高光谱成像在食品和包装中的应用

高光谱成像将红外光谱与机器视觉相结合，生成可以根据被成像物体的化学成分进行颜色编码的图像。它能够识别有机材料化学成分的差异，为检测食品中的杂质开辟了重要的新可能性。最重要的是，由于可以使用经济实惠的实时运行系统，它们还可以用于食品加工和包装检测的高速生产线。

有机材料根据其成分选择性地吸收光谱红外区域中不同波长的光。这为他们提供了独特的“指纹”，可用于唯一地识别他们。化学彩色成像产生的图像中，每个像素都根据当时材料的化学成分进行颜色编码。可以使用标准机器视觉工具处理和分析生成的彩色图像。高光谱成像在食品加工行业的典型应用包括：

寻找异物(例如产品中的塑料碎片或昆虫)

测量产品质量(例如糖的浓度、均匀性)

控制不同的生产阶段(例如烘烤、混合前后)

食品包装行业的典型应用包括：

密封检查(污染)

产品均匀性

通过包装材料保证质量

食品分拣应用

通过“调谐”到几个可以区分特定材料或识别已知污染物的关键波长， 高光谱成像可以提供一种稳健可靠的食品异物检测方法。在许多应用中，根据化学成分进行区分的能力是必不可少的。例如，在分拣杏仁、果仁和壳碎片等坚果时，无法根据大小、颜色或形状进行分拣。此外，使用传统成像方法无法很容易地识别出木块、霉菌或坚果腐烂等杂质。其他类似的分类应用包括：

谷物和种子

冷冻蔬菜(包装前去除异物)

干粮(例如干蘑菇看起来类似于刨花)

肉(区分脂肪、骨头和软骨)

另外马铃薯可能有许多用彩色相机无法直接看到的疾病。一个例子是“糖末端缺陷”，它基于糖、淀粉和水分之间的关系。这种缺陷会导致炸薯条在烹调时出现棕色条纹。食品加工商在寻找另一家供应商之前可能只允许 2% 的这种缺陷，因此供应商能够识别它非常重要。避免交付带有这种缺陷的马铃薯的可能性的一种方法是在交付前切掉末端。这意味着供应商有大量废料，降低了利润率。然而，使用高光谱成像来识别这种缺陷可以让马铃薯在发货前进行分类。

自动分拣

异物污染被认为是食品召回的最常见原因之一。使用高光谱成像作为杂质检测器，可以自动分拣来自传送带的食品。在这种情况下，通过该技术识别的污染物会被压缩空气射流自动清除。必须考虑系统的设置。玻璃和金属等非有机污染物不吸收 NIR 辐射。但是，如果系统配置有“全黑”背景，则这些材料的漫反射足以产生可测量的信号。这通常最容易通过使用自由落体布置来实现，其中要检查的材料落在相机前面。杂质检测器可以用两种方式设置。首先，“好”材料被识别出来，其他所有东西都被归类为污染物并被拒绝。然而，压缩空气是一种昂贵的消耗品。如果可以根据光谱区分“有害”和“无害”杂质，则可以为“好材料”、“无害杂质”和“有害杂质”设置过滤器。对于无害杂质，可以对杂质使用短而精确的空气喷射。这减少了压缩空气的消耗，并将过度分选保持在较低水平。即使遗漏了杂质，也不会有杂质损害最终客户的危险。对于有害杂质，来自更多剔除喷嘴的更长时间空气喷射用于杂质以确保将其去除。这会使用更多的压缩空气并可能导致过度分类，但可以避免昂贵的产品召回。

高光谱成像技术

需要光谱仪将从样品反射的光分类为其组成波长。然后，红外敏感传感器在这些波长中的每一个波长下从样品中获取图像。这些图像被组合形成一个三维高光谱数据立方体，它可以包含非常大的数据量。该系统还包括灵活、高速的数据处理软件，用于从数据立方体中提取数据并生成彩色编码图像。可以使用随附的功能强大的机器视觉软件进一步处理和分析图像。

食品包装检验

切片火腿包的高光谱成像显示

当包装切片奶酪或肉类时，小块可能会卡在密封件中，导致泄漏，空气、真菌孢子或细菌会污染产品。即使包装被套印，高光谱成像也可以发现诸如此类的缺陷，因为许多包装材料对该技术中使用的红外光是透明的。该图显示了装有火腿的密封包装的一部分。包装在高光谱图像中呈绿色，火腿呈红色。可以清楚地辨认出夹在密封件中的火腿片。使用传统的彩色成像无法检测到这一点。