基于多光譜圖像技術(shù)的食品質(zhì)量檢測方法

付洪妍

摘 要：為解決傳統(tǒng)食品質(zhì)量檢測方法在實(shí)際應(yīng)用中存在檢測結(jié)果準(zhǔn)確率低的問題，開展基于多光譜圖像技術(shù)的食品質(zhì)量檢測方法設(shè)計(jì)研究。通過基于多光譜圖像技術(shù)的食品多光譜圖像獲取、建立基于化學(xué)計(jì)量學(xué)的食品質(zhì)量評價(jià)模型、食品質(zhì)量定量與定性評價(jià)，提出一種全新的檢測方法。通過實(shí)驗(yàn)證明，新的檢測方法檢測結(jié)果的CR值更高，說明檢測結(jié)果的準(zhǔn)確性更高。

關(guān)鍵詞：多光譜;圖像技術(shù);食品質(zhì)量

食品質(zhì)量的問題一直是我國質(zhì)量安全檢測單位的關(guān)注重點(diǎn)，在人們生活質(zhì)量呈現(xiàn)一種上升趨勢后，與此方面相關(guān)的研究受到了越來越多人的關(guān)注。食品生產(chǎn)商為了促進(jìn)群體的消費(fèi)，制作食品的工序越來越多，生產(chǎn)的食品種類也越來越多，但隨之帶來的食品質(zhì)量與食品安全問題也逐漸增多。在工業(yè)化發(fā)展進(jìn)程持續(xù)加快的社會(huì)背景下，新型食品添加劑的安全性成為了消費(fèi)者的關(guān)注核心，多個(gè)國家都曾發(fā)生過由于食品質(zhì)量不達(dá)標(biāo)而引起的安全性問題，如禽流感、瘋牛病等[1]，我國早期的三鹿奶粉事件也是由于食品質(zhì)量不達(dá)標(biāo)導(dǎo)致的。

為了加強(qiáng)對食品質(zhì)量的管控效果，技術(shù)單位提出了場景檢測、定量檢測等質(zhì)量檢測手段，但大部分檢測方法所需要耗費(fèi)的成本較高，且一些檢測方法在實(shí)際應(yīng)用中沒有統(tǒng)一的評價(jià)標(biāo)準(zhǔn)，在不同程度上對食品質(zhì)量檢測造成負(fù)面干擾[2]。因此，本研究提出了多光譜圖像技術(shù)應(yīng)用于食品質(zhì)量檢測的建議，通過像素識(shí)別的方式，對焦點(diǎn)信息和質(zhì)量信息進(jìn)行深度檢測。目前，此項(xiàng)技術(shù)已被廣泛應(yīng)用到光學(xué)圖像識(shí)別、電子數(shù)據(jù)處理等研究領(lǐng)域，但食品質(zhì)量檢測等領(lǐng)域還未涉足。本文借鑒早期研究成果，對此方面進(jìn)行設(shè)計(jì)與研究，致力于為消費(fèi)者提供更加安全的食品。

1 食品質(zhì)量檢測方法

1.1 基于多光譜圖像技術(shù)的食品多光譜圖像獲取

在對食品質(zhì)量進(jìn)行檢測時(shí)，引入多光譜圖像技術(shù)，首先要對食品的多光譜圖像進(jìn)行獲取。利用多光譜成像儀，見圖1，根據(jù)不同食品結(jié)構(gòu)特點(diǎn)，通過調(diào)節(jié)波長掃描從可見光到近紅外共20個(gè)波段的信息，形成一個(gè)具有高分辨率的光譜圖像，并在光譜圖像中獲取每個(gè)像素上的400～950 nm信息[3]。

將上位機(jī)與多光譜成像儀連接，并在上位機(jī)當(dāng)中的VideometerLab軟件上對獲取到的圖像進(jìn)行處理，其具體操作為：①將多光譜成像儀和VideometerLab打開，在軟件當(dāng)中對成像儀進(jìn)行初始化，并啟動(dòng)發(fā)光二極管當(dāng)中的光脈沖序列，預(yù)熱25 min;②在顯示界面當(dāng)中通過“Up”按鈕實(shí)現(xiàn)成像儀的上下運(yùn)動(dòng)。將被檢測的食品放入到樣品臺(tái)上，在確保檢測環(huán)境為封閉狀態(tài)時(shí)，根據(jù)被檢測食品的大小，對其位置進(jìn)行調(diào)節(jié);③通過自動(dòng)校光設(shè)置，定義曝光參數(shù)的動(dòng)態(tài)范圍，利用成像儀對其進(jìn)行拍攝;④經(jīng)過校準(zhǔn)后，啟動(dòng)VideometerLab的圖像采集功能，并針對需要進(jìn)行檢測的食品多光譜圖像進(jìn)行區(qū)域劃分，完成對食品多光譜圖像的獲取。

1.2 建立基于化學(xué)計(jì)量學(xué)的食品質(zhì)量評價(jià)模型

在上述食品多光譜圖像的基礎(chǔ)上，對其質(zhì)量進(jìn)行評價(jià)，為確保評價(jià)結(jié)果的可靠性引入化學(xué)計(jì)量學(xué)，構(gòu)建一個(gè)食品質(zhì)量評價(jià)模型[4]。通過非線性映射函數(shù)簡化對食品質(zhì)量的評價(jià)過程，模型可用如下公式表示：

式中，R表示基于化學(xué)計(jì)量學(xué)的食品質(zhì)量評價(jià)模型;I表示食品質(zhì)量評價(jià)校準(zhǔn)集中的數(shù)據(jù);y表示被檢測食品的質(zhì)量測量值;yi表示被檢測食品的質(zhì)量預(yù)測值;表示被檢測食品的質(zhì)量平均值。

由于上述獲取到的食品多光譜圖像當(dāng)中含有與待測質(zhì)量無關(guān)的因素，為了防止這一部分因素對檢測結(jié)果造成的影響，需要將圖像當(dāng)中無用信息剔除，以此提高食品質(zhì)量評價(jià)模型的評價(jià)能力和穩(wěn)定性。

1.3 食品質(zhì)量定量與定性評價(jià)

根據(jù)食品質(zhì)量定量和定性評價(jià)標(biāo)準(zhǔn)，通過校準(zhǔn)及樣本點(diǎn)正確判別率作為評價(jià)輔助，開展針對食品質(zhì)量的定量評價(jià)。在多光譜圖像和基于化學(xué)計(jì)量學(xué)的食品質(zhì)量評價(jià)模型的基礎(chǔ)上，結(jié)合模糊數(shù)學(xué)對被檢測食品的特性進(jìn)行描述和判斷。針對影響食品質(zhì)量的各項(xiàng)指標(biāo)，得出其定量評價(jià)結(jié)果計(jì)算公式：

式中：H表示食品質(zhì)量定量評價(jià)結(jié)果;K表示評價(jià)指標(biāo)標(biāo)準(zhǔn)化處理后的定量數(shù)值;Q表示用于對食品質(zhì)量進(jìn)行評價(jià)的權(quán)重分配數(shù)值。根據(jù)上述公式計(jì)算得出食品質(zhì)量的定量評價(jià)結(jié)果。

針對食品質(zhì)量的定性評價(jià)，可不采用數(shù)學(xué)方法，結(jié)合多光譜圖實(shí)際表現(xiàn)、狀態(tài)等觀察得出的結(jié)果，針對食品質(zhì)量進(jìn)行定性結(jié)論的價(jià)值判斷[5]。根據(jù)不同類型食品質(zhì)量等級標(biāo)準(zhǔn)，對其質(zhì)量等級進(jìn)行判斷。以禽畜水產(chǎn)罐頭為例，一級為色澤、淀粉含量、蛋白質(zhì)含量等指標(biāo)均在優(yōu)級和一級品等級;二級為色澤、蛋白質(zhì)含量等指標(biāo)均在一級品等級;三級為色澤、蛋白質(zhì)含量等指標(biāo)均在普通級等級內(nèi)。通過從多光譜成像儀獲取到的圖像，可以直接對食品的光澤進(jìn)行觀察，以此對其進(jìn)行定性評價(jià)。

2 兩種食品質(zhì)量檢測方法CR值比較

結(jié)合本文上述內(nèi)容，引入一種全新的多光譜圖像技術(shù)應(yīng)用到食品質(zhì)量檢測中。為確保實(shí)驗(yàn)的可對比性，選擇將新的檢測技術(shù)與傳統(tǒng)基于化學(xué)儀器分析技術(shù)的檢測方法，針對5種不同類型食品，對其質(zhì)量進(jìn)行檢測。為了確保實(shí)驗(yàn)結(jié)果的可對比性，選擇將兩種方法完成檢測后的檢測結(jié)果正確率作為實(shí)驗(yàn)評價(jià)指標(biāo)，其計(jì)算公式如式（3）：

式中：CR表示兩種方法檢測結(jié)果的正確率，Nc表示正確檢測樣本數(shù)量;Nnc表示錯(cuò)誤檢測樣本數(shù)量。根據(jù)上述公式對兩種檢測方法的檢測結(jié)果進(jìn)行記錄，并繪制成如表1所示的檢測結(jié)果對比表。從表1的實(shí)驗(yàn)結(jié)果可以看出，針對5種不同類型的食品，本文檢測方法的CR值明顯高于傳統(tǒng)檢測方法的CR值。由于CR值越高代表檢測結(jié)果的正確率越高，檢測效果越理想，實(shí)驗(yàn)證明，引入多光譜圖像技術(shù)后，食品質(zhì)量檢測方法的檢測準(zhǔn)確性得到提升，并且通過多光譜成像儀的應(yīng)用，進(jìn)一步實(shí)現(xiàn)了對食品質(zhì)量的快速檢測。

3 結(jié)語

多光譜圖像技術(shù)的出現(xiàn)和在食品質(zhì)量檢測當(dāng)中的應(yīng)用能夠?qū)崿F(xiàn)對食品種類、產(chǎn)地、真?zhèn)蔚冗M(jìn)行快速、準(zhǔn)確地鑒別。同時(shí)，在食品工業(yè)領(lǐng)域中對多光譜圖像技術(shù)進(jìn)行廣泛應(yīng)用也能夠進(jìn)一步推動(dòng)我國食品工業(yè)技術(shù)的發(fā)展和創(chuàng)新，為食品行業(yè)帶來更大的經(jīng)濟(jì)和社會(huì)效益。

參考文獻(xiàn)

[1]劉步青，龍肖冶.人工智能多光譜圖像技術(shù)在食品品質(zhì)檢測中的應(yīng)用：評《多光譜食品品質(zhì)檢測技術(shù)與信息處理研究》[J].食品工業(yè)，2020，41（12）：359.

[2]田雪蓮，周開拓，蘭承興，等.動(dòng)物性食品中磺胺類藥物多殘留檢測能力驗(yàn)證質(zhì)量控制技巧[J].貴州畜牧獸醫(yī)，2020，44（6）：11-13.

[3]馬嬌妍，曹希越，韓憲忠，等.基于多光譜圖像技術(shù)的冷鮮羊肉新鮮度檢測[J].食品工業(yè)，2021，42（4）：478-482.

[4]李鑫星，朱晨光，傅澤田，等.基于無人機(jī)多光譜圖像的土壤水分檢測方法研究[J].光譜學(xué)與光譜分析，2020，40（4）：1238-1242.

[5]王春華.高效液相色譜技術(shù)在食品質(zhì)量檢測中的應(yīng)用[J].現(xiàn)代面粉工業(yè)，2020（1）：22-24.