农产品中嫩度、颜色检测方案(高光谱仪)

成像光谱仪在农产品/食品检测领域的应用 1.背景 成像光谱技术是光谱技术和图像技术的完美结合，它在获得样品空间信息的同时，还为每个图像上每个像素点提供数十至数千个窄波段的光谱信息，每个像元都能产生一条完整而连续的光谱曲线，这样任何一个波长的光谱数据都能生成一幅图像，从而实现“图谱合一”。另外，成像光谱技术图谱合一的特点，使得其兼具了可见-近红外光谱技术成分检测的优点和机器视觉技术能够反映空间分辨信息的优势。成像光谱技术图谱合一的特点，使得其兼具了可见-近红外光谱技术成分检测的优点和机器视觉技术能够反映空间分辨信息的优势。通过对光谱、图像的分析，即可对样品的成分含量、存在状态、空间分布及动态变化进行检测。 SOC700系列高光谱成像光谱仪 (​http:​/​​/​www.azup.com.cn​/​spectral​/​spectral_1​/​​)的光谱范围涵盖了400-1000nm、900-1700nm、1000-2350nm以及中红外波段，功能强大，在精准农业、林业、矿业、环境科学和海洋学等应用领域内，都是非常理想的高光谱成像系统。 图1 一种内置扫描装置的高光谱成像光谱仪SOC710 Hyperspectral Imager，仅重3Kg 2.“图谱合一”的图像数据 高光谱成像的数据是一叠连续多个波段成像获得的景色或样品的图像，就是俗称的图像立方体（Image cube）。这个图像立方具有两个空间维度（X和Y），第三维为每个像素的波长或辐射强度。如下图2。 图2 成像光谱仪产生的数据立方 3.成像光谱仪在农产品/食品检测中的具体应用 3.1成像光谱仪在肉类禽产品领域的应用 肉品安全问题是我国现阶段食品安全检测的重要方面，但由于缺乏快速、无损的肉品检测技术及设备，前期多依靠感官评定为主、理化方法为辅助的方式。感官评定方法检测快速但缺乏一致标准，容易受到主管因素的影响，理化方法耗时长，难以做快速实时分析。猪肉的品质通常用颜色、质地、渗出物特征来表示。成像光谱技术能同时获取颜色信息和成分信息，在肉品品质诊断方面具有广阔的应用前景。例如牛肉品质检测。 牛排的嫩度是决定消费者满意度的最主要的因素。Naganathan等应用近红外区的高光谱成像技术来检测牛肉的嫩度。该成像系统的光谱范围为900～1700nm。采集图像中心区域内150×300像素的图像进行分析，用规范识别模型来预测3个不同水平的牛肉嫩度。在分析的334个样品中，正确识别的为242个，识别率为77%。结果表明成像光谱仪器有望成为牛肉嫩度检测的新仪器。 Cluff等也采用成像光谱技术对牛排的嫩度进行检测，他们采用便携式高光谱成像光谱仪，针对新鲜的牛肌肉进行检测。获取的成像光谱包括120多个窄波段，光谱分辨率为4.54nm。用Warner-Bratzler shear(WBS)值表征牛肉的标准嫩度，采用改进的洛伦兹函数来拟合牛肉的成像光谱。用逐步回归建立WBS和洛伦兹函数参数(比如曲线的峰高、半峰宽) 之间的关系，实现对牛肉嫩度的预测，模型相关系数R=0.67，结果表明结合超光谱成像技术和散射特性的方法有望成为检测牛肉嫩度的快速方法。 目前高光谱成像技术作为一种快速无损、非接触测量的技术，已经在肉类畜产品检测方向得到了广泛的应用，包括皮肤肿瘤、表面污染物、嫩度、颜色、滴水损失、pH值、胴体大理石花纹和预测肉的食用品质、细菌总数等。 3.2 高光谱成像技术在水果品质领域的检测 水果的品质检测对于确定收获期和产品定等分级具有重要意义，目前比较成熟的是机器视觉技术，它能获得水果的外观信息。基于可见光谱和近红外光谱的水果内部品质检测技术在国外已经产业化，在国内尚处于研究阶段。高光谱成像技术具有图谱合一的优点，能同时获取水果外观和内部品质信息，因此在水果检测方面的应用研究较早就开展了。 Qin等在500～1000nm范围内采用高光谱成像技术来测量新鲜水果的光学特性。他们采用高光谱成像光谱仪来获取苹果、梨、桃、猕猴桃、李子等水果蔬菜的反射率。利用漫射理论模型的逆算法得到样品的吸收和衰减系数。光谱中的吸收系数通常由主要色素( 叶绿素、花青素、类胡萝卜素) 表征，而光谱中的衰减系数则随着波长的增加而减小。Qin等采用高光谱成像技术来检测柑橘类的溃疡病，采用光谱范围400-1000的高光谱成像光谱仪。他们测量不正常的含有不同病变的“Ruby Red”柚子。这些病变包括溃疡、铜伤、斑点、疤痕、黑变病等。采用主成分分析法压缩三维成像光谱，并提取可用于区分正常和病变果中溃疡部分的信息。溃疡检测正确率达92.7%。他们还选出了４个可用于搭建溃疡检测多光谱系统的特征波段(553、677、718、858nm)。研究结果表明成像光谱可用于鉴别溃疡病的其他病变。 3.3 高光谱成像技术在蔬菜品质领域的检测 近几年，我国大力提倡无公害蔬菜、绿色蔬菜，主要是为了提高蔬菜品质；但我国现阶段对农药超标、动物排泄物污染等安全问题的检测依旧以破坏性的筹建为主，大大降低了生产效率。 在国内，柴阿丽等利用光谱成像技术（400-1000nm）对黄瓜白粉病、角斑病、 霜霉病、褐斑病和无病区域进行识别，采用逐步判别分析和典型判别分析两种发发进行降维，并利用选择的光谱特征参数建立病害识别模型。结果表明，逐步判别构建的模型对训练样本的判别准确率分别为100%和94%，典型判别构建的模型对训练样本和测试样本的判别准确率100%。 3.4 在粮食作物无损检测中的应用 我国农业经过几十年的长足发展，使国内粮食的数量需求基本得到保障。但 2010年含铬大米事件以及2011年蒙牛牛奶黄曲霉毒素超标事件再次给人们敲响警钟，粮食安全问题依然存在。但要对粮食作物进行快速无损检测还存在很多困难，近几年研究人员应用高光谱成像技术对粮食作物进行检测取得了较好的发展。 Yao等利用荧光高光谱反射成像技术对受到人工接种的黄曲霉菌污染的504 颗玉米进行检测，用365nm的紫光进行诱导，在400～600nm波长范围内得到800×425像素的光谱图像;再用SAS软件对所得到的数据进行多元线性回归分析和多变量的方差分析并建立判别模型，相关系数R2= 0.72，并得知在<1，1～20，20～100，≥100ng/g等4个阈值范围内Pr＜0.01达到了极显著差异水平。对黄曲霉毒素阈值为20ng/g或100ng/g进行判别，准确率为84%～91%。结果表明，该方法检测含有黄曲霉毒素的单个玉米颗粒是可行的。 在国内，李江波等用高光谱成像技术(450～900nm)及ANN对玉米含水率进行检测。通过玉米粒反射光谱图像获取反映其含水率的光谱特征波长，利用ANN建立玉米粒含水率的预测模型，模型相关系数达到0.98。预测结果误差绝对值最大2.1182,最小0.0024;相对误差绝对值的平均值为0.309,表明该技术对玉米含水率进行无损检测是可行的。 利用高光谱成像光谱仪可在线监测水果、家禽、蔬菜或特殊农作物，可以实时的在流水线上对食品品种、品质、成熟度、新鲜度、挤伤、病虫害、污染状况等因素，进行快速的分析检查，是农产品安全生产、食品加工过程监测的有力工具。 利用高光谱成像技术不仅可以对待检测物体进行定性和定量分析，而且还能对其进行定位分析。目前的研究表明高光谱成像光谱技术在农产品/食品检测中具有广阔的应用前景。 PAGE 4