食品安全难以保障？高光谱成像技术守护“舌尖上的安全”
每年“3·15晚会”中食品安全的案例最受广大群众关注，食品安全是关乎人类健康、社会稳定和经济发展的核心议题。食品全问题潜伏在我们日常生活中。近日，某食品厂被爆出使用臭鸡蛋制作“网红”蛋糕，同时使用香精掩盖臭鸡蛋的异味。
该如何保障消费者的食品安全？商家恶意使用低价的变质原料的行为需要通过加强监管力度去避免。而无意使用的商家又怎么去控制原料的新鲜度呢？莱森光学的高光谱相机可以提供一个优秀的解决方案。
莱森光学iSpecHyper-VS300便携式高光谱成像系统
1如何定义“新鲜度”？
根据我国农业行业标准文件，鸡蛋的哈夫单位值是衡量鸡蛋新鲜度的关键性指标。哈夫单位值的国标测定方法：通过高精度天平称量鸡蛋质量，打破鸡蛋壳倒出鸡蛋液于干净的玻璃平面上，游标卡尺测量蛋黄周围浓蛋白的厚度。哈夫单位计算公式：
HU=100×lg(H+7.57-1.7G0.75)。
HU为哈夫单位；H为蛋白高度，mm；G为鸡蛋质量，g。
NY/T1758-2009 鲜蛋等级规格
“特级鸡蛋”和“一级鸡蛋”合并为可食用类别，“二级鸡蛋”为不建议食用类别，“三级鸡蛋冶为不可食用类别。使用该方法，都需要打破鸡蛋壳，观察蛋白蛋黄的情况，并且需要使用肉眼辨别，容易产生误差。
2高光谱如何实现鸡蛋新鲜度测定？
鸡蛋高光谱伪彩色RGB图像 不同新鲜度等级鸡蛋的光谱
高光谱相机能够实现在无损情况下，快速、准确地检测鸡蛋新鲜度的需求。通过采用高光谱透射成像仪无损采集不同新鲜度等级鸡蛋的高光谱信息，提取其光谱特征和图像特征，分别采用并行式图谱特征融合和递进式图谱特征融合方法进行数据分析和建模，得出适用于鸡蛋新鲜度的判别模型。当5个单波长联合时，即807.91、606.83、740.62、880.88、676.27nm建模判别效果最好，训练集判别准确率达89.00%，预测集判别准确率达88.00%。
特征波长对应的高光谱图像
3高光谱成像技术解锁食品安全密码
3.1西兰花农药残留检测
农户种植西兰花时为了减少病害对产量影响，无法避免地施用农药。然而，在杀死虫害的同时，农药残留超标会对消费者的生命健康以及西兰花种植带来潜在威胁。通过高光谱采集系统采集西兰花的光谱数据，建立模型对农药残留进行识别。机器学习算法与高光谱技术相结合的识别模型能够很好地检测西蓝花中的农药残留检。
西兰花样本数据的平均光谱图 西兰花农药残留分布可视化图
3.2高光谱羊肉掺假检测
近年来羊肉价格不断上涨，一些不法商家在巨大经济利益诱惑下，铤而走险用狐狸肉等低价值肉类冒充羊肉。将狐狸肉掺入羊肉，其微生物严重超标，投入市场不仅严重影响消费者身体健康，同时也扰乱了肉类食品市场秩序。利用高光谱成像技术结合特征变量筛选，能够实现对羊肉糜中狐狸肉掺假进行定量检测。
羊肉中不同量狐狸肉掺假样品的平均光谱曲线 纯羊肉与纯狐狸肉的代表性光谱
4守护“舌尖上的安全”
食品安全是民生之本，也是社会稳定的基石。面对变质原料、农药残留、肉类掺假等隐患，传统检测方法往往存在效率低、破坏样本、依赖人工判断等局限。高光谱成像技术的出现，为食品安全监管注入了革新力量，通过无损、快速、精准的光谱分析，直击食品安全的核心问题，守护“舌尖上的安全”。
