光学、高光谱和 X 射线成像以及光谱学用于不同类型的食品检测，从肉类分级到发现异物。

 

ALBERT TU, HAMAMATSU CORP.

 

十年前，粮食供应对世界上大多数人来说不是问题，但今天世界正面临粮食危机。多种因素导致了这个问题，包括最近的供应链问题、交付和劳动力短缺以及世界各地的冲突。除了维持稳定的食品供应外，生产商还越来越多地致力于创造可持续的流程，在保持质量的同时减少浪费。

 

早期检查可以创造安全的食品并减少资源浪费。由滨松光子学公司提供。

 

提供安全、优质的食品需要对食品进行检查。过去，人们依靠人类的感官来根据食物的外观、气味和质地来判断食物。但使用当今更先进的检测方法，不仅可以根据颜色、质地、水分含量和内部特征对产品进行分级，还可以根据脂肪、糖分甚至葡萄糖水平等成分对产品进行分级，而不会损坏食品。凭借许多可用的检测技术，光学和基于 X 射线的方法一直是最有效和最可靠的方法之一。有几种主要方法，从机器视觉到光谱学再到高光谱成像（一种提供空间和光谱信息的技术），可以为特定过程发现最有效的检测方法。

 

从人到机器

 

几十年前，大多数食品供应商都在使用人工对食品进行分类。随着产量的不断增长，传送带被用于食品加工，由于准确性和成本问题，人类视觉变得不再可行。检查员很容易被相似的颜色和形状混淆，他们无法识别产品表皮或包装下的缺陷。沿着传送带传送的大量农产品也是一个挑战。

 

这些问题迫使食品供应商从人工分拣转向自动化机器视觉技术。机器视觉提供了许多优势。例如，涉及可见光和不可见光以及 X 射线的各种成像方法可用于各种级别的检查。此外，公司可以在产品进入消费者手中之前减少食品检验和包装中的错误，还可以追踪过程问题发生的时间和地点，从而节省确定过程中哪个部分出错所花费的时间和金钱。

 

挑剔的形状和大小

 

带有在线食品检测软件的高速 CCD 和 CMOS 相机已经使用了数十年，以成功识别凹痕、划痕和霉菌。这种相机还可以帮助根据颜色、形状和大小对食物进行分级。

 

在检查质量或污染证据时，食品的外观带来了巨大的挑战——取决于食品的体积和传送带的速度——因此需要具有高分辨率的在线高速相机。对于更高级的检测，不同的多线相机，例如 RGB 三线和 RGB NIR 四线，可以同时捕获光谱。根据工作环境，IP69K 或更高的防尘防水等级将是有益的。可见成像的优点包括识别外观缺陷，如划痕和凹痕，以及按形状和大小对物体进行分级的能力。

 

次表面缺陷

 

非可见成像，例如使用砷化铟镓 (InGaAs) 相机的短波红外 (SWIR)，可提供典型 CCD 或 CMOS 相机无法提供的信息。非可见成像通常使用 InGaAs 相机，因为它们在 900 到 2500 nm 范围内具有高灵敏度。与几十年前 InGaAs 制造技术处于起步阶段不同，今天的制造商提供高分辨率、高速 InGaAs 相机，无需冷却。

 

不可见成像的优点包括能够检测水分含量，例如农产品上的瘀伤，以及辨别异物，例如咖啡豆或大米等颜色相似的食物中的岩石。不可见成像还可以在塑料和纸张等薄表面下成像，或检查包装密封的质量。

 

使用不同的波长进行成像会收集不同的信息。InGaAs：砷化铟镓。由滨松光子学公司提供。

 

在生产线中战略性地放置可见和不可见机器视觉，使它们能够提供不同的信息——例如，用于检查农产品。根据提供的从外观到内部瘀伤的特征信息，可以对新鲜农产品进行分类，将优质产品保留给消费者，而将外部损伤的农产品用于加工食品或肥料。这个过程可以最大限度地减少来自农场的产品的浪费。

 

用于地下检查的 X 射线

 

虽然可见和不可见机器视觉用于外观或地下检查，但 X 射线成像是检查内部特征的最可靠方法。尽管 X 射线成像主要用于医疗应用和行李安全，但 X 射线检测对于检查食品行业的质量变得越来越必要。

 

战略性地放置使用不同方法的无损检测系统可以节省企业的时间和金钱，并为消费者提供高质量和安全的食品。金属探测器经常被用作内部食品检测的质量检查，但它们的检测能力仅限于金属物体，其灵敏度会根据金属的磁导率和电导率而有所不同。然而，X 射线成像可以以非常高的灵敏度检测金属、玻璃、塑料、骨骼和贝壳。X 射线可以揭示异物的形状、大小和位置。

 

在线 X 射线食品检测是通过在传送带上移动物体，同时使用 X 射线线扫描相机以非常高的速度逐行扫描来进行的。这些相机有多种长度（最长 1 m）、速度和分辨率，以满足食品加工商的生产线和质量保证要求。然后将高动态范围的 X 射线图像输入计算机，由各种软件程序执行自动缺陷识别。

 

X 射线成像的优点包括透视厚表面和高速检测内部非常小的物体，以及识别包装内的物体或检查包装密封的质量。

 

在检查鸡或鱼体内的骨头等混合物质物体时，可以使用双能 X 射线来实现高灵敏度。这种在线食品检测技术仅使用单个 X 射线源与双能 X 射线线扫描相机相结合，可以从 X 射线光谱中检测两个能级。操作员可以根据质量保证标准调整阈值设置，并且可以在自动缺陷识别软件中处理图像。

 

食品复合材料的光谱学

 

食物主要由水、脂肪、蛋白质和碳水化合物以及许多微量成分组成。可以表明质量和安全性的食品特性（例如外观、颜色、风味和质地）取决于食品系统内的分子结构以及分子内和分子间的相互作用。为了识别和测量食品的分子成分，从而确定其质量和安全性，食品供应商可以求助于光谱学。

 

光谱学是基于分子信息评估食品质量的最成功的技术之一。食品供应商不依赖人类感官——主观判断外观、颜色和其他食品特性——而是使用光谱学来生成定量数据。在内置光谱库的帮助下，光谱使食品供应商更容易识别食品的关键成分，量化统计数据可用于衡量食品质量。此外，光谱学需要最少的样品制备或不需要样品制备，从而可以对单个或多个样品进行快速和在线分析。

 

近红外 (NIR) 光谱是了解营养、新鲜度和成熟度信息的关键。在 NIR 光谱中可检测到的食物成分示例如上表所示。

 

市场上有许多 NIR 光谱仪，包括将宽带卤素灯组合到手持式 Fabry-Pérot 干涉仪中的 NIR 光谱仪，其波长范围从 1350 到 2150 nm。该设备允许用户执行反射或透射测量，以表征有关食品质量的重要信息，而无需进行样品制备，例如识别乳制品中的脂肪、蛋白质和水分含量。

 

对于水果和蔬菜，确定成熟度和含糖量不仅可以提供有关田间施肥的信息，还可以根据含糖量和成熟度对最终产品进行分级。

 

用于分类的高光谱成像

 

高光谱成像是一种技术，它结合了相机的优点，以识别空间信息，如大小和形状，与光谱仪的优点，识别光谱信息，如糖含量或水分含量。这种技术提供了多种类型的信息，是区分异物、识别脂肪含量或检测不需要的掺假物质的好工具。

 

由于高光谱成像系统的工作方式类似于使用数千或数百万个光谱仪，因此在图像的每个像素处提供反射光的化学特征，衍射光栅和图像传感器性能起着关键作用。在每个范围内，实际上收集了数百个光谱带，因此针对特定应用进行微调并具有高灵敏度和足够动态范围的光栅可在食品沿着检测线移动时提供精确信息。

 

SWIR高光谱成像

 

在 SWIR 中运行的高光谱成像系统还可用于根据人眼可能无法检测到或传统机器视觉相机可能无法测量的特征对肉类、家禽或鱼类进行分级。此外，SWIR 高光谱成像可以帮助识别和量化食品的化学成分，根据分析的每种复合材料的不同波长或光谱指纹提供营养、脂肪百分比、糖含量和新鲜度等信息。例如，无人机上的 SWIR 高光谱相机可以帮助测量树上生长的苹果的含糖量，并在收获季节前预测苹果的等级和质量。

 

高光谱成像传感器代表了机器视觉行业的一项强大技术，其中需要超越传统颜色的精度。食品检验是一项关键应用。

 

肉质

 

分级 肉质分级涉及众多因素，而脂肪始终是最重要的两个因素之一。可以通过多种方式检查大理石花纹，而使用高光谱成像可以更容易地识别或鉴定大量肉类。高光谱成像可以识别纯脂肪、含有大理石花纹或瘦肉的部分。它还能够识别骨片是否在肉内。

 

为食品供应商创建可持续的商业周期目前很困难，涉及供应有限和其他供应链问题。在流程之前、期间或之后避免更多的资源浪费可能是关键。战略性地放置使用不同方法的无损检测系统可以节省企业的时间和金钱，并为消费者提供高质量和安全的食品。