高光譜成像將紅外光譜與機器視覺相結(jié)合，生成可以根據(jù)被成像物體的化學成分進行顏色編碼的圖像。它能夠識別有機材料化學成分的差異，為檢測食品中的雜質(zhì)開辟了重要的新可能性。最重要的是，由于可以使用經(jīng)濟實惠的實時運行系統(tǒng)，它們還可以用于食品加工和包裝檢測的高速生產(chǎn)線。

有機材料根據(jù)其成分選擇性地吸收光譜紅外區(qū)域中不同波長的光。這為他們提供了獨特的“指紋”，可用于唯一地識別他們。化學彩色成像產(chǎn)生的圖像中，每個像素都根據(jù)當時材料的化學成分進行顏色編碼。可以使用標準機器視覺工具處理和分析生成的彩色圖像。高光譜成像在食品加工行業(yè)的典型應(yīng)用包括：

尋找異物(例如產(chǎn)品中的塑料碎片或昆蟲)

測量產(chǎn)品質(zhì)量(例如糖的濃度、均勻性)

控制不同的生產(chǎn)階段(例如烘烤、混合前后)

食品包裝行業(yè)的典型應(yīng)用包括：

密封檢查(污染)

產(chǎn)品均勻性

通過包裝材料保證質(zhì)量

食品分揀應(yīng)用

通過“調(diào)諧”到幾個可以區(qū)分特定材料或識別已知污染物的關(guān)鍵波長， 高光譜成像可以提供一種穩(wěn)健可靠的食品異物檢測方法。在許多應(yīng)用中，根據(jù)化學成分進行區(qū)分的能力是必不可少的。例如，在分揀杏仁、果仁和殼碎片等堅果時，無法根據(jù)大小、顏色或形狀進行分揀。此外，使用傳統(tǒng)成像方法無法很容易地識別出木塊、霉菌或堅果腐爛等雜質(zhì)。其他類似的分類應(yīng)用包括：

谷物和種子

冷凍蔬菜(包裝前去除異物)

干糧(例如干蘑菇看起來類似于刨花)

肉(區(qū)分脂肪、骨頭和軟骨)

另外馬鈴薯可能有許多用彩色相機無法直接看到的疾病。一個例子是“糖末端缺陷”，它基于糖、淀粉和水分之間的關(guān)系。這種缺陷會導(dǎo)致炸薯條在烹調(diào)時出現(xiàn)棕色條紋。食品加工商在尋找另一家供應(yīng)商之前可能只允許 2% 的這種缺陷，因此供應(yīng)商能夠識別它非常重要。避免交付帶有這種缺陷的馬鈴薯的可能性的一種方法是在交付前切掉末端。這意味著供應(yīng)商有大量廢料，降低了利潤率。然而，使用高光譜成像來識別這種缺陷可以讓馬鈴薯在發(fā)貨前進行分類。

自動分揀

異物污染被認為是食品召回的最常見原因之一。使用高光譜成像作為雜質(zhì)檢測器，可以自動分揀來自傳送帶的食品。在這種情況下，通過該技術(shù)識別的污染物會被壓縮空氣射流自動清除。必須考慮系統(tǒng)的設(shè)置。玻璃和金屬等非有機污染物不吸收 NIR 輻射。但是，如果系統(tǒng)配置有“全黑”背景，則這些材料的漫反射足以產(chǎn)生可測量的信號。這通常最容易通過使用自由落體布置來實現(xiàn)，其中要檢查的材料落在相機前面。雜質(zhì)檢測器可以用兩種方式設(shè)置。首先，“好”材料被識別出來，其他所有東西都被歸類為污染物并被拒絕。然而，壓縮空氣是一種昂貴的消耗品。如果可以根據(jù)光譜區(qū)分“有害”和“無害”雜質(zhì)，則可以為“好材料”、“無害雜質(zhì)”和“有害雜質(zhì)”設(shè)置過濾器。對于無害雜質(zhì)，可以對雜質(zhì)使用短而精確的空氣噴射。這減少了壓縮空氣的消耗，并將過度分選保持在較低水平。即使遺漏了雜質(zhì)，也不會有雜質(zhì)損害最終客戶的危險。對于有害雜質(zhì)，來自更多剔除噴嘴的更長時間空氣噴射用于雜質(zhì)以確保將其去除。這會使用更多的壓縮空氣并可能導(dǎo)致過度分類，但可以避免昂貴的產(chǎn)品召回。

高光譜成像技術(shù)

需要光譜儀將從樣品反射的光分類為其組成波長。然后，紅外敏感傳感器在這些波長中的每一個波長下從樣品中獲取圖像。這些圖像被組合形成一個三維高光譜數(shù)據(jù)立方體，它可以包含非常大的數(shù)據(jù)量。該系統(tǒng)還包括靈活、高速的數(shù)據(jù)處理軟件，用于從數(shù)據(jù)立方體中提取數(shù)據(jù)并生成彩色編碼圖像?？梢允褂秒S附的功能強大的機器視覺軟件進一步處理和分析圖像。

食品包裝檢驗

切片火腿包的高光譜成像顯示

當包裝切片奶酪或肉類時，小塊可能會卡在密封件中，導(dǎo)致泄漏，空氣、真菌孢子或細菌會污染產(chǎn)品。即使包裝被套印，高光譜成像也可以發(fā)現(xiàn)諸如此類的缺陷，因為許多包裝材料對該技術(shù)中使用的紅外光是透明的。該圖顯示了裝有火腿的密封包裝的一部分。包裝在高光譜圖像中呈綠色，火腿呈紅色?？梢郧宄乇嬲J出夾在密封件中的火腿片。使用傳統(tǒng)的彩色成像無法檢測到這一點。