觸發裝置組成，通過與不同的檢測方法之間的比較，可以證明該檢測系統具有較強的穩定性和合理性，檢測速度為4枚/s。

陳紅等人[38]對鴨蛋品質進行了研究，設計了一套基于計算機視覺技術的無損檢測設備。該設備主要由計算機視覺系統、輸送系統、分級系統及控制電路構成。該系統可同時測定蛋心顏色、蛋大小、新鮮度及厚度等信息，能夠實現鴨蛋品質在線檢測和分級。

3 結語

通過對可見近紅外光譜技術、數字圖像及高光譜成像技術進行了概述，介紹了各設備的工作原理和各部分組成。對光學檢測設備在我國肉類、果蔬和蛋類中的實用化研究進展進行了綜述。通過對比分析科研型與實用化光學檢測設備的結構差異發現，科研型設備通常采樣間歇式操作，采集數據龐大，計算速度慢。而實用化設備要求是帶式輸送、連續采樣，數據需要快速處理，并將分析結果及時傳到執行系統。總結現有研究文獻發現，目前的光學無損檢測領域的研究主要集中于光譜分析和建模方面，對實用型設備研究和開發依然偏少，特別是在工業化生產過程中實時在線檢測設備發展較慢。將光學檢測設備的微型化及實時在線檢測，實現先進技術的推廣和應用，是該領域研究者今后需要努力的重要方向。