基于多光譜圖像技術的食品質量檢測方法

付洪妍

摘 要：為解決傳統食品質量檢測方法在實際應用中存在檢測結果準確率低的問題，開展基于多光譜圖像技術的食品質量檢測方法設計研究。通過基于多光譜圖像技術的食品多光譜圖像獲取、建立基于化學計量學的食品質量評價模型、食品質量定量與定性評價，提出一種全新的檢測方法。通過實驗證明，新的檢測方法檢測結果的CR值更高，說明檢測結果的準確性更高。

關鍵詞：多光譜;圖像技術;食品質量

食品質量的問題一直是我國質量安全檢測單位的關注重點，在人們生活質量呈現一種上升趨勢后，與此方面相關的研究受到了越來越多人的關注。食品生產商為了促進群體的消費，制作食品的工序越來越多，生產的食品種類也越來越多，但隨之帶來的食品質量與食品安全問題也逐漸增多。在工業化發展進程持續加快的社會背景下，新型食品添加劑的安全性成為了消費者的關注核心，多個國家都曾發生過由于食品質量不達標而引起的安全性問題，如禽流感、瘋牛病等[1]，我國早期的三鹿奶粉事件也是由于食品質量不達標導致的。

為了加強對食品質量的管控效果，技術單位提出了場景檢測、定量檢測等質量檢測手段，但大部分檢測方法所需要耗費的成本較高，且一些檢測方法在實際應用中沒有統一的評價標準，在不同程度上對食品質量檢測造成負面干擾[2]。因此，本研究提出了多光譜圖像技術應用于食品質量檢測的建議，通過像素識別的方式，對焦點信息和質量信息進行深度檢測。目前，此項技術已被廣泛應用到光學圖像識別、電子數據處理等研究領域，但食品質量檢測等領域還未涉足。本文借鑒早期研究成果，對此方面進行設計與研究，致力于為消費者提供更加安全的食品。

1 食品質量檢測方法

1.1 基于多光譜圖像技術的食品多光譜圖像獲取

在對食品質量進行檢測時，引入多光譜圖像技術，首先要對食品的多光譜圖像進行獲取。利用多光譜成像儀，見圖1，根據不同食品結構特點，通過調節波長掃描從可見光到近紅外共20個波段的信息，形成一個具有高分辨率的光譜圖像，并在光譜圖像中獲取每個像素上的400～950 nm信息[3]。

將上位機與多光譜成像儀連接，并在上位機當中的VideometerLab軟件上對獲取到的圖像進行處理，其具體操作為：①將多光譜成像儀和VideometerLab打開，在軟件當中對成像儀進行初始化，并啟動發光二極管當中的光脈沖序列，預熱25 min;②在顯示界面當中通過“Up”按鈕實現成像儀的上下運動。將被檢測的食品放入到樣品臺上，在確保檢測環境為封閉狀態時，根據被檢測食品的大小，對其位置進行調節;③通過自動校光設置，定義曝光參數的動態范圍，利用成像儀對其進行拍攝;④經過校準后，啟動VideometerLab的圖像采集功能，并針對需要進行檢測的食品多光譜圖像進行區域劃分，完成對食品多光譜圖像的獲取。

1.2 建立基于化學計量學的食品質量評價模型

在上述食品多光譜圖像的基礎上，對其質量進行評價，為確保評價結果的可靠性引入化學計量學，構建一個食品質量評價模型[4]。通過非線性映射函數簡化對食品質量的評價過程，模型可用如下公式表示：

式中，R表示基于化學計量學的食品質量評價模型;I表示食品質量評價校準集中的數據;y表示被檢測食品的質量測量值;yi表示被檢測食品的質量預測值;表示被檢測食品的質量平均值。

由于上述獲取到的食品多光譜圖像當中含有與待測質量無關的因素，為了防止這一部分因素對檢測結果造成的影響，需要將圖像當中無用信息剔除，以此提高食品質量評價模型的評價能力和穩定性。

1.3 食品質量定量與定性評價

根據食品質量定量和定性評價標準，通過校準及樣本點正確判別率作為評價輔助，開展針對食品質量的定量評價。在多光譜圖像和基于化學計量學的食品質量評價模型的基礎上，結合模糊數學對被檢測食品的特性進行描述和判斷。針對影響食品質量的各項指標，得出其定量評價結果計算公式：

式中：H表示食品質量定量評價結果;K表示評價指標標準化處理后的定量數值;Q表示用于對食品質量進行評價的權重分配數值。根據上述公式計算得出食品質量的定量評價結果。

針對食品質量的定性評價，可不采用數學方法，結合多光譜圖實際表現、狀態等觀察得出的結果，針對食品質量進行定性結論的價值判斷[5]。根據不同類型食品質量等級標準，對其質量等級進行判斷。以禽畜水產罐頭為例，一級為色澤、淀粉含量、蛋白質含量等指標均在優級和一級品等級;二級為色澤、蛋白質含量等指標均在一級品等級;三級為色澤、蛋白質含量等指標均在普通級等級內。通過從多光譜成像儀獲取到的圖像，可以直接對食品的光澤進行觀察，以此對其進行定性評價。

2 兩種食品質量檢測方法CR值比較

結合本文上述內容，引入一種全新的多光譜圖像技術應用到食品質量檢測中。為確保實驗的可對比性，選擇將新的檢測技術與傳統基于化學儀器分析技術的檢測方法，針對5種不同類型食品，對其質量進行檢測。為了確保實驗結果的可對比性，選擇將兩種方法完成檢測后的檢測結果正確率作為實驗評價指標，其計算公式如式（3）：

式中：CR表示兩種方法檢測結果的正確率，Nc表示正確檢測樣本數量;Nnc表示錯誤檢測樣本數量。根據上述公式對兩種檢測方法的檢測結果進行記錄，并繪制成如表1所示的檢測結果對比表。從表1的實驗結果可以看出，針對5種不同類型的食品，本文檢測方法的CR值明顯高于傳統檢測方法的CR值。由于CR值越高代表檢測結果的正確率越高，檢測效果越理想，實驗證明，引入多光譜圖像技術后，食品質量檢測方法的檢測準確性得到提升，并且通過多光譜成像儀的應用，進一步實現了對食品質量的快速檢測。

3 結語

多光譜圖像技術的出現和在食品質量檢測當中的應用能夠實現對食品種類、產地、真偽等進行快速、準確地鑒別。同時，在食品工業領域中對多光譜圖像技術進行廣泛應用也能夠進一步推動我國食品工業技術的發展和創新，為食品行業帶來更大的經濟和社會效益。

參考文獻

[1]劉步青，龍肖冶.人工智能多光譜圖像技術在食品品質檢測中的應用：評《多光譜食品品質檢測技術與信息處理研究》[J].食品工業，2020，41（12）：359.

[2]田雪蓮，周開拓，蘭承興，等.動物性食品中磺胺類藥物多殘留檢測能力驗證質量控制技巧[J].貴州畜牧獸醫，2020，44（6）：11-13.

[3]馬嬌妍，曹希越，韓憲忠，等.基于多光譜圖像技術的冷鮮羊肉新鮮度檢測[J].食品工業，2021，42（4）：478-482.

[4]李鑫星，朱晨光，傅澤田，等.基于無人機多光譜圖像的土壤水分檢測方法研究[J].光譜學與光譜分析，2020，40（4）：1238-1242.

[5]王春華.高效液相色譜技術在食品質量檢測中的應用[J].現代面粉工業，2020（1）：22-24.