導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 食品安全論文>>正文

農(nóng)畜產(chǎn)品品質(zhì)安全光學無損檢測技術(shù)的進展和趨勢

文檔作者：彭彥昆張雷蕾文檔來源：中國農(nóng)業(yè)大學工學院		點擊數(shù)：	更新時間： 2025年07月09日
下載地址：點擊這里	文件大?。?1.03 MB 共8頁	文檔格式： PDF	下載點數(shù)： 1 點（VIP免費）

全屏查看

內(nèi)容預(yù)覽 [文件共8頁]

本文件共8頁，如需編輯使用，請下載。

注：預(yù)覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大?。?.03 MB 共8頁文件格式：PDF 下載點數(shù)：1 點（VIP會員免費）

上一篇：歐盟食品和飼料快速通報系統(tǒng)通報我國食品…

文本預(yù)覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

第3卷第6期食品安全質(zhì)量檢測學報Vbl．3 No．6
2012年12月Jo啪al ofFood Safe夠and Quality Dec．，2012
農(nóng)畜產(chǎn)品品質(zhì)安全光學無損檢測技術(shù)的
進展和趨勢
、1
彭彥昆+，張雷蕾
(中國農(nóng)業(yè)大學工學院，北京100083)
摘要：本文綜述了國內(nèi)外農(nóng)畜產(chǎn)品品質(zhì)安全無損檢測技術(shù)的研究狀況和發(fā)展趨勢。在農(nóng)畜產(chǎn)品檢測領(lǐng)域，發(fā)
現(xiàn)近紅外光譜技術(shù)、高光譜成像技術(shù)、激光拉曼光譜法和x射線熒光光譜法等主要的光學無損檢測技術(shù)和方
法有廣泛的研究和應(yīng)用狀況，它們在果蔬的品質(zhì)成分分析、農(nóng)藥殘留檢測與在線分級分揀；生鮮肉肉品品質(zhì)檢
測、品種鑒別與安全評定；乳品、茶葉等特種農(nóng)產(chǎn)品的成分分析、品種分類等方面具有重要作用。農(nóng)畜產(chǎn)品無
損檢測技術(shù)具有廣闊的發(fā)展前景和應(yīng)用潛力。
關(guān)鍵詞：農(nóng)畜產(chǎn)品；品質(zhì)安全；無損檢測；近紅外光譜技術(shù)；高光譜成像技術(shù)
AdVancement and trend of non-destructiVe detection technOlogy f．or assessing
agro-products quality and safb坶
PENG Yan—Kull+．ZHANG Lei．Lei
(CD，，轡Q廠魄f玎P∥嚼∞f療a爿g廊甜廳“M，踟加e瑙f紗，占P妒垤100083，∞f玎∞
ABSTRACT：The paper reviewed the advancement and trend on non．destmctive detection technology of ag．
ricultural products quali夠and safe夠The major technologies were spectroscopy non-destructive detection
methods，including the nea卜infrared spectroscopy(NIRS)，hyperspectml imaging technology，Raman spec．
troscopy and X-ray nuorescence spectrometry(xFR)．The印plications of the spec仃al tecllIlologies were wide，
including detection of the nutritional components analysis，detection of pesticides resi(Iue，online grading of
fmits and Vegetables based on their qualities；detection of meat quali饑Variety discrimination and safety
eValuation of fresh meat；the conVentional components analysis，cultiVar classification and safbty evaluation of
special agricultural products．Non—destmctiVe detection technology has an ex仃emely large potential for fmure
deVelopment and application prospect to detect agro-products quality and saf．ety．
KEY WoRDS：agricultural products；qualit)，and safbt)r；non—des伽lctive detection；nea卜infrared spectroscopy；
hyperspectral imaging techn0109y
1 引言
農(nóng)畜產(chǎn)品質(zhì)量安全是當前人們最為關(guān)注的重大
民生問題，它直接關(guān)系到消費者的身體健康，關(guān)系到
上游企業(yè)的食品安全，關(guān)系到整個社會的穩(wěn)定發(fā)展。
近年來，國內(nèi)食品安全問題頻頻發(fā)生，很大程度上是
由于初級農(nóng)畜產(chǎn)品源頭污染嚴重以及流通過程中監(jiān)
管控制力度不到位所造成的，所以迫切需要全面提
升農(nóng)畜產(chǎn)品質(zhì)量安全保障措施。其中，農(nóng)產(chǎn)品質(zhì)量控
制和安全檢測是保障農(nóng)畜產(chǎn)品質(zhì)量安全的關(guān)鍵環(huán)節(jié)，
基金項目：公益性行業(yè)(農(nóng)業(yè))科研專項(20l003008)
+通訊作者：彭彥昆，教授，博士生導(dǎo)師，主要研究方向：農(nóng)畜產(chǎn)品品質(zhì)安全無損檢測關(guān)鍵技術(shù)與裝備。E—mail：ypeng@cau．edu．cn
萬方數(shù)據(jù)
562 食品安全質(zhì)量檢測學報第3卷
為了進一步提高農(nóng)畜產(chǎn)品質(zhì)量安全水平，需要切實
加強農(nóng)畜產(chǎn)品質(zhì)量安全監(jiān)管。因此，如何實現(xiàn)農(nóng)畜產(chǎn)
品品質(zhì)的快速檢測和安全評價有著重要的現(xiàn)實意義。
傳統(tǒng)檢測農(nóng)畜產(chǎn)品品質(zhì)安全方法，如質(zhì)譜分析
法、高壓液相色譜法、理化檢驗和微生物檢驗等，存
在檢測效率低、所需時間長、產(chǎn)品破壞大等問題。所
以，現(xiàn)代的農(nóng)畜產(chǎn)品質(zhì)量安全檢測技術(shù)正朝著快速、
準確、無損的方向發(fā)展。農(nóng)畜產(chǎn)品品質(zhì)無損檢測技術(shù)
是近年來發(fā)展起來的一項新技術(shù)，在不破壞被檢農(nóng)
產(chǎn)品的情況下，應(yīng)用一定的檢測技術(shù)和分析方法對
其內(nèi)在品質(zhì)和外在品質(zhì)進行測定，并按一定的標準
對其作出評價【1】。根據(jù)無損檢測原理的不同，可分為
基于聲學特性的超聲波檢測技術(shù)、基于電磁學特性的
核磁共振波譜法檢測技術(shù)、基于氣味原理的電子舌和
電子鼻、基于圖像分析的機器視覺檢測技術(shù)、基于光
學特性的無損檢測技術(shù)等【21。超聲波檢測技術(shù)在農(nóng)產(chǎn)
品加工及安全檢測領(lǐng)域有一定應(yīng)用，但是該技術(shù)只
能檢測某部位的化學成分，且易受超聲波頻率、測量
部位、被測物組織分布均勻性等因素影響。核磁共振
檢測技術(shù)在品質(zhì)分析中起到較好的作用，然而在實
際應(yīng)用中仍然存在不少問題。電子鼻和電子舌在一定
程度上解決了食品品質(zhì)評價對工業(yè)自動化的制約，
卻受到敏感材料、制造工藝、數(shù)據(jù)處理等制約。機器
視覺有效地實現(xiàn)了農(nóng)產(chǎn)品檢測的智能化，但在識別
速度和準確度上有待進一步提高。基于光學特性的無
損檢測技術(shù)主要有近紅外光譜技術(shù)、高光譜成像技
術(shù)、激光拉曼光譜法和x射線熒光光譜法，由于其
檢測速度快、精度高、易于實現(xiàn)自動化，適于大規(guī)
模產(chǎn)業(yè)化生產(chǎn)的在線檢測，特別是在農(nóng)畜產(chǎn)品品質(zhì)
安全檢測方面有獨到的優(yōu)勢，具有很大的實用和推
廣價值‘3。5】。
近年來，光學技術(shù)在農(nóng)畜產(chǎn)品品質(zhì)無損檢測中
的應(yīng)用研究進展較快，主要包括果蔬、糧油等種植業(yè)
產(chǎn)品的品質(zhì)成分分析、農(nóng)藥殘留檢測與在線分級分揀；
畜禽、水產(chǎn)等養(yǎng)殖業(yè)產(chǎn)品的肉品品質(zhì)檢測、品種鑒別
與安全評定；乳品、茶葉等特種農(nóng)產(chǎn)品的成分分析、
品種分類與食用安全性評定等。本文介紹了利用光學
技術(shù)在主要農(nóng)畜產(chǎn)品品質(zhì)檢測和安全評定上的研究
進展，并對今后的發(fā)展趨勢和應(yīng)用前景進行展望。
2 光學技術(shù)在果蔬檢測中的研究與應(yīng)用
果蔬的品質(zhì)檢測和分級評定是果蔬在流通中的
重要環(huán)節(jié)，對于果蔬在產(chǎn)后加工、質(zhì)量評判和運輸貯
藏等方面具有較高的應(yīng)用價值?；诠吖鈱W特性的
無損檢測在該領(lǐng)域取得了較大的進展，受到了國內(nèi)
外學者越來越廣泛的關(guān)注。
針對果蔬內(nèi)部品質(zhì)無損檢測，光學技術(shù)主要應(yīng)
用在營養(yǎng)成分分析、食用指標測定和成熟度判定分級
等。20世紀70年代至今，近紅外技術(shù)發(fā)展較為成熟，
在果蔬內(nèi)部品質(zhì)無損檢測中有較高的檢測精度【6]。
2005年，Pedro等[7】應(yīng)用近紅外光譜測定西紅柿的總
固形物、可溶性固形物、番茄紅素和胡蘿卜素含量，
所建模型的相關(guān)系數(shù)均高于0．99。2009年，Camps等
【8】利用便攜式近紅外光譜分析法對杏的品質(zhì)進行研
究，通過檢測可溶性固形物含量(ssc)、總酸度(TA)
和堅實度三個指標，取得了滿意的效果。高光譜成像
技術(shù)在國外發(fā)展相對較早，20世紀90年代末開始應(yīng)
用于農(nóng)產(chǎn)品品質(zhì)無損檢測。Lu和Pen∥1兩人采用高
光譜散射方法建立桃子硬度的預(yù)測模型，獲得了較
好的預(yù)測結(jié)果。最近，Rajkumar【lo】等利用400～1000
nm的可見／近紅外光譜成像技術(shù)對香蕉的可溶性固
形物含量、含水率和堅實度進行測定，從而很好地判
定了香蕉的成熟度。國內(nèi)學者研究利用光學技術(shù)對果
蔬內(nèi)部品質(zhì)進行無損檢測較深入。其中中國農(nóng)業(yè)大學
韓東海教授團隊在蘋果褐腐病水心病鑒別、梨的糖度
硬度檢測等方面取得了較為豐碩的成果【ll，12】。此外浙
江大學應(yīng)義斌教授團隊在水果成熟度、可溶性固形物
等內(nèi)部品質(zhì)指標檢測和尖椒、番茄蔬菜葉片的葉綠素
含量測定等方面做了部分有價值的研究[13?！薄?。
光學技術(shù)在果蔬外部品質(zhì)方面的研究，主要集
中在外部特征、表面缺陷及污染物的檢測，其中高光
譜成像技術(shù)在該領(lǐng)域顯示了巨大的優(yōu)越性[1 6|。程國
首等[17]提取蘋果高光譜圖像中713、793、852 nm處
的3個波長圖像，采用波段比算法，有效地檢測出新
疆紅富士蘋果大小。果蔬表面缺陷和表面污染嚴重影
響果蔬品質(zhì)和附加值，尤其是輕微損傷、真菌感染、
糞便污染以及早期凍傷等難以識別的情況，如何對
其進行快速、無損檢測已經(jīng)成為國內(nèi)外學者的研究熱
點。比利時學者xing掣18‘20】從2003年開始做了相關(guān)
研究，利用可見／近紅外高光譜成像檢驗蘋果表面新
瘀傷，準確率達到95％以上。2004年，Mehl等[21】利用
高空間分辨率(0．5～1．0 mm)高光譜成像系統(tǒng)檢測四種
不同種類蘋果腐爛、擦傷、污斑、傷疤和土壤污染。
2006年，Ariana[22】等應(yīng)用高光譜成像技術(shù)檢測黃瓜采
萬方數(shù)據(jù)
第6期彭彥昆，等：農(nóng)畜產(chǎn)品品質(zhì)安全光學無損檢測技術(shù)的進展和趨勢563
摘時受到的機械損傷。2008年，西班牙的Gomez．
sanchis等[23】利用高光譜計算機成像系統(tǒng)成功檢測出
由霉菌污染引起的柑橘腐敗。國內(nèi)學者也進行了許多
努力，在果蔬缺陷等外部品質(zhì)判定方面有深入研究。
2009年，蔡建榮等[241利用高光譜圖像技術(shù)結(jié)合兩步
主成分分析算法檢測柑橘果銹，正確率達到90％，實
現(xiàn)了光譜技術(shù)在柑橘外部品質(zhì)的無損檢測。2010年，
李江波等[25]基于高光譜成像技術(shù)從帶有不同缺陷的
柑橘類水果中快速識別出潰瘍果。與此同時，單佳佳
和郭俊先[26，27】分別進行了蘋果內(nèi)外品質(zhì)同時檢測的
研究，結(jié)果表明高光譜成像技術(shù)既可以準確預(yù)測果
蔬內(nèi)部品質(zhì)，又可以實現(xiàn)外部品質(zhì)的分級。
在果蔬食用安全性的識別和檢測方面，光譜技
術(shù)在果蔬農(nóng)藥殘留檢測中也有相應(yīng)的研究。2008年，
薛龍等【28]以臍橙為研究對象，初步探討了應(yīng)用高光
譜圖像技術(shù)檢測水果表面農(nóng)藥殘留的方法。2009年，
陳菁菁等【29]利用近紅外光譜技術(shù)實現(xiàn)了微量有機磷
農(nóng)藥的定量檢測。2010年，代芬等刪利用近紅外反
射光譜分析技術(shù)檢測高殘留農(nóng)藥敵百蟲和敵敵畏在
龍眼表面的殘留。2012年，羅春生等[31]利用近紅外
光譜法測定了乙酰甲胺磷和毒死蜱混合農(nóng)藥在蘆柑
表面的殘留量。利用拉曼光譜檢測果蔬表面農(nóng)藥殘留
對國內(nèi)來說屬于一個新的嘗試。2004年，周小芳等【3引
發(fā)現(xiàn)運用近紅外傅立葉變換拉曼光譜儀可以分辨果
蔬表面的農(nóng)藥殘留。2008年，王睿垠等[33]應(yīng)用拉曼
光譜分析法在農(nóng)藥殘留及復(fù)雜分子的結(jié)構(gòu)分析中做
了探索性嘗試。2011年，孫云云掣34】利用激光顯微拉
曼光譜技術(shù)對蘋果表面毒死蜱農(nóng)藥進行檢測，檢測
限為48 mg瓜g。江南大學的Liu[35]應(yīng)用表面增強的拉
曼光譜檢測和鑒定水果表面殺蟲劑殘留(硫代氨基甲
酸酯和有機磷混合物)。中國農(nóng)業(yè)大學的Dhakalp刨的
研究證明，拉曼光譜檢測水果表面是否殘留農(nóng)藥是
一種不必制樣、非破壞性、快速方便的有效方法。上
述研究表明高光譜成像技術(shù)在果蔬品質(zhì)安全無損檢
測中有很大的應(yīng)用潛力。
3 光學技術(shù)在生鮮肉檢測中的研究與應(yīng)用
生鮮肉品質(zhì)的好壞，直接影響到消費者的生活
質(zhì)量和健康安全，受到了整個肉品行業(yè)的日益關(guān)注
和重視。光學技術(shù)作為快速無損檢測技術(shù)在生鮮肉品
質(zhì)檢測和安全評定上得到廣泛應(yīng)用‘37，3 81，主要體現(xiàn)
在生鮮肉的化學成分分析、食用品質(zhì)評價、質(zhì)量評估
與分級、品種鑒定與判斷等方面。
生鮮肉中的各種營養(yǎng)成分對肉的品質(zhì)有重大的
影響。基于光學技術(shù)的肉品成分分析的研究主要集中
在水分、蛋白質(zhì)、脂肪、維生素、礦物質(zhì)和碳水化合
物等指標上，對不同種類的生鮮肉均有相關(guān)的應(yīng)用
實例。早在1998年，美國食品安全實驗室已經(jīng)將光
學技術(shù)應(yīng)用于禽肉品質(zhì)的研究。劉煒等【3 9，40】應(yīng)用傅立
”葉變換近紅外光譜法檢測肌內(nèi)脂肪、蛋白質(zhì)和水分含
量，分別在鮮豬肉和鮮雞肉中建立了良好的模型。
Oiao掣41】利用430～1000 nm光譜范圍的高光譜成像
技術(shù)對豬肉的滴水損失、pH值、顏色等質(zhì)量進行了
檢測。2011年，Qjerlaug．Enger等[42】應(yīng)用近紅外光譜
法檢測育種豬肌內(nèi)脂肪酸和水分含量，脂肪酸預(yù)測
相關(guān)系數(shù)R2=0．98。2012年，Kalll】mzzaman等【43]發(fā)現(xiàn)
結(jié)合多元分析的近紅外高光譜成像能對羊肉的品
質(zhì)屬性進行有效評定。近幾年來，國內(nèi)外有許多學
者[44。46】利用可見／近紅外反射光譜技術(shù)成功預(yù)測并評
價了生鮮豬肉的營養(yǎng)品質(zhì)。利用拉曼光譜技術(shù)同樣也
可以獲取與肉類營養(yǎng)成分相關(guān)信息，如肉品中蛋白
質(zhì)、脂肪成分的相對濃度和分布情況。Donhe等【47]
采用紅外吸收和拉曼散射相結(jié)合的技術(shù)，成功反映
出屠宰后短期內(nèi)豬肉水分含量的情況。Afseth[48】等在
一個復(fù)雜的食品成分中通過拉曼光譜檢測的方法對
脂肪酸進行分類和測定。隨著計算機處理技術(shù)和光譜
分析技術(shù)的不斷發(fā)展，世界上有許多國家已近開發(fā)
出相應(yīng)的儀器設(shè)備并運用于實際生產(chǎn)中。如丹麥Foss
公司的近紅外反射光譜系統(tǒng)，在豬肉、鮮雞肉肉糜的
蛋白質(zhì)、滲透性脂肪、干物質(zhì)等預(yù)測中取得了很好的
效果。美國的SilVer spring近紅外光譜對兔肉的脂肪
酸有較好的預(yù)測。
食用品質(zhì)是肉品最重要的品質(zhì)指標之一，包括
嫩度、持水力、大理石花紋、新鮮度等指標，直接影
響生鮮肉的商品價值。嫩度是指肉在食用時口感的老
嫩，反映了肉的質(zhì)地，是消費者評判肉質(zhì)優(yōu)劣的最常
用指標。Park【49，5 0】經(jīng)過幾年的研究，應(yīng)用近紅外光譜
技術(shù)很好地評價了牛肉背最長肌(LD)的嫩度，并建
立預(yù)測牛肉嫩度的良好模型。2008年，Naganathan
等[5l】采用高光譜成像技術(shù)分別對牛肉嫩度進行測定，
取得了滿意的結(jié)果。近年來，我國在這一領(lǐng)域研究也
取得了快速的發(fā)展。其中，中國農(nóng)業(yè)大學彭彥昆等[52]
研發(fā)了一種生鮮肉嫩度高光譜無損檢測的新方法。在
此基礎(chǔ)上，吳建虎等【53’541開發(fā)出一組高光譜散射成
萬方數(shù)據(jù)
564 食品安全質(zhì)量檢測學報第3卷
像系統(tǒng)，獲取新鮮牛肉400～1100 nm波長范圍的高光
譜散射圖像，利用VIR／NIR光譜散射特征對牛肉嫩
度進行預(yù)測和分級的準確率高達91％。隨后，吳建虎
掣551又利用光譜散射特性對牛肉的pH值、嫩度和顏
色(L+、a。、b*)等多指標品質(zhì)參數(shù)進行預(yù)測，取得了
較理想的研究成果。大理石花紋是確定肉類尤其是牛
肉質(zhì)量等級的主要指標。0iao等[56】通過測量豬肉樣
品和豬肉大理石花紋標準的光譜，后經(jīng)主成分分析
生成5、10、20個主成分，再用人工神經(jīng)網(wǎng)絡(luò)分類，其
中用10個主要成分分類的準確率達到85％。高曉東
等【57】通過提取530 nm特征波段處的牛肉大理石花紋
的特征參數(shù)并進行建模分析，發(fā)現(xiàn)將高光譜成像技
術(shù)對牛肉等級評定是可行的。以上研究為牛肉品質(zhì)無
損檢測奠定了良好的發(fā)展基礎(chǔ)。色澤給人以第一印象，
新鮮度是反映肉品衛(wèi)生質(zhì)量的重要指標。2009年，蔡
健榮【58】等應(yīng)用近紅外光譜法測定豬肉新鮮度重要指
標揮發(fā)性鹽基氮(TVB．N)的含量。20 11年，Grau等p劌
利用可見／短波近紅外光譜法預(yù)測了雞胸肉的水分、
pH、TvB-N、適溫細菌等參數(shù)，實現(xiàn)了新鮮度的評定。
2012年，張雷蕾等【60】提取高光譜中的反射光譜，通
過TvB．N和pH值兩個重要新鮮度參數(shù)，較好地實現(xiàn)
了對豬肉新鮮度快速無損檢測。這項技術(shù)的應(yīng)用為檢
測肉品新鮮度開辟了新的道路。
在生鮮肉的安全性指標的評價上，包括肉的表
面污染、微生物腐敗變質(zhì)、毒素藥物殘留及摻假摻水
肉等。針對禽肉表面污染物，國外學者進行了大量相
關(guān)的試驗研究‘61，62】。Park掣63，64]從多光譜到高光譜進
行了不斷的嘗試，利用主成分分析法研究排泄物和
攝取食物對禽肉的污染問題，檢測準確率高達
96．2％。在生鮮肉微生物腐敗檢測和安全評定方面，
光學技術(shù)顯示出潛在廣闊的應(yīng)用前景。Ellis【65]通過傅
立葉變換紅外光譜技術(shù)和機器視覺相結(jié)合的技術(shù)，
測定了牛肉的微生物腐敗程度。2011年，Panagou
等【66】利用傅里葉變換紅外光譜建立牛肉表面細菌總
數(shù)的預(yù)測模型，從而實現(xiàn)了對牛肉安全評定。
A1exandrakis等【67】利用化學計量法和近紅外光譜法成
功地區(qū)分了新鮮和受到微生物污染的雞胸肉。中國農(nóng)
業(yè)大學彭彥昆教授研究團隊開創(chuàng)了基于高光譜技術(shù)
進行肉類細菌總數(shù)無損檢測的先河。Peng等[68’69】研
發(fā)了一種基于高光譜成像的畜肉細菌總數(shù)快速無損
檢測方法，在牛肉腐敗細菌和豬肉活菌總數(shù)檢測方
面均取得滿意的結(jié)果。2010年，王偉等[70]驗證了高
光譜成像技術(shù)結(jié)合最小二乘支持向量機(Ls-sVM)的
建模方法可以有效地預(yù)測生鮮豬肉中細菌總數(shù)
(Tvc)。陶斐斐等【71]通過實驗證明利用高光譜技術(shù)可
以較好地定量分析冷卻豬肉表面的菌落總數(shù)。以上研
究成果的取得，為今后研制出一種快速、非破壞檢測
生鮮豬肉細菌總數(shù)的高光譜檢測儀器打下堅實的基
礎(chǔ)。此外，注水肉、注膠肉、原料肉摻假等肉品安全
問題也有相應(yīng)的研究【72’74J。
4 光學技術(shù)在特種農(nóng)產(chǎn)品檢測中的研究與
應(yīng)用
乳品含有豐富的營養(yǎng)價值，實現(xiàn)乳品品質(zhì)安全
的快速無損檢測，對提高乳品質(zhì)量、保障消費者權(quán)益
具有重要的應(yīng)用前景?；诠鈱W技術(shù)的無損檢測主要
體現(xiàn)在乳品營養(yǎng)成分檢測、品種識別與鑒定以及食用
安全性能評定等方面。2004年，王麗杰等【75】采用紅
外漫反射光譜(1000～1700 m)分析牛奶中蛋白質(zhì)、脂
肪等成分含量，實現(xiàn)了牛奶營養(yǎng)成分含量的快速無
損檢測。2007年，鄭麗敏等【76】探討了近紅外光譜分
析技術(shù)應(yīng)用于驢奶成分分析的可行性。近年來，國內(nèi)
外研究學者將光學技術(shù)應(yīng)用于乳品品種識別和鑒定，
取得了一定的成績。2008年，Pappas等[77】基于漫反射
紅外傅里葉變換譜對山羊奶和綿羊奶進行鑒別。2011
年，soyeurt等[78】利用中紅外光譜技術(shù)(mid—infrared
spectromet吼MIR)檢測了來自三個國家不同品種的
牛奶中所含的脂肪酸。同年，中國科學院遙感應(yīng)用研
究所的黃長平等利用自主研制的地面成像光譜輻射
測量系統(tǒng)，有針對性地實現(xiàn)了牛奶品種鑒別【79】。在乳
品安全評定上，光學技術(shù)也發(fā)揮了重要的作用。2011
年，楊仁杰等[80】采用中紅外光譜檢測牛奶中摻雜的
尿素。2012年，張露等【8lJ利用可見／近紅外光譜技術(shù)
對牛奶中不同濃度的三聚氰胺進行檢測。
茶葉是我國重要的經(jīng)濟作物，為了保障茶葉原
材料的質(zhì)量安全，需要全面提升茶葉品質(zhì)的檢測精
度和檢測能力。隨著光學技術(shù)的蓬勃發(fā)展，茶葉品質(zhì)
安全檢測能力實現(xiàn)了一個新的跨越?；诠鈱W技術(shù)的
茶葉無損檢測研究，主要包括茶葉成分檢測、品種分
類及鑒別、重金屬污染測定等方面。在茶葉成分檢測
方面，國內(nèi)外學者先后利用近紅外光譜法分析了茶
葉中茶多酚、茶多糖、氨基酸及咖啡堿等[82。8鍆。2004
年，zhang等【85]利用近紅外光譜結(jié)合多元分析法測定
了綠茶的抗氧化能力。在茶葉鑒別和分類方面，江蘇
萬方數(shù)據(jù)
第6期彭彥昆，等：農(nóng)畜產(chǎn)品品質(zhì)安全光學無損檢測技術(shù)的進展和趨勢565
大學的趙文杰研究團隊是相對研究較早的，做了大
量有意義的工作【86，8”。隨后，陳孝敬等【881提出了一種
利用多光譜圖像一一暗色特征進行茶葉分類的新方
法，對兩種顏色相近茶葉的識別率達到了100％。
2009年，饒秀勤等【89]根據(jù)茶葉中重金屬含量的差異，
利用x射線熒光技術(shù)結(jié)合模式識別技術(shù)進行茶葉產(chǎn)
地鑒別。2011年Li等[90]采用多光譜成像結(jié)合小波變
換和支持向量機分析方法，對國內(nèi)著名的茶品種進
行分類，取得了有效的研究結(jié)果。
在糧油作物的品質(zhì)分析方面，光學技術(shù)廣泛應(yīng)
用于常規(guī)成分測定、品質(zhì)鑒定評價以及儲藏過程中的
安全控制等。在常規(guī)成分檢測上，近紅外光譜技術(shù)在
谷物、油籽、豆類等有較高的檢測精度，主要包括蛋
白質(zhì)、淀粉、氨基酸等成分指標【91，92|。2010年，Choung
等[93】利用近紅外反射光譜快速準確地測定大豆中的
蔗糖含量。在品種快速鑒別上，基于光學技術(shù)的無損
檢測取得了良好的進展。2008年，陳建等[94】采用
1000～2632 nm的近紅外光譜技術(shù)對玉米品種進行鑒
別，預(yù)測集的準確率為95％。2009年，梁亮等【9糾應(yīng)用
可見／近紅外光譜技術(shù)鑒別了5種不同稻谷品種與真
偽。近年來，糧油作物的摻假、病蟲害、農(nóng)藥殘留等
安全問題引起了研究者的關(guān)注。2006年，Marina等【％1
通過近紅外光譜結(jié)合定標運算方法鑒別出摻假面粉。
2004年，Perez．Mendoza等[97]利用近紅外光譜技術(shù)
檢測了谷物儲藏中三種不同的害蟲。2012年，張
洪濤等【98】開發(fā)了900～1700 nm的近紅外高光譜成像
系統(tǒng)，正確識別了倉儲小麥的活蟲和死蟲樣本。
5光學技術(shù)無損檢測的發(fā)展趨勢和前景
綜上所述，近紅外光光譜技術(shù)、高光譜成像技
術(shù)、激光拉曼光譜法和x射線熒光光譜法等基于光
學特性的無損檢測技術(shù)，在農(nóng)畜產(chǎn)品品質(zhì)安全檢測
中得到廣泛的應(yīng)用，體現(xiàn)出巨大的潛在應(yīng)用價值。
從發(fā)展前景來看，在技術(shù)上，光學無損檢測技
術(shù)正從農(nóng)畜產(chǎn)品的單一參數(shù)檢測向多參數(shù)同時檢測、
從外部品質(zhì)檢測向內(nèi)外部品質(zhì)安全參數(shù)同時檢測、從
靜態(tài)檢測向動態(tài)檢檢測方向發(fā)展。在實際應(yīng)用上，光
學技術(shù)農(nóng)畜產(chǎn)品無損檢測的研究重點主要在于幾個
方面：其一，將光學技術(shù)與其他新型無損檢測技術(shù)有
機融合，集成優(yōu)化現(xiàn)有檢測手段，充分利用多元信息，
提高品質(zhì)安全的檢測精度、廣度和準確度，對農(nóng)畜產(chǎn)
品進行全面綜合評價；其二，研發(fā)集品質(zhì)檢測、安全
評定、質(zhì)量分級一體化的新型實用裝置，開發(fā)出用
于生產(chǎn)線的在線檢測裝備，并將其投入到農(nóng)畜產(chǎn)品
檢測的實際運用中；其三，建立我國特色農(nóng)畜產(chǎn)品
優(yōu)質(zhì)生產(chǎn)和快速檢測技術(shù)規(guī)范和標準，實現(xiàn)從生產(chǎn)
到供給全過程中品質(zhì)安全的實時在線檢測和綜合信
息評價體系。
參考文獻
[1】李靜，操慶國．無損檢測技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢驗中的應(yīng)用[J】．
中國科技信息，2010，(21)：79—80．
【2】韓明，菌長云．無損檢測技術(shù)及應(yīng)用研究【J】，天津科技，2011，
38(1)：75—77．
【3】眥mg wB，Paliwal J，“以Ne弘缸臺ared spec拄oscopy and im—
agi芏19 in food qual時and safbty【J】．sens Ins仃umen Food Qual，
2007，4(1)：193-207．
[4] Jiallg YL，zhang RY，Yu J，田a，．Applications of Visible aIld
near-inf}ared byperspec仃al imaging for non—destnlctiVe detection
of me agriculmml products 【C】． Equipment MaIlufactIlring
Tcchnology aIldAutomationPa^2，20¨：909—914．
[5】劉燕德，劉濤，孫旭東，等．拉曼光譜技術(shù)在食品質(zhì)量安全檢
測中的應(yīng)用【J]．光譜學與光譜分析，2010，30(1 1)：3007—3012．
[6】楊春梅，李寧，趙學玨，等．用于果蔬內(nèi)部品質(zhì)無損檢測的
NIRs技術(shù)新進展【J]．激光與紅外，2009，39(11)：1137—1141．
【7]Pedro AMK，F(xiàn)erreim MMC．Nondes協(xié)lctive de-temination of
solids aIld carotenoids in tomato prodllcts by nea卜in行ared spec—
troscopy a11d multivariate calibration[J]．Anal Ch鋤，2005，77
(08)：2505—25 11．
[8] Camps C，c¨sten D．Non—des仃uctive assessment of apricot加it
qual時by ponable visible-near in丘ared spectroscopy【J】t LwTFood
Sci Tcchnol，2009，42(6)：“25—1131．
[9】Lu RE Peng YK．Hyperspec仃al Scattering for assessing Peach
Fmit FiHnness[J]．Biosyst Eng，2006，93(2)：161—171．
[10】Rajkumar P’wang N，EImasry G“日，．studies on banana fmit
quality and manlrity stages using hyperspectral imaging[J]．J
Food Eng，2012，108(1)：194—200．
[11】王加華，孫旭東，潘璐，等．基于可見／近紅外能量光譜的蘋果
褐腐病和水心鑒別[J]光譜學與光譜分析，2008，28(9)：
2098—2102，
[12]潘璐，王加華，李鵬飛，等．砂梨糖度近紅外光譜波段遺傳算
法優(yōu)化【J】．光譜學與光譜分析，2009，29(5)：1246一1250．
[13]馬廣，傅霞萍，周瑩，等．大白桃糖度的近紅外漫反射光譜無
損檢測試驗研究【J]光譜學與光譜分析，2007，27(5)：907-910．
【14】徐惠榮，陳曉偉，應(yīng)義斌，等．基于多元校正法的香梨糖度可
見，近紅外光譜檢測【J】．農(nóng)業(yè)機械學報，2010，41(12)：
126一129．147．
【15]蔣煥煜，應(yīng)義斌．尖椒葉片葉綠素含量的近紅外檢測分析實
萬方數(shù)據(jù)
566 食品安全質(zhì)量檢測學報第3卷
驗研究[J]．光譜學與光譜分析，2007，27(3)：499—502，
【16】李江波，饒秀勤，應(yīng)義斌，等．農(nóng)產(chǎn)品外部品質(zhì)無損檢測中高
光譜成像技術(shù)的應(yīng)用研究進展【J]．光譜學與光譜分析，2011，
31(8)：202l一2026．
，
[17]程國首，郭俊先，肉孜-阿木提，等．基于高光譜圖像技術(shù)預(yù)測
蘋果大小[J]．農(nóng)機化研究，2012，34(6)：108一112．
[1 8]xing J，Landahl S，Lammertyn J，ef口，．E仃ects ofbmise t)pe on
*
discrimination of bmised and non-bmised‘Golden Delicious’ap—
ples by VIS／NIR spectroscopy[J】．Postharvest Bi01 1bc，2003，
30(3)：249—258．
[19] xing J，Baerdemaeker J．B11lise detection on’Jonagold。apples
using hyperspectml imaging[J】．Postharvest BioI 1’ec，2005，
37(2)：152一162．
[20] Xing J，Baerdemaeker J．Fresh bmise detection by predicting
soRening index of apple tissue using VIS／NIR spec廿oscopy【J]．
Postharvest Biol Tec，2007，45(2)：176—183．
[21】Ariana DP，Lu RF’Guyer DE，甜訂f．Near-infraredhyperspec仃al
renectance imaging for detection of bmises on pickling cucum·
bers[J]．Comput Electmn in A鰣c，2006，53(1)：60—70．
[22]Mehl PM，Chen YR，Kim MS，Pf口，．DeVelopment of hyperspec—
tral imaging technique for me detection of印ple surf如e defects
and contaminations[J]J Food Eng，2004，61(1)：67—81．
【23】Gomez—sanchis J，Gomez—chova L，Aleixos N，甜口，．Hyperspec—
tral system for early detection of rotte加ess caused by Penicil·
li砌digitatum in n啪darins[J】．J Food Eng，2008，89(1)：80一86．
[24】蔡健榮，王建黑，黃星奕，等．高光譜圖像技術(shù)檢測柑橘果銹
【J]．光電工程，2009，36(6)：26—30．
【25】李江波，饒秀勤，應(yīng)義斌，等．基于高光譜成像技術(shù)檢測臍橙
潰瘍【J]．農(nóng)業(yè)工程學報，2010，26(8)：222～228．
[26】單佳佳，彭彥昆，王偉，等．基于高光譜成像技術(shù)的蘋果內(nèi)外
品質(zhì)同時檢測[J】．農(nóng)業(yè)機械學報，2011，42(3)：140一144．
[27]郭俊先，饒秀勤，程國首，等．基于高光譜成像技術(shù)的新疆冰
糖心紅富士蘋果分級和糖度預(yù)測研究[J]．新疆農(nóng)業(yè)大學學報，
2012，35(1)：78～86．
[28】薛龍，黎靜，劉木華，等．基于高光譜圖像技術(shù)的水果表面農(nóng)
藥殘留檢測試驗研究[J】光學學報，2008，28(12)：2277—2280．
[29】陳菁菁，李永玉，吳建虎，等．基于近紅外光譜技術(shù)的微量有
機磷農(nóng)藥的快速檢測[J】食品安全質(zhì)量檢測技術(shù)，2009，l(1)：
45—50．
[30]代芬，張昆，洪添勝，等．龍眼表面農(nóng)藥殘留的無損檢測研
究一基于近紅外光譜分析[J】．農(nóng)機化研究，2010，32(10)：1l l一
114．
[31】羅春生，薛龍，劉木華，等．基于近紅外光譜法無損檢測蘆柑
表面多種農(nóng)藥殘留研究[J】中國農(nóng)機化，2012，(2)：128—
131．135．
[32]周小芳，方炎，張鵬翔，等．水果表面殘留農(nóng)藥的拉曼光譜研
究【J]．光散射學報，2004，16(1)：1l—14．
[33】王睿垠，白士剛，金長江，等．激光拉曼光譜分析技術(shù)及其在
農(nóng)藥殘留檢測中的試驗研究[Jj．河北農(nóng)業(yè)科學，2008，12(7)：
166一167．
[34】孫云云，李永玉，彭彥昆，等．基于拉曼光譜技術(shù)檢測蘋果農(nóng)
藥殘留的研究[c]．中國農(nóng)業(yè)工程學會2011年學術(shù)年會論文集，
20lI．
[35】Liu B，Hall G’zhang z，ef d，．shen Thicl(Iless—Dependent Raman
Enhancement fbr Rapid Identification and Detection of Pesticide
Residues at Fmit Peels【J]Anal chem，2012，84(1)：255—261．
[36】Dhakal S，Li YY'Peng YK，酎Ⅱ^System DeVeIopment for De—
tection of Pesticide in Apple【C]．2012 ASABE A衄ual Intema—
tionaI Meeting，2012．
[37】彭彥昆，張雷蕾．光譜技術(shù)在生鮮肉品質(zhì)安全快速檢測的研
究進展[J]．食品安全質(zhì)量檢測學報，2010，27(2)：62—72．
【38]Narsaiah K，J11a SN．Nondestmctive methods for quality evalua—
tion of 1ivestock products[J]．Food Sci‘rechnoI，2012，49(3)：
342—348．
【39]劉煒，俞湘麟，孫東東，等．傅立葉變換近紅外光譜法快速檢
測鮮豬肉中肌內(nèi)脂肪、蛋白質(zhì)和水分含量【J]．養(yǎng)豬，2005，(3)：
47—50．
[40]劉煒，吳昊曼，孫東東，等．近紅外光譜分析技術(shù)在鮮雞肉快
速檢測分析中的應(yīng)用研究【J】．中國家禽，2009，31(2)：8～11．
[41]Qiao J，Wang N，Ngadi M0，Pf口，．Prediction of drip一10ss，pH，
and color for pork using a hyperspectml imaging technique【J】．
Meat Sci，2007，76(1)：1—8．
【42】Gjerlaug—Enger E，Kongsro J，Aass L，“d，．Prediction of fat
quality in pig carcasses by nea卜in療ared specⅡDscopy[J]．Animal，
2011，5(11)：1829—1841_
[43】Kammzzaman M，ElMasry G Sun Dw，甜以Prediction of some
quality attributes of 1amb meat using near．in矗ared hyperspectral
imaging a11d multiV撕ate analysis明．A衛(wèi)al chim Acta，2012，714：
57—67．
[44] SaVenije B，Geesink GH，V抽der Palen JG￡f口，．Prediction of
pork quality using Visible／near-i11劬red reflectance spec訂oscopy
[J】．Meat Sci，2006，73：18I一184．
[45] HoVing-B01ink AH，Vbdder Hw，Merks JwM，甜口，．Perspective
of NIRS measurements early post mortem for prediction of pork
qual時【J]．Meat Sci，2009，69(3)：417—423．
[46】劉魁武，成芳，林宏建，等．可見／近紅外光譜檢測冷鮮豬肉中
的脂肪、蛋白質(zhì)和水分含量[J】光譜學與光譜分析，2009，
29(1)：102一105．
[47] Pedersen DK，Morel s，Andersen HJ，甜口，．Early prediction of
wate卜holding capacity in meat by multivariate vibrational spec一
仃osc叩y[J]．Meat Sci，2003，65(1)：58l一592．
[48]Afsem NK，Seg恤an VH，Marquardt BJ，酣口，．RaI啪and
Near-In丹ared Spectmscopy for Quantification of Fat Composi—
tion in a CoInplex Food Model System【J】．Appl Spec仃osc，2005，
萬方數(shù)據(jù)
第6期彭彥昆，等：農(nóng)畜產(chǎn)品品質(zhì)安全光學無損檢測技術(shù)的進展和趨勢567
5 9(11)：1324一1332．
[49]Park B，Chen YR，Hmschka wR，ef d，．Near_in丘ared renec切．1lce
analysis for predicting beef longissimus tendemess[J】．J Anim
Sci．1998．76：2115—2120．
【50]。Park B，Chen YR，Hmschka WR，ef口，．Near_in仃ared renectallce
analysis f．or predicting beef 10ngissirrms tendemess[J】．J Electron
Packaging，2001，44(3)：2115—2120．
[51]Naganathan GK，Grimes LM，Subbiall J，鰣口，．Ⅵsible／ne盯_in一
行ared hyperspec訂alimaging for beef tendemess prediction【J]
Cor印ut Electron Agric，2008，64(2)：225—233．
[52]彭彥昆，江發(fā)潮．肉制品嫩度無損檢測的超光譜成像系統(tǒng)及
檢測方法[P]中國專利：101178356，2008—05—14．
[53]吳建虎，彭彥昆，高曉東，等．基于VIs／NIR高光譜散射特征
預(yù)測牛肉的嫩度[J】食品安全質(zhì)量檢測技術(shù)，2009，1(1)：
20—26．
[54]吳建虎，彭彥昆，江發(fā)潮，等．牛肉嫩度的高光譜法檢測技術(shù)
研究[J]．農(nóng)業(yè)機械學報，2009，40(12)：135—138．
[55】吳建虎，彭彥昆，陳菁菁，等．基于高光譜散射特征的牛肉品
質(zhì)參數(shù)的預(yù)測研究[J]．光譜學與光譜分析，2010，30(7)：
1815—1819．
【56]Qiao J，Ngadi Mo，wang N，甜口J．Pork quality and marbling
1evel assessment using a hyperspectral imaging system【J]．J
Food Eng，2007，83(1)：10一16．
[57]高曉東，吳建虎，彭彥昆，等．基于高光譜成像技術(shù)的牛肉大
理石花紋的評估[J]．農(nóng)產(chǎn)品加工·學刊，2009，(10)：33—37．
【58】蔡健榮，萬新民，陳全勝．近紅外光譜法快速檢測豬肉中揮發(fā)
性鹽基氮的含量[J】光學學報，2009，29(10)：2808_2812．
【59】Grau R，SaIlchez AJ，Gimn J，“口正Nondestmctive assessmem of
freshness in packaged sliced chicken breasts using SW-NIR
spectroscopy[J]．Food Res Im，2011，44(1)：33l一337．
[60】張雷蕾，李永玉，彭彥昆，等．基于高光譜成像技術(shù)的豬肉新
鮮度評價[J]農(nóng)業(yè)工程學報，2012，28(7)：254—259．
【61]Liu YL，windham wR，Lawrence Kc，“Ⅱ，．simple A190rithms
for the Classmcation of visible小ear-In行ared a11d Hyperspec仃al
Imaging Spec仃a of Chicken Skins，F(xiàn)eces，and Fecal Contami—
nated Skins[J]．Appl spec仃osc，2003，57(12)：1609一1612．
[62]Chao K，Yang CC，Kim MS，“口，．High tllmughput spectmlim—
aging system for wh01esomeness inspection of chicken[J]．Appl
Eng A鰣c，2008，24(4)：475485．
[63]Park B，Lawrence KC，windll蛐WR，“訂，．Detection of cecal
contaminants in visceml cavity of broiler carcasses using hype卜
spec仃a1 imaging[J】．Appl Eng Agric，2005，21(4)：627—635．
【64] Park Bs，Yoon Sc，windllam wR，甜口，．Line—scall hyperspec訂a1
imging for real—time in—line poul婦呵fecal detection[J】．Sens In—
s仃um Food Qual Sae 201l，5(1)：25—32．
[65] E1lis DI，Broadhurst D，Goodacre R．Rapid and quanti協(xié)tive de—
tection of the microbial spoilage of beef by Fourier tmnsfom in—
fhred spec仃oscopy and machine 1eaming[J】．Anal Chim Acta，
2004，(514)：193—201．
[66】Panagou Ez，Mohareb FR，A瑪蜘AA，甜口，．A comp撕son of ar．
tificial neural ne鉚orks aIld partialleast squarcs modelling for tlle
rapid detection of the microbial spoilage of beef fiUets based on
Fo嘶er仃aIlsfom in觸red spec仃al fingelpmts[J]Food Micro—
biol，201l，28(4)：782—790．
[671 Alex鋤dral(is D，Do、Ⅷey G scaIlIlell AGM，“以Detection and
identification of selected bacteria，inoculated on chicken breast，
using near in劬red spec仃Dscopy alld chemometrics[J】．Sens In—
stmm Food Qual Saf，201 1，5(2)：57—62．
[68】Peng YK，Wang w．Prediction of pork meat total viable bacteria
coum using hyperspec仃al imaging system and suppon vector
machines【C]．Food processing amomation conference，2008．
【69]Peng YK，Jing zhang J，wang w，et a1．Potential prediction of the
micIDbial spoilage of beef using spatially resolVed hyperspec仃a1
scattering pronles[J]．J Food Eng，201l，102(2)：163—169．
【70]王偉，彭彥昆，張曉莉，等．基于高光譜成像的生鮮豬肉細菌
總數(shù)預(yù)測建模方法研究[J]t光譜學與光譜分析，2010，30(2)：
411—415．
【71]陶斐斐，王偉，李永玉，等．冷卻豬肉表面菌落總數(shù)的快速無
損檢測方法研究【J]．光譜學與光譜分析，2010，30(12)：
3405—3409．
【72]楊紅菊，姜艷彬，候東軍，等．注膠肉的近紅外光譜快速判別
分析[J】．肉類研究，2008，(11)：62—64．
[73】楊志敏，丁武．近紅外光譜技術(shù)快速鑒別原料肉摻假的可行
性研究【J]．肉類研究，2011，25(2)：25—28．
[74]楊志敏，丁武，張瑤，等．應(yīng)用近紅外技術(shù)快速鑒別原料肉注
水的研究[J]．食品研究與開發(fā)，2012，33(5)：118—120，128．
[75】王麗杰，郭建英，徐可欣，等．牛奶成分近紅外光譜分析中系
統(tǒng)漂移的補償[J]激光與紅外，2004，34(3)：209—212．
[76]鄭麗敏，張錄達，郭慧嬡，等．近紅外光譜波段優(yōu)化選擇在驢
奶成分分析中的應(yīng)用[J]．光譜學與光譜分析，2007，27(11)：
2224—2227．
[77] Soyeurt H，Dehareng F，Gen91er N，甜口，．Mid·infrared prediction
of bovine 1Ililk fa仕y acids acmss rrmltiple breeds，production
systeIIls，and counmes【J]．J Da塒Sci，20ll，94(4)：1657—1667．
[78] P印pas CS，TarantiliS隊，Moschopoulou E，“口，．Identification
and di仃erentiation of goat a11d sheep milk based on diffIlse re—
nectance in療ared Fourier n。ansfIoHn spectroscopy(DRIFTS)us—
ing cluster analysis[J]．Food chem，2008，106(3)：1271—1277．
[79]黃長平，張立福，張曉紅，等．基于FIss成像光譜數(shù)據(jù)牛奶品
種識別研究【J]光譜學與光譜分析，201l，31(1)：214—218．
【80】楊仁杰，劉蓉，徐可欣，等．基于中紅外光譜檢測牛奶中摻雜
的尿素[J]．光譜學與光譜分析，2011，3l(9)：2383—2385．
【81】張露，薛龍，劉木華，等．利用可見一近紅外光譜術(shù)無損檢測
牛奶中的三聚氰胺[J]中國農(nóng)機化，2012，(2)：125—127，124．
萬方數(shù)據(jù)
568 食品安全質(zhì)量檢測學報第3卷
[82】羅一帆，郭振飛，朱振宇，等．近紅外光譜測定茶葉中茶多酚
和茶多糖的人工神經(jīng)網(wǎng)絡(luò)模型研究[J】．光譜學與光譜分析，
2005，25(8)：1230-1233．
【83】徐立恒，呂進，林敏，等．茶葉中3類主要組分的近紅外光譜
。分析作為茶葉質(zhì)量的快速評定方法【J】．理化檢驗一化學分冊，
2006，42(5)：334—336．
【84】chen QS，zh∞Jw，Chaitep s，d口L sir眥lt粕eous AJlalysis Of
Main Catechills Comems I脅en 1h(camellia Si鵬nsis(I))By
Fourier Tr柚sfo姍Near In劬md Renec協(xié)ce(ft-nir)Spec仃Ds—
copy[J]．Food cl心m，2009，113(4)：1272一1277．
[85】zh加g MH，Luypaen J，Piema AF’“越Dete衄ination of total
antioxidaIlt capac時in目屯en tea by near_in仃盯ed spechDscopy
鋤d r眥niv硎atc calibration m．TalaIIta，2004，62(1)：25—35．
[86]趙杰文，陳全勝，張海東，等．近紅外光譜分析技術(shù)在茶葉鑒
別中的應(yīng)用研究【J】光譜學與光譜分析，2006，26(9)：
160l一1604．
【87】陳全勝，趙杰文，張海東，等．基于支持向量機的近紅外光譜
鑒別茶葉的真?zhèn)蝃J1．光學學報，2006，26(6)：933—937．
[88】陳孝敬，吳迪，何勇，等．基于多光譜圖像顏色特征的茶葉分
類研究[J】．光譜學與光譜分析，2008，28(1 1)：2527—2530．
【89】饒秀勤，應(yīng)義斌，黃海波，等．基于x射線熒光技術(shù)的茶葉產(chǎn)
地鑒別方法研究[J]．光譜學與光譜分析，2009，29(3)：837—839．
[90]Li)(L，Nie PC，Qiu ZJ，“口，．using wavelct h徹sfom atld
multi—cl器s least square support Vector machine in multi—spec仃al
imagiIlg cl勰smcation of Chinese脅10us tea[J】Expert Systems
withApplication，201l，38(9)：“149一Ill59．
[91】Delwiche sR，Pordesimo LO，Pan_【llee DR，甜口，一船P船喲G眵·
cf玎抽億匈冊d 6e船Gonglycinin(7S)Fr∞tions of Soybean Storage
Protein by Near．In脅cd Spec咖scopy【J】J Am oil Ch鋤
Soci，2007，84(12)：1107一1115．
[92】湯旭光，宋開山，劉殿偉，等．基于可見，近紅外反射光譜的大
豆葉綠素含量估算方法比較【J】．光譜學與光譜分析，201l，
31(2)：371—374．
[93]Choung MG Dete衄i蚰tion of sucrose c∞tent in Soybc蚰using
Ne小in觸剛Ren∞tar啪Spec的scopy[J】．J Ko他姐Soc
Appl Biol CheIll’20lO，53(4)：478-484．
【94】陳建，陳曉，李偉，等．基于近紅外光譜技術(shù)和人工神經(jīng)網(wǎng)絡(luò)
的玉米品種鑒別方法研究【J】．光譜學與光譜分析，2008，28(8)：
”
1806—1809．
[95】梁亮，劉志霄，楊敏華，等．基于可見／近紅外反射光譜的稻米
品種與真?zhèn)舞b別【J】．紅外與毫米波學報，2009，28(5)：353—356，
391。
[96】Marina C，Cat踴na D．DIImm wheat adulte枷on detecti∞by
NIR spec廿oscopy桃ltivariate calibmtion【J】．Talanta，2006，
68(5)：1505一1511．
【97】Perez-M鋤doza J，耵lm礬JE，DowelI FE，鰣以Chronological
age-鏟ading of岫e species of stored_product bee廿es by using
ne孫in丘孤cd spec廿0scopy【J】．J Econ Entomol，2004，97(3)：
1159一1167．
【98】張紅濤，毛罕平，韓綠化，等．近紅外高光譜成像技術(shù)檢測糧
倉米象活蟲[J]．農(nóng)業(yè)工程學報，2012，28(8)：263—268．
(責任編輯：趙靜)
^ 彭醌濺博士生虢主要研究方I氧氳篙鬻竺貅鹱釩

網(wǎng)友評論 more

食品安全論文最新內(nèi)容

07-09