使用 Specim FX17 高光譜相機檢測食品上的雜質(zhì)異物

食品中的異物對消費者安全構(gòu)成重大風險。發(fā)現(xiàn)異物通常會導致產(chǎn)品召回，這會給企業(yè)帶來高昂的成本并損害品牌聲譽。

為了確保食品的質(zhì)量和安全，制造商必須在整個生產(chǎn)過程中實施強有力的質(zhì)量保證，而高光譜成像可以提供解決方案。

在本研究中，我們使用Specim FX17高光譜相機 (900 – 1700 nm) 和 Specim LabScanner 40*20 來測量三種食品：含有污染物的雞肉片、蔬菜餡餅和山羊奶酪。我們在每種食品上放置了異物，目的是創(chuàng)建一個分類模型來檢測這些異物。

圖 1. 使用 Specim FX17 相機和 Labscanner 40×20 掃描雞柳

首先，我們測量了雞柳，這是一種有價值的食品。我們使用木材、金屬和兩種塑料（PE 和 PS）作為污染物。將食物放在烘焙紙上。

圖 2 顯示了測量的含有和不含污染物的雞柳。

圖 2. 含有污染物的雞柳。照片（左）和高光譜偽色彩 RGB 圖像（右）

此后，我們使用與雞肉片相同的污染物檢查蔬菜肉餅（圖 3）。

圖 3. 含有污染物的蔬菜餡餅。照片（左）和高光譜偽色彩 RGB 圖像（右）

最后，我們測量了山羊奶酪。我們使用一塊包裝材料，即一小塊薄薄的白色塑料包裝材料，作為污染物。圖 4 顯示污染物看起來與奶酪非常相似，并且用 RGB 相機或肉眼幾乎看不見。

圖 4. 含有污染物的山羊奶酪。照片（左）和高光譜偽色彩 RGB 圖像（右）。

每個數(shù)據(jù)都根據(jù)White Ref和Dark Ref進行標準化。我們使用 SpecimINSIGHT 分析軟件處理了所得的反射率數(shù)據(jù)。從雞肉片和污染物中進行區(qū)域選擇，并將每個選擇的平均光譜繪制到光譜圖中進行比較（圖 5）。

每個光譜的顏色與圖像上相應選擇的顏色相匹配。光譜圖顯示雞肉片和所有污染物的光譜特征明顯不同。

蔬菜餡餅的光譜特征也不同于污染物，如圖 6 所示。

山羊奶酪包裝材料稍微透明，這導致山羊奶酪的光譜與包裝材料的光譜混合（圖7）。因此，山羊奶酪和污染物的光譜特征并不像雞肉片、蔬菜餅和污染物的光譜特征那樣顯著差異。

我們?yōu)槊糠N食品創(chuàng)建了一個 PLS-DA 模型（*）來檢測異物。雞柳（圖 8）和蔬菜餡餅（圖 9）的模型都包括五個類別（PE、PS、木材、金屬和食品）。山羊奶酪僅含有一種污染物，因此分類模型（圖 10）僅包括兩類（塑料和食品）。每個模型的背景都會被檢測到并以黑色可視化。

圖 10. 含有污染物的山羊奶酪。包裝材料=紅色。

本研究使用Specim FX17高光譜相機（900 – 1700 nm）來檢測食品上的異物。根據(jù)測量和分析，我們可以得出以下結(jié)論：

- 食品和污染物的光譜特征是可以區(qū)分的。

- 根據(jù) Specim FX17 相機捕獲的數(shù)據(jù)，可以創(chuàng)建分類模型來檢測污染物。

- Specim FX17 高光譜相機可以檢測人眼看不見、標準 RGB 相機無法檢測到的污染物。

(來源:Specim高光譜成像)