高光谱特征的人造肉中低色度差异物检测

人造植物肉在其原料运输、制糜和包装等加工环节时有发生异物污染事件,误食异物会严重损害人的身体健康。常规食品异物检测方法容易检测出如金属、石头等坚硬、深色异物,而软质、浅色、透明异物却是食品异物污染事件中的主要来源且是检测的难点。根据异物和人造肉各自化学组成成分的差异,提出了一种人造肉中低色度差异物的高光谱成像检测方法,根据异物与人造肉光谱信息的差异,建立模式识别模型,来进行人造肉中低色度差异物的判别,最后结合数字图像处理技术对异物进行空间分布可视化。选取了聚碳酸酯(PC)、涤纶树脂(PET)、聚氯乙烯(PVC)、硅胶、玻璃五种食品生产加工过程中常见的低色度差异物为研究对象,模拟人造肉压片的工业制作流程,将异物混入人造肉肉糜中,制备混有异物的人造肉样品,分别采集异物和人造肉感兴趣区域(ROI)的反射高光谱数据,采用SG,SNVT,MSC,VN,1ST及2ND六种不同的光谱预处理方法对原始光谱数据进行预处理,然后采用主成分分析法(PCA)对预处理后的光谱数据降维,采用连续投影算法(SPA)提取人造肉的特征波长。分别以全波段光谱、特征波长和主成分变量作为模式识别模型输入变量,对比LDA,KNN,BP-ANN,LS-SVM四种模式识别模型的准确率,优选出最佳的定性识别模型,设置优选模型异物类别输出变量为1、人造肉类别为0,生成二值图像,再结合数字图像处理技术实现人造肉中异物分布可视化,进而实现人造肉中低色度差异物的识别。结果表明,采用SG预处理后的光谱在降噪方面优于其他预处理方式。SPA法优选了人造肉10个特征波长。全波段主成分变量结合BP-ANN模型的检测效果最佳,准确率达98.33%。验证了高光谱技术应用于人造肉中低色度差异物检测的可行性。