劉 宸，楊桂燕，王慶艷，黃文倩，王超鵬，王曉彬，陳立平,*

（1.西北農林科技大學機械與電子工程學院，陜西 楊凌 712100；2.國家農業(yè)智能裝備工程技術研究中心，北京 100097；3.農業(yè)部農業(yè)信息技術重點實驗室，北京 100097；4.農業(yè)智能裝備技術北京市重點實驗室，北京 100097）

硫氰酸鈉（NaSCN）是一種白色斜方結晶或粉末，屬于化工原料，不法商販將其加入液態(tài)奶或奶粉中起到保鮮抑菌的作用。由于食入硫氰酸鈉會在人體內釋放有毒的氰根離子，硫氰酸鈉目前已被國家明確定為乳制品中的違法添加物質[1]。目前，乳制品中的硫氰酸鈉檢測大多采用色譜法或分光光度法，這兩種方法檢測準確度高，但耗時較長，需要復雜的樣本前處理過程和專業(yè)人員操作[2-3]。由于硫氰酸鈉中C≡N的伸縮運動可以引起在2 068.48 cm-1位移處的拉曼特征峰，拉曼光譜技術也可以用于檢測硫氰酸鈉含量，但檢測過程仍需標準溶液配制、超聲波萃取、凈化奶粉基質干擾等多個步驟。在樣本前處理過程中，這幾種方法都需將粉末狀樣本溶解在相應液體中方能進行下一步操作，這樣會對奶粉樣本有一定的破壞[4-5]。另一方面，這幾種方法對于大量樣本只能采取局部抽樣的檢測方式。奶粉樣本與液體奶樣本不同，其硫氰酸鈉顆粒的分布可能并不均勻，因此局部取樣的檢測結果并不十分準確。高光譜圖像不僅包括目標對象完整的圖像信息，每個像素點內還包含了一條光譜數據，該技術能夠實現(xiàn)對目標對象某一成分的空間分布展示[6-9]。因此，應用拉曼光譜技術結合高光譜成像技術有望實現(xiàn)奶粉顆粒樣本的大面積檢測[10-13]。目前，在國外，已有研究結合拉曼高光譜技術對奶粉中幾種含氮添加劑進行檢測[14-17]。在國內，應用表面增強拉曼技術實現(xiàn)了奶粉中硫氰酸根的檢測，而拉曼光譜與高光譜成像技術的聯(lián)合應用尚處于起步階段[18-21]。因此，本研究搭建了一套線掃描拉曼高光譜成像系統(tǒng)，重點探索拉曼高光譜圖像與硫氰酸鈉顆粒之間的關系，用以實現(xiàn)大面積奶粉混合樣本的快速無損檢測。

1 材料與方法

1.1 材料與試劑

伊利牌高蛋白脫脂高鈣奶粉（以下簡稱脫脂奶粉）北京超市發(fā)超市。

硫氰酸鈉（分析純，99%） 上海晶純生化科技股份有限公司。

1.2 線掃描拉曼高光譜成像系統(tǒng)

圖1 拉曼高光譜成像系統(tǒng)原理圖Fig.1 Schematic diagram of the Raman hyperspectral imaging system

如圖1所示，線掃描拉曼高光譜成像系統(tǒng)主要由拉曼成像光譜儀（ImSpector R10E，Specim，F(xiàn)inland）、線陣CCD相機（iKon-M 934，AndorTechnology plc.，N. Ireland）、一字線激光器（Innovative Photonic Solutions，USA）、成像鏡頭、二向色鏡及濾光片、樣品升降臺、移動軌道、步進電機、電源以及計算機組成。其中，一字線激光器的波長是785 nm，在距離鏡頭20 cm位置時激光線寬1 mm，線長為14 cm；對應的拉曼成像光譜儀的采集范圍是-261～2 539 cm-1，光譜分辨率為10 cm-1；線陣CCD相機的分辨率是512×1 024，采集圖像的分辨率是0.25 mm/pix.。采集高光譜圖像時，線激光經二向色鏡反射到樣本表面，線陣CCD相機和光譜儀采集對應線寬范圍內的樣本數據，隨著升降臺沿移動導軌水平移動最終系統(tǒng)完成整個樣本的掃描。本實驗中的參數為激光功率2 W，曝光時間2 s，此時完成一種質量分數樣本的采集時間約為20 min。

1.3 方法

1.3.1 樣本制備

樣本制備過程分穿透深度檢測和硫氰酸鈉含量檢測兩部分。穿透深度檢測中樣本制備如圖2a所示，圖中待測樣本上半部為1～5 個鋁環(huán)厚度的奶粉層，高度從0.8～4.0 mm可調，鋁環(huán)尺寸為外徑40 mm，內徑25 mm；下半部為裝滿硫氰酸鈉的培養(yǎng)皿，高度固定為5.0 mm，培養(yǎng)皿直徑35 mm。穿透深度檢測時首先放置5 個鋁環(huán)厚度的奶粉層進行高光譜采集，然后依次去除1 個鋁環(huán)厚度的奶粉層重復進行采集，最終直至鋁環(huán)全部移除完成實驗。根據穿透深度檢測結果，實驗定制了一種鋁合金容器用于硫氰酸鈉含量檢測，如圖2b所示。該容器的體積為100 mm×55 mm×10 mm，內有凹陷部分盛裝樣本，對應尺寸為90 mm×45 mm×2 mm。實驗共制備不同硫氰酸鈉質量分數的奶粉混合樣本共10 份，每份樣本質量10 g，質量分數范圍為0.01%～2.00%。制備樣本時先用研缽分別將奶粉和硫氰酸鈉顆粒研磨，然后在電子天平上稱量取樣，隨即倒入50 mL離心管中，將離心管放置于旋渦振蕩器上運行20 min至二者充分混合完成樣本制備。高光譜圖像采集時，同種質量分數的奶粉混合樣本（共10 g）分兩個鋁合金容器盛裝，檢測部分均超過樣本總量的80%，將樣本表面刮平后，放置于樣品臺上依次進行采集。此外，脫脂奶粉和硫氰酸鈉純物質樣本也經相同方法制備并完成采集。1.3.2 高光譜圖像預處理

圖2 樣本制備示意圖Fig.2 Schematic diagram of sample preparation

為減小高光譜數據的運算量，研究選取感興趣區(qū)域并從1 024 個波段中提取513 個有效波段（402.62～2 201.37 cm-1）進行下一步預處理。感興趣區(qū)域和有效波段選取過程在軟件ENVI 5.2（Exelis Visual Informa tion Solutions, Boulder, Co., USA）中完成。針對感興趣區(qū)域內每一個像素點的拉曼光譜，研究首先應用高斯窗平滑方法消除光譜中的噪聲信號，然后采用自適應迭代懲罰最小二乘（adaptive iteratively reweighted penalized least squares，airPLS）基線校正方法消除熒光干擾[22]。對于預處理后的高光譜數據，研究挑選2 068.48 cm-1位移處的單波段圖像進行二值化閾值處理，根據二值圖像結果直觀地展示了硫氰酸鈉顆粒的含量和空間分布。拉曼光譜校正和高光譜圖像分析過程在軟件MATLAB（R2014a,Math Works, Natick, MA, USA）中完成。

2 結果與分析

2.1 硫氰酸鈉的拉曼光譜分析

脫脂奶粉和硫氰酸鈉純物質的原始拉曼光譜如圖3所示，光譜取自感興趣區(qū)域內各像素點的平均值。硫氰酸鈉在474.88、752.73、953.00 cm-1和2 068.48 cm-1位移處各有一個拉曼特征峰。其中在474.88 cm-1和953.00 cm-1處的拉曼特征峰較弱，主要由硫氰酸根（SCN-）的彎曲振動產生；在752.73 cm-1處的特征峰較強，由C—S的伸縮振動引起；2 068.48 cm-1位移處的是最強峰，形成原因是C≡N的伸縮振動[23-26]。另一方面，脫脂奶粉在光譜中沒有出現(xiàn)明顯的拉曼特征峰。因此，實驗選取2 068.48 cm-1處的拉曼特征峰作為樣本是否含有硫氰酸鈉顆粒的判斷依據。

圖3 脫脂奶粉和硫氰酸鈉純物質的拉曼光譜Fig.3 Raman spectra of skim milk powder and pure sodium thiocyanate

2.2 硫氰酸鈉拉曼信號在奶粉層的穿透深度分析

在穿透深度檢測實驗中，研究選取樣本中心區(qū)域80 pix.×80 pix.范圍共6 400個像素點作為感興趣區(qū)域。從圖4可以看出，奶粉層厚度為0 mm時硫氰酸鈉拉曼信號最強，隨著奶粉層厚度增加，硫氰酸鈉的幾個特征峰強度值逐漸減小。當奶粉層厚度達到2.4 mm時，474.88 cm-1和953.00 cm-1處的弱峰已無法檢測到；當奶粉層厚度增加到4.0 mm時，硫氰酸鈉的幾個特征峰均已消失。若以2 068.48 cm-1處最強峰為判斷依據，本實驗參數下硫氰酸鈉純物質產生的拉曼信號能夠穿透3.2 mm厚的脫脂奶粉層。但是在硫氰酸鈉含量檢測時，樣本中的硫氰酸鈉顆粒較少且平均分布在奶粉層中，顆粒產生的拉曼信號要弱于穿透深度檢測時所獲的拉曼信號。因此，為了保證最底部硫氰酸鈉顆粒產生的拉曼信號能被系統(tǒng)采集到，同時盡量增加單次檢測樣本的體積，研究定制鋁合金容器使檢測樣本的厚度維持在2 mm[27-28]。

圖4 不同厚度奶粉層樣本的平均拉曼光譜圖Fig.4 Mean Raman spectra of varied thicknesses of milk powder placed on sodium thiocyanate

2.3 硫氰酸鈉的拉曼高光譜圖像分析

圖5 單波段圖像中所有像素點的拉曼強度平均值（a）、二值圖像中所有檢測點之和（b）與硫氰酸鈉質量分數的關系Fig.5 Relationships between sodium thiocyanate concentration in sample and average Raman intensity in single-band corrected image and between sodium thiocyanate concentration in sample and total number of sodium thiocyanate pixels detected in binary image

在經過預處理后，研究從每種質量分數樣本中提取4 個感興趣區(qū)域作為代表，每個感興趣區(qū)域的面積為40 mm×40 mm，包含160 pix.×160 pix.共25 600 個像素點。隨后單獨提取感興趣區(qū)域在2 068.48 cm-1位移處的單波段圖像進行分析，計算出了同一質量分數4 個感興趣區(qū)域內所有像素點的拉曼強度平均值，它們與硫氰酸鈉含量的關系如圖5a所示。從圖5a可以看出，在單波段圖像中，感興趣區(qū)域內所有像素點的拉曼強度平均值隨著硫氰酸鈉含量的增加呈線性增長趨勢，其決定系數R2達到0.991 5。結果表明在實驗參數相同時，拉曼信號的強度與樣本分子的質量分數呈正比，因此可以根據采集的信號強度對硫氰酸鈉含量進行定量預測。進一步，研究對2 068.48 cm-1位移處單波段圖像進行二值化分析。首先選取脫脂奶粉樣本在感興趣區(qū)域中的拉曼強度最大值作為二值化的閾值。在10 種質量分數的單波段圖像中，當某一像素點的拉曼強度值大于閾值時，說明該像素點含有硫氰酸鈉顆粒，稱之為檢測點，顯示為藍色；反之，當像素點的拉曼強度值小于閾值時，說明該像素點只含有脫脂奶粉顆粒，稱之為背景點，顯示為灰色。本實驗中所有樣本均采用同一閾值進行二值化處理，處理后的結果如圖6所示。

圖6 10 種硫氰酸鈉質量分數樣本的二值化圖像Fig.6 Binary images of mixed samples containing sodium thiocyanate at ten different concentrations

由圖6可知，隨著硫氰酸鈉質量分數變大，檢測點的個數也明顯增加。在質量分數為0.01%時4 個感興趣區(qū)域內均存在檢測點，其個數分別為3、3、2、2，這說明在本實驗參數下，硫氰酸鈉顆粒在脫脂奶粉中的檢測限可達0.01%。進一步，研究統(tǒng)計了同種質量分數條件下4 張二值圖像中硫氰酸鈉檢測點的總數，它們與硫氰酸鈉含量的關系如圖5b所示。圖5b顯示，感興趣區(qū)域內所有硫氰酸鈉檢測點之和隨著硫氰酸鈉含量的增加呈現(xiàn)出指數增長趨勢。這一結果表明本實驗中采集的高光譜圖像信息包含了樣本的表層和多個亞表層。在樣本均勻的情況下，當硫氰酸鈉含量較低時，系統(tǒng)只能采集到表層硫氰酸鈉顆粒產生的拉曼信號，亞表層顆粒的拉曼信號強度太弱而無法采集。隨著硫氰酸鈉含量增加，表層和亞表層中的硫氰酸鈉顆粒逐漸變多，當亞表層的顆粒產生的拉曼信號強度超過了閾值時，顆粒所在像素點會被識別為檢測點，這導致多層樣本二值圖像中的檢測點個數會多于同一含量單層樣本的檢測點個數（圖7）。因此，隨著硫氰酸鈉含量線性增加，二值圖像中硫氰酸鈉檢測點之和會呈指數增長趨勢。

圖7 多層樣本的二值圖像示意圖Fig.7 Binary images of surface layer and sub-surface layer in sample

3 結 論

本研究搭建了一套線掃描拉曼高光譜檢測系統(tǒng)，針對大面積奶粉硫氰酸鈉混合樣本進行了快速無損檢測研究。研究首先應用高斯窗平滑和airPLS方法消除了拉曼光譜中出現(xiàn)的噪聲信號和熒光干擾；接下來提取感興趣區(qū)域內2 068.48 cm-1拉曼位移處的單波段圖像，通過二值化方法成功對像素點是否含有硫氰酸鈉顆粒進行判別。實驗結果顯示，在2 068.48 cm-1單波段圖像中，感興趣區(qū)域內所有像素點的拉曼強度平均值隨著硫氰酸鈉含量的增加呈線性增長，其決定系數R2達到了0.991 5。在二值圖像結果中，感興趣區(qū)域內所有硫氰酸鈉檢測點之和隨著硫氰酸鈉含量的增加呈指數增長趨勢。在本實驗方法中，單次檢測奶粉樣本的總面積達到80 mm×80 mm，檢測時不接觸、不破壞樣本，混合樣本中硫氰酸鈉含量的檢測限可達0.01%。本研究探索的硫氰酸鈉添加方式是固體顆粒直接混合，研究所用系統(tǒng)和方法可以為奶粉中硫氰酸鈉顆粒的大面積快速檢測提供理論基礎和技術參考，進一步若與多光譜技術結合可大大縮短檢測所耗時間[29-30]。與傳統(tǒng)的檢測方法相比，拉曼高光譜成像系統(tǒng)能夠快速、無損且大面積地檢測出奶粉中的硫氰酸鈉，并且可以直觀地展示硫氰酸鈉顆粒的具體分布，在實際檢測應用中該方法具有巨大潛力。

[1] 張福娟, 孫成行, 王延平, 等. 乳及乳制品中硫氰酸鈉檢測的研究與進展[J]. 中國食品添加劑, 2013(5): 173-177. DOI:10.3969/j.issn.1006-2513.2013.05.021.

[2] 張麗宏, 黃曉林, 鄂來明, 等. 分光光度法測定乳及乳粉中的硫氰酸鈉[J]. 中國乳品工業(yè), 2016, 44(7): 41-43. DOI:10.3969/j.issn.1001-2230.2016.07.010.

[3] 邵麗, 王曉, 滕振勇, 等. 高效液相色譜法測定牛奶中硫氰酸鈉含量[J].食品安全質量檢測學報, 2016, 7(4): 1444-1447.

[4] 吳劍平, 顧欣, 李丹妮, 等. 高效液相色譜法檢測牛奶中硫氰酸鈉質量濃度[J]. 中國乳品工業(yè), 2011, 39(7): 44-46. DOI:10.3969/j.issn.1001-2230.2011.07.012.

[5] 馮蕾, 鄢愛平, 郭嵐, 等. 高效陰離子交換色譜-積分脈沖安培檢測法測定原料乳中的硫氰酸鈉[J]. 分析科學學報, 2014, 30(3): 361-364.DOI:10.13526/j.issn.1006-6144.2014.03.014.

[6] VAJNA B, PATYI G, NAGY Z, et al. Comparison of chemometric methods in the analysis of pharmaceuticals with hyperspectral Raman imaging[J]. Journal of Raman Spectroscopy, 2011, 42(11): 1977-1986.DOI:10.1002/jrs.2943.

[7] PIQUERAS S, DUPONCHEL L, TAULER R, et al. Monitoring polymorphic transformations by using in situ Raman hyperspectral imaging and image multiset analysis[J]. Analytica Chimica Acta,2014, 819: 15-25. DOI:10.1016/j.aca.2014.02.027.

[8] MA J, SUN D W, PU H. Spectral absorption index in hyperspectral image analysis for predicting moisture contents in pork Longissimus dorsi muscles[J]. Food Chemistry, 2016, 197(Pt A): 848. DOI:10.1016/j.foodchem.2015.11.023.

[9] MASIA F, KARUNA A, BORRI P, et al. Hyperspectral image analysis for CARS, SRS, and Raman data[J]. Journal of Raman Spectroscopy,2015, 46(8): 727-734. DOI:10.1002/jrs.4729.

[10] YANG D T, YING Y B. Applications of raman spectroscopy in agricultural products and food analysis: a review[J]. Applied Spectroscopy Reviews, 2011, 46(7): 539-560. DOI:10.1080/05704928.2011.593216.

[11] 劉燕德, 靳曇曇. 拉曼光譜技術在農產品質量安全檢測中的應用[J]. 光譜學與光譜分析, 2015(9): 2567-2572. DOI:10.3964/j.is sn.1000-0593(2015)09-2567-06.

[12] 張保華, 李江波, 樊書祥, 等. 高光譜成像技術在果蔬品質與安全無損檢測中的原理及應用[J]. 光譜學與光譜分析, 2014(10): 2743-2751. DOI:10.3964/j.issn.1000-0593(2014)10-2743-09.

[13] 劉宸, 黃文倩, 王慶艷, 等. 拉曼光譜在食品無損檢測中的應用[J].食品安全質量檢測學報, 2015(8): 2981-2987.

[14] QIN J, CHAO K, KIM M S. Simultaneous detection of multiple adulterants in dry milk using macro-scale Raman chemical imaging[J]. Food Chemistry, 2013, 138(2/3): 998-1007. DOI:10.1016/j.foodchem.2012.10.115.

[15] QIN J, CHAO K, KIM M S, et al. Line-scan macro-scale Raman chemical imaging for authentication of powdered foods and ingredients[J]. Food and Bioprocess Technology, 2016, 9(1): 1-11.DOI:10.1007/s11947-015-1605-x.

[16] DHAKAL S, CHAO K, QIN J, et al. Raman spectral imaging for quantitative contaminant evaluation in skim milk powder[J]. Journal of Food Measurement and Characterization, 2016, 10(2): 374-386.DOI:10.1007/s11694-016-9316-1.

[17] QIN J, CHAO K, KIM M S. A line-scan hyperspectral system for high-throughput Raman chemical imaging[J]. Applied Spectroscopy,2014, 68(6): 692-695. DOI:10.1366/13-07411.

[18] 陳小曼, 張凱歌, 胡玉玲, 等. 表面增強拉曼光譜法測定市售奶粉中的硫氰酸根[J]. 分析科學學報, 2016, 32(3): 325-329. DOI:10.13526/j.issn.1006-6144.2016.03.006.

[19] 王曉彬, 黃文倩, 王慶艷, 等. 苯甲酸添加劑的拉曼高光譜分析[J].食品科學, 2017, 38(4): 290-295. DOI:10.7506/spkx1002-6630-201704047.

[20] 李江波, 饒秀勤, 應義斌. 農產品外部品質無損檢測中高光譜成像技術的應用研究進展[J]. 光譜學與光譜分析, 2011, 31(8): 2021-2026. DOI:10.3964/j/issn/1000-0593(2011)08-2021-06.

[21] 傅霞萍, 應義斌. 基于NIR和Raman光譜的果蔬質量檢測研究進展與展望[J]. 農業(yè)機械學報, 2013, 44(8): 148-164. DOI:10.6041/j.issn.1000-1298.2013.08.026.

[22] ZHANG Z M, CHEN S, LIANG Y Z. Baseline correction using adaptive iteratively reweighted penalized least squares[J]. Analyst,2010, 135(5): 1138-1146. DOI:10.1039/b922045c.

[23] 周宇. 基于表面增強拉曼光譜技術對三聚氰胺和硫氰酸鈉的檢測研究[D]. 哈爾濱: 哈爾濱工業(yè)大學, 2012.

[24] 劉偉良, 夏海瑞, 王新強, 等. 硫氰酸鎘鋅晶體的振動光譜和結構[J]. 光散射學報, 2004, 16(1): 21-26. DOI:10.3969/j.issn.1004-5929.2004.01.005.

[25] 王丹慧, 高娃, 李梅. 原料乳中硫氰酸鈉摻假定性檢測方法[J].中國乳品工業(yè), 2 0 0 8, 3 6(7): 5 7-5 8. D O I:1 0.3 9 6 9/j.issn.1001-2230.2008.07.015.

[26] 楊青青. 表面增強拉曼光譜法在硫氰酸鹽、三聚氰胺和亞硝酸鹽測定中的應用[D]. 長春: 吉林大學, 2016.

[27] HUANG M, KIM M S, CHAO K, et al. Penetration depth measurement of near-infrared hyperspectral imaging light for milk powder[J]. Sensors, 2016, 16(4): 441-451. DOI:10.3390/s16040441.

[28] 劉宸, 王慶艷, 黃文倩, 等. 拉曼高光譜成像系統(tǒng)中光在奶粉層的穿透深度研究[J]. 光譜學與光譜分析, 2017, 37(10): 3103-3107.DOI:10.3964/j.issn.1000-0593(2017)10-3103-05

[29] 劉軻, 周清波, 吳文斌, 等. 基于多光譜與高光譜遙感數據的冬小麥葉面積指數反演比較[J]. 農業(yè)工程學報, 2016, 32(3): 155-162.DOI:10.11975/j.issn.1002-6819.2016.03.022.

[30] 梁美, 孫博君, 孫曉剛, 等. 多光譜高溫計有效波長標定方法研究[J].光譜學與光譜分析, 2017, 37(8): 2352-2355. DOI:10.3964/j.is sn.1000-0593(2017)08-2352-04.