食品安全問題備受關注，人們對果蔬品質與安全標準的要求也越來越高，已成為社會關注的熱點。傳統果蔬品質檢測方法如化學法、高效液相色譜法、質譜分析法等通常對待測物具有破壞性，且檢測速度慢。

高光譜成像技術介紹

高光譜成像技術將圖像與光譜技術相結合，可同時快速、準確地獲取被測食品的圖像信息和光譜信息, 憑借無損、檢測速度快和不損害被測食品的優點，實現食品品質和質量的快速、高效檢測，使得其在食品安全檢測中有著極為廣泛的應用。

高光譜三維立體圖像

高光譜成像技術在果蔬品質檢測中的應用

市場上人們對果蔬的直接感受就是其外部品質的好壞，即對顏色、新鮮度、大小、損傷、凍傷與腐爛等方面的判斷;其次，就是對果蔬的內部品質來作為衡量其營養價值的重要依據，通過檢測果蔬的糖分、硬度、水分、成熟度、蛋白質等指標對其進行判斷。傳統的檢測技術由于精度低、操作復雜，很難區分出來。高光譜成像技術恰好克服了這一缺點，能夠實現全方位的無損檢測，而且精度高、易于操作，近年來逐步用于果蔬外部品質和內部品質的檢測中。

果蔬外部品質的檢測

①新鮮度檢測

新鮮度是反映果蔬品質最重要指標。利用高光譜成像儀采集了分別在失水0、10、24、48小時狀態下的小白菜、菠菜、油菜、娃娃菜等四種蔬菜葉片，并對其光譜圖像進行對比分析。其中，通過小白菜葉片在不同失水時間下的高光譜圖像及光譜信息的變化，葉片在失水過程中其形狀外觀形態及內部葉綠素均有變化。

小白菜葉片不同失水時間段下的高光譜圖像

②凍傷檢測

凍傷和機械損傷是果蔬在采摘、運輸及儲藏過程中不可避免的表面損傷，將直接影響果蔬的外部品質。利用高光譜成像技術和ANN預測模型對蘋果凍傷進行了研究，如圖1所示。實驗采用如圖2所示過程，在400-1000nm波段的凍傷蘋果高光譜圖像中選擇5個主成分波段(717,875,960和980nm)進行ANN模型的建立，其訓練集、測試集、和驗證集的相關系數分別為0.93,0.91和0.92，最終實現了98%以上的識別準確率。

圖1：蘋果光譜特征曲線圖

圖2：特征波段光譜數據選取

③腐爛檢測

腐爛是果蔬在儲藏、運輸過程中最常見的現象，不僅影響果蔬的內外部品質，甚至會導致安全問題。利用高光譜成像技術對桃子根霉菌進行深入研究，選取400-1000nm波段采集桃子360°全方位的高光譜數據(如圖1所示)，然后通過統計方法和圖像分割算法得到三個單波長圖像(709nm，807nm和874nm)可以明顯區分出邊緣、健全和腐爛部位。

圖1：包含光譜和空間信息的高光譜圖像示意圖

果蔬內部品質檢測

①糖度和硬度檢測

糖度和硬度是反映果蔬內部品質的兩個重要指標，糖度能體現出果蔬的口感度，硬度能間接體現果蔬的成熟度。利用近紅外高光譜成像儀(900-1700nm)分別對490個藍莓的果柄側和花萼側進行光譜成像檢測果實的糖度和硬度。

藍莓果實樣本的硬度和糖度的Brix值分布圖

所以隨著生活水平的提升，人們對健康食品的品質要求越來越高。傳統的檢測技術操作復雜、破壞性強，難以滿足檢測需要。高光譜成像技術憑借圖譜結合、無損、無接觸的優勢，能夠快速、準確、無損的檢測出食品的品質，操作簡單，近年來廣泛應用與果蔬品質的檢測中，成為食品安全質量檢測最先進技術之一。