高 光 谱 成 像 技 术 在 食 品 安 全 领 域 的 应 用

食品安全问题备受关注，人们对果蔬品质与安全标准的要求也越来越高，已成为社会关注的热点。传统果蔬品质检测方法如化学法、高效液相色谱法、质谱分析法等通常对待测物具有破坏性，且检测速度慢。

1. 高光谱成像技术介绍

高光谱成像技术将图像与光谱技术相结合，可同时快速、准确地获取被测食品的图像信息和光谱信息, 凭借无损、检测速度快和不损害被测食品的优点，实现食品品质和质量的快速、高效检测，使得其在食品安全检测中有着极为广泛的应用。

高光谱三维立体图像

2. 高光谱成像技术在果蔬品质检测中的应用

 市场上人们对果蔬的直接感受就是其外部品质的好坏，即对颜色、新鲜度、大小、损伤、冻伤与腐烂等方面的判断；其次，就是对果蔬的内部品质来作为衡量其营养价值的重要依据，通过检测果蔬的糖分、硬度、水分、成熟度、蛋白质等指标对其进行判断。传统的检测技术由于精度低、操作复杂，很难区分出来。高光谱成像技术恰好克服了这一缺点，能够实现全方位的无损检测，而且精度高、易于操作，近年来逐步用于果蔬外部品质和内部品质的检测中。

3. 果蔬外部品质的检测

1) 新鲜度检测

      新鲜度是反映果蔬品质最重要指标。利用高光谱成像仪采集了分别在失水0、10、24、48小时状态下的小白菜、菠菜、油菜、娃娃菜等四种蔬菜叶片，并对其光谱图像进行对比分析。其中，通过小白菜叶片在不同失水时间下的高光谱图像及光谱信息的变化，叶片在失水过程中其形状外观形态及内部叶绿素均有变化。

小白菜叶片不同失水时间段下的高光谱图像

2) 冻伤检测

       冻伤和机械损伤是果蔬在采摘、运输及储藏过程中不可避免的表面损伤，将直接影响果蔬的外部品质。利用高光谱成像技术和ANN预测模型对苹果冻伤进行了研究，如图1所示。实验采用如图2所示过程，在400-1000nm波段的冻伤苹果高光谱图像中选择5个主成分波段（717,875,960和980nm）进行ANN模型的建立，其训练集、测试集、和验证集的相关系数分别为0.93,0.91和0.92，最终实现了98%以上的识别准确率。

图1：苹果光谱特征曲线图

图2：特征波段光谱数据选取

3）腐烂检测

    腐烂是果蔬在储藏、运输过程中最常见的现象，不仅影响果蔬的内外部品质，甚至会导致安全问题。利用高光谱成像技术对桃子根霉菌进行深入研究，选取400-1000nm波段采集桃子360°全方位的高光谱数据（如图1所示），然后通过统计方法和图像分割算法得到三个单波长图像（709nm，807nm和874nm）可以明显区分出边缘、健全和腐烂部位。

图1：包含光谱和空间信息的高光谱图像示意图

4.果蔬内部品质检测

1）糖度和硬度检测

       糖度和硬度是反映果蔬内部品质的两个重要指标，糖度能体现出果蔬的口感度，硬度能间接体现果蔬的成熟度。利用近红外高光谱成像仪（900-1700nm）分别对490个蓝莓的果柄侧和花萼侧进行光谱成像检测果实的糖度和硬度。

蓝莓果实样本的硬度和糖度的Brix值分布图

5. 结论

随着生活水平的提升，人们对健康食品的品质要求越来越高。传统的检测技术操作复杂、破坏性强，难以满足检测需要。高光谱成像技术凭借图谱结合、无损、无接触的优势，能够快速、准确、无损的检测出食品的品质，操作简单，近年来广泛应用与果蔬品质的检测中，成为食品安全质量检测最先进技术之一。

* 本文内容主要转自网络论文，仅供学术交流与应用研究，知识产权归各自然人所有。*