高光譜成像將成像和光譜相結(jié)合，以增強(qiáng)對(duì)材料的無損分析。當(dāng)與化學(xué)計(jì)量學(xué)(即多變量)分析相結(jié)合時(shí)，高光譜成像可用于預(yù)測(cè)樣品中多種成分的濃度和分布。這使得該技術(shù)對(duì)食品行業(yè)內(nèi)的許多常規(guī)質(zhì)量檢查具有吸引力。高光譜成像的一項(xiàng)潛在有用應(yīng)用是食品加工中的異物檢測(cè)。

異物污染被認(rèn)為是食品召回的最常見原因之一。因此，為了符合產(chǎn)品安全要求和維護(hù)消費(fèi)者信心，需要快速、無損的技術(shù)來檢測(cè)和識(shí)別食品工業(yè)產(chǎn)品中的異物。玻璃、金屬和塑料是加工食品中最常提到的異物。金屬探測(cè)器通常用于食品加工鏈，以防止成品中出現(xiàn)金屬碎片;然而，這些儀器無法檢測(cè)玻璃和塑料污染。

與在可見光譜范圍內(nèi)捕獲的肉類圖像(左)不同，高光譜圖像向食品質(zhì)量檢查員(右)顯示了感興趣的區(qū)域，例如以假色突出顯示的脂肪或蛋白質(zhì)區(qū)域

在本文中，介紹了用于識(shí)別和分類谷物中異物的高光譜成像數(shù)據(jù)的化學(xué)計(jì)量學(xué)分析。使用在近紅外 (700–1700 nm) 波長(zhǎng)范圍內(nèi)以漫反射模式運(yùn)行的推掃式線掃描高光譜成像儀器獲得高光譜圖像。調(diào)查的異物有：塑料碎片、玻璃珠和橡膠碎片。檢測(cè)了兩種類型的谷物樣品：一種相對(duì)均勻的白米谷物樣品和一種混合品種谷物樣品(含有多種脫水谷物豆類)。

用于谷物樣品中污染物檢測(cè)的高光譜成像

每種污染物的平均偏差和標(biāo)準(zhǔn)偏差反射光譜顯示了所研究污染物的不同光學(xué)特性。玻璃樣品表現(xiàn)出非常低的光譜響應(yīng)，表明從這些樣品反射的光水平很低。塑料和橡膠樣品在特定波長(zhǎng)下表現(xiàn)出對(duì)近紅外 (NIR) 輻射的特征吸收。盡管污染物在光譜特征上彼此截然不同，但所研究的食品樣品的光譜響應(yīng)與污染物的光譜響應(yīng)存在一些重疊;因此，使用單波段圖像識(shí)別污染物是不合適的。

與其他異物檢測(cè)方法相比，高光譜成像的一大優(yōu)勢(shì)是能夠根據(jù)異物的光譜特性檢測(cè)異物并對(duì)其進(jìn)行分類。主成分分析 (PCA) 可應(yīng)用于高光譜圖像，將它們壓縮為各個(gè)波長(zhǎng)圖像(“分?jǐn)?shù)”)的線性組合，從而產(chǎn)生最大方差投影。因此，PCA 是識(shí)別高光譜成像數(shù)據(jù)中潛在模式的有用工具。為了證明這一點(diǎn)，將 PCA 應(yīng)用于含有異物的谷物樣品的圖像。

當(dāng)沒有應(yīng)用光譜預(yù)處理時(shí)，混合谷物樣品的光譜響應(yīng)的可變性導(dǎo)致 PC 評(píng)分圖像的顯著可變性，使得異物識(shí)別變得困難。因此，為了突出 PC 評(píng)分空間中谷物樣品和異物污染物之間的差異，對(duì)漫反射光譜應(yīng)用了各種光譜預(yù)處理。結(jié)果發(fā)現(xiàn)，一階導(dǎo)數(shù) Savitsky-Golay 平滑與標(biāo)準(zhǔn)正態(tài)變量預(yù)處理的組合導(dǎo)致 PC 分?jǐn)?shù)空間中各種異物的最佳分離。由于應(yīng)用了上述光譜預(yù)處理，谷物樣品在 PC 分?jǐn)?shù)圖像中顯得均勻，具有相對(duì)較高的[在水稻的情況下，或較低的 [在混合的情況下]谷物樣品，像素強(qiáng)度較異物。因此，可以通過簡(jiǎn)單的閾值將污染物從圖像背景中分離出來。然而，晶粒的一些邊緣區(qū)域由于其曲率而遭受錯(cuò)誤分類。為了去除這些誤報(bào)并在閾值圖像中保持真實(shí)的異物，應(yīng)用了形態(tài)學(xué)膨脹和腐蝕操作，從而產(chǎn)生更準(zhǔn)確的異物檢測(cè)圖像。

為了建立用于異物識(shí)別的判別模型，將 PCA 應(yīng)用于屬于異物類的像素?；旌瞎任飿悠返?PC2 圖像及其對(duì)應(yīng)的直方圖。直方圖中有三個(gè)峰，一個(gè)對(duì)應(yīng)于每種污染物。根據(jù)這些峰值對(duì) PC2 圖像進(jìn)行閾值處理可以識(shí)別每種污染物。

每個(gè)樣品的 PCA 分析結(jié)果可用于算法開發(fā)，以檢測(cè)和識(shí)別加工線中的污染物。顯示了基于前面章節(jié)中描述的混合谷物樣品異物檢測(cè)和分類分析的典型例程的流程圖。標(biāo)準(zhǔn)圖像預(yù)處理和后處理步驟，例如背景去除和死像素為清楚起見，刪除被省略。因此，應(yīng)用 PC 特征向量可以檢測(cè)和識(shí)別樣品中的異物。此方法中使用的 PC 特征向量是樣本和異物特定的。

總結(jié)

NIR 波長(zhǎng)范圍內(nèi)的高光譜反射成像與化學(xué)計(jì)量學(xué)相結(jié)合，顯示出檢測(cè)和識(shí)別食品谷物中異物的前景。這種方法特別適用于識(shí)別塑料和橡膠異物，因?yàn)檫@些材料在近紅外波長(zhǎng)區(qū)域表現(xiàn)出特征吸收。該研究還表明了 NIR 反射高光譜成像用于檢測(cè)谷物樣品中玻璃的潛力。所提出的方法可以修改為檢測(cè)和識(shí)別原材料樣品中的異物，例如，在食品加工鏈中。在目標(biāo)食品樣品中可能含有異物的情況下，光透射比反射檢測(cè)更理想，因?yàn)榉瓷涑上裰饕沂颈砻嫣卣??？梢姽?近紅外波長(zhǎng)區(qū)域的透射高光譜成像可能適用于異物的亞表面檢測(cè);但它的用途通常是特定于樣品的，強(qiáng)烈依賴于樣品的光散射特性。