高光譜成像技術(shù)在食品安全領(lǐng)域的應(yīng)用

高光譜成像技術(shù)在果蔬品質(zhì)檢測中的應(yīng)用

市場上人們對果蔬的直接感受就是其外部品質(zhì)的好壞，即對顏色、新鮮度、大小、損傷、凍傷與腐爛等方面的判斷；

其次，就是對果蔬的內(nèi)部品質(zhì)來作為衡量其營養(yǎng)價值的重要依據(jù)，通過檢測果蔬的糖分、硬度、水分、成熟度、蛋白質(zhì)等指標對其進行判斷。

傳統(tǒng)的檢測技術(shù)由于精度低、操作復(fù)雜，很難區(qū)分出來。高光譜成像技術(shù)恰好克服了這一缺點，能夠?qū)崿F(xiàn)的無損檢測，而且精度高、

易于操作，近年來逐步用于果蔬外部品質(zhì)和內(nèi)部品質(zhì)的檢測中。

果蔬外部品質(zhì)的檢測

新鮮度檢測

新鮮度是反映果蔬重要指標。利用高光譜成像儀采集了分別在失水0、10、24、48小時狀態(tài)下的小白菜、菠菜、油菜、娃娃菜等四種蔬菜葉片，

并對其光譜圖像進行對比分析。其中，通過小白菜葉片在不同失水時間下的高光譜圖像及光譜信息的變化，葉片在失水過程中其形狀外觀形態(tài)及內(nèi)部葉綠素均有變化。

凍傷檢測

凍傷和機械損傷是果蔬在采摘、運輸及儲藏過程中不可避免的表面損傷，將直接影響果蔬的外部品質(zhì)。

利用高光譜成像技術(shù)和ANN預(yù)測模型對蘋果凍傷進行了研究，如圖1所示。實驗采用如圖2所示過程，

在400-1000nm波段的凍傷蘋果高光譜圖像中選擇5個主成分波段（717,875,960和980nm）進行ANN模型的建立，

其訓(xùn)練集、測試集、和驗證集的相關(guān)系數(shù)分別為0.93,0.91和0.92，最終實現(xiàn)了98%以上的識別準確率。

腐爛檢測

腐爛是果蔬在儲藏、運輸過程中最常見的現(xiàn)象，不僅影響果蔬的內(nèi)外部品質(zhì)，甚至會導(dǎo)致安全問題。利用高光譜成像技術(shù)對桃子根霉菌進行深入研究，

選取400-1000nm波段采集桃子360°的高光譜數(shù)據(jù)（如圖1所示），然后通過統(tǒng)計方法和圖像分割算法得到三個單波長圖像（709nm，807nm和874nm）

可以明顯區(qū)分出邊緣、健全和腐爛部位。

果蔬內(nèi)部品質(zhì)檢測

糖度和硬度檢測

糖度和硬度是反映果蔬內(nèi)部品質(zhì)的兩個重要指標，糖度能體現(xiàn)出果蔬的口感度，硬度能間接體現(xiàn)果蔬的成熟度。

利用近紅外高光譜成像儀（900-1700nm）分別對490個藍莓的果柄側(cè)和花萼側(cè)進行光譜成像檢測果實的糖度和硬度。

結(jié)論

隨著生活水平的提升，人們對健康食品的品質(zhì)要求越來越高。傳統(tǒng)的檢測技術(shù)操作復(fù)雜、破壞性強，難以滿足檢測需要。

高光譜成像技術(shù)憑借圖譜結(jié)合、無損、無接觸的優(yōu)勢，能夠快速、準確、無損的檢測出食品的品質(zhì)，操作簡單，近年來廣泛應(yīng)用與果蔬品質(zhì)的檢測中，

成為食品安全質(zhì)量檢測技術(shù)之一。