高光谱成像技术不仅可以获得样品的图像信息, 每个像素点还包含了光谱信息, 因其信息量丰富的特点已在食品安全检测方面得到了应用。 该研究应用近红外高光谱成像技术检测面粉中偶氮甲酰胺。 分别采集纯偶氮甲酰胺、 纯面粉和面粉中10种不同浓度偶氮甲酰胺混合样品的高光谱图像。 通过比较纯偶氮甲酰胺和纯面粉的平均漫发射光谱, 找到两者区分度较大的4个吸收波段: 1 574.38, 2 038.55, 2 166.88和2 269.91 nm。 采用二阶导数对样品图像中的像素点光谱进行预处理, 通过光谱角制图、 光谱相关角和光谱相关性度量三种光谱相似性分析方法对混合样品中的偶氮甲酰胺像素和面粉像素进行检测。 结果表明, 预处理后的平均光谱不能有效检测面粉中偶氮甲酰胺; 单像素点光谱结合光谱相似性分析实现了混合样品中偶氮甲酰胺像素和面粉像素的分类; 分类结果的验证显示了偶氮甲酰胺像素和面粉像素的正确分类。 研究结果为利用高光谱技术检测面粉中添加剂提供了方法支持, 为食品中掺杂物的检测提供参考。

为实现玉米种子含水率(MC)的精确、快速、无损检测, 消除种子放置方式(胚部朝上/下)的影响, 基于高光谱成像和图像处理技术, 结合变量筛选法, 针对玉米种子正反面放置的不同分别建立对应的MC预测模型。分别采集种子正、反两面高光谱图像, 提取质心区域光谱数据, 采用竞争性自适应重加权变量选择算法筛选特征波段, 建立对应的MC预测模型。对比图像不同部位光谱曲线变化趋势, 挑选4个特征波段(1104, 1304, 1454, 1751 nm)进行波段运算获取种子正、反面信息及质心位置。依据正、反面检测结果, 自主选择对应的MC预测模型对45个验证集样本进行含水率检测。结果表明, 使用波段运算正、反面识别率分别为97.8%、100%; 正、反两面验证集相关系数分别为0.969, 0.946, 均方根误差分别为0.464%, 0.616%。该研究为使用多光谱成像技术实现玉米种子MC的快速无损自动化检测奠定基础。