智能感知技術(shù)在食品制造過程中的應(yīng)用研究進(jìn)展

劉東紅，許唯棟，閆天一，王宗漢，鄧 永，王文駿*

（1 浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院 智能食品加工技術(shù)與裝備國家地方聯(lián)合工程實(shí)驗(yàn)室（浙江）浙江省農(nóng)產(chǎn)品加工技術(shù)研究重點(diǎn)實(shí)驗(yàn)室 浙江省食品加工技術(shù)與裝備省級工程實(shí)驗(yàn)室 杭州310058 2 浙江大學(xué)寧波研究院 浙江寧波315100 3 浙江大學(xué)馥莉食品研究院 杭州310058）

聯(lián)合國預(yù)測2030年世界人口將達(dá)到85 億，比當(dāng)前人口增長11.8%，然而，資源、能源逐漸匱乏，人口老齡化日益嚴(yán)重，食品生產(chǎn)成本不斷提高、產(chǎn)業(yè)利潤率下降，因此，節(jié)約能源和資源，最大限度挖掘資源效用，減少勞動力投入是當(dāng)下食品產(chǎn)業(yè)的需求，從而使得食品加工制造從機(jī)械化、自動化不斷向智能化發(fā)展，給食品產(chǎn)業(yè)帶來巨大的挑戰(zhàn)。在食品智能制造的過程中，智能感知技術(shù)包括制造過程中組分、配比、含量、風(fēng)味、質(zhì)構(gòu)、色澤等食品品質(zhì)參數(shù)，食品裝備的溫度、力度、位置、壓力、壓強(qiáng)、流速、流量等設(shè)備運(yùn)行參數(shù)，食品色、香、味等感官評價參數(shù)等方面信息的收集、高度集成和綜合運(yùn)用，是智能制造的基礎(chǔ)。為此，本文總結(jié)并介紹了智能感知技術(shù)包括原位檢測技術(shù)、仿生傳感技術(shù)、潛在感知技術(shù)等方面研究的最新進(jìn)展，期望推動智能感知技術(shù)在食品智能制造中的快速發(fā)展。

1 原位檢測技術(shù)的應(yīng)用

1.1 光學(xué)檢測技術(shù)

光學(xué)檢測技術(shù)以其優(yōu)越的高通量、實(shí)時在線、圖譜一體等特點(diǎn)被廣泛應(yīng)用于食品制造及產(chǎn)品檢測過程，結(jié)合經(jīng)過人工神經(jīng)網(wǎng)絡(luò)等方法訓(xùn)練得到的模型，可以準(zhǔn)確、高效地從光學(xué)特性得到有關(guān)食品化學(xué)組成、物理性能、產(chǎn)地來源、基因表型等多種數(shù)據(jù)結(jié)果。

近紅外光譜（Near Infrared，NIR）檢測是利用波長范圍介于780～2 526 nm 的近紅外光對主要的含氫基團(tuán)（-CH、-NH、-OH 等）振動的倍頻與合頻吸收，尤其適合食品的液體、固體、半流體等多種形態(tài)下的測定。在食品生產(chǎn)設(shè)備上安裝近紅外光探頭或流通池，并使用光纖進(jìn)行遠(yuǎn)距離輸送，就可以實(shí)現(xiàn)近紅外光譜儀對食品生產(chǎn)設(shè)備多工段同時在線測量。Mendes 等[1]利用近紅外、中紅外以及拉曼光譜技術(shù)研究橄欖油及大豆油的混合模型，通過脂肪酸組成的差異建立了對橄欖油摻假的原位感知監(jiān)測模型。Mishra 等[2]使用不同的散射矯正技術(shù)并進(jìn)行數(shù)據(jù)融合構(gòu)建更為精準(zhǔn)的預(yù)測模型，對豬肉糜的水分、脂肪及蛋白質(zhì)含量進(jìn)行多變量預(yù)測。Savoia 等[3]利用NIR 對肉牛的肉質(zhì)顏色、烹煮損耗及嫩度角度進(jìn)行表征，從側(cè)面間接對肉牛的遺傳性狀進(jìn)行表型分析，并對肉牛培育的基因選擇提供指導(dǎo)意見。

高光譜技術(shù)（Hyperspectral Image，HSI）是從整個電磁頻譜中收集并分析信息，其設(shè)備不僅具有獲取光譜信息的能力，而且具有分析表面信息的能力[4]。Von Gersdorff 等[5]利用高光譜數(shù)據(jù)、水分含量、CIELAB 的顏色測量數(shù)據(jù)，通過波長選擇簡化模型，構(gòu)建出一種連續(xù)監(jiān)測牛肉片干燥過程中水分含量與顏色變化的模型。奶酪作為一種營養(yǎng)豐富的食品，其化學(xué)組成復(fù)雜，為表征其在成熟過程中的水分變化、蛋白水解及脂質(zhì)分解過程，Malegori 等[6]研究一種基于NIR 范圍高光譜成像及多元模式識別技術(shù)的新型無損檢測方法，將表征化學(xué)組分變化的光譜信息進(jìn)行主成分分析，從而實(shí)現(xiàn)對意大利利古里亞地區(qū)典型的商用半硬奶酪Formaggetta 成熟過程的可視化監(jiān)測。

表面增強(qiáng)拉曼光譜儀（Surface-enhanced Raman spectroscopy，SERS）可以根據(jù)獨(dú)特的分子指紋對不同來源的食品物料進(jìn)行分析，尤其是針對油脂方面，較紅外光譜法能獲得更多的信息。Jiang等[7]開發(fā)的基于等離子金屬類液體平臺的SERS，具有高效、靈敏識別油脂指紋峰的能力，通過擬合模型與主成分分析快速進(jìn)行油脂過氧化值的定量。Difford 等[8]結(jié)合NIR 與SERS 對大西洋鮭魚圓角脂質(zhì)含量進(jìn)行測定，以快速篩選獲得脂質(zhì)含量適宜的育種。

激光誘導(dǎo)擊穿光譜（Laser-induced breakdown spectroscopy，LIBS）是一種原子發(fā)射光譜技術(shù)，它使用聚焦脈沖激光束從材料產(chǎn)生等離子體。等離子體包含原子、離子和自由電子，當(dāng)?shù)入x子體冷卻時，它們會發(fā)出電磁輻射，所發(fā)射的光由光譜儀分辨以形成光譜[9]。LIBS 具有同時定量多種重金屬元素的能力。例如Su 等[10]提出了一種基于LIBS的分析羊棲菜中砷、鉻、鎘、銅、汞、鉛和鋅的方法。Akin 等[11]根據(jù)LIBS 信息，使用偏最小二乘回歸分析法（PLS-DA）分析面粉樣品中的元素組成，提供一種快速測定玉米-高粱混合面粉中高粱含量的方法，避免了樣品繁瑣的前處理。由于肌動蛋白與肌球蛋白的組成差異，Sezer 等[12]對牛肉、雞肉、豬肉3 種常見的肉類進(jìn)行LIBS 檢測，采用主成分分析法區(qū)別不同肉類的聚類模式。

1.2 電學(xué)檢測技術(shù)

電學(xué)檢測技術(shù)主要包括基于食品基質(zhì)電物性和電化學(xué)特性的分析方法，其中電物性主要包括物質(zhì)的導(dǎo)電特性和介電特性，與食品的組織、結(jié)構(gòu)、成分和狀態(tài)密切相關(guān)，因此利用該特性在食品智能制造中進(jìn)行品質(zhì)檢測意義重大。Z.ywica 等[13]通過測定阻抗、電容、電導(dǎo)和電阻等電學(xué)參數(shù)，構(gòu)建了與蘋果醬濃度和品質(zhì)相對應(yīng)的電學(xué)模型，該模型能夠?qū)崿F(xiàn)生產(chǎn)過程的蘋果醬品質(zhì)在線監(jiān)控。Ma 等[14]采用類似的方法，建立了基于導(dǎo)電特性的腌制大蒜的質(zhì)量檢測模型，實(shí)現(xiàn)了加工過程中可滴定酸度、pH 值、水分和鹽含量的實(shí)時監(jiān)測。Olmi 等[15]利用微波（200 MHz、20 GHz）對啤酒發(fā)酵的全過程進(jìn)行監(jiān)測，發(fā)現(xiàn)發(fā)酵液介電常數(shù)的變化能夠反映發(fā)酵過程中葡萄糖轉(zhuǎn)化為乙醇和CO2的全過程。Velázquez-Varela 等[16]研究了奶酪在發(fā)酵過程中的鹽化環(huán)節(jié)，發(fā)現(xiàn)20 GHz 處的介電常數(shù)與奶酪鹽化過程中的水損失和水通量變化顯著相關(guān)；而利用500 MHz 處的離子電導(dǎo)率，可以跟蹤奶酪中電解質(zhì)的狀態(tài)，因此，通過耦合20 GHz 和500 MHz 的介電常數(shù)，可以預(yù)測奶酪鹽化過程中的化學(xué)成分及結(jié)構(gòu)變化。

電化學(xué)特性則涉及電流、電阻、電壓等參數(shù)的變化，在實(shí)際監(jiān)測過程中通過已建立的與待測樣品濃度之間的線性關(guān)系，確定該樣品的組分含量，目前主要應(yīng)用于食品基質(zhì)中微量或痕量的污染物（農(nóng)藥、獸藥、重金屬、食源性致病菌、生物毒素和非法添加劑等）、發(fā)酵液組分和食源性功能性因子含量（槲皮素和咖啡酸等）的檢測中[17-18]。Badalyan等[19]制備了聚丙烯酰胺/瓊脂/石墨烯炭黑電極，并成功將其應(yīng)用于與食物接觸的不銹鋼表面大腸桿菌菌落數(shù)量的快速精確測定。馬含月[20]構(gòu)建了基于納米多孔金的電化學(xué)傳感器，實(shí)現(xiàn)了對發(fā)酵過程中多種發(fā)酵產(chǎn)物（抗壞血酸、多巴胺、維生素B2、維生素B6和金霉素等）濃度的實(shí)時檢測。Zhuang等[21]采用普魯士藍(lán)納米立方芯片設(shè)計(jì)了一種轉(zhuǎn)化酶/變旋酶/葡萄糖氧化酶多酶復(fù)合電化學(xué)生物傳感器，用于發(fā)酵培養(yǎng)基和果汁中蔗糖和葡萄糖含量的監(jiān)測，該傳感器的響應(yīng)時間最短可達(dá)20 s。

目前，基于電物性的電學(xué)檢測技術(shù)已在食品加工過程中廣泛應(yīng)用，而基于電化學(xué)特性的傳感器檢測技術(shù)研究仍處于起步階段。目前基于電物性的檢測技術(shù)沒有形成統(tǒng)一的泛化模型架構(gòu)，使得加工條件和食品基質(zhì)組分對模型的精確度影響較大；而基于電化學(xué)特性的傳感器檢測技術(shù)對檢測環(huán)境要求相對穩(wěn)定、響應(yīng)時間長，尚不能夠直接應(yīng)用于動態(tài)、快速、多組分的食品加工過程監(jiān)測。結(jié)合機(jī)器學(xué)習(xí)方法開展對多因素目標(biāo)和多組分食品基質(zhì)的模型優(yōu)化，以及開發(fā)響應(yīng)速度快、價格低廉、環(huán)境友好的多靶標(biāo)檢測微陣列，將是未來電學(xué)檢測技術(shù)的發(fā)展方向。

1.3 其它檢測技術(shù)

除上述光學(xué)與電學(xué)檢測技術(shù)外，聲學(xué)與磁學(xué)在食品智能制造過程中也有初步的應(yīng)用研究。超聲是一種頻率高于20 kHz 的縱波，也是一種能量傳遞形式，可攜帶一定量的信息。比如，基于食品的機(jī)械和聲學(xué)響應(yīng)，將聲學(xué)系統(tǒng)與質(zhì)構(gòu)分析儀配對的新方法在食品領(lǐng)域開展了應(yīng)用[22]。Mantelet等[23]研究了超聲用于實(shí)時探測食物與舌頭表面相互作用力有關(guān)的物理現(xiàn)象，為超聲傳感器表征舌-食物界面提供了良好借鑒。在以后的研究中，基于超聲-食品物料響應(yīng)的傳感技術(shù)可能會被更多地開發(fā)，用于滿足智能制造的需求。

核磁共振（NMR）的原理是由每個分子或官能團(tuán)特有的磁自旋旋轉(zhuǎn)發(fā)出核磁共振信號，這個信號可以被無線電接收器捕捉并讀取，且共振頻率和分子內(nèi)磁場相關(guān)，從而特異性地為單個化合物提供光譜信號特征，主要用于各種樣品安全監(jiān)測的化合物的鑒定和定量。Dowlatabadi 等[24]使用NMR 氫譜和多元數(shù)據(jù)分析技術(shù)快速檢測藏紅花的成分，構(gòu)建的模型表現(xiàn)出極高的靈敏度和精度。

2 仿生傳感技術(shù)的應(yīng)用

2.1 機(jī)器視覺

機(jī)器視覺（Machine vision）是一門結(jié)合力學(xué)、光學(xué)、電磁傳感和數(shù)字視頻的工程技術(shù)。該項(xiàng)技術(shù)使用相機(jī)和計(jì)算機(jī)代替人眼識別、跟蹤和測量目標(biāo)，并做進(jìn)一步的圖像處理。與傳統(tǒng)檢測方法不同，這種基于機(jī)器視覺的新型檢測方法，一方面可以保證在整個檢測過程中檢測設(shè)備不直接接觸產(chǎn)品，大大避免了對產(chǎn)品的二次損害或污染；另一方面通過利用紅外線、微波等掃描技術(shù)最大程度地提高檢測效率，擴(kuò)展檢測范圍。基于以上特點(diǎn)，機(jī)器視覺技術(shù)在食品自動檢測領(lǐng)域得到迅速發(fā)展和應(yīng)用，被廣泛用于對各類食品的質(zhì)量監(jiān)控。Chen等[25]開發(fā)了一種基于機(jī)器視覺的茶葉揀選系統(tǒng)，用于新鮮茶葉的分揀（圖1），由視覺模塊捕獲圖像，由控制系統(tǒng)記錄傳送帶上的位移信息并發(fā)送至主機(jī)，由執(zhí)行模塊在主機(jī)完成揀選后，執(zhí)行模塊會將傳送帶上新鮮茶葉按照等級不同吹入相應(yīng)的分類箱中，可大大提高分揀效率，促進(jìn)茶葉加工的智能化發(fā)展。日本的Makino 等[26]開發(fā)了一種基于機(jī)器視覺的方法檢測西蘭花的新鮮度，與傳統(tǒng)方法相比，這種新方法大大提高了檢測效率和準(zhǔn)確度（96%）。Wang 等[27]研究了玉米粒含水量和機(jī)器視覺圖像特征的相關(guān)性，在糧食水分的快速測量中具有潛在的應(yīng)用前景。為了進(jìn)一步拓寬機(jī)器視覺技術(shù)在食品行業(yè)的應(yīng)用范圍，研究者開發(fā)出一系列便攜式手持設(shè)備，例如Srivastava 等[28]開發(fā)一種用于柑橘品質(zhì)檢測的機(jī)器視覺手持設(shè)備，檢測人員只需操作智能手機(jī)的應(yīng)用程序即可對柑橘的品質(zhì)進(jìn)行精確檢測。

近年來，在機(jī)器視覺技術(shù)中常引入深度學(xué)習(xí)技術(shù)（Deep learning），以更好地實(shí)現(xiàn)其在復(fù)雜食品工業(yè)中的應(yīng)用。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個重要分支，通過使用反向傳播算法（Back propagation algorithm）來發(fā)現(xiàn)大型數(shù)據(jù)集中復(fù)雜的結(jié)構(gòu)，并指示機(jī)器改變其內(nèi)部參數(shù)[29]，現(xiàn)已廣泛應(yīng)用于人工智能的各個領(lǐng)域。其中深度卷積神經(jīng)網(wǎng)絡(luò)（Deep convolutional neural network）是圖像分析領(lǐng)域中最重要、最成功的深度學(xué)習(xí)方法。Cavallo 等[30]構(gòu)建了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器視覺檢測系統(tǒng)監(jiān)控新鮮蔬菜的質(zhì)量，具有很高的準(zhǔn)確度和商業(yè)應(yīng)用潛力。Farooq 等[31]將深度學(xué)習(xí)機(jī)器視覺系統(tǒng)應(yīng)用于食品揀選分類中。其它一些研究在嘗試將深度學(xué)習(xí)機(jī)器視覺系統(tǒng)應(yīng)用于蘋果、番茄和芒果等水果的檢測，葉片類型及其疾病的分類以及雜草檢測中[32]。Nasiri 等[33]將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于機(jī)器視覺檢測系統(tǒng)，對雞蛋進(jìn)行精確揀選，具有巨大的商業(yè)應(yīng)用價值。

2.2 機(jī)器嗅覺

機(jī)器嗅覺，俗稱電子鼻或者仿生嗅覺，是利用化學(xué)傳感器與電子計(jì)算機(jī)技術(shù)對物質(zhì)氣味或者物質(zhì)揮發(fā)物進(jìn)行分析和研究的感知技術(shù)。早期以偏振微電極作為傳感裝置，結(jié)果發(fā)現(xiàn)這種裝置可以模擬人類的嗅覺感受器官，對不同氣味的差異反應(yīng)特異性，與人體嗅覺受體部位發(fā)生的相似[34]。隨著氣敏傳感器陣列的發(fā)展，Persaud 等[35]結(jié)合了陣列式傳感器和適當(dāng)?shù)哪Ｊ阶R別算法，設(shè)計(jì)出能識別21 種氣味的裝置，并提出電子鼻的概念。

圖1 基于視覺的揀選系統(tǒng)[25]Fig.1 Vision-based sorting system[25]

如今，機(jī)器嗅覺所使用的傳感器陣列數(shù)量從幾個提升為幾十個；從原來僅使用簡單的線性投影算法發(fā)展到對非線性算法的應(yīng)用。機(jī)器嗅覺可用于食品或農(nóng)產(chǎn)品品種、產(chǎn)地等分類，也可用于食品生產(chǎn)與貯藏過程中的品質(zhì)控制與監(jiān)測。Adak等[36]將MOSES II 電子鼻和ABC-Based 神經(jīng)網(wǎng)絡(luò)結(jié)合，對草莓、檸檬、櫻桃和甜瓜的氣味進(jìn)行分類。朱煜楓等[37]提出基于人工蜂群算法優(yōu)化的循環(huán)神經(jīng)網(wǎng)絡(luò)（ABC-RNN）算法，在降低網(wǎng)絡(luò)復(fù)雜度的同時具有更快的訓(xùn)練速率和更高的精度，實(shí)現(xiàn)了甜橙和獼猴桃兩種水果產(chǎn)地分類的快速識別。朱培逸等[38]將氣敏傳感器陣列與LabVIEW 相結(jié)合，設(shè)計(jì)出機(jī)器嗅覺的可視化工具，然后使用核主成分分析（KPCA）算法分析肉類氣味信息，能夠檢測出肉類的新鮮程度。Beltrán 等[39]綜述了機(jī)器嗅覺技術(shù)用于在線監(jiān)測橄欖油貯藏過程中的酸敗程度。Torri 等[40]將電子鼻與圖像數(shù)據(jù)分析結(jié)合，針對面包的氣味、顏色以及質(zhì)構(gòu)開展品質(zhì)評估，可用于面包品質(zhì)的快速無損檢測。Kaya 等[41]將“單一多數(shù)投票系統(tǒng)（SPVS）”分類算法模型用于機(jī)器嗅覺中，與傳統(tǒng)機(jī)器學(xué)習(xí)模型相比能忍受傳感器故障，并應(yīng)用在切割牛肉品質(zhì)評估與預(yù)測。

2.3 機(jī)器味覺

味覺仿生技術(shù)依托于機(jī)器味覺系統(tǒng)，是可以分辨物質(zhì)基本味覺的味覺感知系統(tǒng)。隨著近些年科技的發(fā)展，人類依據(jù)“仿生學(xué)”研究了大量的機(jī)器味覺系統(tǒng)，部分系統(tǒng)的檢測精度早己超過人類的味覺能力，其中最典型的被稱為電子舌系統(tǒng)。該系統(tǒng)基于電位傳感器陣列、金屬電極及伏安法、電化學(xué)阻抗譜等來模擬人類舌頭及大腦對味覺信息的處理過程。在食品的加工過程中通過電子舌檢測，既可以優(yōu)化加工過程，又可以檢測加工中食品的品質(zhì)，是近年來的研究熱點(diǎn)。Yan 等[42]通過電子舌結(jié)合主成分分析、聚類分析和相似性分析，分析室溫下新鮮椰子奶的變化，結(jié)果表明椰奶質(zhì)量在2～3 h 內(nèi)發(fā)生的變化最明顯，并與化學(xué)和微生物法分析比較，其結(jié)果與電子舌法結(jié)果一致。田懷香等[43]運(yùn)用電子舌采集雞肉香精的口感信息，采用多種算法進(jìn)行數(shù)據(jù)分析，得到最優(yōu)配方，并證明電子舌技術(shù)可優(yōu)化雞精的風(fēng)味。Winquist 等[44]利用基于伏安法的電子舌對進(jìn)廠的原料乳進(jìn)行監(jiān)控，防止原料乳存在發(fā)酸、腐臭現(xiàn)象或有化學(xué)殘留。李騰宇[45]研究發(fā)現(xiàn)電子舌能夠很好地應(yīng)用于紅糖醋發(fā)酵過程的檢測和監(jiān)控，通過主成分分析和聚類分析區(qū)分不同發(fā)酵過程的成分變化以及識別發(fā)酵階段，再進(jìn)一步通過反向傳播神經(jīng)網(wǎng)絡(luò)模型預(yù)測酒精發(fā)酵過程中還原糖和pH 值，醋酸發(fā)酵過程中總酸和pH 值。

2.4 機(jī)器觸覺

觸覺在感官評定中因食品的風(fēng)味和流變性質(zhì)等客觀因素以及評定者的專業(yè)水平、疲勞、適應(yīng)等主觀因素的影響而存在一定局限性[46]。使用仿生傳感技術(shù)對食品的觸覺品質(zhì)進(jìn)行評價具有重要意義，可以得到更立體、更接近人類感受的觸感，并得以表征更多傳統(tǒng)方法無法測定的食品質(zhì)構(gòu)特征。Liu 等[47]通過模擬舌頭的運(yùn)動狀態(tài)，使用陣列薄膜壓力傳感器感知食品的質(zhì)構(gòu)分布，實(shí)現(xiàn)了對食物細(xì)度感知的評估。Shibata 等[48]模仿牙齒和舌頭的咀嚼行為，對食品的脆性、易碎性、黏膩性、易融性進(jìn)行評估，準(zhǔn)確量化和模擬了人類口腔中的觸感（圖2）。Kohyama 等[49]通過模擬食物壓縮時舌頭的變形狀態(tài)，建立了評估食物被舌頭搗碎能力的方法，有助于老年保健食品的質(zhì)地評測。將觸覺傳感與數(shù)據(jù)分析、機(jī)械自動化等技術(shù)結(jié)合，可以促進(jìn)食品智能生產(chǎn)與制造。盧嫦娥等[50]使用重量傳感器、攝像頭、超聲波傳感器的組合對食品的質(zhì)量、厚度、紋路等作出判斷，從而發(fā)明了一種智能切菜機(jī)。鄒磊[51]發(fā)明了一種智能化食品包裝設(shè)備，對食品包裝的壓力進(jìn)行檢測，并在壓力異常時發(fā)出提示。在傳統(tǒng)質(zhì)構(gòu)儀的基礎(chǔ)上，無損檢測技術(shù)、仿生技術(shù)、建模技術(shù)、計(jì)算機(jī)技術(shù)等不斷發(fā)展，機(jī)器對人體觸覺的模擬將更為精準(zhǔn)、全面，在食品中的適用范圍也將更為廣泛，并將逐步在食品智能制造中發(fā)揮更多的作用。

3 潛在感知技術(shù)的應(yīng)用

3.1 太赫茲

太赫茲（Terahertz，THz）是介于微波和紅外輻射之間的電磁波，頻率位于0.1～10 THz （波長30 μm～3 mm）[52]，是一個相對未開發(fā)的范圍，許多分子的弱相互作用都可以在該頻率范圍得到體現(xiàn)，尤其是極性分子在THz 的頻率內(nèi)表現(xiàn)出強(qiáng)烈的吸收和色散現(xiàn)象。近幾年隨著THz 源和檢測器的硬件技術(shù)發(fā)展，使得THz 具有信噪比高、快速無損和能提供創(chuàng)新的傳感和成像技術(shù)，提供常規(guī)方法無法獲得的信息等優(yōu)點(diǎn)，在食品品質(zhì)和安全檢測[53-54]、抗生素和有害殘留物的檢測[55]及食用油和轉(zhuǎn)基因食品的表征[56]等方面得到初步應(yīng)用，也逐漸在智能感知技術(shù)中嶄露鋒芒。Stranzinger 等[57]使用THz反射技術(shù)預(yù)測生產(chǎn)過程中6 種粉末在移動粉末床中的密度變化情況，發(fā)現(xiàn)基于THz 技術(shù)得出的表面折射率和粉末的相對密度有很好的相關(guān)性，從而能夠精準(zhǔn)地分辨出粉末在生產(chǎn)過程中的壓實(shí)情況。Ok 等[58]為原位感知出奶粉中的雜質(zhì)，使用在亞THz 的210 GHz 光譜范圍的高分辨率光柵掃描成像系統(tǒng)進(jìn)行檢測，結(jié)果表明：相比于X 射線透射成像技術(shù)，THz 成像技術(shù)在對昆蟲和塑料等非致密材料的檢測中更具優(yōu)勢。隨著THz 源、檢測器和系統(tǒng)的發(fā)展，THz 感知技術(shù)將在食品智能制造中具有廣闊的應(yīng)用前景。

圖2 牙齒與舌頭的咀嚼行為及觸感模仿[48]Fig.2 Mastication with teeth and tongue and their imitation[48]

3.2 生物散斑成像

生物散斑成像 （Bio-speckle imaging，BSI）是一種新穎的快速、無損和低成本的感知技術(shù)，在評估生物組織的過程變化中具有很大的價值。BSI通過相關(guān)激光照射到樣本中感興趣的區(qū)域，因散射光線互相干擾和生物組織的變化而在時域上出現(xiàn)不同的散斑圖案，其中固定粒子形成靜態(tài)圖案，與無機(jī)部分有關(guān)[59]，而動態(tài)粒子產(chǎn)生動態(tài)圖案，是生物材料所特有的特征。BSI 感知技術(shù)可以提供生物組織的生物和物理特征，被逐漸運(yùn)用于種子活力的評估[60]、食品真菌污染檢測[61]和蔬果表面損傷感知[62]等領(lǐng)域。Rahmanian 等[63]首次應(yīng)用BSI 和化學(xué)計(jì)量學(xué)方法對橙子冷藏和冷凍過程中的生物活性進(jìn)行感知，結(jié)果發(fā)現(xiàn)建立的人工神經(jīng)網(wǎng)絡(luò)模型可以準(zhǔn)確評估橙子的冷凍情況，該方法對食品工業(yè)化制造過程中冷藏或冷凍食品損傷情況的智能感知提供理論指導(dǎo)，以及時處理凍傷的食品，減少經(jīng)濟(jì)損失。隨著未來進(jìn)一步提高光源的穩(wěn)定性、產(chǎn)品的便攜性以及提高感知模型的處理能力[59]，BSI 有望在感知食品加工過程中的食品表面特征，包括物化特性、微生物數(shù)量和農(nóng)殘情況以及內(nèi)部品質(zhì)等方面開展進(jìn)一步的應(yīng)用。

3.3 融合感知

眾所周知，食品的加工制造過程往往是一個復(fù)雜、多變的非線性反應(yīng)過程，食品的結(jié)構(gòu)也是復(fù)雜且動態(tài)的，在宏觀層面上其分子運(yùn)動呈現(xiàn)出晶態(tài)、玻璃態(tài)、黏彈態(tài)、凝聚態(tài)等多相態(tài)特征[64]。單一的感知技術(shù)僅能獲取加工過程中單一維度的信息，無法準(zhǔn)確描繪食品加工過程的變化，更無法精準(zhǔn)控制食品的制造過程。為了獲取食品在制造過程中更全面、可靠的信息，為提高食品制造系統(tǒng)的精準(zhǔn)性和穩(wěn)定性，采用多種感知技術(shù)相互融合，以彌補(bǔ)單一感知技術(shù)信息缺陷問題，強(qiáng)化有效信息，削弱無用信息，達(dá)到取長補(bǔ)短的目的[65]。

融合感知是一種策略，它定義了如何將不同感知技術(shù)獲取的信息融合在一起，來全面理解樣本的協(xié)議[65]。如圖3所示，在學(xué)術(shù)研究中，根據(jù)融合信息的類別可將其分為3 個級別：①數(shù)據(jù)層融合：將不同感知技術(shù)采集到的樣本信息直接進(jìn)行融合。雖然能獲得樣本的全面信息，但是也使數(shù)據(jù)量爆炸式增長以及帶來大量的噪音和冗余信息，影響建模的精度和速度。②特征層融合：將不同感知技術(shù)獲取的信息先進(jìn)行特征提取后融合。該方法可以大大降低處理數(shù)據(jù)的維度，減少噪音干擾，進(jìn)而提高計(jì)算精度和效率，然而由于不同感知技術(shù)收集到的信息通常處于不同的形狀和范圍，因此需對每個數(shù)據(jù)矩陣進(jìn)行重塑、規(guī)范化處理。③決策層融合：將多個分析模型的結(jié)果進(jìn)行綜合評估，是一種典型的決策融合策略。該方法抗干擾能力強(qiáng)，有較好的容錯能力，然而其預(yù)處理代價過高，信息損失嚴(yán)重。

目前，隨著智能感知技術(shù)的多樣化發(fā)展，融合技術(shù)被廣泛應(yīng)用于食品智能制造過程的感知。如圖4所示，Mishra 等[66]建立了一個將4 種感知技術(shù)融合在一起的裝置，以對容器內(nèi)的反應(yīng)過程進(jìn)行有效監(jiān)控，更好地控制設(shè)備的工作情況。許唯棟[67]將兩種光程互補(bǔ)的近紅外光譜和拉曼光譜技術(shù)有效地融合，精準(zhǔn)、高效地對酵母菌發(fā)酵過程和乙醇固態(tài)發(fā)酵過程進(jìn)行監(jiān)控。Liu 等[68]將高光譜與電子鼻數(shù)據(jù)分別在數(shù)據(jù)層和特征層上融合，以實(shí)現(xiàn)對草莓貯藏過程中微生物含量、總可溶性固形物和可滴定酸的高效監(jiān)測。融合感知技術(shù)已逐漸在現(xiàn)代化食品智能制造行業(yè)中展現(xiàn)出獨(dú)特的優(yōu)勢，需被重點(diǎn)關(guān)注和應(yīng)用，以實(shí)現(xiàn)對食品制造過程的精準(zhǔn)監(jiān)控。

圖3 3 個層次的融合策略[65]Fig.3 The scheme of three levels fusion strategies[65]

圖4 多光譜融合系統(tǒng)[66]Fig.4 Scheme of multispectral fiber system[66]

4 結(jié)論與展望

食品的加工制造過程是一個復(fù)雜、多變的非線性反應(yīng)過程，其中食品的結(jié)構(gòu)也是復(fù)雜且動態(tài)的。智能感知技術(shù)正由單一維度的感知技術(shù)朝著多維度的融合感知技術(shù)發(fā)展。不斷豐富的感知技術(shù)以及擴(kuò)大的感知范圍，雖然豐富了樣本信息，但是也帶來了數(shù)據(jù)分析的難點(diǎn)。高效的數(shù)據(jù)篩選、圖像處理算法和穩(wěn)定的建模方法結(jié)合深度學(xué)習(xí)的探討與應(yīng)用尚需進(jìn)一步的開發(fā)、研究，以實(shí)現(xiàn)食品智能加工與制造過程中的精準(zhǔn)控制，提高系統(tǒng)的穩(wěn)定性。智能感知技術(shù)將與數(shù)字化制造、人機(jī)交互、智能診斷、大數(shù)據(jù)分析等技術(shù)一同為我國食品智能制造發(fā)展之路鋪下堅(jiān)石。