高光譜成像技術(shù)在肉類安全無損檢測的應(yīng)用研究進(jìn)展

夏楊毅， 趙 鸞

(1. 西南大學(xué) 食品科學(xué)學(xué)院，重慶400715；2. 重慶市特色食品工程技術(shù)研究中心，重慶400715）

肉類是人類飲食中的重要組成部分，可以提供人體所需的營養(yǎng)物質(zhì)如維生素、礦物質(zhì)及必需氨基酸等[1]。 然而肉類在生產(chǎn)和銷售過程中易受微生物及其他有毒、有害物質(zhì)污染和自身物理、化學(xué)以及生物學(xué)變化引發(fā)腐敗變質(zhì)，危害人體健康，故實(shí)現(xiàn)肉類安全無損檢測意義重大。 高光譜成像（hyperspectral imaging，HSI）技術(shù)作為一種新型無損檢測技術(shù)，融合了傳統(tǒng)光譜學(xué)技術(shù)和計(jì)算機(jī)視覺技術(shù)的優(yōu)勢， 可同時(shí)獲取樣品的光譜信息和圖像信息，目前已有多篇文獻(xiàn)報(bào)道其在肉類營養(yǎng)品質(zhì)（如蛋白質(zhì)、水分、脂肪）[2-3]、食用品質(zhì)（如顏色、嫩度）[4-6]、技術(shù)品質(zhì)（如pH、持水力）[7-8]以及安全品質(zhì)（如微生物含量、TVB-N 值）[9-10]無損檢測方面具有重大潛力。

為追蹤HSI 技術(shù)在肉類安全無損檢測方面的最新應(yīng)用進(jìn)展，作者重點(diǎn)綜述了其在肉類有毒有害物質(zhì)檢測、肉類摻假檢測、肉類分選分級中的研究現(xiàn)狀，討論了其存在的不足及發(fā)展趨勢，以期為肉類安全無損檢測方法的研究提供參考。

1 HSI 技術(shù)

HSI 技術(shù)是基于食品化學(xué)成分和物理特征的差異，致使特定波長的吸收度、分散度、反射率以及電磁能量等光譜信號差異，進(jìn)行定性或定量分析的無損檢測技術(shù)，系統(tǒng)主要由光源、分光設(shè)備、CCD 圖像采集系統(tǒng)、計(jì)算機(jī)硬件及軟件等構(gòu)成。HSI 系統(tǒng)有點(diǎn)掃描、線掃描、面掃描、單鏡頭掃描等4 種成像方式，點(diǎn)掃描方式精確度最高，線掃描方式應(yīng)用最廣泛[3，11]。 光譜范圍涵蓋了紫外至近紅外波段，以及波長大于2 560 nm 的波段[12]，其中，光譜范圍380～800 nm 和400～1 000 nm 的可見光/近紅外（visible near-infrared，VIS/NIR） 已廣泛應(yīng)用于食品分析，光譜范圍900～1 700 nm 能滿足食品分析的精確性[13]；輸出的高光譜圖像是一個(gè)三維數(shù)據(jù)立方體，也稱超立方，可以看作二維空間維度（X、Y）和一維光譜維度（λ）組成的一個(gè)三維數(shù)據(jù)矩陣（X、Y、λ），提供了海量信息數(shù)據(jù)包括定性信息、定量信息和冗余信息[14]。

HSI 技術(shù)通過SG（savitzky-golay）平滑[15-18]、導(dǎo)數(shù)法[6，17-21]、標(biāo) 準(zhǔn) 正 態(tài) 變 量（standard normal variate，SNV）[22]、 多 元 散 射 校 正 （multiplicative scatter correction，MSC）[23-27]等對原始光譜進(jìn)行標(biāo)定，通過回歸 系 數(shù) （regression coefficient，RC）[15]、 稀 疏 表 示（sparse representation，SR）[14]、 主成分分析（principal component analysis，PCA）[6，14，20，22-24，28]、 遺 傳 算 法（genetic algorithm，GA）[20]、灰度共生矩陣（gray level co-occurrence matrix，GLCM）[22-23]、 連 續(xù) 投 影 算 法（successive projections algorithm，SPA）[29]、入侵雜草優(yōu)化（invasive weed optimization，IWO）[30]等篩選特征波長，通過多元線性回歸（multivariable linear regression，MLR）[15，29]、 支 持 向 量 機(jī) （support vector machine，SVM）[18，21，24]、 最小二 乘支 持向量 機(jī) （least squares support veotormaohine，LS-SVM）[14，30]、偏最小二乘回歸（partial least squares regression，PLSR）[9，16-17，19，25，27，31]、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）[6，20]、反向傳播人工神經(jīng)網(wǎng)絡(luò) （backpropagation artificial neural network，BP-ANN）[22]、 反 向 傳 播 神 經(jīng) 網(wǎng) 絡(luò)（backpropagation neural network，BPNN）[26，32]、線性判別分析（linear discriminant analysis，LDA）[28]建立分類模型或預(yù)測模型。

2 HSI 技術(shù)在肉類有毒有害物質(zhì)無損檢測中的應(yīng)用

2.1 微生物

肉類的腐敗變質(zhì)進(jìn)程與貯藏環(huán)境內(nèi)微生物含量密切相關(guān)，微生物從肉類中汲取生長所需營養(yǎng)成分，且其降解產(chǎn)物會降低肉類的食用品質(zhì)，故實(shí)現(xiàn)微生物無損檢測對維護(hù)肉類安全至關(guān)重要。 肉類組成成分的化學(xué)變化與貯藏期間的微生物代謝密切相關(guān)，HSI 技術(shù)可將光譜的變化情況與實(shí)際細(xì)菌負(fù)荷進(jìn)行關(guān)聯(lián)， 實(shí)現(xiàn)無損預(yù)測肉類細(xì)菌總數(shù)[9]。BARBIN 等[31]采用HSI 技術(shù)（900～1 700 nm）研究了不同冷藏溫度下豬肉腐敗過程中細(xì)菌總數(shù)和嗜冷菌總數(shù)， 通過加權(quán)系數(shù)法篩選特征波長建立PLSR模型。 結(jié)果表明，模型的R2p均高達(dá)0.81，RMSEP 分別是1.0、1.5，并獲得了豬肉腐敗過程細(xì)菌總數(shù)和嗜冷菌總數(shù)的可視化分布圖?；谙嗤ǘ?，F(xiàn)ENG 等[9]采用HSI 技術(shù)研究了雞肉腐敗期間細(xì)菌總數(shù)及可視化分布， 將反射率圖像轉(zhuǎn)化為Kubelka-Munk 單位的超立方，經(jīng)逐步回歸法篩選7 個(gè)特征波長建立PLSR 模型，其R2cv和RMSECV 分別為0.883 6、0.50 lg（CFU/g）。 HUANG 等[22]開發(fā)了一種基于光漫反射的HSI 技術(shù)（450～900 nm）來預(yù)測冷藏期間豬肉的細(xì)菌總數(shù)，利用PCA 算法從126 個(gè)融合特征中提取主成分建立BP-ANN 預(yù)測模型， 其R2p和RMSEP分別是0.830 8、0.243 lg（CFU/g），效果優(yōu)于基于單一特征建立的預(yù)測模型。 近年來，相關(guān)學(xué)者持續(xù)深入研究，HSI 技術(shù)也在牛肉[32]、羊肉[33-36]、魚肉[37-38]、香腸[39-40]、臘肉[41]等微生物污染檢測及可視化方面取得了累累碩果。

2.2 生物胺

生物胺與肉類腐敗程度有關(guān)，主要來源于微生物生長和代謝產(chǎn)物，包括精胺、亞精胺、腐胺、尸堿、酪胺和組胺等[42]，廣泛存在于生鮮肉、熟肉制品[43]，與肉類安全程度息息相關(guān)。 新鮮肉腐敗期間，其主要化學(xué)成分發(fā)生降解，光譜反射率下降，致使新鮮肉和腐敗肉光譜存在顯著差異性[15]?；谶@一特性，CHENG 等[15]將HSI 數(shù)據(jù)與豬肉腐胺、尸胺、酪胺及組胺總含量進(jìn)行關(guān)聯(lián)， 建立SPA-MLR、RC-MLR、SPA-MLR、RC-MLR 4 類預(yù)測模型， 比較后發(fā)現(xiàn)RC-MLR 模型是定量預(yù)測豬肉生物胺指數(shù)并實(shí)現(xiàn)其可視化分布的最佳模型，R2p和RMSEP 分別是0.957 和4.866 mg/kg。YANG 等[14]采用PCA 和SR 算法分別處理400～1 000 nm 及1 000～1 800 nm 兩波段HSI 數(shù)據(jù)，建立LS-SVM 模型預(yù)測牛肉貯藏過程生物胺含量， 發(fā)現(xiàn)基于400～1 000 nm 波段的SRLS-SVM 模型取得了最佳的預(yù)測效果， 其R2p和RMSEP 分別為0.943 和1.026， 在此基礎(chǔ)上融合2種算法建立SR-PC-LS-SVM 模型， 模型的預(yù)測能力提高至0.969。 上述文獻(xiàn)表明，波長范圍的選擇關(guān)系到模型最終預(yù)測效果，HSI 技術(shù)有望用于評估肉類貯藏期間生物胺含量。

2.3 亞硝酸鹽

肉制品中亞硝酸鹽的規(guī)范使用可以增加肉的風(fēng)味和防止腐敗，違規(guī)使用則會對人類身體健康造成嚴(yán)重威脅[44]。 HSI 系統(tǒng)中光譜吸收峰的高度與肉類中亞硝酸鹽含量成正相關(guān)，故可通過建立數(shù)學(xué)模型將HSI 數(shù)據(jù)與國標(biāo)實(shí)測亞硝酸鹽含量進(jìn)行關(guān)聯(lián)可實(shí)現(xiàn)肉類亞硝酸鹽含量的無損檢測。 楊昆程等[19]基于HSI 系統(tǒng)（900～1 700 nm）探討了臘肉貯藏期間亞硝酸鹽含量的快速預(yù)測方法，發(fā)現(xiàn)聯(lián)合一階導(dǎo)數(shù)和矢量歸一化處理原光譜建立的PLSR 模型具有較好的預(yù)測效果，R2cv和RMSECV 分別是0.972 和0.251。 陳曉東等[20]利用HSI 技術(shù)（400～1 000 nm）對香腸貯藏期間的亞硝酸鹽含量進(jìn)行預(yù)測，先后建立了PLSR 模型及GA-ANN 模型， 其中GA-ANN 模型的R2cv和RMSECV 分別是0.918 和0.365。 在此研究基礎(chǔ)上，劉崢等[16]分別使用特征波長和全光譜建立PCA 模型及PLSR 模型預(yù)測香腸貯藏期間的亞硝酸鹽含量，對比后發(fā)現(xiàn)基于全光譜建模的預(yù)測效果更好，其中PLSR 模型的R2cv和RMSECV 分別是0.982 9 和0.059 2，提升了預(yù)測模型的準(zhǔn)確度。以上研究初步證明，HSI 技術(shù)在檢測肉制品亞硝酸鹽含量方面是可行的，然而鮮有文獻(xiàn)獲得肉制品亞硝酸鹽含量的可視化分布圖像。

HSI 技術(shù)在肉類有毒有害物質(zhì)無損檢測的應(yīng)用如表1 所示。

表1 HSI 技術(shù)在肉類有毒有害物質(zhì)無損檢測方面的應(yīng)用Table 1 Application of HSI technology in nondestructive testing of toxic and hazardous substances in meat

3 HSI 技術(shù)在肉類摻假無損檢測中的應(yīng)用

3.1 摻假肉

摻假肉與肉類原本品質(zhì)不同，極易導(dǎo)致嚴(yán)重的安全、經(jīng)濟(jì)以及宗教問題[45]。當(dāng)電磁輻射與肉類發(fā)生相互作用時(shí)，肉類的不同成分在特定波段具有典型的反射特征，致使種類不同的異種肉或新鮮度不同的同種肉光譜反射率差異明顯[46]，基于這一特性可將HSI 技術(shù)用于雜肉摻假檢測和同源肉摻假檢測。過去主要利用HSI 技術(shù)檢測雜肉摻假，包括豬肉摻假羊肉[47]、雞肉摻假牛肉[48]、馬蹄摻假牛肉[46]、豬肉摻假牛肉[49]等。 近年來，楊清華等[25]基于HSI 技術(shù)（400～1 000 nm）對摻加豬肉的牛肉進(jìn)行檢測，該法利用閾值提取光譜和光譜-理化值共生距離法分割圖像建立PLSR 模型評估牛肉摻加豬肉情況，其R2p和RMSEP 分別是0.951 5、0.032 9。 ZHENG 等[17]基于HSI 系統(tǒng)（400～1 000 nm）建立了鴨肉摻假羊肉的PLSR 預(yù)測模型并實(shí)現(xiàn)了摻假肉分布的可視化，模型的R2p和RMSEP 分別是0.995 0、2.51， 再次拓寬了HSI 技術(shù)的肉類摻假檢測范圍。 基于HSI 技術(shù)的同源肉摻假檢測也初見起色，ZHAO 等[30]采用相同波段對摻加變質(zhì)牛肉的鮮牛肉糜進(jìn)行檢測，由IWO 提取7 個(gè)特征波長建立LS-SVM 模型， 其R2p和RMSEP 分別是0.95%、5.67%， 并獲得了牛肉摻假的可視化分布圖像。以上研究充分證明，HSI 技術(shù)是檢測肉品摻假的有利工具，未來需要繼續(xù)研究利用HSI 技術(shù)鑒別雜肉摻假、同源肉摻假，構(gòu)建既精準(zhǔn)又穩(wěn)定的預(yù)測模型，同時(shí)開發(fā)用于實(shí)時(shí)檢測肉類摻假的便攜式手持設(shè)備。

3.2 注水肉

注水肉對肉類營養(yǎng)價(jià)值、嫩度、色澤、風(fēng)味等均有一定程度的影響，降低了肉類的食用品質(zhì)[50]。 此外，還有部分不法商販?zhǔn)褂貌缓细袼?，極易導(dǎo)致病原微生物污染肉類， 加速肉類的腐敗變質(zhì)進(jìn)程。因此，實(shí)現(xiàn)注水肉的無損檢測對維護(hù)肉類安全至關(guān)重要。 由于正常肉和注水肉的含水率不同，注水肉的光譜反射率顯著高于正常肉，將HSI 數(shù)據(jù)的差異與肉類含水率的不同進(jìn)行關(guān)聯(lián)可區(qū)分正常肉和注水肉。 於海明等[26]采用HSI 技術(shù)（358～1 021 nm）對正常豬肉和注水豬肉進(jìn)行區(qū)分，該法通過回歸系數(shù)權(quán)重法篩選與含水率相關(guān)的特征波長，再經(jīng)傅里葉變換獲取頻譜特征參數(shù)，根據(jù)全波長、特征波長以及頻譜特征參數(shù)建立BPNN 分類模型區(qū)分正常豬肉和注水豬肉，結(jié)果顯示，基于頻譜特征構(gòu)建的模型分類正確率高達(dá)98.8%， 可用于注水豬肉的快速識別。 未來相關(guān)學(xué)者應(yīng)把握該契機(jī)聯(lián)合HSI 技術(shù)和化學(xué)計(jì)量學(xué)方法深入研究豬肉以及其他品種肉類注水肉的檢測方法，同時(shí)，利用注膠肉和正常肉的光譜差異研究注膠肉的檢測方法。

3.3 凍融肉

市場中凍融肉和非凍融肉的混淆容易引發(fā)肉類摻假行為。 其中，肉類在凍融過程脂類氧化產(chǎn)物、冰晶、 甲醛等存在會對光譜的反射率產(chǎn)生影響；肉類在解凍過程中營養(yǎng)成分大量流失，理化指標(biāo)和微生物指標(biāo)的改變也會影響光譜的反射率。 新鮮肉的光譜反射率明顯高于凍融肉，將肉類凍融過程發(fā)生的變化與HSI 數(shù)據(jù)進(jìn)行關(guān)聯(lián)可用于區(qū)分凍融肉和非凍融肉。 過去HSI 技術(shù)已被報(bào)道可用于區(qū)分豬肉[51-52]、魚肉[53]、蝦[54-55]等品種新鮮肉和解凍肉。 近年來，HSI 技術(shù)也被報(bào)道可用于鑒別新鮮牛肉與凍融牛肉、成熟牛肉與成熟凍融牛肉等，何加偉等[27]利用HSI 技術(shù)（950～1 500 nm）建立PLSR 分類模型對包含新鮮牛肉與凍融牛肉的45 個(gè)樣品進(jìn)行分類，其判別正確率高達(dá)94.4%。CRICHTON S 等[18]基于HSI系統(tǒng)（500～1 010 nm）對新鮮牛肉和新鮮凍融牛肉、成熟牛肉和成熟凍融牛肉、新鮮牛肉和成熟牛肉等分類方法進(jìn)行研究， 發(fā)現(xiàn)在全波長下建立的SVM分類模型精確度最高， 其分類正確率分別高達(dá)100%、98%、100%， 該研究指出下一步可選擇400～500 nm 波段研究凍融牛肉分類方法。綜上所述，HSI技術(shù)和分類算法相結(jié)合在凍融肉類檢測具有極大潛力。HSI 技術(shù)在肉類摻假無損檢測的應(yīng)用如表2 所示。

表2 HSI 技術(shù)在肉類摻假無損檢測方面的應(yīng)用Table 2 Application of HSI technology in non-destructive testing of meat adulteration

4 HSI 技術(shù)在肉類分選分級無損檢測的應(yīng)用

對生鮮肉和加工肉進(jìn)行分選分級不僅是評價(jià)其品質(zhì)的重要方面， 也是保證食品安全的重要舉措。HSI 技術(shù)包含的光譜信息可提供肉類的水分、脂肪、蛋白質(zhì)等化學(xué)特征，圖像信息可提供肉類的大小、形狀、顏色、紋理等物理及幾何特征，將HSI 數(shù)據(jù)與肉類的顏色、持水力、質(zhì)地等內(nèi)外特征進(jìn)行關(guān)聯(lián)可實(shí)現(xiàn)生鮮肉和加工肉的分選分級。 在早期的研究中，HSI 技術(shù)已被用于生鮮肉品質(zhì)分選分級，如QIAO 等[6]基于HSI 技術(shù)（430～1 000 nm）探討了豬肉品質(zhì)的分類方法，該法利用主成分分析和聚類分析評估不同組別的豬肉質(zhì)量， 建立ANN 模型對豬肉質(zhì)量等級進(jìn)行分類。 結(jié)果顯示，該法成功將豬肉品質(zhì)分為RFN、RSE 兩類，總校正率為75%～80%。LIU等[28]采用基于Gabor 濾波的HSI 技術(shù)（400～1 000 nm）對豬肉品質(zhì)進(jìn)行分類，建立LDA 分類模型將豬肉分為RFN、PFN、PSE、RSE 4 類， 平均分類精度高達(dá)（84±1）%，研究指出后期可結(jié)合特征波長和調(diào)諧Gabor 濾波器實(shí)現(xiàn)對豬肉品質(zhì)實(shí)時(shí)分類。 邢素霞等[23]基于HSI 技術(shù)提取6 個(gè)雞胸肉光譜、5 個(gè)紋理及12 個(gè)顏色特征建立K-means-RBF 模型將雞胸肉品質(zhì)按可食性分為4 類， 分類準(zhǔn)確率高達(dá)100%。

目前，HSI 技術(shù)也初步應(yīng)用于加工肉分選分級，如龔愛平等[29]基于HSI 系統(tǒng)（874～1730 nm）對臘腸品質(zhì)進(jìn)行分級， 采用SPA 提取10 個(gè)特征波長構(gòu)建SPA-MLR 臘肉品質(zhì)分類模型， 判別準(zhǔn)確率高達(dá)100%。 陳曉東等[21]采用HSI 技術(shù)（400～1 000 nm）建立SVM 分類模型將香腸分為可食用及不可食用兩類，分類準(zhǔn)確率為82.3%。 基于同一波段，董小棟等[24]開發(fā)了一種深入融合光譜信息的肉品分類及檢索方法， 該法融合光譜特征和圖像特征建立SVM分類模型， 將臘肉分為新鮮臘肉和腐敗臘肉兩類，分類準(zhǔn)確率高達(dá)99.2%。 上述文獻(xiàn)表明，HSI 技術(shù)在肉類分選分級無損檢測中具有極大潛力，多源數(shù)據(jù)融合有助于提高模型的精確性。

HSI 技術(shù)在肉類分選分級無損檢測的應(yīng)用如表3 所示。

表3 HSI 技術(shù)在肉類分選分級無損檢測方面的應(yīng)用Table 3 Application of HSI technology in nondestructive testing of meat sorting and grading

5 HSI 技術(shù)應(yīng)用過程中存在的問題

與此同時(shí)，HSI 技術(shù)在發(fā)展過程中尚存一些不足亟須解決和突破：一是系統(tǒng)成本高，初期投入較大，具有高空間分辨率和光譜分辨率的系統(tǒng)成本更高，限制了普通中小企業(yè)的使用，故后期降低成本是發(fā)展的必要條件；二是高光譜超立方體結(jié)構(gòu)不僅包含與變量參數(shù)相關(guān)的有用信息還包含大量冗余和無關(guān)信息如噪聲等，故需要高效程序工具來處理數(shù)據(jù)以及顯示圖像；三是圖像采集時(shí)間的限制和圖像前后處理程序的限制，故需要開發(fā)更精確的硬件系統(tǒng)和先進(jìn)的數(shù)據(jù)處理算法；四是光譜采集受采集參數(shù)及環(huán)境條件的影響，故應(yīng)通過偏差校正確定最佳的匹配參數(shù)；五是大部分學(xué)者側(cè)重于研究光譜信息， 忽視了空間信息如紋理特征和結(jié)構(gòu)特征等，同時(shí)人為干預(yù)、方法不當(dāng)?shù)仍驅(qū)е铝藞D像特征的提取效果不佳，構(gòu)建的模型泛化能力較差，故如何提取空間特征也是急需解決的問題， 關(guān)系到實(shí)現(xiàn)HSI“圖譜合一”； 六是提取關(guān)鍵波長的算法尚不完善，部分文獻(xiàn)報(bào)道全光譜下建模效果優(yōu)于特征波長下的，故應(yīng)嘗試更多特征波長的提取方法，確定與檢測參數(shù)相關(guān)性的特征波長；七是系統(tǒng)只能獲取表面的成分信息， 因?yàn)闃悠泛筒ǘ蜗拗屏斯獾拇┩干疃龋话耸窍到y(tǒng)更適用于分析異質(zhì)樣品，因?yàn)槌上窆δ茉谟趯?shí)現(xiàn)不均勻分布空間的可視化[13]。

6 展 望

HSI 作為一種高效、無損、環(huán)保、非破壞的檢測技術(shù)，在肉類有毒有害物質(zhì)檢測、肉類摻假檢測、肉類分選分級等方面均展現(xiàn)了巨大的發(fā)展?jié)摿?，為食品工業(yè)在線實(shí)時(shí)檢測肉類安全提供了一種有效替代方法。綜上所述，HSI 技術(shù)的后續(xù)發(fā)展可從以下幾方面入手：一是著重研究注水肉檢測、注膠肉檢測、非法添加物質(zhì)檢測、缺陷肉檢測以及其他有害菌檢測，全方面發(fā)展HSI 技術(shù)在肉類品質(zhì)預(yù)測與分類方面的潛力；二是增加研究波段并開發(fā)多種提取特征波長的算法，基于選定波長建立一系列多光譜成像系統(tǒng)用于食品工業(yè)的在線實(shí)時(shí)檢測；三是開發(fā)更多的建模方法，考慮空間信息和光譜信息之間的相關(guān)影響建立肉類品質(zhì)預(yù)測或分類模型；四是基于快照HSI 系統(tǒng)研發(fā)手持在線檢測設(shè)備用于食品工業(yè)的在線實(shí)時(shí)檢測；五是開發(fā)獲取光譜特征和空間特征的深度學(xué)習(xí)算法以及改進(jìn)計(jì)算機(jī)硬件及軟件的實(shí)用性。展望未來，HSI 技術(shù)極有可能取代傳統(tǒng)檢測方法成為肉類加工監(jiān)測和食品安全與質(zhì)量控制的一種常規(guī)方法。