紅外技術(shù)在農(nóng)產(chǎn)品安全領(lǐng)域的應(yīng)用

胡煒杰 廖曉恬 黃丹穎 陳亞舉 區(qū)曉陽

（1.廣東石油化工學(xué)院，廣東 茂名 525000； 2.茂名綠色化工研究院，廣東 茂名 525011）

保障農(nóng)產(chǎn)品安全是我國農(nóng)業(yè)發(fā)展的基礎(chǔ)。 傳統(tǒng)農(nóng)產(chǎn)品檢測(cè)方法存在時(shí)效長、 非無損、 效率低等缺點(diǎn)，已無法滿足農(nóng)產(chǎn)品安全監(jiān)測(cè)和檢測(cè)的客觀要求。 因此，具有非接觸、 實(shí)時(shí)快速、 形象直觀、 準(zhǔn)確性高、 運(yùn)用性廣等特點(diǎn)的農(nóng)產(chǎn)品安全在線檢測(cè)技術(shù)是現(xiàn)代農(nóng)業(yè)安全保障技術(shù)的必然發(fā)展方向。

紅外檢測(cè)是一種集光電成像、 計(jì)算機(jī)、 圖像處理為一體的精準(zhǔn)檢測(cè)技術(shù)，廣泛應(yīng)用于航空航天、天文、 氣象、 軍事、 工業(yè)、 農(nóng)業(yè)、 醫(yī)學(xué)、 交通和民用等領(lǐng)域。 英國天文學(xué)家ABNEY 和FESTING 在1881年首次發(fā)現(xiàn)，近紅外光譜區(qū)域的吸收光譜段和含氫基團(tuán)有密切關(guān)系。 20 世紀(jì)初，紅外技術(shù)逐漸應(yīng)用于分析各種物質(zhì)的吸收、 發(fā)射和反射等光譜特性，美國農(nóng)業(yè)部工程師NORRIS 利用近紅外光譜對(duì)農(nóng)業(yè)產(chǎn)品進(jìn)行快速分析。 隨著計(jì)算機(jī)技術(shù)的不斷創(chuàng)新，提取近紅外光譜信息、 消除背景干擾、 處理近紅外光譜信息等數(shù)據(jù)分析過程中的繁瑣難點(diǎn)得以解決。 瑞典化學(xué)家WOLD 和美國華盛頓大學(xué)教授KOWALSKI 創(chuàng)立的化學(xué)計(jì)量學(xué)與紅外光譜相結(jié)合，其分析速度、 計(jì)算結(jié)果遠(yuǎn)比傳統(tǒng)方法高效、 精確，進(jìn)一步促進(jìn)了紅外技術(shù)的廣泛應(yīng)用[1～2]。

紅外技術(shù)在農(nóng)業(yè)領(lǐng)域多用于利用融合紅外技術(shù)的農(nóng)業(yè)機(jī)械設(shè)備對(duì)農(nóng)業(yè)物料進(jìn)行加熱等處理[3]，在農(nóng)產(chǎn)品安全生產(chǎn)全流程管控方向的應(yīng)用較少。 趙其國等[4]在闡述我國農(nóng)業(yè)發(fā)展面臨的機(jī)遇時(shí)表明，我國農(nóng)產(chǎn)品需求不斷增長，農(nóng)業(yè)科技創(chuàng)新潛力巨大。 在此背景下，基于紅外技術(shù)的農(nóng)產(chǎn)品安全檢測(cè)和監(jiān)測(cè)技術(shù)及裝備在現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)中具有良好應(yīng)用前景，是我國實(shí)施鄉(xiāng)村振興戰(zhàn)略的關(guān)鍵創(chuàng)新技術(shù)之一。 本文總結(jié)了國內(nèi)外紅外技術(shù)在農(nóng)產(chǎn)品生產(chǎn)安全、 儲(chǔ)藏安全、 加工與流通安全方面的應(yīng)用研究進(jìn)展，并展望了基于紅外技術(shù)和大數(shù)據(jù)的農(nóng)產(chǎn)品全生命周期在線快速檢測(cè)系統(tǒng)的實(shí)踐運(yùn)用前景。

一、 基于農(nóng)產(chǎn)品生產(chǎn)安全的紅外技術(shù)

農(nóng)產(chǎn)品生產(chǎn)過程易受氣候、 地形、 土壤等因素影響，其中生長環(huán)境的變化和病蟲害的侵襲是在農(nóng)產(chǎn)品生產(chǎn)階段影響產(chǎn)量和質(zhì)量的重要因素，且一旦發(fā)生將難治理、 難根除。 為避免災(zāi)害發(fā)生造成的重大損失，應(yīng)開發(fā)具備及時(shí)性、 全面性、 高效性的農(nóng)產(chǎn)品檢測(cè)技術(shù)。 有關(guān)資料[5～21]顯示，紅外技術(shù)在監(jiān)測(cè)、 檢測(cè)和預(yù)測(cè)土壤環(huán)境部分指標(biāo)和農(nóng)作物病蟲害上已取得較好成果。

（一） 病蟲害檢測(cè)及時(shí)發(fā)現(xiàn)早期病蟲害發(fā)生并采取有效控制手段是農(nóng)作物病蟲害問題處理的關(guān)鍵，這樣不僅可保證糧食產(chǎn)量、 減小農(nóng)藥使用量，還對(duì)可持續(xù)發(fā)展具有重要意義。 但傳統(tǒng)病蟲害檢測(cè)方法時(shí)效長、 費(fèi)時(shí)費(fèi)力，已不能滿足現(xiàn)代農(nóng)業(yè)的需求。 紅外技術(shù)作為當(dāng)前以高實(shí)時(shí)性、 高精準(zhǔn)度為特點(diǎn)的新興檢測(cè)技術(shù)，基本具備檢出農(nóng)作物早期病蟲害的能力。

根據(jù)大量研究結(jié)果表明，紅外熱成像技術(shù)具備檢測(cè)被感染葉片和正常葉片溫度變化差異的能力，可作為農(nóng)作物早期病變的判斷依據(jù)。 李真[5]經(jīng)實(shí)驗(yàn)證實(shí)，患稻瘟病的水稻葉片感病部位和健康部位約有0.36～0.63℃的溫度特征差值； 李小龍等[6]分析紅外熱成像采集數(shù)據(jù)后得出，遭條銹菌侵染后的小麥葉片病害部位比周圍部位溫度特征值低0.62～0.87℃； 徐小龍[7]通過紅外成像儀對(duì)染黃瓜霜霉病和番茄花葉病的農(nóng)作物檢測(cè)發(fā)現(xiàn)，染黃瓜霜霉病的葉片和健康葉片有1℃的溫度差，染番茄花葉病的葉片和健康葉片間有0.5～1.2℃的溫度差； 劉夢(mèng)[8]建立的基于熱紅外圖像特征的農(nóng)作物冠層病害診斷模型具有較高準(zhǔn)確率，其判斷依據(jù)是冠層病害癥狀與溫度特征之間的非線性映射關(guān)系。

此外，其他紅外檢測(cè)技術(shù)同樣具備檢測(cè)農(nóng)作物早期病變的能力。 如可見光－近紅外（VIS－NIR）分光輻射儀檢測(cè)早期葡萄卷葉病[9]、 近紅外高光譜成像（HSI－NIR） 系統(tǒng)預(yù)防黃瓜綠斑駁花葉病毒病[10]等，皆展現(xiàn)較高準(zhǔn)確率。

在蟲害監(jiān)測(cè)方面，近年來蟲災(zāi)發(fā)生頻率的上升和災(zāi)害程度的加劇，使農(nóng)產(chǎn)品生產(chǎn)過程對(duì)蟲害監(jiān)測(cè)產(chǎn)生迫切需求。 20 世紀(jì)90年代，我國開始利用遙感技術(shù)監(jiān)測(cè)蝗蟲生境數(shù)據(jù)，通過地理信息系統(tǒng)的空間分析和數(shù)據(jù)綜合能力，實(shí)現(xiàn)遙感數(shù)據(jù)和地面數(shù)據(jù)的融合，對(duì)蝗蟲發(fā)生期和發(fā)生地進(jìn)行預(yù)測(cè)[11]。 近紅外光譜（NIRS）技術(shù)具有鑒定蝗蟲種類[12]、 分析蝗蟲產(chǎn)卵地、 檢測(cè)病蟲害發(fā)生狀況和規(guī)律[13]的能力，與化學(xué)模式識(shí)別相結(jié)合能使預(yù)測(cè)效果進(jìn)一步加強(qiáng)，為我國發(fā)展蝗蟲自動(dòng)偵測(cè)系統(tǒng)提供技術(shù)支持。

除了蝗蟲，研究人員在其他常見農(nóng)產(chǎn)品蟲害監(jiān)測(cè)上同樣有相關(guān)研究成果。 高俊峰[14]用VIS－NIR高光譜系統(tǒng)對(duì)油菜蚜蟲進(jìn)行檢測(cè)與識(shí)別，基于主成分載荷貢獻(xiàn)率分析法（PCA－loading）提取的特征波長所建的最小二乘支持向量機(jī)（LS－SVM）模型，識(shí)別正確率為88.68%； ZHANG 等[15]基于NIRS 采集的棉鈴蟲、 甜菜夜蛾、 斜紋夜蛾、 玉米螟幼蟲光譜數(shù)據(jù)，建立偏最小二乘判別分析法（PLS－DA） 模型進(jìn)行預(yù)測(cè)和識(shí)別，準(zhǔn)確率為100%。

（二） 土壤環(huán)境監(jiān)測(cè)為避免環(huán)境變化對(duì)農(nóng)產(chǎn)品生產(chǎn)造成的影響，需對(duì)生長環(huán)境進(jìn)行監(jiān)測(cè)。 紅外技術(shù)可檢測(cè)土壤環(huán)境部分指標(biāo)，相對(duì)實(shí)驗(yàn)室樣品分析法效率更高、 成本更低。

土壤水分是農(nóng)作物生長過程中最重要的驅(qū)動(dòng)因素。 紅外技術(shù)結(jié)合無人機(jī)采集數(shù)據(jù)可實(shí)現(xiàn)對(duì)大范圍農(nóng)田土壤水分在線監(jiān)測(cè)。 郭輝等[16]以無人機(jī)采集的熱紅外遙感影像為數(shù)據(jù)源，基于熱慣量法反演田塊尺度的土壤含水量，建立土壤熱慣量和含水量之間的線性回歸模型，獲得決定系數(shù)R2＝0.71、 均方根誤差RMSE＝3.09%的監(jiān)測(cè)結(jié)果，展現(xiàn)較高的檢測(cè)精度； 馮珊珊等[17]設(shè)計(jì)基于無人機(jī)的快速檢測(cè)農(nóng)田土壤水分方法，通過無人機(jī)采集的隨機(jī)樣點(diǎn)多光譜（綠光、 紅光、 紅邊、 近紅外） 數(shù)據(jù)結(jié)合田間土壤水分探測(cè)數(shù)據(jù)、 垂直干旱指數(shù)快速構(gòu)建土壤水分反演模型，獲取大范圍土壤水分檢測(cè)結(jié)果，該方法精度較高，R2＞0.8，RMSE和系統(tǒng)誤差SE均＜0.1。

隨著農(nóng)業(yè)對(duì)實(shí)時(shí)性需求進(jìn)一步提高，部分研究逐漸往田間儀器實(shí)時(shí)監(jiān)測(cè)方向發(fā)展。 ZHOU 等[18]開發(fā)出基于NIRS 的原位土壤總氮－土壤水分檢測(cè)儀，用于準(zhǔn)確獲取土壤全氮和土壤水分含量，該儀器檢測(cè)精度高、 穩(wěn)定性好，可實(shí)時(shí)持續(xù)檢測(cè)； 張東興等[19]設(shè)計(jì)了一種基于VIS－NIR 光譜技術(shù)的播種溝內(nèi)土壤水分測(cè)量傳感器，真實(shí)值與預(yù)測(cè)值之間R2＝0.82、RMSE＝1.23%，滿足玉米等作物播種環(huán)節(jié)土壤水分含量的測(cè)量要求； 于瀟禹[20]對(duì)基于近紅外技術(shù)的土壤養(yǎng)分含量在線實(shí)時(shí)檢測(cè)系統(tǒng)開展研究，經(jīng)優(yōu)化后的檢測(cè)系統(tǒng)對(duì)黑土類型土壤中有機(jī)質(zhì)及總氮含量的預(yù)測(cè)值，與采用實(shí)驗(yàn)室檢測(cè)方法得到的準(zhǔn)確值分別有98.8%和95.7%的相關(guān)性，可實(shí)現(xiàn)田間在線測(cè)量； 劉雪梅[21]開發(fā)了一款基于NIRS 的便攜式土壤有機(jī)質(zhì)含量測(cè)定儀，通過軟件系統(tǒng)對(duì)土壤的反射率值進(jìn)行處理、 顯示、 存儲(chǔ)等操作，可直接在顯示屏上讀取土壤有機(jī)質(zhì)含量。

二、 基于農(nóng)產(chǎn)品儲(chǔ)藏安全的紅外技術(shù)

為保障正常市場(chǎng)供應(yīng)和國家戰(zhàn)略物資儲(chǔ)備，截至2018年，我國儲(chǔ)備糧食達(dá)標(biāo)準(zhǔn)倉房倉容6.7 億t、 簡(jiǎn)易倉容2.4 億t（數(shù)據(jù)來源于《中國的糧食安全》白皮書）。 儲(chǔ)糧品質(zhì)變化是一個(gè)連續(xù)、 波動(dòng)、 由量變到質(zhì)變的復(fù)雜過程，受多方面因素影響，如含水量高時(shí)易受霉菌感染，脂肪酸值升高時(shí)種子生活力下降，儲(chǔ)藏時(shí)間增加時(shí)糧食運(yùn)動(dòng)粘度下降、 糊化溫度上升等。 綜上，為維護(hù)糧食儲(chǔ)藏安全需要，需開發(fā)一種可在線實(shí)時(shí)監(jiān)測(cè)儲(chǔ)藏過程中多項(xiàng)指標(biāo)的技術(shù)。

（一） 霉菌毒素監(jiān)控黃曲霉、 青霉和鐮刀菌是產(chǎn)生毒素導(dǎo)致儲(chǔ)糧污染的主要霉菌，它們寄主范圍廣泛，其中花生和玉米最易受感染。 聯(lián)合國糧食及農(nóng)業(yè)組織數(shù)據(jù)表明，全世界每年有5%～7%的糧食、 飼料受霉菌侵染，因真菌毒素污染而造成的直接或間接經(jīng)濟(jì)損失達(dá)數(shù)百億美元。 紅外技術(shù)在檢測(cè)黃曲霉毒素、 鐮刀菌毒素方面都有廣泛的應(yīng)用。

1.黃曲霉毒素檢測(cè)。 黃曲霉毒素（AF）對(duì)人和動(dòng)物的肝臟及中樞神經(jīng)有很大的毒害作用，一次性大量攝入可造成人或動(dòng)物的急性中毒甚至死亡，小劑量長期攝入則可致畸、 致突變，甚至致癌。 現(xiàn)有AF 測(cè)定方法多數(shù)存在預(yù)處理過程復(fù)雜、 所用化學(xué)試劑繁多、 周期長等缺陷，不符合農(nóng)產(chǎn)品毒素監(jiān)控對(duì)實(shí)時(shí)快速的需求。 NIRS 可應(yīng)用于農(nóng)產(chǎn)品的AF定性、 定量檢測(cè)，沈飛等[22]利用NIRS 對(duì)感染黃曲霉菌稻谷樣品霉變狀態(tài)的判別正確率達(dá)92.5%； 吳啟芳[23]基于近紅外和中紅外建立糙米AF 的線性判別分析模型，對(duì)黃曲霉毒素B1（AFB1）、 黃曲霉毒素B2（AFB2）、 黃曲霉毒素G1（AFG1）、 黃曲霉毒素G2（AFG2） 及總量的交互驗(yàn)證正確率均高于90%，偏最小二乘回歸分析（PLSR）對(duì)各AF 含量的預(yù)測(cè)精度較高，相關(guān)系數(shù) （R）≥0.920，相對(duì)分析誤差（RPD）≥2.5； 張強(qiáng)[24]構(gòu)建了基于NIRS 的稻谷霉菌和毒素檢測(cè)數(shù)學(xué)模型，經(jīng)優(yōu)化可實(shí)現(xiàn)檢測(cè)低濃度AFB1含量，據(jù)此設(shè)計(jì)適用于現(xiàn)場(chǎng)在線檢測(cè)的便攜式貯藏稻谷霉菌和毒素指標(biāo)分析儀，為后續(xù)實(shí)際工作中的應(yīng)用研究提供理論和技術(shù)依據(jù)； 雜色曲霉素A （Versicolorin A） 可 作 為AFB1存 在 的 指 標(biāo)，ZHENG 等[25]基于NIRS 運(yùn)用極端梯度提升算法和支持向量機(jī)算法，建立了定量和兩級(jí)分類模型，定量模型RMSE＝3.57 μg/kg，分類方法準(zhǔn)確率為90.32%，可快速準(zhǔn)確檢測(cè)出玉米中的雜色曲霉素A 且無需預(yù)處理、 使用方便。

2.鐮刀菌毒素檢測(cè)。 鐮刀菌毒素是鐮刀菌屬真菌產(chǎn)生的高毒性、 低相對(duì)分子質(zhì)量的次級(jí)代謝產(chǎn)物總稱，包括玉米赤霉烯酮 （ZEA）、 脫氧雪腐鐮刀菌烯醇 （DON） 等，其廣泛存在于霉變的小麥、玉米、 大麥、 燕麥、 高粱等谷物中，對(duì)人和動(dòng)物的健康都存在極大威脅，同AF 一樣被看作是自然發(fā)生的最危險(xiǎn)食品污染物。

多項(xiàng)實(shí)驗(yàn)證實(shí)，紅外技術(shù)對(duì)受鐮刀菌毒素侵染的農(nóng)產(chǎn)品有較好辨別能力，為鐮刀菌毒素檢測(cè)提供比目前常用的化學(xué)測(cè)定法更快速、 環(huán)境友好和非破壞性的檢測(cè)方法。 JIN 等[26]開發(fā)一種基于近紅外熒光的新型雙側(cè)流免疫傳感器，經(jīng)實(shí)驗(yàn)參數(shù)優(yōu)化后可同時(shí)檢測(cè)出玉米中ZEA 和DON，檢出限分別為0.55 μg/kg 和3.8 μg/kg，加標(biāo)回收率為81.7%～107.3%，變異系數(shù)＜14%，與儀器法的檢測(cè)結(jié)果一致。 FEMENIAS 等[27]提出利用HSI－NIR 技術(shù)的空間識(shí)別特點(diǎn)對(duì)批次中受小麥鐮刀菌和DON 侵染的單個(gè)小麥籽粒進(jìn)行分選，在實(shí)驗(yàn)結(jié)果中展現(xiàn)了極高的分選準(zhǔn)確率和正確率。 崔貴金[28]依據(jù)小麥赤霉病感病率與DON 毒素含量的關(guān)系，基于NIRS 和偏最小二乘法 （PLS） 構(gòu)建小麥赤霉病感病率的預(yù)測(cè)模型，對(duì)小麥赤霉病感病程度預(yù)測(cè)正確率為86.49%； 并設(shè)計(jì)了赤霉病麥粒近紅外光電分選系統(tǒng)模型，為赤霉病麥粒的快速有效分選、 分離提供理論依據(jù)和技術(shù)參考。

（二） 蟲害監(jiān)控儲(chǔ)糧中的害蟲主要來源于原有糧倉殘留或糧食運(yùn)輸過程中外部入侵，導(dǎo)致儲(chǔ)糧發(fā)霉、 發(fā)熱、 品質(zhì)下降、 營養(yǎng)價(jià)值降低。 目前國內(nèi)外的儲(chǔ)糧害蟲檢測(cè)法主要為直觀檢查法和取樣檢查法，存在精確度低、 效率低、 難以檢查到隱藏害蟲的缺點(diǎn)。 隨著檢測(cè)技術(shù)的進(jìn)一步發(fā)展，近紅外分析技術(shù)被應(yīng)用于檢測(cè)儲(chǔ)糧害蟲，可辨別受害蟲侵害的樣品以及害蟲的蟲齡、 類型、 生命體征。

SANTOS 等[29]基于NIRS 建立的PLS－DA 模型對(duì)被玉米象侵染的高粱谷粒樣品和健康高粱谷物樣品分類準(zhǔn)確率為100%； NIRS 可應(yīng)用于檢測(cè)害蟲蟲齡或類型，MAGHIRANG 等[30]用NIRS 檢測(cè)儲(chǔ)存期超過兩個(gè)月、 具有各類蟲態(tài)的麥粒，將小麥粒內(nèi)的害蟲（包括死蟲和活蟲） 按形態(tài)和幼蟲大小分為活蛹、 大型幼蟲、 中型幼蟲，檢測(cè)所得到的準(zhǔn)確率分別是94%、 93%和84%； 張紅濤等[31～32]利用HSI－NIR 技術(shù)采集液氮低溫猝死法殺死的糧蟲谷蠹和米象的光譜數(shù)據(jù)后得出結(jié)論：隨著死亡時(shí)間的增加，糧蟲相對(duì)光譜反射率逐漸增大，基于該結(jié)論建立的辨別模型辨別活死蟲準(zhǔn)確率為100%。

但紅外技術(shù)對(duì)儲(chǔ)糧中的害蟲檢測(cè)準(zhǔn)確度易受3點(diǎn)因素影響[33]，一是紅外技術(shù)對(duì)樣品濕度較敏感，需經(jīng)常校正儀器； 二是對(duì)蟲害水平低的樣品難以準(zhǔn)確檢測(cè)辨別； 三是該技術(shù)屬于間接技術(shù)，對(duì)幼蟲的檢測(cè)不理想。

（三） 實(shí)時(shí)品質(zhì)監(jiān)控脂肪酸含量是我國評(píng)估儲(chǔ)糧品質(zhì)的一項(xiàng)指標(biāo)，儲(chǔ)藏期間小麥、 大豆等作物因陳化變質(zhì)導(dǎo)致脂肪酸含量升高時(shí)，其物理性狀還未顯示品質(zhì)劣變，因此脂肪酸含量可作為糧食陳化變質(zhì)的判定指標(biāo)。

多位學(xué)者研究表明，利用NIRS 可以較好地捕捉到儲(chǔ)糧脂肪酸變化，實(shí)時(shí)監(jiān)控儲(chǔ)糧質(zhì)量。 如徐彥[34]提供了一種穩(wěn)定性和準(zhǔn)確率良好的、 NIRS 與PLS 結(jié)合建立的秈稻脂肪酸值快速檢測(cè)模型 （R＝0.85934，內(nèi)部驗(yàn)證標(biāo)準(zhǔn)差為1.78，交叉驗(yàn)證標(biāo)準(zhǔn)差為2.35），證實(shí)了NIRS 實(shí)時(shí)監(jiān)控儲(chǔ)糧脂肪酸變化的可行性； JIANG 等[35]開發(fā)建立了一種基于NIRS 的定量檢測(cè)脂肪酸值的便攜式系統(tǒng)，采用標(biāo)準(zhǔn)正態(tài)變異法校正、 變量組合分析優(yōu)化、 極端學(xué)習(xí)機(jī)構(gòu)建的模型對(duì)脂肪酸值進(jìn)行定量檢測(cè)，展現(xiàn)了良好的預(yù)測(cè)精度和穩(wěn)定性； 向娜娜等[36]利用Bruker MATRIX－I 近紅外光譜儀快速檢測(cè)和監(jiān)控大豆油新鮮度及脂肪酸組分，結(jié)果較理想，脂肪酸模型R2接近1。

三、 基于農(nóng)產(chǎn)品加工與流通安全的紅外技術(shù)

2020年我國農(nóng)產(chǎn)品加工業(yè)營業(yè)收入超23.2 萬億元，農(nóng)產(chǎn)品加工轉(zhuǎn)化率達(dá)到67.5%，科技對(duì)農(nóng)產(chǎn)品加工產(chǎn)業(yè)發(fā)展的貢獻(xiàn)率達(dá)到63%，農(nóng)產(chǎn)品加工業(yè)處于飛速發(fā)展階段。 然而我國個(gè)別食品加工企業(yè)存在使用農(nóng)獸藥、 化肥殘留量超標(biāo)的食品原料，超量、 超范圍使用食品添加劑，加工食品未嚴(yán)格按照工藝標(biāo)準(zhǔn)生產(chǎn)，大肆使用病果壞果等現(xiàn)象，生產(chǎn)的不合格加工產(chǎn)品流入市場(chǎng)被消費(fèi)者長期食用會(huì)損害人體，由此產(chǎn)生的負(fù)面反饋將對(duì)市場(chǎng)經(jīng)濟(jì)產(chǎn)生不利影響，同時(shí)是食品安全事故頻頻發(fā)生的主要原因。數(shù)據(jù)分析顯示，約2/3 的食品安全問題出現(xiàn)于食品生產(chǎn)加工環(huán)節(jié)[37]，因此加強(qiáng)農(nóng)產(chǎn)品加工過程的安全監(jiān)控工作刻不容緩。

（一） 農(nóng)產(chǎn)品快速分級(jí)農(nóng)產(chǎn)品分級(jí)作為農(nóng)產(chǎn)品加工和果品進(jìn)入市場(chǎng)前的重要一環(huán)，體現(xiàn)在農(nóng)產(chǎn)品優(yōu)劣分級(jí)決定價(jià)格高低、 農(nóng)產(chǎn)品分級(jí)控制加工制品質(zhì)量兩方面。 市場(chǎng)常用分級(jí)方法是依靠分揀師傅的手感經(jīng)驗(yàn)，主觀意識(shí)強(qiáng)、 難以標(biāo)準(zhǔn)化。 部分農(nóng)業(yè)合作社或生產(chǎn)商會(huì)引入專業(yè)的分揀機(jī)器及生產(chǎn)線進(jìn)行快速果蔬分級(jí)，但購置設(shè)備成本過高難以普及。紅外技術(shù)作為目前相對(duì)較低廉的檢測(cè)技術(shù)，在果品優(yōu)劣分級(jí)與次品、 壞品篩選方面得到廣泛應(yīng)用。

有關(guān)研究顯示，NIRS 技術(shù)可同時(shí)在線無損檢測(cè)多項(xiàng)指標(biāo)使果品的自動(dòng)分級(jí)得以實(shí)現(xiàn)[38]。 孫海霞等[39]利用NIRS 和水分補(bǔ)償方法搭建的模型對(duì)鮮棗內(nèi)部品質(zhì)指標(biāo)（水分含量、 可溶性固體含量、 維生素C 含量、 蛋白質(zhì)含量、 硬度值）的預(yù)測(cè)有較高準(zhǔn)確率； SCHMILOVITCH 等[40]利用NIRS 在1200～2400 cm－1波數(shù)范圍內(nèi)測(cè)量芒果果肉軟度、 可溶性固體含量和酸度，基于多元線性回歸 （MLR）、 主成分分析（PCA） 和PLS 建立NIRS 模型，可以無損地評(píng)價(jià)芒果果實(shí)的成熟因子； 孫炳新等[41～42]采用NIRS 在643.26～985.11 nm 的波長范圍內(nèi)建立紅富士蘋果脆度和有效酸度的預(yù)測(cè)模型，模型相關(guān)系數(shù)分別達(dá)到0.941、 0.925。

在果蔬內(nèi)部病變及外部損傷等情況的檢測(cè)上，李江波[43]搭建的對(duì)臍橙表面缺陷檢測(cè)的可見HSINIR 系統(tǒng)獲得了93.7%的臍橙缺陷果識(shí)別率，且假陽性率為0，并用近紅外高光譜反射成像技術(shù)對(duì)臍橙潰瘍進(jìn)行檢測(cè)，獲得98.2%的識(shí)別率； 李順峰等[44]利用NIRS 結(jié)合PCA 和Fisher 判別函數(shù)對(duì)蘋果霉心病進(jìn)行檢測(cè)，患霉心病蘋果和健康蘋果的正確判別率達(dá)到89.9%； 郭志明等[45]利用近紅外透射光譜技術(shù)獲取新疆阿克蘇蘋果光譜信息，以病變面積比值為指標(biāo)建立定量預(yù)測(cè)模型，水心面積比與可溶性固形物含量校正集和預(yù)測(cè)集R分別為0.9122、0.8733，標(biāo)準(zhǔn)偏差分別為1.97、 0.354。

（二） 農(nóng)產(chǎn)品質(zhì)量快速檢測(cè)《中華人民共和國農(nóng)產(chǎn)品質(zhì)量安全法》 規(guī)定，有農(nóng)藥、 獸藥等化學(xué)物質(zhì)殘留不符合產(chǎn)品質(zhì)量安全標(biāo)準(zhǔn)的農(nóng)產(chǎn)品，以及使用的保鮮劑、 防腐劑等材料不符合國家有關(guān)強(qiáng)制性的技術(shù)規(guī)范的農(nóng)產(chǎn)品，均不允許進(jìn)入市場(chǎng)。 因此對(duì)農(nóng)產(chǎn)品及加工原材料做好農(nóng)藥、 獸藥、 防腐劑等化學(xué)物質(zhì)殘留檢測(cè)工作十分必要。

紅外光譜技術(shù)可無損檢測(cè)出農(nóng)產(chǎn)品表面及內(nèi)部的農(nóng)藥殘留。 呂萍[46]基于生姜中敵敵畏和甲胺磷殘留量的NIRS 光譜數(shù)據(jù)搭建的定量分析模型具有較好分析效果，R＞0.8； 張令標(biāo)等[47]以表面有不同濃度嘧霉胺農(nóng)藥的番茄為實(shí)驗(yàn)對(duì)象，應(yīng)用VIS－NIR高光譜技術(shù)對(duì)高濃度農(nóng)藥點(diǎn)檢測(cè)準(zhǔn)確率為100%；吳昕如等[48]利用NIRS 結(jié)合PLS 建立的模型預(yù)測(cè)獼猴桃中氯呲脲含量準(zhǔn)確率高、 結(jié)果良好，預(yù)測(cè)值與實(shí)際值的R＝0.9588； 趙若雨等[49]應(yīng)用VIS－NIR高光譜技術(shù)檢測(cè)噴灑有溴氰菊酯農(nóng)藥的小白菜葉片，構(gòu)建偏最小二乘模型和基于光譜指數(shù)的多元線性回歸模型對(duì)溴氰菊酯殘留量進(jìn)行預(yù)測(cè)，預(yù)測(cè)精度為93.1%。

（三） 農(nóng)產(chǎn)品產(chǎn)地溯源建立有效的農(nóng)產(chǎn)品跟蹤與追溯，對(duì)產(chǎn)地進(jìn)行快速、 準(zhǔn)確、 簡(jiǎn)捷地鑒別，是健全農(nóng)產(chǎn)品質(zhì)量安全體系的關(guān)鍵之一。 為地理標(biāo)志產(chǎn)品、 地區(qū)特征性產(chǎn)品產(chǎn)地真?zhèn)舞b別及農(nóng)產(chǎn)品真實(shí)性保障提供關(guān)鍵技術(shù)，對(duì)規(guī)范市場(chǎng)、 保障農(nóng)產(chǎn)品市場(chǎng)安全具有重要意義。

NIRS 在農(nóng)產(chǎn)品產(chǎn)地溯源方面有廣泛的應(yīng)用。張龍[50]利用NIRS 結(jié)合小波轉(zhuǎn)換和k 最近鄰分析辨別山東、 湖北、 河南、 遼寧、 廣西和廣東、 四川產(chǎn)地的花生，結(jié)果表明，原始判別率和交叉驗(yàn)證判別率分別達(dá)到100%和55.9%； 雷建剛和劉敦華[51]采用NIRS 結(jié)合簇類獨(dú)立軟模式法（SIMCA） 建立了不同產(chǎn)地枸杞的溯源模型，當(dāng)新疆、 中寧、 甘肅、青海、 南梁、 惠農(nóng)、 固原和內(nèi)蒙古的產(chǎn)地模型的主成分?jǐn)?shù)分別取3 時(shí)，主成分?jǐn)?shù)的方差累計(jì)貢獻(xiàn)率達(dá)到99%，此時(shí)采用SIMCA 法建立的枸杞產(chǎn)地溯源模型預(yù)報(bào)能力最優(yōu)； 張鵬等[52]對(duì)天津、 陜西和北京3 個(gè)產(chǎn)地富士蘋果的光譜數(shù)據(jù)進(jìn)行對(duì)比分析，利用NIRS 結(jié)合PCA、 PLS 建立產(chǎn)地鑒別模型，結(jié)果顯示，校正集的鑒別正確率為100%，預(yù)測(cè)集的鑒別正確率為98.33%。

在對(duì)加工產(chǎn)品的原料產(chǎn)地溯源中，張龍[50]利用NIRS 采集浙江省地理標(biāo)志產(chǎn)品西湖龍井茶和浙江龍井茶的光譜數(shù)據(jù)，結(jié)合LS－SVM 模型對(duì)兩種茶葉進(jìn)行判別，正確判別率均達(dá)到100%； 金裕范[53]研究發(fā)現(xiàn)，紅外吸收光譜法采集的5 種不同產(chǎn)地來源、 2 種不同儲(chǔ)存年限及2 種不同加工工藝的普洱茶紅外指紋光譜存在一定差異，可通過特征區(qū)域和特征吸收的分析判定普洱茶的產(chǎn)地、 儲(chǔ)存年限及加工工藝等信息； HU 等[54]使用中紅外和近紅外在透射模式下結(jié)合SIMCA 對(duì)540 份來自澳大利亞、 智利和中國的赤霞珠葡萄酒進(jìn)行分類，其正確分類率分別為97%、 97%和92%； VARRà 等[55]基于NIRS對(duì)摩洛哥、 西班牙、 突尼斯和克羅地亞漁區(qū)制成的鹽漬鳀魚成品和半成品進(jìn)行分類，并結(jié)合PLSDA 組合判別模型的開發(fā)和優(yōu)化，成功地識(shí)別了兩個(gè)鳀魚數(shù)據(jù)集的地理來源，平均靈敏度＞98%，特異性＞99%，準(zhǔn)確率＞99%。

四、 基于紅外技術(shù)和大數(shù)據(jù)的農(nóng)產(chǎn)品全生命周期在線快速檢測(cè)系統(tǒng)研究

近年來云平臺(tái)、 物聯(lián)網(wǎng)的廣泛應(yīng)用，促進(jìn)農(nóng)產(chǎn)品生產(chǎn)通過數(shù)據(jù)收集和分析逐漸往高效、 智能方向發(fā)展。 國務(wù)院印發(fā)的 《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》中提出，要發(fā)展農(nóng)業(yè)農(nóng)村大數(shù)據(jù)，為農(nóng)業(yè)生產(chǎn)者、消費(fèi)者、 監(jiān)管者提供農(nóng)產(chǎn)品質(zhì)量安全信息服務(wù)；《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃 （2019－2025年）》 指出，隨著科技創(chuàng)新能力不斷提升、 政府支持體系初步建立、 設(shè)施設(shè)備條件明顯改善、 數(shù)字技術(shù)與農(nóng)業(yè)農(nóng)村加速融合，“十四五” 時(shí)期是推進(jìn)我國農(nóng)業(yè)農(nóng)村數(shù)字化的重要戰(zhàn)略機(jī)遇期。

通過以上對(duì)國內(nèi)外應(yīng)用于農(nóng)產(chǎn)品安全的多種紅外技術(shù)研究闡述得出，紅外檢測(cè)技術(shù)應(yīng)用范圍可涵蓋農(nóng)產(chǎn)品的整個(gè)生命周期。 近年來，國內(nèi)的研究學(xué)者們對(duì)基于云平臺(tái)的紅外檢測(cè)系統(tǒng)開展了一系列的初步探索，如楊雨[56]基于JAVA WEB、 HTML 及MYSQL 等主流編程語言，設(shè)計(jì)并開發(fā)出支持模型共享、 數(shù)據(jù)共享、 遠(yuǎn)程在線訪問的自更新型紅外光譜在線分析平臺(tái)，為使用者提供方便快捷的模型共享渠道及高效的模型更新策略； 吳海卿等[57]設(shè)計(jì)一種基于云平臺(tái)的近紅外食品質(zhì)量監(jiān)測(cè)系統(tǒng)，具備數(shù)據(jù)自動(dòng)采集、 云端傳送、 光譜分析、 性質(zhì)預(yù)測(cè)、 報(bào)告回送等功能。 紅外檢測(cè)技術(shù)具有實(shí)時(shí)、 快速、 準(zhǔn)確性高等一系列優(yōu)點(diǎn)，基于該技術(shù)開發(fā)的傳感設(shè)備符合農(nóng)產(chǎn)品大數(shù)據(jù)平臺(tái)對(duì)數(shù)據(jù)采集技術(shù)的需求，與全生命周期大數(shù)據(jù)系統(tǒng)構(gòu)建相結(jié)合在理論上具有一定可行性。

建立農(nóng)產(chǎn)品全生命周期在線快速檢測(cè)系統(tǒng)，將自動(dòng)化采集紅外設(shè)備在農(nóng)產(chǎn)品生產(chǎn)的生態(tài)環(huán)境、 生產(chǎn)資料、 生產(chǎn)過程、 市場(chǎng)流通、 加工儲(chǔ)藏、 檢驗(yàn)檢測(cè)等場(chǎng)景監(jiān)測(cè)到的數(shù)據(jù)，通過網(wǎng)絡(luò)化傳輸至云端后進(jìn)行標(biāo)準(zhǔn)化處理和可視化運(yùn)用，將監(jiān)控?cái)?shù)據(jù)轉(zhuǎn)變?yōu)橥ㄋ滓锥男畔⒐┥鐣?huì)群眾在手機(jī)App 或客戶端上查看（見圖1），可實(shí)現(xiàn)各環(huán)節(jié)信息可查詢、 來源可追溯、 去向可跟蹤、 責(zé)任可追究，為生產(chǎn)者、 消費(fèi)者、 監(jiān)管者提供農(nóng)產(chǎn)品質(zhì)量安全信息服務(wù)，促進(jìn)農(nóng)產(chǎn)品消費(fèi)安全。 另外利用紅外技術(shù)實(shí)時(shí)快速檢測(cè)的優(yōu)點(diǎn)，對(duì)農(nóng)作物生長、 倉庫儲(chǔ)藏、 加工與流通過程安全進(jìn)行實(shí)時(shí)遠(yuǎn)程監(jiān)控，可幫助廣大農(nóng)業(yè)工作者隨時(shí)隨地掌握產(chǎn)品狀態(tài)和及時(shí)作出調(diào)整。

圖1 基于紅外技術(shù)的農(nóng)產(chǎn)品全生命周期在線快速檢測(cè)系統(tǒng)流程

但基于紅外技術(shù)和大數(shù)據(jù)的農(nóng)產(chǎn)品全生命周期在線快速檢測(cè)系統(tǒng)在實(shí)踐運(yùn)用和普及上還有很長一段路要走，主要面臨4 個(gè)問題。 一是數(shù)據(jù)的復(fù)雜性。 處理數(shù)據(jù)量大且復(fù)雜，依據(jù)的標(biāo)準(zhǔn)不同。 如何將不同的農(nóng)作物或不同的場(chǎng)景下測(cè)得的數(shù)據(jù)進(jìn)行統(tǒng)一存儲(chǔ)，如何分析數(shù)據(jù)，如何進(jìn)行可視化的轉(zhuǎn)換，都將是未來要解決的問題。 二是系統(tǒng)的實(shí)時(shí)性。 紅外技術(shù)雖可進(jìn)行實(shí)時(shí)監(jiān)測(cè)，但在后續(xù)數(shù)據(jù)處理階段，尤其是在環(huán)境災(zāi)害、 氣象災(zāi)害、 病蟲災(zāi)害等狀況的多源數(shù)據(jù)條件下，大數(shù)據(jù)分析不及時(shí)會(huì)導(dǎo)致農(nóng)業(yè)重大災(zāi)害的發(fā)生。 三是數(shù)據(jù)的安全性。 農(nóng)業(yè)自身的復(fù)雜性決定了數(shù)據(jù)的多源復(fù)雜性，如何在處理大量數(shù)據(jù)的同時(shí)仍保證數(shù)據(jù)的安全性是需要攻克的難點(diǎn)。 四是檢測(cè)設(shè)備的優(yōu)化。 目前對(duì)紅外技術(shù)的研究多是僅限于實(shí)驗(yàn)室，投入實(shí)際生產(chǎn)中的較少。 檢測(cè)設(shè)備需要進(jìn)行符合實(shí)際需求、 生產(chǎn)要求、 貼合全生命周期在線快速檢測(cè)系統(tǒng)的優(yōu)化。

總體來說，紅外技術(shù)應(yīng)用于農(nóng)產(chǎn)品安全領(lǐng)域具有廣闊的前景，也存在一定的局限性，如部分樣品的復(fù)雜成分給檢測(cè)帶來困難、 檢測(cè)精度需依賴建模方法和化學(xué)計(jì)量學(xué)方法、 部分紅外技術(shù)搭配儀器價(jià)格昂貴等。 搭建基于紅外技術(shù)和大數(shù)據(jù)的農(nóng)產(chǎn)品全生命周期在線快速檢測(cè)系統(tǒng)需要計(jì)算機(jī)技術(shù)、 自動(dòng)化控制技術(shù)、 互聯(lián)網(wǎng)技術(shù)、 通信技術(shù)等多方面的專業(yè)技術(shù)人才共同完成，為該領(lǐng)域提供新的研究方向。