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(xué) 食品與生物工程學(xué)院，河南 洛陽 471000；2.河南科技大學(xué) 食品加工與安全國家級實(shí)驗(yàn)教學(xué)示范中心，河南 洛陽 471000）

隨著社會的日益發(fā)展和生活水平的不斷提高，越來越多的消費(fèi)者在選購食品時(shí)更加關(guān)注食品的安全性和營養(yǎng)價(jià)值。傳統(tǒng)的食品品質(zhì)檢測方法，如感官評定、理化檢測等，存在前期預(yù)處理復(fù)雜繁瑣、檢測過程耗時(shí)費(fèi)力、檢測成本高、需要破壞樣品等缺點(diǎn)，不適合現(xiàn)代化食品品質(zhì)信息的快速檢測[1]。光譜和圖像等光學(xué)檢測技術(shù)因其具有高效、精準(zhǔn)、無損、簡潔等特點(diǎn)，能夠節(jié)省分析時(shí)間和檢測成本，使其能在食品快速檢測領(lǐng)域中蓬勃發(fā)展。特別是高光譜成像融合了傳統(tǒng)的成像技術(shù)和光譜技術(shù)，作為一門新興的快速無損檢測技術(shù)具有巨大的優(yōu)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(shù)進(jìn)行品質(zhì)檢測的研究報(bào)道越來越多。在食品品質(zhì)分級、摻假欺詐檢測、品質(zhì)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(fā)展?jié)摿Α?/p>

然而應(yīng)當(dāng)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(xué)檢測設(shè)備方面應(yīng)用研究較少，特別是針對企業(yè)生產(chǎn)自動化檢測線的研究。如何將先進(jìn)技術(shù)從實(shí)驗(yàn)室的理論研究推向工業(yè)生產(chǎn)中的實(shí)際應(yīng)用，實(shí)現(xiàn)技術(shù)轉(zhuǎn)化一直是科研工作的重要目標(biāo)。主要對國內(nèi)外用于食品品質(zhì)安全監(jiān)測的光譜圖像設(shè)備實(shí)用化方向的研究狀況進(jìn)行綜述，以期為食品安全的快速檢測技術(shù)及實(shí)用化設(shè)備開發(fā)提供理論依據(jù)和參考。

1 光譜和圖像分析技術(shù)的基本原理和設(shè)備結(jié)構(gòu)

1.1 近紅外光光譜檢測技術(shù)概述

在光學(xué)無損檢測技術(shù)中，近紅外光譜是研究最早、應(yīng)用最廣泛的技術(shù)之一。近紅外光是指波長在780～2 526 nm的電磁波，是人們認(rèn)識最早的非可見光區(qū)域。我國從20世紀(jì)80年代開始進(jìn)行近紅外光譜的應(yīng)用研究工作，隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)字化技術(shù)和化學(xué)計(jì)量學(xué)學(xué)科迅速發(fā)展，數(shù)字化光譜儀器與化學(xué)計(jì)量學(xué)方法的結(jié)合形成了現(xiàn)代近紅外光譜技術(shù)。隨后以產(chǎn)業(yè)鏈的方式逐漸應(yīng)用于農(nóng)業(yè)、石化、制藥和食品等多個(gè)領(lǐng)域，在工農(nóng)業(yè)生產(chǎn)和科研中逐漸發(fā)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(tǒng)，從分光系統(tǒng)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(diào)濾光器（AOTF）4種類型。近年來，近紅外光譜設(shè)備趨向于微型化、小型化發(fā)展，國內(nèi)已有多家單位基于MEMS技術(shù)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(yàn)樣機(jī)[3]，國內(nèi)一些高校也研制出了一些用于鮮茶等級[4]、農(nóng)產(chǎn)品品質(zhì)[5]、土壤肥力[6]、水果在線分選[7]的樣機(jī)或?qū)嵱眯驮O(shè)備。目前，設(shè)計(jì)應(yīng)用的在線近紅外檢測系統(tǒng)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(shù)據(jù)分析模塊等組成[8]。

1.2 數(shù)字圖像處理技術(shù)概述

數(shù)字圖像處理技術(shù)即計(jì)算機(jī)圖像處理，簡而言之，是把圖像信息轉(zhuǎn)換為計(jì)算機(jī)可以識別處理的數(shù)字信息的過程。該過程包括對數(shù)字圖像進(jìn)行圖像轉(zhuǎn)換、增強(qiáng)、壓縮、縮放、分割等處理[9]。伴隨著計(jì)算機(jī)技術(shù)的發(fā)展，現(xiàn)在的數(shù)字圖像處理技術(shù)具有多樣性、精度高、再現(xiàn)性好、處理量大的特點(diǎn)[10]。圖像處理技術(shù)最早應(yīng)用于醫(yī)藥領(lǐng)域，例如紅（白） 細(xì)胞分析、X光肺圖像增強(qiáng)、CT等[11]。運(yùn)用X射線計(jì)算機(jī)斷層攝影裝置，根據(jù)人頭部截面的投影，計(jì)算機(jī)對數(shù)據(jù)處理后重建截面圖像，為人類發(fā)展做出了跨時(shí)代的貢獻(xiàn)。

在隨后的發(fā)展中，數(shù)字化的計(jì)算機(jī)視覺系統(tǒng)被應(yīng)用于食品領(lǐng)域中，為食品安全性檢測技術(shù)的發(fā)展提供了巨大的推動力。圖像分析是依據(jù)樣品表面的圖像特征分析樣品屬性。圖像特征通常包括區(qū)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(jì)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(shù)?；诨叶裙采仃嚪椒?，獲取了能量、熵、慣性矩、相關(guān)性和局部穩(wěn)定性等紋理特征參數(shù)。通過化學(xué)計(jì)量學(xué)建立圖像特性參數(shù)和食品品質(zhì)之間的數(shù)學(xué)模型，最終實(shí)現(xiàn)新樣品品質(zhì)的預(yù)測。

1.3 高光譜成像技術(shù)概述

成像光譜是20世紀(jì)80年代提出的概念，早期主要用于地質(zhì)勘探[12]，由于其分辨率高、空間圖像清晰，使其獲得的數(shù)據(jù)精確可靠、識別能力更強(qiáng)，近年來已逐步應(yīng)用到食品檢測[13-14]、環(huán)境監(jiān)測[15-16]、農(nóng)業(yè)[17-18]、 生物醫(yī)學(xué)[19-21]等領(lǐng)域。

從原理上來看，高光譜成像技術(shù)是通過光譜探測技術(shù)與成像技術(shù)相結(jié)合，運(yùn)用成像技術(shù)和光譜技術(shù)能夠同時(shí)獲取待測物的光譜信息和空間圖像的特點(diǎn)，進(jìn)而通過圖像和光譜信息對待測物質(zhì)進(jìn)行定性、定量和定位分析。這使其成為了食品品質(zhì)和安全檢測、分類與分級的有利手段，在食品檢測領(lǐng)域能夠發(fā)揮重要作用[22]。

1.4 科研型與實(shí)用化光學(xué)檢測設(shè)備的結(jié)構(gòu)差異

由于使用目的不同，研究型與實(shí)用化光學(xué)檢測設(shè)備在結(jié)構(gòu)上往往有很大差異。食品光學(xué)檢測中的科研重點(diǎn)在于探索光譜建模的新方法，分析對新指標(biāo)的檢測能力，使用硬件基本類似。

科研型高光譜成像設(shè)備[23]見圖1。

圖1 科研型高光譜成像設(shè)備

高光譜成像系統(tǒng)總的來說可以分為2個(gè)部分，即硬件系統(tǒng)和軟件系統(tǒng)。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(yè)相機(jī)、計(jì)算機(jī)等；軟件主要包括圖像采集程序、運(yùn)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(nèi)，結(jié)構(gòu)多為步進(jìn)電機(jī)帶動的絲杠滑臺，運(yùn)動方式多為往復(fù)式。即掃描完一個(gè)樣品后，載物平臺需要返回初始位點(diǎn)，才可以進(jìn)行下一個(gè)樣品掃描。采集光譜與圖像的分辨率要求較高，數(shù)據(jù)龐大，采集與計(jì)算時(shí)間較長；采集過程和計(jì)算建模過程通常分開；此外一般沒有后續(xù)機(jī)械手臂。

實(shí)用型光譜與圖像分析設(shè)備見圖2。

圖2 實(shí)用型光譜與圖像分析設(shè)備

從圖2中可以看到，用于工業(yè)生產(chǎn)中的設(shè)備通常多個(gè)樣品在流水線中連續(xù)運(yùn)動，要求較快的樣品采集速度、較快數(shù)據(jù)處理速度，通常還連接后續(xù)機(jī)械手臂。

科研型與實(shí)用化檢測設(shè)備特點(diǎn)見表1。

表1 科研型與實(shí)用化檢測設(shè)備特點(diǎn)

2 實(shí)用化光學(xué)設(shè)備在食品方面的開發(fā)進(jìn)展

隨著食品光學(xué)檢測學(xué)科的不斷成熟和完善，光學(xué)檢測設(shè)備的實(shí)用化發(fā)展是食品生產(chǎn)加工企業(yè)的迫切需要，越來越多可用于在線檢測的光學(xué)檢測設(shè)備被研究人員發(fā)明出來。雖然這些研究成果尚未大規(guī)模應(yīng)用于工業(yè)生產(chǎn)，但其研究內(nèi)容大大推動了光學(xué)檢測設(shè)備在實(shí)用化發(fā)展道路的進(jìn)程，其研究成果預(yù)示著在未來食品安全性檢測將更加便捷，結(jié)果更加可靠。

2.1 肉品品質(zhì)檢測設(shè)備實(shí)用化研究進(jìn)展

在鮮肉品質(zhì)檢測中，肉品的嫩度、顏色、pH值和揮發(fā)性鹽基氮等是反映肉品品質(zhì)的重要指標(biāo)，傳統(tǒng)的檢測方法相對費(fèi)時(shí)，操作過程繁雜且不適應(yīng)于大規(guī)模工業(yè)生產(chǎn)檢測。隨著對光譜技術(shù)及圖像技術(shù)研究的深入，研究人員開始朝著肉品光譜圖像檢測系統(tǒng)的實(shí)用化方向發(fā)展，其研究成果加快了實(shí)用型光譜檢測系統(tǒng)的發(fā)展進(jìn)程，增加了肉品品質(zhì)檢測準(zhǔn)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(shù)的腐敗肉光譜在線檢測及剔除系統(tǒng)，如圖2（a） 所示，該系統(tǒng)由同步模塊、檢測模塊和剔除模塊組成。在該系統(tǒng)中，同步模塊控制檢測探頭到肉樣表面的高度調(diào)整；檢測模塊主要用于樣品光譜信息的采集處理及結(jié)果的輸出保存；剔除模塊中主要應(yīng)用的是推桿剔除裝置，該裝置根據(jù)單片機(jī)的接受指令完成推桿的推出及收回動作。該系統(tǒng)在一定程度上彌補(bǔ)了靜態(tài)檢測的不足，基本實(shí)現(xiàn)了腐敗肉光譜檢測由靜態(tài)的過程向在線檢測轉(zhuǎn)變，為工業(yè)流水線自動化生產(chǎn)中腐敗肉的在線檢測提供了較大的理論意義及實(shí)用價(jià)值。

彭彥昆等人[25]在近紅外光譜法的基礎(chǔ)上，對光纖探頭的檢測距離進(jìn)行了優(yōu)化，如圖2（b） 所示，通過采集54個(gè)豬肉樣品在13個(gè)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(shù)學(xué)模型，最終得到了19 mm的最佳檢測距離；通過調(diào)節(jié)系統(tǒng)實(shí)時(shí)控制探頭到樣品的距離，并設(shè)計(jì)了雙波段多點(diǎn)同時(shí)檢測系統(tǒng)，通過單獨(dú)的21個(gè)豬肉樣品驗(yàn)證了含水率分級模型的準(zhǔn)確性和穩(wěn)定性，驗(yàn)證結(jié)果判斷正確率為90.48%，結(jié)果表明多點(diǎn)同時(shí)檢測系統(tǒng)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(tǒng)，該系統(tǒng)進(jìn)行了2次屠宰場在線測試，其RMSEP分別為3.40%和2.82%。研究結(jié)果表明，多光譜技術(shù)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(tǒng)，該系統(tǒng)以可見近紅外光譜技術(shù)為基礎(chǔ)，通過VC++和Matlab語言環(huán)境開發(fā)設(shè)計(jì)了與硬件設(shè)備兼容匹配的無損實(shí)時(shí)監(jiān)測系統(tǒng)，該系統(tǒng)在豬肉水分含量驗(yàn)證檢測中表現(xiàn)穩(wěn)定、操作簡便。

2.2 果蔬品質(zhì)檢測設(shè)備實(shí)用化研究進(jìn)展

高雄等人[28]根據(jù)糖度在線檢測的需要，開發(fā)了融合光譜和圖像信息的在線檢測系統(tǒng)，該系統(tǒng)主要由硬件平臺和軟件系統(tǒng)2個(gè)部分構(gòu)成。硬件平臺的設(shè)計(jì)主要由輸送機(jī)構(gòu)、漫透射光等針對蜜瓜譜采集機(jī)構(gòu)、圖像采集裝置及控制系統(tǒng)組成。軟件系統(tǒng)采用VC++6.0，結(jié)合光譜儀二次開發(fā)軟件Omni Driver、圖像采集軟件Fly Capture 2及圖像處理軟件OpenCV開發(fā)。在系統(tǒng)整體穩(wěn)定性測試時(shí)，系統(tǒng)可以實(shí)現(xiàn)河套蜜瓜光譜圖像的自動采集、顯示及保存，單個(gè)樣品用時(shí)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(yàn)的需要。

Crichton S等人[29]利用高光譜成像預(yù)測了對流干燥過程中原料和預(yù)處理蘋果片的水分含量和色度，并進(jìn)行了可視化處理，這種預(yù)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(jiān)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(zhì)控制需要，設(shè)計(jì)了一款小型化的手持式檢測系統(tǒng)。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(shí)，首先選擇特征波段，然后利用連續(xù)投影算法選擇特征波長[31-32]，大大簡化了模型。結(jié)果表明，設(shè)計(jì)開發(fā)的手持式近紅外檢測系統(tǒng)可以實(shí)現(xiàn)果蔬品質(zhì)的快速無損檢測。

Mollazade K[33]利用300～1 000 nm的高光譜成像系統(tǒng)檢測紐扣蘑菇4個(gè)水平的皮膚褐變。結(jié)果表明，利用高光譜成像和化學(xué)計(jì)量學(xué)技術(shù)對蘑菇帽上不同程度的褐變進(jìn)行分類是可行的。在一定工業(yè)條件下，研究提出的多光譜成像系統(tǒng)能夠作為一種在線和快速分析蘑菇加工工業(yè)的工具。

王風(fēng)云等人[34]設(shè)計(jì)開發(fā)了一套基于機(jī)器視覺的雙孢蘑菇的分級系統(tǒng)，如圖2（c） 所示，該系統(tǒng)的硬件主要由輸送裝置、圖像采集系統(tǒng)、控制系統(tǒng)和分級系統(tǒng)構(gòu)成，軟件系統(tǒng)基于Open CV 2.4.10和Visual studio 2010設(shè)計(jì)開發(fā)的圖像分析處理和控制軟件。并提出了基于分水嶺和閉運(yùn)算等處理的雙孢蘑菇圖像大小分級算法，設(shè)計(jì)完成了傳送速度、距離、觸發(fā)時(shí)間與算法處理時(shí)間的精準(zhǔn)控制。在對該系統(tǒng)的分級性能進(jìn)行測試試驗(yàn)時(shí)，結(jié)果表明，系統(tǒng)控制速度12.7 m/min，相機(jī)行頻1 900 Hz下，準(zhǔn)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(xù)穩(wěn)定的工作。

2.3 蛋類品質(zhì)檢測設(shè)備實(shí)用化研究進(jìn)展

我國是蛋品及蛋制品的生產(chǎn)和消費(fèi)大國，擁有廣闊的市場，但每年出口量仍不足總產(chǎn)量的0.6%[35]，主要原因是我國對蛋類品質(zhì)（蛋的大小或質(zhì)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(zhì)的準(zhǔn)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(shù)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(tǒng)，如圖2（d） 所示。該系統(tǒng)通過PC端與PLC控制器之間建立通信，實(shí)現(xiàn)了二者之間數(shù)據(jù)的交互輸送，即PLC將雞蛋傳送過來的信號發(fā)送給電腦，電腦開始采集光譜數(shù)據(jù)，光譜數(shù)據(jù)被帶入到事先已經(jīng)建立好的判別模型中進(jìn)行新鮮度的判別處理，并將結(jié)果反饋給PLC，PLC根據(jù)結(jié)果執(zhí)行分級操作。整個(gè)新鮮度檢測過程共耗時(shí)0.256 s，能夠滿足工業(yè)化在線檢測的要求。

涂佳[37]在進(jìn)行基于計(jì)算機(jī)視覺和動態(tài)稱重的雞蛋外部品質(zhì)檢測系統(tǒng)研究中，運(yùn)用機(jī)器視覺結(jié)合動態(tài)稱重對雞蛋的蛋形、污漬、質(zhì)量等指標(biāo)進(jìn)行了快速檢測。該檢測系統(tǒng)動態(tài)稱重采用應(yīng)變片式傳感器設(shè)計(jì)；外部品質(zhì)檢測模塊由CCD、計(jì)算機(jī)、光箱和紅外觸發(fā)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(tǒng)具有較強(qiáng)的穩(wěn)定性和合理性，檢測速度為4枚/s。

陳紅等人[38]對鴨蛋品質(zhì)進(jìn)行了研究，設(shè)計(jì)了一套基于計(jì)算機(jī)視覺技術(shù)的無損檢測設(shè)備。該設(shè)備主要由計(jì)算機(jī)視覺系統(tǒng)、輸送系統(tǒng)、分級系統(tǒng)及控制電路構(gòu)成。該系統(tǒng)可同時(shí)測定蛋心顏色、蛋大小、新鮮度及厚度等信息，能夠?qū)崿F(xiàn)鴨蛋品質(zhì)在線檢測和分級。

3 結(jié)語

通過對可見近紅外光譜技術(shù)、數(shù)字圖像及高光譜成像技術(shù)進(jìn)行了概述，介紹了各設(shè)備的工作原理和各部分組成。對光學(xué)檢測設(shè)備在我國肉類、果蔬和蛋類中的實(shí)用化研究進(jìn)展進(jìn)行了綜述。通過對比分析科研型與實(shí)用化光學(xué)檢測設(shè)備的結(jié)構(gòu)差異發(fā)現(xiàn)，科研型設(shè)備通常采樣間歇式操作，采集數(shù)據(jù)龐大，計(jì)算速度慢。而實(shí)用化設(shè)備要求是帶式輸送、連續(xù)采樣，數(shù)據(jù)需要快速處理，并將分析結(jié)果及時(shí)傳到執(zhí)行系統(tǒng)?？偨Y(jié)現(xiàn)有研究文獻(xiàn)發(fā)現(xiàn)，目前的光學(xué)無損檢測領(lǐng)域的研究主要集中于光譜分析和建模方面，對實(shí)用型設(shè)備研究和開發(fā)依然偏少，特別是在工業(yè)化生產(chǎn)過程中實(shí)時(shí)在線檢測設(shè)備發(fā)展較慢。將光學(xué)檢測設(shè)備的微型化及實(shí)時(shí)在線檢測，實(shí)現(xiàn)先進(jìn)技術(shù)的推廣和應(yīng)用，是該領(lǐng)域研究者今后需要努力的重要方向。