基于光譜技術的禽蛋內部品質無損檢測研究進展

王巧華，馬逸霄，付丹丹

1.華中農業(yè)大學工學院,武漢 430070; 2.國家蛋品加工技術研發(fā)分中心,武漢 430070;3.農業(yè)農村部長江中下游農業(yè)裝備重點實驗室,武漢 430070

禽蛋作為人類日常生活中的主要蛋白質來源，富含多種營養(yǎng)物質[1]。我國禽蛋生產和消費量均位居世界前列[2]，但目前蛋品行業(yè)生產主體普遍規(guī)模不大，存在流通環(huán)節(jié)多[3]、尚無完善的安全風險評估體系[4]等問題。大部分蛋品企業(yè)檢測與分級工作依賴人工進行，工作強度大、效率低且準確率波動較大。隨著食品安全法規(guī)逐漸完善，消費者對安全、高質量、可持續(xù)和高性價比的蛋類產品提出了更高的期望。傳統(tǒng)的檢測手段已無法滿足當前市場的需求，開發(fā)針對禽蛋品質的無損檢測系統(tǒng)具有重要的社會意義和經濟效益。

近年來，無損檢測技術(non-destructive testing technique,NDT)以其無損化、快速化等優(yōu)點，在我國禽蛋品質檢測領域發(fā)展迅速。常用的無損檢測技術主要包括光譜、機器視覺[5-7]、電子鼻[8-10]、介電特性[11-13]、核磁[14-16]、聲學[17-19]等，其中機器視覺、介電特性、聲學等檢測技術在禽蛋內部檢測中多用于定性檢測，而電子鼻檢測所需時間較長，核磁檢測成本較高，均難以滿足工業(yè)化需求。

光譜檢測具有采樣方式靈活、測試速度快以及對樣品沒有破壞性且無需化學測定等優(yōu)點[20-22]，因此目前光譜檢測技術在禽蛋內部品質無損檢測中的應用研究廣泛[23-26]。本文著重研究了近紅外光譜(near infrared spectrum，NIRS)、可見-近紅外光譜(visible-near infrared spectrum，Visible-NIRS)、高光譜成像(hyperspectral imaging，HSI)、拉曼光譜(Raman spectra，RS)4種光譜檢測手段在禽蛋內部品質無損檢測中的進展情況，并對光譜檢測技術在未來蛋品產業(yè)中的應用進行了總結和展望，以期為我國蛋品產業(yè)質量安全監(jiān)管提供參考。

1 常用光譜檢測技術簡介

1.1 近紅外光譜技術

近紅外區(qū)域的主要光譜信息來源于C—H、N—H和O—H等含氫基團的倍頻與合頻吸收特性[27]。禽蛋內部的化學成分在近紅外區(qū)域有特性表達，可采用化學標量建立校正模型對雞蛋的內部品質進行分析。近紅外光譜技術具有檢測速度快、分析儀成本較低的優(yōu)勢，可以較好地實現(xiàn)禽蛋內部品質的檢測。

1.2 可見/近紅外光譜技術

可見/近紅外光譜同時包含了可見光波段(400～780 nm)與近紅外波段(780～2 526 nm)[28]。可見-近紅外光譜儀有著體積小、成本低、檢測速度快[29]的優(yōu)點。圖1為實驗室常見的用于檢測雞蛋的可見/近紅外光譜采集裝置，以雞蛋的長軸與地面平行的方式放置雞蛋，減少漏光，通過光譜儀配套的Specsuite光譜軟件采集雞蛋的可見-近紅外光譜，并實時在計算機中觀察光譜趨勢，目前實驗室的光譜檢測設備大多是通過手動操作來檢測單枚禽蛋。國外對農產品無損檢測儀器的研究較早，已有商品化的便攜式光譜檢測儀，但大都是針對果蔬的品質，市面上尚未有針對禽蛋品質的商品化無損檢測儀器。

1.計算機 Computer; 2.光纖光譜儀(USB2000+，Ocean Optics公司) USB2000+fiber spectrometer; 3.暗箱 Black box; 4.84-UV-25準直透鏡84-UV-25 collimating lens; 5.雞蛋 Egg; 6.可調光源 Adjustable light source.

1.3 高光譜成像技術

高光譜成像技術能同時對物體內部品質、外部特征進行檢測，能夠將各組分分布情況可視化[30]。圖2所示為高光譜圖像采集裝置(Zolix HyperSIS-VNIR-CL)，主要是由高光譜成像儀、計算機、透射光源箱、高光譜采集軟件(SpectraSENS)等組成。使用時樣本放立在自制的高光譜儀中的透射光源箱的孔口，在保證透射光源箱無漏光條件下采集雞蛋的高光譜透射圖像。高光譜成像系統(tǒng)的圖像是在特定波長范圍內由一系列連續(xù)的窄波段圖像組成的三維圖像數(shù)據塊，其中包含大量無關信息和噪聲，這就造成算法處理復雜且速度慢，難以應用于農產品在線實時檢測與分選中，且成體系的高光譜設備價值高，難以推廣于大規(guī)模商業(yè)化生產中[31]。

A:高光譜系統(tǒng)示意圖 Schematic of hyperspectral system; B:透射光源箱 Transmission light source box; 0.雞蛋 egg; 1.計算機 Computer; 2.密封箱 Sealed box; 3.光譜相機 Spectrum camera; 4.步進電機控制器 Stepper motor controller; 5.聯(lián)軸器 Coupling; 6.光電傳感器 Photoelectric sensor; 7.底座 Base; 8.絲桿 Screw; 9.移動平臺 Mobile platform; 10.透射光源箱 Transmission light box; 11.光源開關 Light switch; 12.透射光源 Transmission light source;13.風扇 Fan.

1.4 拉曼光譜

拉曼光譜分析法是一種散射光譜分析法。拉曼效應起源于分子振動和點陣振動與轉動，從拉曼光譜中可以得到分子振動能級、點陣振動能級與轉動能級結構的信息[32]。目前常用的拉曼光譜儀主要有色散型拉曼光譜儀(簡稱激光拉曼)和傅里葉變換拉曼光譜儀(簡稱傅變拉曼)兩類。激光拉曼是利用短波的可見光激光器激發(fā)光柵分光系統(tǒng)，如Raman Station 400系列拉曼光譜儀(PerkinElmer)；而傅變拉曼則采用長波的近紅外激光器激發(fā)、邁克爾遜干涉儀調制分光等技術，如工業(yè)傅里葉變換拉曼分析儀(Raman Pro FT Analyzer)。拉曼光譜分析法是一種弱信號分析方法，在應用于微量和痕量物質分析時，通常需要采用表面增強和共振增強方式增強拉曼光譜信號[33]，由于蛋殼會對蛋內容物造成一定干擾，故該技術對完整禽蛋不適合，因此拉曼光譜多用于蛋液檢測。通過查閱大量的文獻及筆者所在課題組幾十年的研究積累，本文歸納了不同光譜分析技術的檢測模式、檢測范圍、禽蛋檢測時的主要指標及主要優(yōu)缺點，如表1所示。

表1 不同光譜檢測技術在禽蛋無損檢測時的主要檢測指標及主要優(yōu)缺點 Table 1 The detection indicators,advantages and disadvantages of different spectral detection technologies in non-destructive testing of eggs

2 光譜分析技術在禽蛋無損檢測中的應用

2.1 基于近紅外光譜分析的禽蛋檢測研究

近些年，近紅外光譜已被廣泛應用到雞蛋內部品質的檢測中[34-38](表2)。劉燕德等[35]對雞蛋的哈夫單位、pH值、蛋形指數(shù)及存儲時間進行了預測，發(fā)現(xiàn)近紅外光譜對雞蛋新鮮度品質有較好的預測效果。高佩佩等[36]和孫艷文等[37]針對雞蛋中的蛋白質和脂肪酸，通過新鮮雞蛋的近紅外光譜與蛋清總蛋白含量、脂肪酸含量之間的線性關系，建立了無損定量預測模型，結果顯示近紅外光譜對雞蛋中部分物質成分有較好的預測效果。王巧華等[38]應用機器視覺結合近紅外光譜技術，實現(xiàn)了對皮蛋的檢測及分級，首次將視覺與近紅外光譜技術結合，分級準確率達96.38%。但目前試驗都僅停留在實驗室階段，對于環(huán)境要求較高，應用尚未得到推廣。

表2 近紅外光譜分析在禽蛋內部品質無損檢測中的應用 Table 2 Applications of NIRS for non-destructive detection of internal quality in egg

2.2 基于可見-近紅外光譜分析的禽蛋檢測研究

可見-近紅外光譜技術核心檢測器體積較小、成本低、檢測速度快，相對更適用于儀器開發(fā)。趙杰文等[39]與吳建虎等[40]使用漫反射的檢測模式建立多元線性回歸預測模型，實現(xiàn)了雞蛋哈夫值、蛋黃指數(shù)及失重率的快速識別，對新鮮雞蛋蛋白質含量有良好的預測效果。更多的研究可見-近紅外在禽蛋品質檢測上多以透射作為檢測模式，以減少蛋殼因素的干擾(表3所示)，如Mehdizadeh等[41]利用透射檢測模式分別以鈍端和赤道為檢測部位，對雞蛋新鮮度分類進行了預測；王彬等[42]對雞蛋鈍端進行透射檢測，以識別其品種及產地，檢測準確率達98.33%；付丹丹等[43]利用可見-近紅外建立了褐殼雞蛋和白殼雞蛋的蛋清S-卵白蛋白含量定量預測模型，在2個品種雞蛋模型中均有較好的預測效果，提高了模型適用性；李慶旭等[44]首次將深度學習應用到鴨蛋早期光譜無損檢測的雌雄辨別上，搭建了6層卷積神經網絡，測試集的準確率達93.83%。

表3 可見-近紅外光譜分析在禽蛋內部品質無損檢測中的應用 Table 3 Applications of visible-NIRS for non-destructive detection of internal quality in egg

目前，禽蛋光譜檢測裝置停留在初步探索與研發(fā)階段。如董曉光[45]利用建立的雞蛋新鮮度多指標融合預測模型，基于可見-近紅外光譜技術研制了雞蛋新鮮度無損檢測裝置。Chen等[46]利用透射可見-近紅外光譜實現(xiàn)了對人造血斑蛋和正常蛋的在線識別。李小明[47]實現(xiàn)了散黃蛋在線動態(tài)檢測與分級，開發(fā)了雞蛋新鮮度判別可視化軟件，整個采集及模型的結果輸出時間共為0.256 s，滿足工業(yè)在線的速度要求。Zhu等[48]利用可見-近紅外光譜技術實現(xiàn)了血斑蛋的在線無損檢測。付丹丹[49]研制出雞蛋無損檢測裝置，實現(xiàn)了2個品種雞蛋的S-卵白蛋白快速無損檢測，結果表明提高模型適應性后，在多品種不同殼色雞蛋中皆具有較好的預測效果。

近紅外光譜和可見-近紅外光譜在禽蛋品質無損檢測中應用較多，特別是可見-近紅外光譜，其體積小、成本低、檢測速度快的優(yōu)勢在禽蛋品質檢測中具有極大的發(fā)展?jié)摿?，非常適用于在線分析和小型儀器的開發(fā)。但仍有一些問題亟待解決，例如檢出限較高，禽蛋各組織之間多重結構相關聯(lián)，各組分之間的光學參數(shù)、成分間的作用機制及生化活動帶來的耦合關系過于復雜，導致檢測結果不穩(wěn)定，受環(huán)境干擾較大。

2.3 基于高光譜成像技術的禽蛋檢測研究

目前高光譜成像技術在禽蛋無損檢測方面已有較深研究，主要是利用高光譜成像技術中的光譜信息數(shù)據建模，實現(xiàn)禽蛋內外部品質無損預測與分類、受精蛋的無損鑒別、禽蛋孵化信息的檢測、胚胎發(fā)育情況鑒別等。在高光譜成像技術中，由于高光譜數(shù)據結構的獨特性[50]，可視化是目前相關數(shù)據研究的熱門方向之一，對于大多數(shù)農產品，特別是肉類和蛋類，其內部的化學組成分布是不均勻的，而這些化學組成又直接影響了其品質[51]。高光譜成像技術可以通過可視化將禽蛋品質指標值的空間分布狀況，以直觀的圖像形式呈現(xiàn)出來[52]。

高光譜成像技術在雞蛋內部品質無損檢測中的應用研究如表4所示。王巧華等[53]以整蛋為感興趣區(qū)域，對白殼雞蛋光譜進行了分析，新鮮度判別準確率在90%以上。Suktanarak等[54]采集了雞蛋的反射高光譜圖像，對雞蛋哈夫單位進行了預測，模型的決定系數(shù)為0.910，并結合圖像處理算法，用不同的顏色代表預測的哈夫值，實現(xiàn)了雞蛋新鮮度可視化分析。Zhang等[55]利用高光譜成像技術建立新鮮度檢測模型，測定系數(shù)為0.87，且?guī)в袣馐液蜕ⅫS的雞蛋可以通過支持向量分類模型來區(qū)分，識別準確率分別為90.0%和96.3%。Fu等[56]利用高光譜成像技術對蛋清S-卵白蛋白含量進行預測，結合圖像處理技術來實現(xiàn)其可視化，如從圖3可直觀地看出雞蛋蛋白中S-卵白蛋白含量的高低。除新鮮度等品質外，高光譜在雞蛋受精信息判別上也有較好的效果。Park等[57]利用線掃描的高光譜成像儀實現(xiàn)了白色受精蛋胚胎活性的快速檢測，通過單波段(560 nm)圖像和簡單的圖像處理方法確定受精蛋的活性，準確率達99.0%，分析結果表明，窄波段的光譜能夠有效應用于內部品質的檢測且易于開發(fā)，具有快速、自動化和成本低等優(yōu)點，這一發(fā)現(xiàn)對高光譜在禽蛋內部品質檢測上意義重大。Lawrence等[58]利用高光譜成像技術獲取雞蛋透射圖像，使未孵化的雞蛋受精信息判別準確率達95.8%。祝志慧等[59]利用高光譜成像技術，建立的圖像-光譜融合信息的受精蛋和無精蛋分類判別模型，可以較好地對受精蛋與無精蛋進行分類判別。

表4 高光譜成像技術在雞蛋內部品質無損檢測中的應用 Table 4 Applications of HIS for non-destructive detection of internal quality in egg

圖3 S-卵白蛋白含量可視化分布Fig.3 Visualization of S-ovalbumin content distribution in 3 egg samples

高光譜成像技術同時具備光譜信息和圖像信息，可以將禽蛋內部指標值分布狀況用圖像呈現(xiàn)，可視化這一獨特優(yōu)勢使其在禽蛋內部品質和受精狀況上均有較好的模型效果。但目前研究基本在實驗室條件下或者統(tǒng)計技術下實現(xiàn)的，模型都限制在特定的樣品范圍內，距穩(wěn)定運用于實際生產還有一定距離。且因數(shù)據量過大導致算法處理復雜、速度慢，且儀器價格昂貴，故難以應用于在線實時檢測中。

2.4 基于拉曼光譜技術的禽蛋檢測研究

拉曼光譜和紅外光譜都發(fā)生在紅外區(qū)，不同的是紅外光譜的產生是由于吸收光的能量，引起分子中偶極矩改變的振動；拉曼光譜的產生是由于單色光照射后產生光的綜合散射效應，能夠彌補紅外光譜無法對沒有極性的對稱分析進行檢測的缺陷，拉曼光譜分析技術被廣泛用于牛奶、農藥殘留等方面的定性及定量研究中[60-62]。表5為拉曼光譜在雞蛋內部品質中的研究應用，其中，Cluff等[63]在純凈的蛋清液中加入不同量的蛋黃液，比較不同比例的蛋清蛋黃混合液的拉曼光譜峰強差異，測定蛋清被蛋黃污染的程度，結果表明，拉曼光譜技術可應用于在線工業(yè)環(huán)境中蛋清發(fā)泡特性的把控。王巧華等[64]利用表面增強拉曼光譜檢測技術結合化學計量學分析方法定量分析了雞蛋蛋清內三聚氰胺含量的可行性和檢測精度，研究結果顯示，2種模型都能有效挖掘出雞蛋蛋清中三聚氰胺的信息，并且可以達到較好的預測效果。劉瑩瑩[65]對蛋清拉曼光譜的特征峰進行歸屬分析，發(fā)現(xiàn)蛋黃指數(shù)、氣室高度、蛋白高度和哈夫值的實測值均和蛋清拉曼光譜的2個特征峰強度值有良好的線性回歸關系。當拉曼光譜應用于禽蛋內部品質檢測時，因蛋殼對于光譜的干擾較大，不同的殼色和蛋殼厚度都對光譜建模效果有著一定的影響，所以拉曼光譜用于禽蛋品質檢測主要針對蛋液或者對雞蛋鈍端打孔來達到檢測效果。而隨著光譜技術的不斷發(fā)展，也有研究發(fā)現(xiàn)蛋殼表面的拉曼光譜與雞蛋新鮮度的理化指標之間存在顯著的相關性。Liu等[66]采集雞蛋尖端的拉曼光譜，利用一階導數(shù)或二階導數(shù)對光譜進行預處理，利用雞蛋新鮮度的理化指標，建立了全波段PLSR模型，該模型具有較好的預測性能，其中，預測模型與哈夫值、蛋白pH、氣室直徑的相關系數(shù)可達0.9以上，與氣室高度的相關系數(shù)可達0.8以上。

表5 拉曼光譜在雞蛋內部品質檢測中的應用 Table 5 Applications of Raman speatra for internal quality in egg

拉曼光譜在無損檢測領域有著較好的發(fā)展勢態(tài)，已有成型的儀器應用于安防、食品、藥品等檢測上，其靈敏度極高，能對痕量級物質進行定性或定量檢測。但是在禽蛋無損檢測中，蛋殼所帶來的干擾難以避免，目前的研究手段僅能對禽蛋量級較高的物質進行檢測，而微量物質需要對蛋殼進行穿孔，所以說拉曼光譜尚未在禽蛋無損檢測中做到真正的“無損”。

3 總結與展望

目前，國內外基于光譜技術的禽蛋內部品質檢測已經有不少文獻報道，大部分集中在基礎研究及應用基礎研究方面，已經獲得了大量有價值的理論結論，但從服務生產的角度出發(fā)，目前的研究還未能滿足生產實際和消費者的應用需求。因此，針對禽蛋的光譜無損檢測技術要逐漸從理論基礎研究走向應用研究，隨著相關技術手段的不斷發(fā)展，禽蛋品質的無損檢測方法也會更加多元化、自動化。結合近紅外光譜、可見-近紅外光譜、高光譜、拉曼光譜的光譜技術特點與實際應用要求，目前在蛋品行業(yè)最具備應用前景的光譜檢測技術是可見-近紅外光譜檢測技術。對于禽蛋品質的無損檢測，我們認為未來主要發(fā)展著力點有：一要統(tǒng)一相關標準，在樣品的處理方法上以及儀器的操作流程與設置上建立一套統(tǒng)一標準體系，從根源上穩(wěn)固光譜模型，擴大其應用范圍；二要通過多學科技術交叉聯(lián)合，將光譜技術與其他技術相結合，從技術層面上彌補光譜的自身缺陷，實現(xiàn)高通量、精準、無損檢測；三要建立數(shù)據處理云平臺，共享數(shù)據庫和模型庫，構建一體化檢測系統(tǒng)，使模型更好地適應不同產地和不同背景信息，解決模型適用性問題，滿足多品種樣品的檢測需求；四要尋找敏感波段，探尋能表征禽蛋內部不同品質特征的數(shù)個離散短波長，以此降低硬件和光學傳感器的成本，構建具有更高質量和減少數(shù)據量的光譜系統(tǒng)，實現(xiàn)更快速地識別和檢測；五是多光譜聯(lián)用，多種光譜技術融合互補促進，除在物質的定性定量檢測之外，還要在光譜成像方面進一步深入發(fā)展。