|
无损检测技术在鸡蛋品质检测中的应用研究进展
肉类食品网 http://www.meat360.cn 2023/3/2 7:25:49 关注：650 评论： 我要投稿
|
|
摘要：鸡蛋品质检测是其生产加工、储藏以及运输过程中的重要环节，能有效保障食品安全和消费者权益。传统方式以人工观察及化学分析为主，在应用过程中成本高、效率低、损耗大，无法满足工业化生产需求。近年来随着计算机技术的不断发展，以机器视觉、声学检测、光谱分析、电子鼻等为代表的无损检测技术取得了较大进步。文章选取了鸡蛋裂纹和新鲜度作为主要目标，分别阐述了上述新型无损检测技术的分析原理和取得的阶段性成果，并总结了目前存在的各种问题，包括样品影响、外界干扰、特征值提取、模式识别算法等，以更好地开展后续研究，加快无损检测技术在实际生产中的应用步伐。
鸡蛋含有丰富的蛋白质和氨基酸，很容易被人体消化吸收，具有很高的营养价值，是人们日常消费的主要蛋制品。随着消费的不断升级，对其内外品质也愈加关注，鸡蛋等级划分或者品质鉴定有利于生产企业提高饲养和管理水平，保障消费者合法权益。常用的鸡蛋品质检测指标有外观品质、蛋壳强度、裂纹、新鲜度等。传统的检测方式主要还是依靠人工观察法和化学检测法，前者往往需要丰富的工作经验，在规模化生产时效率不高，并且稳定性较差，对于细微变化判断不够准确；后者对内部品质，是有损检测，设备造价高、操作繁琐、时间较长，满足不了工业化、规模化的生产需求。随着图像识别、化学计量学技术的不断发展，以机器视觉、光谱、声信号为代表的新型无损检测手段有了较大程度的进步，相较于传统检测手段，无损检测技术具有快速、安全、无损、绿色等优点，检测过程中不需要破坏鸡蛋结构，节省化学测量试剂，在毫秒级别即可完成检测，适用于批量检测，因此引起了学者和企业的广泛关注。
本文选取了鸡蛋品质常见的裂纹和新鲜度作为分析目标，通过阅读大量的期刊文献，对以上常见的几种无损检测手段原理进行了说明，阐述了国内外研究现状和成果，分别总结了目前存在的各种问题，对一些共性问题展开讨论，最后对全文进行了总结，对未来的发展趋势提出了展望，以期为无损检测技术在鸡蛋中的研究应用提供参考和借鉴。
1裂纹无损检测研究现状
鸡蛋蛋壳强度较低，在生产、运输过程中容易发生碰撞而产生裂纹，从而滋生细菌影响其保质期，并且会对其他鸡蛋产生一定影响，因此鸡蛋裂纹检测是保证鸡蛋品质安全的重要手段，也是生产加工中的必要环节。人工检测工作量大、准确率低，难以发现细小裂纹，基于声学、机器视觉技术的裂纹检测发展迅速，取得了较好的研究成果。
1.1机器视觉
鸡蛋破损部位相较于正常表面有明显的颜色差异，因此可通过拍摄多组鸡蛋表面图片提取异常特征来对破损位置进行鉴别。OMIDM等设计并开发一个基于模糊逻辑和机器视觉技术的鸡蛋品质分级智能系统，对IP算法的评价结果表明，IP技术在缺陷和尺寸检测方面具有良好的性能，裂纹检出率95.5%。王芳等通过斯托克斯公式获得皮蛋表壳裂纹的偏振度图像，以像素最高且连通区域最大部分作为中心，先截取100×100素的图像，然后提取该图像裂纹长度、均方比、偏度和峰度4个特征参数，采用Kmeans算法对裂纹蛋壳进行聚类分析，最后取得的综合准确率为93%。熊利荣等采用机器视觉技术从多视角选取裂纹鸡蛋和无裂纹鸡蛋的特征参数，设计Adaboosting算子进行参数优化，筛选贡献率最大的影响参数作为SVM输入向量，最后对普通及微小裂纹识别准确率达到97.5%。吴兰兰等运用边缘检测算法获取褐壳鸡蛋目标图像，采用最大边界算法筛选轮廓以获取裂纹区域图像，对比了3种传统检测算子，结果表明融合梯度幅值和置信度的新方法能解决固定阈值适应性差的问题，取得了较好的分析结果。魏萱等使用工业相机采集鸡蛋的图片，利用高斯滤波、灰度变换进行预处理，进一步用灰度共生矩阵提取鸡蛋表面纹理特征，采用3种不同的算法建立裂纹判别模型，最后建立的LDA判别模型准确率达到96.0%。
采用机器视觉对鸡蛋裂纹检测无需对样品进行特殊处理，但在应用过程中，鸡蛋摆放位置、表面亮斑、鸡蛋表面杂质以及鸡蛋的蛋壳形状等因素都会对机器判别准确率产生较大影响，在工业现场还存在较大的局限性，因此需要采取多种方式减少不确定性因素的影响，如尽可能获取鸡蛋多角度图片、放大裂纹特征的突显作用、抵消无关变量的影响等。
1.2声学检测
当鸡蛋蛋壳出现裂纹时，其结构强度和阻尼系数会产生一定的变化，体现在振动信号的频率和强度上，因此可以通过采集鸡蛋敲击后的振动信号，对比无损、有损鸡蛋转换到频域后的特征分布差异即可对裂纹进行识别。吴雪将鸡蛋敲击信号与蛋壳振动信号相结合来对鸡蛋裂纹进行检测，相比于声信号检测，结构振动信号更具有代表性，1500～3000Hz的能量差异能更准确地对有裂纹的鸡蛋进行区分。王芳等采集鸡蛋赤道位置处的声波信号对裂纹进行分类检测，对比HHT和Multi-PCA2种预处理方式，以及SVM和ANN2种建模算法，均取得了较好的效果，检测精度达到了90%和86.7%。郭小军等设计了基于Labview平台的鸡蛋裂纹检测装置，通过采集鸡蛋4个部位的敲击声音信号，提取2个极值频率并计算差值，将1000Hz作为裂纹鸡蛋识别阈值，识别准确率达到96.667%。秦炎炎等为解决声音信号检测鸡蛋过程的噪音干扰问题，对原始鸡蛋敲击信号进行递归图分析并提取量化的特征值，分别建立基于SVM和反向传播BP算法的裂纹鸡蛋识别模型，结果SVM准确率较高，对完整和有裂纹的鸡蛋识别率分别达到93.98%和95.52%。陈诚等设计了一套基于声学信号的鸡蛋裂纹在线监测装置，主要结构由运动控制模块、信号采集模块、结果分析模块组成，可以对动态运输的鸡蛋进行敲击和声音信号采集，检测准确率达到92%以上，并且稳定性较好，能适用于生产现场。
声学检测可分为接触式和非接触式，前者需要将传感器与蛋壳较好的接触，能获取较完整的振动信号，取得分析结果相对准确；后者信号分析难度较大，对装置要求比较高，仍处于初步探索中。实际应用过程中，检测结果容易受到外界环境、鸡蛋外形、裂纹位置、敲击角度等因素的影响，稳定度欠缺，并且敲击力度过大还有可能造成二次破损。
2新鲜度无损检测研究现状
新鲜度是反映鸡蛋品质的核心指标，实现鸡蛋新鲜度快速检测对其加工、储藏和运输具有重要意义，实际检测中常通过间接检测鸡蛋密度、气室高度、哈夫单位、蛋黄指数等指标以反映新鲜度，常用无损检测方法有机器视觉、光谱分析、电子鼻等。
2.1光谱分析
光谱分析法是通过采集样本的透射或者反射光谱图，建立待测目标与吸光度之间校正模型来实现对未知样本的预测，光谱技术在食品医药检测中有着广泛的研究应用，在鸡蛋新鲜度检测方面也开展了探索性研究。段宇飞等使用微型光谱仪采集鸡蛋的短波段透射光谱，对比不同预处理和校正算法的建模结果，最后使用一阶微分+SVR建模方式组合，采用非线性LLE算法消除无关变量的影响，得到的校正集和预测集的相关系数为92.2%、91.1%，均方根误差为7.21、8.8。孙艳文等采集鸡蛋的近红外宽波段的漫反射光谱，采用MMN、SNV、FD、MSC等多种预处理算法，采用PLS建立脂肪含量预测的校正模型，得到最优分析结果校正集、验证集的相关系数R2分别为0.9475和0.9063，均方差分别为0.1732和0.214，用于鸡蛋脂肪含量预测的结果较准确。杨晓玉等获得鸡蛋样本400nm到1000nm波段的高光谱图像，将哈夫单位作为新鲜度评价指数，使用蒙特卡洛法筛选出异常样本数据，对多种组合预处理后的光谱分别采用3种算法提取特征波长点，建立鸡蛋新鲜度预测模型，最后使用SNV+GAPLS和LS-SVM组合算法结果最优，其校正相关系数R为0.899，预测相关系数为0.832，说明了光谱检测鸡蛋新鲜度的可行性。李海峰等利用光谱漫反射技术检测鸡蛋pH值和蛋白质含量，对比了MSC、SNV、FD等多种预处理手段，使用PLS建立回归模型，在900～1700nm波段预测pH值较好，得到的校正集和预测集相关系数分别为0.948和0.855，在400～1000nnm波段预测蛋白质含量较好，校正集和预测集相关系数分别为0.927和0.906。李新成等采用机器视觉对鸡蛋新鲜度展开研究，即提取鸡蛋图片的G、I分量特征，计算出蛋黄面积比、气室面积比、气室高度比和气室直径比4个参数值，并建立与鸡蛋哈夫单位的参考值之间的回归模型，得出其中蛋黄面积比相关性最高，相关系数达到0.78，拟合优度为0.6，为计算机视觉技术对鸡蛋的新鲜度评价提供了参考。付丹丹等采集2种品种的鸡蛋不同储藏期的透射光谱对其S-卵白蛋白质含量进行检测，采用SNV对光谱数据进行预处理，利用UVE算法提取相关性特征波长，并利用逐步回归进一步对特征波长进行降维，最后建立多元回归模型，得到校正集R2为0.9511，RMSEC为0.0478，预测集R2为0.838，RMSEP为0.1116，通过透射光谱对鸡蛋蛋白质含量检测取得了较好的结果。
在建模过程中不同仪器的光源强度、背景及噪音各不相同，需要进行光谱预处理。光谱采集过程中由于振动、外界光影响，会产生基线漂移，常用多元散射校正(MSC)、微分、标准正态变量校正(SNV)、平滑等对光谱进行预处理，用无信息变量消除法(UVE)、逐步回归、多模式共识法提取特征波长，宽波段需要选取相关性好的特征波长，去掉无变量的干扰，以增加模型稳定性，常用的建模算法有偏小二乘(PLS)、多元线性回归，采用相关系数R2、均方根误差RMSE来对模型准确性进行评价，前者越大、后者越小表明模型更加稳健。鸡蛋各成分有机物含量不同在对光谱的吸收时也存在差异，因此可通过光谱同时分析多个指标。但由于鸡蛋内部成分复杂，样本的选取范围、位置、仪器分辨率、积分次数、预处理程度以及建模算法的选取对结果的准确性和一致性都会产生影响，若要在工业生产中大规模推广仍然需要解决很多难题。
2.2电子鼻
鸡蛋在腐化过程中，营养物质会被微生物分解而产生NH3、H2S、CH4等特殊气体，并且可通过蛋壳上的气孔排出，因此可通过气敏传感器对挥发性气体的组成及浓度分析实现鸡蛋内部品质的检测。PENGL等使用电子鼻技术对鸡蛋进行了新鲜度检测，采用主成分建立分类预测模型，将每过12d的鸡蛋分为一类，结果预测准确率为94.29%。邓凡霏等制作了4种不同敏感材料的QCM气敏传感器，并构成QCM传感器阵列，在对鸡蛋货架期检测过程中，采用LDA建立区分模型效果优于PCA算法，采用PLSR建立鸡蛋预测回归模型R2为0.9547，RMSE为1.666，取得了较好的预测效果。李佳婷等使用了电子鼻技术来对不同储藏时间的鸡蛋进行新鲜度预测，采用线性判别方法取得了较好的区分效果，总贡献率达到了75.7%，使用多元线性回归和BP神经网络分别建立挥发物与新鲜度参考值的相关模型，相关系数均达到0.84以上，相对误差控制在8%～9%，表明了电子鼻技术在鸡蛋新鲜度检测方面具有一定的可行性。姬雪可等研究了基于电子鼻技术的鸡蛋储藏时间判别，使用集成学习算法对完整和裂纹鸡蛋进行分类判别，最后达到的识别率分别为88.57%和84.29%，使用逐步判别分析法得到的准确率在89.3%以上，取得了较好的研究效果。
电子鼻分析技术对传感器灵敏度要求较高，其分析方法与光谱分析在数据处理方面有许多相似之处，常用PCA、LDA、KPCA、PLSR等算法进行数据处理：主成分分析(PCA)用于数据降维，减小无关变量影响的同时提高运算效率，提高模型稳健性；线性判别分析算法(LDA)是监督学习的降维方法，投影后类内方差最小，类间方差最大，来实现较好的分类效果；核主成分分析(KPCA)通过将输入矩阵样本映射到线性可分的高维或者无穷维的空间来实现数据的非线性降维，用于处理线性不可分的数据集；偏最小二乘(PLSR)相较于最小二乘法，能够在自变量存在严重多重相关性的条件下进行回归建模，并且允许在样本点个数少于变量个数的条件下进行回归建模。
2.3其他无损检测技术
其他无损检测技术主要有介电特性法和机器视觉法。前者是通过建立待测样品电磁特性与其内部成分含量的关系来达到分析的目的，后者是利用蛋壳的透光性获取蛋内部气室高度及蛋黄形状，建立新鲜度的分析模型。SOLTANIM等研究探讨了介电检测技术在射频范围内对鸡蛋进行无损分类和质量检测的可能性，对比了人工神经网络(ANN)、贝叶斯网络(BNs)、决策树(DTs)和支持向量机(SVMs)多种分析方法，达到了较好的预期效果。孙俊等研究了基于介电特性的鸡蛋新鲜度检测方法，通过绘制和分析鸡蛋介电参数随频率与蛋黄指数的变化曲线，构建了两者的拟合模型，得到鸡蛋蛋黄指数决定系数R2为0.9115，预测误差在4.2%以内。孙俊等利用10～200kHz介电特性来对鸡蛋进行分类检测，利用SVM算法建立分类预测模型，研究了4种核函数和参数寻优算法对准确率的影响，经过试验发现采用线性核函数和粒子群算法组合时效果最好，得到的训练集和测试集准确率都为95.83%。SOLTANIM等利用机器视觉及人工神经网路(ANN)技术，设计并开发出一个蛋品质鉴定系统，得到鸡蛋的哈夫单位、蛋黄指数、蛋黄/蛋白和蛋黄质量评估模型平均绝对误差分别为5.41%、6.84%、8.79%和4.24%。刘艳等通过获取鸡蛋的透光图像，提取其与鸡蛋新鲜度有关的椭圆度、气室和蛋黄宽度特征，建立单因素新鲜度回归模型，最后采用梯度下降算法得出最优新鲜度分析模型，经拟合优度和F检验具有较高的可靠性。
3总结与展望
在鸡蛋实际生产、加工和流通过程中，鸡蛋品质检测是不可缺少的一环，快速、准确地对鸡蛋品质检测能有效保障食品安全、提高企业生产效率。本文主要从鸡蛋裂纹和新鲜度出发，综述了以机器视觉、声学检测、光谱分析、电子鼻等为代表的新型分析手段的原理、研究进展及潜在问题。研究发现，新型无损检测技术虽然进展较快，但仍然存在许多不足，大多应用仍然停留在相对理想的实验室阶段，如机器视觉采集图片角度受限容易导致漏检，声学检测时信号会受到外界杂散音的干扰，光谱分析法对样品处理及算法选取要求较高等。在笔者看来，无损检测技术更多的是需要解决结果一致性问题，即主要是在数据处理过程中，加强在特征值优选、模式识别算法、外界因素消除等方面的进一步研究，减少随机变量的影响，以加快无损检测技术在工业生产现场的大规模应用。
作者：王明 , 于金莹 , 胡雁翔
来源：《食品科技》 - 2021
|
|
|
| 文章来源：食品科技 文章编辑：一米优讯 |
| 【进入社区】【进入专栏】【推荐朋友】【收藏此页】【大 中 小】【打印此文】【关闭窗口】 |
|
|
| 发表评论 (当前没有登录 [点击登录]) |
|
|
信息发布注意事项：
为维护网上公共秩序和社会稳定，请您自觉遵守以下条款：
一、不得利用本站危害国家安全、泄露国家秘密，不得侵犯国家社会集体的和公民的合法权益，不得利用本站制作、复制和传播下列信息：[查看详细]
（一）煽动抗拒、破坏宪法和法律、行政法规实施的；
（二）煽动颠覆国家政权，推翻社会主义制度的；
（三）煽动分裂国家、破坏国家统一的；
（四）煽动民族仇恨、民族歧视，破坏民族团结的；
（五）捏造或者歪曲事实，散布谣言，扰乱社会秩序的；
（六）宣扬封建迷信、淫秽、色情、赌博、暴力、凶杀、恐怖、教唆犯罪的；
（七）公然侮辱他人或者捏造事实诽谤他人的，或者进行其他恶意攻击的；
（八）损害国家机关信誉的；
（九）其他违反宪法和法律行政法规的；
（十）进行商业广告行为的。
二、互相尊重，对自己的言论和行为负责。
三、本网站不允许发布以下信息，网站编辑有权直接删除：[查看详细]
（一）、重复(恶意灌水)发布的信息；
（二）、在本栏目内发布例如供求信息、代理招商、会展、求职招聘等含有广告宣传性质、不符合网站栏目的信息内容；
（三）、与本网站主体定位不相关的信息等等。
四、本网站有权删除或锁定违反以上条款的会员账号以及该账号发布的所有信息。对情节恶劣的，本网将向相关机构举报及追究其法律责任！
五、对于违反上述条款的，本网将对该会员账号永久封禁。由此给该会员带来的损失由其全部承担！ |
|
|
| 声明：本网刊登的文章仅代表作者个人观点，文章内容仅供参考，并不构成投资建议，据此操作，风险自担。如果转载文章涉嫌侵犯您的著作权，或者转载出处出现错误，请及时联系文章编辑进行修正，电话：010-65283357。本网原创文章，转载请注明出处及作者。感谢您的支持和理解！ |
|
