摘要：主要介紹無損檢測裝置的原理及應用，包括電子鼻檢測、光譜檢測、機器視覺檢測、低場核磁共振檢測、多源感知信息融合檢測、高光譜成像檢測，分析了無損檢測裝置未來的發(fā)展趨勢。多源感知信息融合裝置在未來肉類新鮮度無損檢測當中有著良好的應用前景。

　　關鍵詞：新鮮度；肉類；無損檢測；發(fā)展趨勢

　　引言

　　隨著我國經(jīng)濟的持續(xù)快速發(fā)展，人民生活水平不斷提高，人們對肉類食品的需求也大幅增加，2018年中國肉類食品的消費甚至超過了美國和歐盟的總和，達到了7100萬t。面對肉類食品需求的大量增加，我國對于肉類食品的品質控制越來越嚴格，因此肉類新鮮度檢測手段需進一步提升。肉類新鮮度等級一般分為新鮮、次鮮、不新鮮3個等級。傳統(tǒng)的檢測方法主要通過感官判定或者化學試驗測定肉類表面的菌落總數(shù)、揮發(fā)性鹽基氮等指標來評定新鮮度等級?；瘜W分析方法屬于破壞性檢測，而且試驗操作較為繁瑣、檢測周期較長、試驗需要大量的化學試劑導致檢測成本高；而感官判斷有主觀性強、精度低、難以量化等缺點。

　　傳統(tǒng)的檢測方法已經(jīng)很難達到快速檢測肉類食品新鮮度的要求。隨著檢測儀器技術的發(fā)展，無損檢測方法應運而生。無損檢測即非破壞性檢測，在不破壞待測物的物理結構、化學成分的情況下，獲取與樣本新鮮度相關的物理、化學指標。本文分析了無損檢測裝置在肉類新鮮度檢測中的發(fā)展趨勢，介紹了無損檢測方法，它主要是通過電子鼻、近紅外光譜、拉曼光譜、低場核磁共振、多源感知信息融合等方法對肉類的新鮮度指標進行檢測。多源感知信息融合裝置、高光譜成像裝置等都包含了多種肉質信息，在未來的無損檢測裝置發(fā)展中占有較大優(yōu)勢。

　　1  肉類新鮮度無損檢測裝置的應用

　　電子鼻也稱氣味掃描儀，是20世紀末發(fā)展起來的一種快速無損檢測食品的裝置。其檢測系統(tǒng)是一種仿生嗅覺系統(tǒng)，主要由氣敏傳感器、數(shù)據(jù)處理裝置和軟件分析系統(tǒng)組成。該系統(tǒng)含有多個對揮發(fā)性氣體極其敏感的氣敏傳感器，在肉類變質的過程中，氣味往往是新鮮度等級評定的重要指標，將肉類揮發(fā)性氣體傳入到該傳感器中，與傳感器中的敏感性材料發(fā)生化學反應，從而檢測出該肉類揮發(fā)性成分的信息，如圖1所示。電子鼻裝置中常見的氣敏傳感器有紅外光電檢測裝置、金屬氧化物半導體傳感器等。紅外光電檢測裝置在通過紅外線照射不同的氣體時，強度和光譜的峰位會發(fā)生變化，根據(jù)這些特征變化來對氣體的成分進行檢測分析。金屬氧化物半導體傳感器在檢測氨氣、氯氣、氫氣等氣體時，效果顯著。

　　目前，對電子鼻裝置用于檢測肉類氣味、評定肉類新鮮度等級的研究較多。劉明等使用電子鼻對雞蛋的氣味進行檢測，選擇線性判別（LDA）進行數(shù)據(jù)分析，對不同貯藏時間的雞蛋進行分類，以此來判斷雞蛋新鮮度的變化。Xuxiang等基于電子鼻檢測裝置，采用非線性數(shù)據(jù)特征分析方法，結合化學計量學，建立了雞肉新鮮度檢測模型，該模型檢測準確率為93.9%。

圖1  電子鼻檢測系統(tǒng)結構圖

　　1.2  光譜檢測裝置

　　1.2.1  近紅外光譜檢測裝置

　　美國材料檢測協(xié)會（ASTM）將780～2526nm定為近紅外光譜區(qū)域，該區(qū)域和有機分子含氫基團如O-H、N-H、C-H等的振動合頻和倍頻相吸收。近紅外光譜檢測裝置主要基于不同的分子振動、轉動頻率表現(xiàn)不同的光譜吸收率原理來獲取不同的光譜曲線，通過尋找光譜曲線與化學成分的相關性來分析被檢測樣品的新鮮度，并且近紅外光譜能夠反映有機物含氫基團的振動信息，檢測平臺如圖2所示。相對于中紅外光譜，近紅外光對物質穿透能力更強，利用近紅外光譜結合化學分析可以檢測某些肉類的蛋白質含量、脂肪含量、水分、pH值、TVB-N等多種化學指標。在獲取光譜數(shù)據(jù)之后，還需要進行光譜預處理、光譜降維、光譜建模等過程。

　　近年來，由于近紅外光譜使用成本低、綠色環(huán)保、檢測便捷并且不需要破壞樣本即可檢測樣本內(nèi)部的分子信息，因此被廣泛應用于肉類假冒、摻假和新鮮度檢測。吳霆等基于近紅外光譜檢測裝置，對貯藏0～12d的三文魚肉和魚皮進行光譜檢測，并提出一種自編碼神經(jīng)網(wǎng)絡算法來建立魚肉和魚皮的貯藏時間預測模型，結果表明，魚肉光譜更適合作為預測模型的輸入樣本，其預測精度更高，模型更加穩(wěn)定。王麗等選擇近紅外光譜檢測裝置進行豬肉新鮮度的檢測，采用PLS算法建立一種定量

　　模型分別對豬肉的色澤指標、pH值和揮發(fā)性鹽基氮（TVB-N）進行預測，結果表明，樣本的預測值與真實測定值之間沒有顯著性差異，說明近紅外光譜可用于快速、無損檢測豬肉新鮮度。

圖2  近紅外光譜檢測平臺

　　1.2.2  拉曼光譜檢測裝置

　　印度科學家拉曼于1928年發(fā)現(xiàn)一種非彈性散射現(xiàn)象，即拉曼散射。在散射過程中一般會出現(xiàn)斯托克斯線和反斯托克斯線兩種情況，斯托克斯線在樣品分子受激后返回到基態(tài)較高振動能級時出現(xiàn)，而反斯托克斯線在樣品分子受激后返回到基態(tài)較低振動能級時出現(xiàn)。拉曼光譜檢測裝置是近年來用于肉類檢測方面較為新穎的技術之一，該裝置有快速、無損、檢測便捷、成本低等優(yōu)點。與紅外光譜不同，拉曼光譜是基于拉曼散射效應的原理，通過分子對光子的非彈性散射來獲取分子的轉動或振動信息，從而確定檢測物內(nèi)部的化學鍵。目前，拉曼光譜檢測裝置被應用于多個領域，如法醫(yī)鑒定、醫(yī)療領域、石油化工等，市面上主要有自帶光源的便攜式拉曼光譜儀和中型拉曼光譜檢測平臺，如圖3—4。

　　將拉曼光譜應用于肉類新鮮度檢測在近幾年較為火熱，劉琦等利用拉曼光譜檢測裝置對貯藏不同天數(shù)的冷凍豬肉和冷藏豬肉的蛋白質進行光譜檢測，得出隨著貯藏天數(shù)的增加，兩種肉的蛋白質的拉曼光譜譜峰都呈現(xiàn)下降趨勢的結論，在貯藏15d左右，譜峰已極其不明顯。實驗結果表明，拉曼光譜檢測裝置可以快速、無損檢測豬肉新鮮度。Santos等使用便攜式拉曼光譜儀對豬肉進行光譜采集，建立PLS回歸模型來預測豬肉的肉質剪切力，該模型預測的準確率可達92.7%。

圖3  便攜式拉曼光譜儀

圖4  激光共聚焦拉曼光譜檢測平臺

　　1.3  機器視覺檢測裝置

　　機器視覺是人工智能正在快速發(fā)展的一個分支，是一種用機器來代替人眼對目標進行識別和判斷的技術。肉類的紋理、色澤等外觀信息在其新鮮度的分級中起著重要作用。傳統(tǒng)的肉類色澤、紋理等信息往往是通過人眼判斷，存在主觀性較強、缺乏客觀性、視覺疲勞等缺陷。機器視覺檢測裝置能夠捕捉到這些肉類的重要外觀信息，通過數(shù)據(jù)采集模塊獲取肉類的紋理、色澤等圖像信息，根據(jù)顏色、像素和亮度等信息將圖像信息轉換為數(shù)字信號。機器視覺檢測裝置如圖5所示，由光源模塊、樣本放置平臺、相機模塊組成，是一種較為常見的機器視覺檢測裝置。

圖5  機器視覺檢測裝置

　　目前，機器視覺裝置在識別肉類新鮮度上的應用已較為成熟。姜沛宏等通過機器視覺裝置來檢測牛肉的品質，研究隨貯藏時間的變化，牛肉表面紅（R值）、綠（G值）、藍（B值）三個顏色通道的變化規(guī)律，然后通過SPSS 軟件建立牛肉新鮮度分級模型，結果顯示，該模型識別正確率為91%，可見機器視覺裝置在牛肉新鮮度分級應用中可行性較高。Shi等利用機器視覺檢測裝置對羅非魚瞳孔顏色參數(shù)進行評估，作為一種低成本的在線預測4℃貯藏期間羅非魚新鮮度的方法。

　　1.4  低場核磁共振檢測裝置

　　核磁共振檢測裝置是確定化學反應進程和分子結構的較為常見的一種方法，而低場核磁共振檢測裝置可以利用氫原子核在磁場中的特性，追蹤到待測物中的氫原子，可以快速獲取肉類食品中的水分含量以及脂肪、蛋白質結構的變化，從而進行肉類新鮮度等級的評定。

　　國內(nèi)學者在將低場核磁共振檢測裝置應用于肉類新鮮度等級的評定中做了大量研究。王夢嬌等利用低場核磁共振檢測裝置，對羊肉中自由水、結合水與不易流動水的分布情況來判斷羊肉新鮮度等級，試驗表明，羊肉中自由水、結合水與不易流動水的弛豫時間均與羊肉的pH 值、TVB-N以及菌落總數(shù)有顯著相關性，亦可以確定低場核磁共振檢測裝置獲得的數(shù)據(jù)與羊肉的新鮮度密切相關。

　　1.5  其他無損檢測裝置

　　除了上述介紹的幾種常見的肉類新鮮度無損檢測裝置外，還有諸多國內(nèi)外較為少見的無損檢測裝置，如超聲波無損檢測裝置、電磁特性檢測裝置、電子舌檢測裝置、質構儀檢測裝置、探針式pH計等，均可應用在肉類新鮮度無損檢測領域。

　　2  肉類新鮮度無損檢測裝置的發(fā)展趨勢

　　目前對于肉類新鮮度的檢測方法較多，但是大部分檢測裝置對肉類新鮮度相關信息的采集過于單一，肉類脂肪、蛋白質等所含化學成分十分復雜，如肌紅蛋白、血紅蛋白、多種氨基酸以及鈣、鈉、鉀、鎂等無機物，單類型的特征往往無法全面的表現(xiàn)肉類新鮮度的變化。近年來，許多學者采用多種傳感器裝置獲取肉質信息，如光譜儀器結合機器視覺裝置、電子鼻裝置結合核磁共振裝置等，通過多種信息融合裝置進行綜合性的評定會在未來肉類新鮮度無損檢測裝置的發(fā)展中占用較大優(yōu)勢，亦更為科學。

　　2.1  多源感知信息融合裝置

　　多源感知信息融合裝置充分利用多個傳感器資源, 對觀測到的有關同一目標的信息進行合理支配和使用, 把多個傳感器在空間或時間上的冗余或互補信息依據(jù)某種準則進行組合, 以獲得對被觀測目標的最佳估計。將拉曼光譜、電子鼻和機器視覺相結合，即可檢測到肉類的化學結構、揮發(fā)性成分和表面灰度等。和其他的檢測裝置相比，多源感知信息融合裝置可以提高對肉類新鮮度的檢測精度，可以全面地對肉類新鮮度進行評定，其容錯性好，可靠性高，且更加靈敏。

　　目前，多源感知信息融合已成為當下研究的熱點。劉木華等利用光譜分析、超聲波、電子鼻和機器視覺等多種信息融合建立牛肉品質檢測模型，并使用支持向量機（SVM）進行分類，結果顯示，多傳感器信息融合建立的模型優(yōu)于單個傳感器信息模型。周煒等采用電子鼻和機器視覺檢測裝置，建立基于多源感知信息技術的豬肉新鮮度檢測模型，其識別準確率可達到100%。Peihong等將機器視覺檢測和近紅外光譜檢測雙信息融合，對牛肉新鮮度進行檢測，選擇BP神經(jīng)網(wǎng)絡建立模型，該模型分類準確率為98.29%。

　　2.2  高光譜成像檢測裝置

　　高光譜成像技術近年來受到諸多關注，被廣泛應用于食品、軍事等領域，是一種圖像信息和光譜信息相結合的檢測技術，圖像信息能夠反映肉類表面的變化規(guī)律，光譜信息能夠反映肉類內(nèi)部化學結構的變化規(guī)律。高光譜成像檢測平臺一般由光譜儀、電機、CCD 相機、計算機、光源組成，通過集成硬件和軟件來獲取肉類的每個像元的空間信息以及光譜信息，如圖6所示。

圖6  高光譜成像檢測平臺示意圖

　　目前，許多國內(nèi)外學者對高光譜成像裝置在肉類新鮮度檢測的應用格外關注。柴玉華等選擇高光譜成像裝置來檢測牛肉的含水率，選擇偏最小二乘法建立模型，結果顯示，預測集的準確率為88%，標準差為0.120。王婉嬌等選擇高光譜成像技術結合化學計量方法來檢測羊肉的色澤、貯藏時間、水分含量等品質指標，結果表明，高光譜成像裝置在肉類品質的檢測當中是可行的。Crichton等使用高光譜成像裝置對新鮮牛肉和凍融牛肉進行數(shù)據(jù)采集，采用支持向量機（SVM）建立分類模型，該模型準確率可達93.7%。

　　3  總結

　　隨著當今社會的智能化、數(shù)字化、快速化發(fā)展趨勢，肉類新鮮度無損檢測裝置也在快速發(fā)展。無損檢測裝置具有檢測速度快、操作簡單、成本低廉等優(yōu)點，并且在不破壞待測樣本的情況下對其進行檢測，該裝置未來將會被廣泛應用于肉類新鮮度的檢測當中。在人們對肉類品質要求更高的今天，多源感知信息融合裝置是必然發(fā)展趨勢，將多個傳感器信息，如揮發(fā)性氣體信息、肉質內(nèi)部分子信息以及肉質外部視覺信息等相融合，肉類新鮮度檢測精度將會更加準確、穩(wěn)定性更高。

　　目前，熱門的無損檢測裝置一般無法檢測到與肉類新鮮度密切相關的化學參數(shù)，如菌落總數(shù)、揮發(fā)性鹽基氮等，往往要加以化學試驗測得，然后找其相關性。未來需要進一步加深對無損檢測裝置的研究，使得無損檢測裝置在肉類新鮮度檢測中更加科學，從而確保我國肉類食品質量安全。