王秀菊

摘 要：食品安全一直是公眾高度關(guān)注的問題，嚴(yán)重的食源性疾病的發(fā)生會影響社會的穩(wěn)定發(fā)展。采用快速、無損的方法對產(chǎn)品的安全狀況進(jìn)行檢驗是食品科學(xué)的研究的重點?，F(xiàn)代食品檢驗技術(shù)注重學(xué)科交叉，更多地融入了現(xiàn)代化學(xué)和生物技術(shù)進(jìn)行智能化檢驗。本文分析了食品安全問題的多方面來源，并著重介紹了光譜成像技術(shù)、便攜式原位智能檢驗平臺和微波成像技術(shù)3種現(xiàn)代化的快速檢驗手段的使用原理、具體應(yīng)用和發(fā)展現(xiàn)狀，以期為食品檢驗領(lǐng)域的研究提供參考。

關(guān)鍵詞：食品檢驗;化學(xué)技術(shù);生物技術(shù)

作為全球性問題，食品安全無論是在發(fā)達(dá)國家或是發(fā)展中國家都廣受關(guān)注。從領(lǐng)域上進(jìn)行區(qū)分，食品安全涉及領(lǐng)域較為多元化，可分為物理、化學(xué)和生物污染以及由其他危害或毒藥造成的食品污染。物理污染中，較常見的是與有害病原體密切接觸的糞便污染和缺陷異常，如來自環(huán)境的石頭沙塵、來自設(shè)備的金屬和玻璃微粒、處理后的人體指甲或去骨肉中的骨頭碎片等。化學(xué)污染包括天然毒素、農(nóng)藥殘留、食品添加劑及食品加工危害等。在3類常見食品安全污染中，化學(xué)污染最為棘手，因為無法在早期進(jìn)行識別，并且具有累積性以至于在后期造成嚴(yán)重的后果。有害化學(xué)物質(zhì)造成的食品安全污染無法通過抑制微生物污染風(fēng)險的處理方法進(jìn)行有效消除。生物污染中，最常見的是細(xì)菌、真菌、病毒、原生動物和寄生蟲污染，其中各種病原體及其代謝毒素是主要污染源。鑒于食品安全污染的污染源廣泛，食品檢驗也通常是化學(xué)和生物的技術(shù)融合[1-3]。

1 光譜成像技術(shù)

光譜成像技術(shù)作為一種新興技術(shù)被廣泛應(yīng)用于食品安全檢驗中。運用在食品檢驗領(lǐng)域的高光譜成像技術(shù)包括紅外高光譜成像、熒光高光譜成像、拉曼高光譜成像及各種高光譜成像技術(shù)組合使用[4]。

振動光譜是一種光學(xué)技術(shù)，它主要依賴于入射光與物質(zhì)分子之間的相互作用。不同的分子對不同波長的光在光吸收或散射方面敏感，產(chǎn)生的光譜會記錄這些分子在相應(yīng)波長上的信息。通過觀察光譜數(shù)據(jù)，可以檢測到產(chǎn)品內(nèi)部的物理、化學(xué)和生物學(xué)信息。當(dāng)樣品成分分布不均時，光譜數(shù)據(jù)不能反應(yīng)整個樣本的情況，只能檢測到一小部分。孫等[5]人在2008年提出的計算機(jī)視覺技術(shù)模仿人類視覺的原理，使用紅、綠、藍(lán)3個波段在可見范圍內(nèi)檢驗物體的形狀、顏色、尺寸和質(zhì)地的物體特性。CUBERO等[6]和MAUER等[7]人在光譜學(xué)和計算機(jī)視覺技術(shù)領(lǐng)域都進(jìn)行了在食品檢驗中的應(yīng)用研究。然而，這些技術(shù)都具有其自身的缺點。GOWEN等[8]人發(fā)現(xiàn)高光譜成像（HSI）作為振動光譜和計算機(jī)視覺技術(shù)的集成替代方案，可以從樣品中同時獲得光譜和空間信息。高光譜成像技術(shù)可以用于生成化學(xué)圖，顯示樣品中各項參數(shù)的分布。高光譜成像采集到豐富信息數(shù)據(jù)導(dǎo)致其數(shù)據(jù)處理困難，使這項技術(shù)難以在工業(yè)中在線應(yīng)用。楊等[9]人通過熒光高光譜成像技術(shù)檢驗生菜和菠菜，通過熒光高光譜成像技術(shù)使用基于峰移和肩曲線的分離算法檢驗蘋果中是否含有物理污染。

2 便攜式原位智能檢驗平臺

目前食品檢驗由于缺乏快速、即時、易于使用和成本低的便攜式設(shè)備，導(dǎo)致難以滿足中間環(huán)節(jié)的安全檢測要求。劉等[10]人研究了一項快速且經(jīng)濟(jì)高效的基于智能手機(jī)的即時食品安全檢測方法，該研究方法采用適體結(jié)合的納米金粒子（AuNP）作為比色指示劑，連接到相機(jī)攝像頭的電池供電的光傳感附件和傳輸圖像捕獲的智能手機(jī)。開發(fā)了一個用戶友好且易于使用的Android應(yīng)用程序，用于自動數(shù)字圖像處理和結(jié)果報告。目前該技術(shù)已經(jīng)被用于檢驗蜂蜜、牛奶和自來水中的鏈霉素（STR）等成分，保證檢驗食品安全性。崔等[3]人研究了一種靈活的透明且獨立的Si納米線（SiNWP）作為表面增強(qiáng)拉曼散射（SERS）平臺，可在翹曲表面上以高靈敏度進(jìn)行原位化學(xué)傳感。SERS活動源自三維互連納米線網(wǎng)絡(luò)結(jié)構(gòu)以及SiNWP中緊密分離的納米線之間的電磁耦合。通過用等離子體Au納米粒子官能化SiNWP可以提高SERS活性。雜種底物不僅顯示出優(yōu)異的SERS信號再現(xiàn)性和穩(wěn)定性，還保持了原始SiNWP的柔韌性和透明性。將金納米顆粒修飾的SiNWP直接包裹在檸檬表面上，以便原位鑒定和檢測農(nóng)藥殘留。研究表明，雜種底物具有出色的SERS活性和透明度，可檢測低至72 ng/cm的農(nóng)藥，遠(yuǎn)低于食品安全中允許的殘留量。郭等[11]人研究了用于食品質(zhì)量檢驗和分級的智能相機(jī)使用Medjool紅外圖像，對4個級別的皮膚分層以進(jìn)行表面質(zhì)量分級，并且檢測形狀各異的牡蠣的灰度圖像組成的圖像，評估樣品形狀質(zhì)量。

3 微波成像技術(shù)食品檢驗

在食品檢驗領(lǐng)域，通常使用金屬探測器（MD）、X射線成像等技術(shù)（XRI）和近紅外成像（NIR）技術(shù)用于監(jiān)控食品質(zhì)量和安全檢驗。MD只能檢測金屬物體，而XRI無法輕易識別低密度異物，如作為最常見的污染物類型的大多數(shù)塑料和薄玻璃等，可能對意外接觸到的操作員帶來造成損害。除此之外，NIR技術(shù)快速且安全，但受穿透長度短和吸水能力強(qiáng)的限制。食品質(zhì)量安全檢驗需要一項易于使用（避免需要專業(yè)技術(shù)人員團(tuán)隊）、非接觸式、對食物影響小的新技術(shù)。近來，太赫茲頻率的電磁輻射已經(jīng)被提議用于食品檢驗和工業(yè)應(yīng)用中，被用于探測食品的表面缺陷和隱藏在食品中的可能污染物從而進(jìn)行食品的安全檢驗。微波成像技術(shù)（MWI）利用差異材料的介電特性，食物和污染物之間介電特性的差異，以及有缺陷和未改變的物品之間的差異進(jìn)行食品檢驗。與太赫茲輻射不同，微波可以穿透物體長達(dá)幾厘米，適合檢驗包裝食品，MWI可用于食品中異物污染物的在線檢驗[12]。V?SQUEZ等[13]人利用MWI成功對玻璃罐中帶有污染物碎片的榛子-可可奶油進(jìn)行安全性檢驗，MVI技術(shù)可用于工業(yè)生產(chǎn)線上的食品安全檢驗。

4 結(jié)語

污染是顧客投訴食品制造商的主要原因之一，也是食品安全領(lǐng)域應(yīng)該著重解決的問題。食品檢驗技術(shù)的研發(fā)有助于食品安全問題的良好解決，現(xiàn)代食品檢驗技術(shù)向著學(xué)科交叉的方向邁進(jìn)，涉及物理、化學(xué)和生物等技術(shù)的應(yīng)用，更加方便快捷，能推動食品行業(yè)的穩(wěn)定發(fā)展。

參考文獻(xiàn)

[1]Karaliūnas M，Nasser K E，Urbanowicz A，et al.Non-destructive inspection of food and technical oils by terahertz spectroscopy[J].Scientific Reports，2018，8（1）：124-166.

[2]Liu Z，Zhang Y，Xu S，et al.A 3D printed smartphone optosensing platform for point-of-need food safety inspection[J]. Analytica Chimica Acta，2017，966：81.

[3]Cui H，Li S，Deng S，et al.Flexible，Transparent，and Free-Standing Silicon Nanowire SERS Platform for in Situ Food Inspection[J].Acs Sensors，2017，2（3）：386.

[4]Feng Y，Sun D，F(xiàn)eng Y，et al.Application of Hyperspectral Imaging in Food Safety Inspection and Control：A Review[J].Critical Reviews in Food Science and Nutrition，.2012，52（11）.：1039-1058.

[5]Sun D W.Computer Vision Technology for Food Quality Evaluation[J].Academic Press，2008：111-138.

[6]Cubero S，Aleixos N，Moltó E，et al.Advances in machine vision applications for automatic inspection and quality evaluation of fruits and vegetables[J].Food and Bioprocess Technology，2011，4（4）：487-504..

[7]Mauer L J，Chernyshova A A，Hiatt A，et al.Melamine detection in infant formula powder using near- and mid-infrared spectroscopy[J].Journal of Agricultural and Food Chemistry.2009，57（10）：3974-3980.

[8]Gowen A A，ODonnell C P，Cullen P J，et al.Hyperspectral imaging-an emerging process analytical tool for food quality and safety control[J].Trends in Food Science Technology，2007，18（12）：590-598.

[9]Yang C C，Jun W，Kim M S，et al.Classification of fecal contamination on leafy greens by hyperspec-tral imaging[J].Proceedings of the SPIE-The International Society for Optical Engineering，2010（1）：953-959.

[10]Liu Z，Zhang Y，Xu S，et al.A 3D printed smartphone optosensing platform for point-of-need food safety inspection[J].Analytica Chimica Acta，2017，966：81.

[11]Guo Z，Zhang M，Lee D J，et al.Smart Camera for Quality Inspection and Grading of Food Products[J].Electronics，2020，9（3）：505.

[12]Wu Z，Wang H.Microwave tomography for industrial process imaging：Example applications and experimental results[J].IEEE Antennas Propagation Magazine，2017（99）：1.

[13]Vasquez J，Scapaticci R，Turvani G，et al.Noninvasive Inline Food Inspection via Microwave Imaging Technology：An Application Example in the Food Industry[C]//IEEE International Symposium on Antennas and Propagation and USNC-URSI Radio Science Meeting.Atlanta：IEEE，2019.