石河子大学畜牧业机械化课程论文农畜产品无损检测研究概述学院：机械电气工程学院班级：2011 级农机（2）班 姓名：张斌学号：2011509463指导老师：李景彬石河子大学2014 年 12 月 25 日农畜产品无损检测研究概述摘要:食品质量与安全是目前国内的热点问题, 如何保证农畜产品及其产品的质量与安全还面临较多的问题, 这些问题的解决目前仍主要依靠常规微生物检测、理化检测、感官评估等方法。为弥补传统方法的诸多缺陷, 国内外学者不断研究食品质量与安全的无损检测方法。无损检测是在不损害或不影响被检测对象使用性能的前提下, 利用物体的光、声、电、磁、力等原理对对象物进行缺陷、化学、物理参数的检测技术。不仅可以避免破坏性测量造成的样品损失, 而且检测速度快, 自动化程度高, 节约时间和经费。关键词：高光谱图像；畜产品品质；无损检测；食品安全1 引言农畜产品作为人们赖以生存的食物，其质量安全是食用品安全的基础，成了食品安全的重中之重，是当前最受人们关注的重大民生问题。优质安全的农畜产品，越来越受到消费者广泛重视和追求，逐渐赢得市场青睐。主要农畜产品有水果、蔬菜、生鲜肉等，其质量参数包括物理属性、化学属性和生物属性。物理属性主要有外观的大小、形状、质量、色泽、硬度等; 化学属性主要有营养成分、新鲜度、成熟度等; 生物属性是指致病性细菌等。农畜产品安全的主要检测指标是指有毒有害杂质掺入等物理性污染; 农药残留、兽药残留、重金属超标等化学性污染;致病性细菌、病毒以及毒素等生物性污染。为了优化农畜业种植养殖的品种、质量，提高质量安全水平，保证农畜产品供给的安全性、可靠性、食用性，实现农畜产品质量安全的快速无损检测具有重要现实意义。无损检测技术是近年在农业中快速发展的新兴高新检测技术，能使样品检测后仍然可以销售和食用，不损害生产者的经济效益，具有极大的商业化实用潜力。与此同时，无损检测技术可替代人工用于过冷和过热、有毒的环境，成为该领域最新的研究热点。根据无损检测原理的不同, 可分为基于声学特性的超声波检测技术、基于电磁学特性的核磁共振波谱法检测技术、基于气味原理的电子舌和电子鼻、基于图像分析的机器视觉检测技术、基于光学特性的无损检测技术等。超声波检测技术在农产品加工及安全检测领域有一定应用, 但是该技术只能检测某部位的化学成分, 且易受超声波频率、测量部位、被测物组织分布均匀性等因素影响。核磁共振检测技术在品质分析中起到较好的作用, 然而在实际应用中仍然存在不少问题。电子鼻和电子舌在一定程度上解决了食品品质评价对工业自动化的制约,却受到敏感材料、制造工艺、数据处理等制约。机器视觉有效地实现了农产品检测的智能化, 但在识别速度和准确度上有待进一步提高。目前，应用于农畜产品质量安全检测的光学技术主要有4 种: 图像检测技术、近红外线检测技术、高光谱成像检测技术和激光拉曼光谱技术等。图像检测技术把外部特征等具体信息高速地输送给计算机进行图像信息的实时处理、识别，从而实现外观质量的综合评价，但是对于农产品内部品质参数和安全性能无法进行准确检测。近红外线检测技术发展相对较为成熟，但是其分析结果准确性受温度等多种因素的影响，从复杂、重叠、变动的背景中提取弱信息，干扰因素比较多，需要不断改进研究方法。另外由于检测范围所限，一般仅用于质地均匀的农畜产品。高光谱检测技术将图像技术与光谱技术融为一体，虽然起步较晚，但是随着其功能提高和应用需求，在农畜产品品质检测和安全评定上呈现出极大的优越性，是无损检测最具潜力的新方法之一。2 光学技术在生鲜肉检测中的研究与应用近红外光谱技术应用是农畜产品无损检测研究的热点, 主要在于其能对农畜产品内部质量进行无损检测这一独特的优势。冷鲜肉和解冻肉由于其保鲜方法不同, 因此品质有一定差异, 通过检测冷鲜肉和解冻肉的光谱曲线, 并对其光谱数据的建模可以快速检测两者的区别。早在1998 年, 美国食品安全实验室已经将光学技术应用于禽肉品质的研究。刘炜等1,2应用傅立叶变换近红外光谱法检测肌内脂肪、蛋白质和水分含量, 分别在鲜猪肉和鲜鸡肉中建立了良好的模型。Qiao 等3利用4301000 nm 光谱范围的高光谱成像技术对猪肉的滴水损失、pH 值、颜色等质量进行了检测。2011年 Gjerlaug -Enger 等4应用近红外光谱法检测育种猪肌内脂肪酸和水分含量, 脂肪酸预测相关系数R2=0.98。2012 年, Kamruzzaman 等5发现结合多元分析的近红外高光谱成像能对羊肉的品质属性进行有效评定。近几年来, 国内外有许多学者6-8利用可见/近红外反射光谱技术成功预测并评价了生鲜猪肉的营养品质。利用拉曼光谱技术同样也可以获取与肉类营养成分相关信息, 如肉品中蛋白质、脂肪成分的相对浓度和分布情况。Dorthe 等9采用红外吸收和拉曼散射相结合的技术, 成功反映出屠宰后短期内猪肉水分含量的情况。Afseth10等在一个复杂的食品成分中通过拉曼光谱检测的方法对脂肪酸进行分类和测定。随着计算机处理技术和光谱分析技术的不断发展, 世界上有许多国家已近开发出相应的仪器设备并运用于实际生产中。如丹麦Foss公司的近红外反射光谱系统, 在猪肉、鲜鸡肉肉糜的蛋白质、渗透性脂肪、干物质等预测中取得了很好的效果。美国的Silver Spring 近红外光谱对兔肉的脂肪酸有较好的预测。近年来, 我国在这一领域研究也取得了快速的发展。其中, 中国农业大学彭彦昆等11研发了一种生鲜肉嫩度高光谱无损检测的新方法。在此基础上, 吴建虎等12,13开发出一组高光谱散射成像系统, 获取新鲜牛肉4001100 nm波长范围的高光谱散射图像, 利用VIR/NIR 光谱散射特征对牛肉嫩度进行预测和分级的准确率高达91%。随后, 吴建虎等14又利用光谱散射特性对牛肉的pH 值、嫩度和颜色(L*、a*、b*)等多指标品质参数进行预测, 取得了较理想的研究成果。大理石花纹是确定肉类尤其是牛肉质量等级的主要指标。Qiao 等15通过测量猪肉样品和猪肉大理石花纹标准的光谱, 后经主成分分析生成5、10、20 个主成分, 再用人工神经网络分类, 其中用10 个主要成分分类的准确率达到85%。高晓东等16通过提取530 nm 特征波段处的牛肉大理石花纹的特征参数并进行建模分析, 发现将高光谱成像技术对牛肉等级评定是可行的。以上研究为牛肉品质无损检测奠定了良好的发展基础。色泽给人以第一印象,新鲜度是反映肉品卫生质量的重要指标。3 声学特性检测技术的应用声学特性检测是利用样品在声波作用下的反射特性、散射特性、透射特性、吸收特性、衰减系数和声波传播速度及本身声阻抗、固有频率等的变化与农产品内部组织变化信息间的关系来反映声波与样品相互作用的基本规律，并据此做定量分析17。声学无损检测技术具有适应性强、投资低、操作简便、检测灵敏度高等优点，主要用于测定农产品成熟度、硬度等。目前国内外对农产品的声学特性研究主要是对水果成熟度、硬度和内部质量缺陷等，如何东健等18利用西瓜打击音波特性研究其成熟度；饶秀勤等19研究声波在西瓜中的传播速度与其含糖量的关系；李建平等20利用声学测试系统，对开口松子与未开口松子声学特性进行测试，发现开口松子的频谱图分形维大于未开口松子；Sugiyama 等对甜瓜的声学特性研究发现，可利用声波的传播速度来确定甜瓜的成熟程度等21。4 核磁共振检测技术的应用核磁共振(NMR)技术对水、脂的混合团料状态下的响应变化较敏感，能生成果实内部组织的高清晰图像。果蔬在成熟过程中，水、油和糖的氢质子的迁移率会随其含量的变化而变化。另外，水、油、糖的浓度和迁移率还与其他一些因素(如机械破损、组织衰竭、腐烂、虫害以及霜冻损害等)有关。基于以上特点，核磁共振可用于检测果品的压伤、虫害、成熟度等。张钟华等22研制成的一种基于核磁共振原理的大豆含油量快速测定仪，几秒钟即可得到大豆含油量读数；张锦胜等23利用低场核磁共振及其成像技术中的 SE 序列对猪肉的质量品评做了初步的探索，获得了水分分布很满意的T1加权像，提供了一种研究食品物质性质的方法。太赫兹波介于微波与红外波之间, 具有宽带性、相干性、低能性以及瞬态性特点, 目前尚未被充分利用到农畜产品的快速检测。其最大特点是可以在线检测物料水分, 目前国外已有相关产品, 但价格昂贵。利用太赫兹时域光谱检测饼干水分含量的尝试, 为丰富农畜产品质量快速检测的技术手段提供技术积累。而利用太赫兹时域光谱检测高油玉米油分含量,则是又一个新的尝试, 为进一步区分高、低油玉米品种以及其主要成分提供参考。5 无损检测的发展趋势和前景综上所述, 近红外光光谱技术、高光谱成像技术、激光拉曼光谱法和X 射线荧光光谱法等基于光学特性的无损检测技术, 在农畜产品品质安全检测中得到广泛的应用, 体现出巨大的潜在应用价值。从发展前景来看, 在技术上, 光学无损检测技术正从农畜产品的单一参数检测向多参数同时检测、从外部品质检测向内外部品质安全参数同时检测、从静态检测向动态检检测方向发展。在实际应用上, 光学技术农畜产品无损检测的研究重点主要在于几个方面：其一, 将光学技术与其他新型无损检测技术有机融合, 集成优化现有检测手段, 充分利用多元信息,提高品质安全的检测精度、广度和准确度, 对农畜产品进行全面综合评价; 其二, 研发集品质检测、安全评定、质量分级一体化的新型实用装置, 开发出用于生产线的在线检测装备, 并将其投入到农畜产品检测的实际运用中; 其三, 建立我国特色农畜产品优质生产和快速检测技术规范和标准, 实现从生产到供给全过程中品质安全的实时在线检测和综合信息评价体系。参考文献:1 刘炜, 俞湘麟, 孙东东, 等. 傅立叶变换近红外光谱法快速检测鲜猪肉中肌内脂肪、蛋白质和水分含量J. 养猪, 2005, (3):4750.2 刘炜, 吴昊旻, 孙东东, 等. 近红外光谱分析技术在鲜鸡肉快速检测分析中的应用研究J. 中国家禽, 2009, 31(2): 811.3 Qiao J, Wang N, Ngadi MO, et al. Prediction of drip-loss, pH,and color for pork using a hyperspectral imaging technique J.Meat Sci, 2007, 76(1): 18.4 Gjerlaug-Enger E, Kongsro J, Aass L, et al. Prediction of fatquality in pig carcasses by near-infrared spectroscopy J. Animal,2011, 5(11): 18291841.5 Kamruzzaman M, ElMasry G, Sun DW, et al. Prediction of somequality attributes of lamb meat using near-infrared hyperspectralimaging and multivariate analysis J. Anal Chim Acta, 2012, 714:5767.6 Savenije B, Geesink GH, Vander Palen JG, et al. Prediction ofpork quality using visible/near-infrared reflectance spectroscopyJ. Meat Sci, 2006, 73: 181184.7 Hoving-Bolink AH, Vedder HW, Merks JWM, et al. Perspectiveof NIRS measurements early post mortem for predict