本发明涉及监测
技术领域：
：，更具体地涉及应用近红外高光谱成像技术检测面粉中偶氮甲酰胺。
背景技术：
：：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。本发明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处吸收波段：1574.38nm、2038.55nm、2166.88nm和2269.91nm。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。发明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。面粉作为世界上主要食品原料之一，其制品以色、香、味俱全著称。面粉的质量直接关乎人们的健康，食品添加剂的使用备受关注。偶氮甲酰胺作为一种漂白剂和面粉改良剂用于面粉的熟化处理，它能够氧化小麦粉中的半胱氨酸，从而使面粉筋度增加，提高面团气体保留量，增加烘焙制品的弹性和韧性，改善面团的可操作性和调理性。但偶氮甲酰胺极其不稳定，在加热过程中它会分解从而形成微量的氨基脲，氨基脲是呋喃西林兽药的代谢物，具有很强的致癌、致畸、致突变等副作用。目前，对面粉中偶氮甲酰胺的传统检测方法主要有高效液相色谱法和高效液相色谱-质谱联用法，这两种方法具有较高的检测精度，但前处理复杂、检测时间长、需要熟练的操作人员，一般只限于实验室应用。随着光谱技术的发展，一些光谱方法在面粉添加剂检测中展示了良好的应用，如近红外光谱、太赫兹光谱和拉曼光谱等。这些方法均是对试样的单点检测，覆盖的空间范围不能满足对整个样品的检测要求。高光谱成像技术是是光谱分析和机器视觉技术的高精度融合技术，兼有两种技术的优势，采集到的高光谱图像中既包含了待测物内部品质的光谱信息，又包含了待测物外部品质的图像信息。根据光源和光谱相机位置的不同，高光谱图像的获取方式可分为反射、透射和漫反射三种，其中漫反射成像在检测食品污染物方面展示了良好的应用。mishra等应用独立成分分析中的特征矩阵联合近似对角化算法处理近红外高光谱图像以检测面粉中痕量花生粉，实现了花生粉痕量分布的可视化识别。lim等使用近红外高光谱成像技术结合偏最小二乘模型的回归系数检测奶粉中的三聚氰胺颗粒，实现了奶粉中三聚氰胺的有效检测，最低检测浓度为0.02％。周瑶等利用高光谱检测辣椒粉中的苏丹红一号，通过比较偏最小二乘回归法、多元线性回归法和主成分回归法建立预测模型的结果，选择多元线性回归法实现辣椒粉中的苏丹红一号的无损检测。技术实现要素：本发明为了克服现有技术的不足，提供一种应用近红外高光谱成像技术检测面粉中偶氮甲酰胺为了实现上述目的，本发明采用以下技术方案：一种应用近红外高光谱成像技术检测面粉中偶氮甲酰胺，包括如下步骤：s1：取纯偶氮甲酰胺样品用高光谱成像仪获得纯偶氮甲酰胺的平均漫反射光谱,并从纯偶氮甲酰胺的平均漫反射光谱中提取出明显的吸收峰；s2：配置偶氮甲酰胺和面粉不同比例的混合物，并获取纯面粉和上述混合物的平均漫反射光谱，和各个像素点的漫反射光谱；s3：对混合物各个像素点光谱进行二阶导数预处理，以获得混合物的各个像素点的二阶导数光谱，二阶导数预处理纯面粉混合物的平均漫反射光谱，以获得纯面粉的二阶导数光谱，将混合物各个像素点的二阶导数光谱分别减去纯面粉的二阶导数光谱后得到的光谱作用于sam、sca以及scm三种光谱相似性分析算法中，以分析出混合物的各个像素点中的面粉像素和偶氮甲酰胺像素；s4：将所述s3中的面粉像素和偶氮甲胺像素的平均二阶导数光谱和所述s1中纯偶氮甲酰胺的吸收峰进行对比，以验证偶氮甲酰胺像素和面粉像素的分类结果。本发明探讨应用近红外高光谱技术检测面粉中偶氮甲酰胺。首先，采集纯偶氮甲酰胺、纯面粉和含不同浓度偶氮甲酰胺面粉样品的高光谱图像，找到偶氮甲酰胺区别于面粉的特征吸收波段；其次，通过二阶导数预处理增强光谱中吸收峰的分辨，依据纯偶氮甲酰胺和纯面粉样品确定sam、sca、scm的阈值；最后，分析三种光谱相似性分析方法对10种不同浓度混合样品的分类结果，并对其分类正确性进行验证。可选的，所述s3中，对混合样品进行相似性分析的具体方式如下，首先计算纯偶氮甲酰胺样品中各像素点和偶氮甲酰胺平均光谱的光谱相似性分析的最大值和最小值，然后计算纯面粉中各像素点和偶氮甲酰胺平均光谱的光谱相似性分析的最大值和最小值，阈值即为纯偶氮甲酰胺结果的最大值和纯面粉结果最小值的中值。可选的，sam、sca和scm三种光谱相似性分析算法的阈值分别为1.4109、0.9525和0.1590，因此，具有<1.4109的角度值，<0.9525的角度值和>0.1590的相关值被分类为偶氮甲酰胺像素。可选的，所述s4中，由scm光谱相似性分析算法获得的偶氮甲酰胺像素的光谱于226.91nm处显示出强吸收峰，且scm光谱相似性分析算法获得的面粉像素的光谱未在226.91nm处显示出吸收峰。可选的，所述s1中，需要采集白色和黑色标定参考图像，以校正原始图像中ccd检测器暗电流和光强度分布不均匀的影响，校正公式如下：其中，rraw为高光谱采集的原始的图像；rdark为关闭光源，盖子覆盖镜头时采集的黑色参考图像；rwhite为采集的99％反射率标准白板的白色参考图像；rcal为校正后获得的相对光谱图像。可选的，所述s1中，偶氮甲酰胺的吸收峰为1574.38nm、2038.55nm、2166.88nm和2269.91nm。可选的，所述s1和所述s2中，纯偶氮甲酰胺、纯面粉以及上述混合物的平均漫反射的光谱获取方式如下：将需要采集平均漫反射光谱的样品放置到所述高光谱成像仪相机镜头的正下方，调整焦距使镜头到样品表面的距离为40cm；光谱采集范围为：1398.11～2502.89nm，光谱分辨率为8nm，曝光时间为2ms，所述高光谱成像仪的定位平台的移动速度为43mm·s-1。综上所述，本发明探讨应用近红外高光谱技术检测面粉中偶氮甲酰胺。首先，采集纯偶氮甲酰胺、纯面粉和含不同浓度偶氮甲酰胺面粉样品的高光谱图像，找到偶氮甲酰胺区别于面粉的特征吸收波段；其次，通过二阶导数预处理增强光谱中吸收峰的分辨，依据纯偶氮甲酰胺和纯面粉样品确定sam、sca、scm的阈值；最后，分析三种光谱相似性分析方法对10种不同浓度混合样品的分类结果，并对其分类正确性进行验证。附图说明图1近红外高光谱成像系统示意图图2纯偶氮甲酰胺、纯面粉和偶氮甲酰胺-面粉混合样品的平均漫反射光谱图4纯偶氮甲酰胺、纯面粉和偶氮甲酰胺-面粉混合样品在特征吸收波段处的灰度图像图3面粉中不同浓度偶氮甲酰胺混合样品的平均二阶导数光谱图51％浓度混合样品感兴趣区域内各像素点的原始光谱(a)和二阶导数光谱(b)图6经sam，sca和scm方法分类为偶氮甲酰胺像素和面粉像素的图像图7组2中不同浓度混合样品经sam分类为偶氮甲酰胺像素和面粉像素的平均二阶导数光谱具体实施方式为了使本
技术领域：
：的人员更好的理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。1实验部分1.1仪器与试剂高光谱成像系统如图1所示，该系统由焦平面阵列相机(xeva-fpa-2.5-320(100hz)，xenicsltd.，leuven，belgium)、成像光谱仪3(imspectorn25e，spectralimagingltd.，oulu,finland)、变焦相机镜头4(oles30f-2.0/30mm，spectralimagingltd.，oulu，finland)、两个150w卤素灯5(at-500wb，anteforeinternationalco.，ltd.taiwan)、步进电机8、单轴运动平台7和计算机1组成。其工作原理为：卤素灯4发出的光线投射到样品表面，光线和样品6相互作用后发生漫反射，该信号由相机2和光谱仪3采集，数据经usb电缆传输至电脑。样品放置于单轴运动平台7上，移动范围为0～40cm，通过与计算机连接的步进电机进行控制。整个系统除计算机1外，放置在一个黑色的箱子中，以避免采集过程中环境光的影响。系统的控制和数据的采集通过spectralimage软件(五铃光学股份有限公司开发)完成。偶氮甲酰胺，分析纯，购于山东西亚化学工业有限公司；家用小麦粉，购于当地超市，经高效液相色谱法检测不含有偶氮甲酰胺；培养皿(外径39mm，内径37mm，深5mm)，购于科晶生物科技有限公司；涡旋混合器，vortex-genie2型，美国scientificindustries公司。1.2实验方法1.2.1样品制备称取偶氮甲酰胺样品10g，然后将其转入培养皿中，使样品填满整个培养皿并使得样品表面与培养皿的上边缘平齐。培养皿的样品容量约为3g，为充分利用制备的10g样品，每个样品分为3组进行采样。以同样的方式制备面粉样品。将一定量的偶氮甲酰胺和面粉样品装入50ml离心管中，通过涡旋混合器混合均匀，制得10种不同浓度(0.02％、0.04％、0.06％、0.08％、0.1％、0.2％、0.4％、0.6％、0.8％和1.0％，w/w)的偶氮甲酰胺-面粉混合样品。每种混合样品的质量为10g，例如，最高混合浓度(1％)通过0.1g偶氮甲酰胺和9.9g面粉混合制得；最低混合浓度(0.01％)通过0.001g偶氮甲酰胺和9.999g面粉混合制得。将混合样品转入培养皿中，使混合样品填满整个培养皿并使得样品表面与培养皿的上边缘平齐。培养皿的样品容量约为3g，为充分利用制备的10g样品，每个混合样品分为3组进行采样。1.2.2数据采集将制备好的样品放置于单轴机动定位平台上相机镜头的正下方位置，调整焦距使镜头到样品表面的距离为40cm。光谱采集范围为：1398.11～2502.89nm，光谱分辨率为8nm，曝光时间为2ms，定位平台的移动速度为43mm·s-1。1.2.3数据处理(1)图像校正在与采集样本图像相同的实验条件下，采集白色和黑色标定参考图像，以校正原始图像中ccd检测器暗电流和光强度分布不均的影响。校正方法如式(1)其中，rraw为高光谱采集的原始的图像；rdark为关闭光源，盖子覆盖镜头时采集的黑色参考图像；rwhite为采集的99％反射率标准白板的白色参考图像；rcal为校正后获得的相对光谱图像。(2)光谱数据处理在每个直径为37mm的圆形样品区域内选择直径约为33mm(图像中心周围)的感兴趣区域(regionofinterest，roi)，以确保只包含面粉区域，排除背景区域的影响。将三维高光谱数据转换为单个像素点的二维漫反射光谱，对每条光谱进行二阶导数(secondderivatives，2nd)预处理以消除基线漂移的影响。从偶氮甲酰胺-面粉混合样品的单个像素光谱中减去纯面粉的平均光谱以去除混合样品中的面粉背景，通过光谱相似性分析将得到的差谱与偶氮甲酰胺的平均光谱进行比较。所有数据分析基于matab7.11(mathworks,usa)软件完成。1.2.4光谱相似性分析本发明采用三种光谱相似性分析算法，包括光谱角制图(spectralanglemapper，sam)、光谱相关角(spectralcorrelationangle，sca)和光谱相关性度量(spectralcorrelationmeasure，scm)。(1)光谱角制图(sam)sam是由kruse,f.a.等提出的一种光谱匹配技术，其原理是根据目标光谱和参考光谱之间的光谱角度来判断两者的相似性。sam的计算方法如公式(1)：其中，t为目标光谱的矢量，r为参考光谱的矢量，n为波段数。α为两条光谱之间的夹角，其取值范围位于[0，π/2]之间，其值越小，表示两条光谱的相似度越高。(2)光谱相关角(sca)sca是目标光谱和参考光谱间pearson相关系数的余弦角，其计算公式为：sca值越小，表示目标光谱和参考光谱的相似度越高。sc表示两光谱的相关系数，其值介于-1和1之间，计算方法如下：(3)光谱相关性度量(scm)meer等将n定义为重叠位置，引入了用于测量目标光谱t和参考光谱r的相似性方法，计算方法为：sca值越大，表示目标光谱和参考光谱的相似度越高。根据三种光谱相似性算法的结果，为每种算法设置阈值，通过阈值分割实现roi内各像素点光谱的分类，从而创建面粉中偶氮甲酰胺颗粒的分布图像。2结果与讨论2.1样品的光谱和图像图2所示为纯偶氮甲酰胺、纯面粉和混合样品的平均漫反射光谱。由图可看出，偶氮甲酰胺的漫反射光谱同面粉具有显著差异，偶氮甲酰胺在1574.38nm、2038.55nm、2166.88nm和2269.91nm处具有明显的吸收峰。偶氮甲酰胺分子式为c2h4n4o2，nh是主要的含氢基团，1574.38nm为nh对称振动和nh反对称振动的合频，2038.55nm为nh对称振动和酰胺ii变形振动的合频，2166.88nm为酰胺i和酰胺iii变形振动的合频，2269.91nm为nh对称振动和nh2摇摆振动的合频。这4处吸收峰反映了偶氮甲酰胺分子结构内化学键的振动，也反映出与面粉组分的区别。在图2中，面粉中不同浓度偶氮甲酰胺混合样品的平均漫反射光谱之间无显著差异，未表现出偶氮甲酰胺的光谱特征，且类似于纯面粉的漫反射光谱。对混合样品的像素点光谱进行二阶导数预处理，以消除基线漂移的影响，更好的分辨光谱中吸收峰。图3所示为面粉中不同浓度偶氮甲酰胺混合样品的平均二阶导数光谱。由图可看出，在特征波段2269.91nm处，当偶氮甲酰胺浓度从1％下降到0.2％时，反射率不断降低；当偶氮甲酰胺浓度小于0.2％时，无明显反射率变化，平均二阶导数光谱相似。这表明，基于整个区域的平均光谱不能有效检测面粉中偶氮甲酰胺含量，因此，本发明采用对roi内单个像素点的光谱进行评估，以更好的检测面粉中偶氮甲酰胺颗粒。图4所示为纯偶氮甲酰胺、纯面粉和混合样品在偶氮甲酰胺特征吸收波段(1574.38nm、2038.55nm、2166.88nm和2269.91nm)的灰度图像。由图可看出，不同波段对应的图像的亮度不同，这是因为同一样品在不同波段下样品的漫反射率不同，以偶氮甲酰胺样品为例，其图像由明亮到灰暗的变化顺序为：1574.38nm、2166.88nm、2038.55nm、2269.91nm，这和图2中偶氮甲酰胺漫反射率由强到弱的变化顺序相一致。在同一波段下，纯偶氮甲酰胺、纯面粉和混合样品的图像在亮度存在差异，纯偶氮甲酰胺图像均比纯面粉和混合样品的图像更暗，然而在混合样品的图像中仍无法区分面粉和偶氮甲酰胺像素。因此，采用光谱相似性分析方法增加面粉和偶氮甲酰胺的对比度，以识别出偶氮甲酰胺像素。2.2阈值的选取图5所示为1％浓度混合样品roi内各像素点的原始光谱(a)和二阶导数光谱(b)。对比图5a和5b可看出，经二阶导数预处理后，消除了基线漂移的影响，增强了光谱的分辨，一些偶氮甲酰胺的吸收峰可观察到。对不同浓度混合样品roi像素点的光谱均进行二阶导数预处理，从预处理光谱中减去纯面粉预处理后的平均光谱，以减弱面粉背景信号的影响。将相减后的光谱用于sam、sca和scm三种光谱相似性分析算法中，以识别混合样品中的偶氮甲酰胺像素。在对不同浓度的混合样品进行光谱相似性分析前需确定阈值，以实现面粉像素和偶氮甲酰胺像素的分类。阈值采用中值法确定，首先计算纯偶氮甲酰胺样品中各像素点和偶氮甲酰胺平均光谱的光谱相似性分析的最大值和最小值，然后计算纯面粉中各像素点和偶氮甲酰胺平均光谱的光谱相似性分析的最大值和最小值，阈值即为纯偶氮甲酰胺结果的最大值和纯面粉结果最小值的中值。通过计算，得到sam、sca和scm三种光谱相似性分析算法的阈值分别为1.4109、0.9525和0.1590，因此，具有<1.4109的角度值，<0.9525的角度值和>0.1590的相关值被分类为偶氮甲酰胺像素。基于三种光谱相似性分析的阈值，纯偶氮甲酰胺和纯面粉roi中的所有像素被正确地分类为偶氮甲酰胺像素和面粉像素。2.3光谱相似性分析结果与验证图6所示为三组混合样品经sam，sca和scm方法分类后的图像。其中，深色像素表示偶氮甲酰胺像素，浅色表示面粉像素；各样品的排列顺序同图4中样品排列顺序一致。在各组样品中，三种光谱相似性算法均较好的实现了不同浓度混合样品中偶氮甲酰胺颗粒的分类。对于同一组样品，sam，sca和scm方法的分类结果基本一致。在0.2％～1％浓度的混合样品中，图像中显示出较多的偶氮甲酰胺像素分布且递增趋势明显；在0.02％～0.2％浓度的混合样品中，图像中仅有较少的偶氮甲酰胺像素分布，对各混合样品中分类为偶氮甲酰胺的像素进行统计，其占roi区域内总像素点(5016个)的比例如表1所示。从表中可看出，同一浓度的三组样品中，被分类为偶氮甲酰胺颗粒的数量存在较大差别，这是因为近红外高光谱系统不仅从样品的表面采集漫发射信号，而且还可以采集样品内部的漫反射信号，但在样品内部，不同层所含有的偶氮甲酰胺颗粒的数量不同，与其他层中偶氮甲酰胺颗粒重叠的数量也不同。不同浓度的样品分类为偶氮甲酰胺颗粒的比例大于面粉中偶氮甲酰胺的实际浓度，在浓度大于0.1％的混合样品中更为明显，这是因为高浓度的混合样品中含有较多的偶氮甲酰胺颗粒，不同层内均可采集到偶氮甲酰胺颗粒的漫反射信号，图像中偶氮甲酰胺颗粒的分布来自于多层的映射。非最低浓度样品中存在没有分类为偶氮甲酰胺颗粒的现象(如组1中sam方法分类的0.04％浓度混合样品)，出现这种现象的原因有两种，一种是混合样品虽然经过混匀，但浓度较低的样品转入培养皿后表面不含有偶氮甲酰胺颗粒，由于面粉层过厚未采集到位于底层的偶氮甲酰胺颗粒的漫发射信号；一种是出现了假阴性的可能。因此，为避免高浓度样品过高估计样品及样品过厚导致底部信号无法采集，下一步可对样品的穿透深度进行发明，以采用较薄的样品厚度进行高光谱成像。表1sam，sca和scm分类为偶氮甲酰胺像素占总像素的百分比table1percentoftotalpixelsclassifiedasazodicarbonamidepixelsbysam,sca,andscm.为进一步评估光谱相似性分析的分类结果，对分类为偶氮甲酰胺像素和面粉像素的光谱进行验证。在三组样品中，三种光谱相似性分析算法的分类结果基本一致，组1和组3的低浓度混合样品中存在偶氮甲酰胺颗粒分类为零的情况，因此选择sam算法对组2中不同浓度混合的分类结果进行光谱分析。图7所示为组2中不同浓度混合样品经sam分类为偶氮甲酰胺像素和面粉像素的平均二阶导数光谱。图中仅显示了偶氮甲酰胺最强吸收峰226.91nm附近的光谱，其中分类为偶氮甲酰胺像素的平均光谱以实线表示，分类为面粉像素的平均光谱以虚线表示。由图可看出，分类为偶氮甲酰胺像素的平均光谱显示出在2269.91nm的吸收峰，而面粉像素的平均光谱中未出现该吸收峰，说明利用光谱相似性分析方法可以正确分类偶氮甲酰胺像素和面粉像素。3结论本文通过近红外高光谱技术实现了面粉中偶氮甲酰胺的检测。主要结论有：(1)通过分析纯偶氮甲酰胺的平均漫反射光谱，找到了区别于面粉漫反射光谱的4处特征吸收波段：1574.38nm、2038.55nm、2166.88nm和2269.91nm。(2)面粉中含不同浓度偶氮甲酰胺的混合样品的平均光谱未能显示出偶氮甲酰胺吸收特征，特征波段对应灰度图像无法区分面粉和偶氮甲酰胺像素，拟采用光谱相似性分析对单像素点光谱进行计算，从而实现不同浓度偶氮甲酰胺-面粉混合样品的分类。(3)三种光谱相似性分析算法(sam，sca和scm)实现了面粉中不同浓度偶氮甲酰胺的分类，但对偶氮甲酰胺的分类结果中存在数量差别大、浓度过高估计和分类为零的问题，后续的发明中，采用较薄的样品厚度进行高光谱成像可实现更好的分类效果。(4)对分类为偶氮甲酰胺像素和面粉像素所对应光谱的验证结果显示，光谱相似性分析方法可以正确分类混合样品中偶氮甲酰胺像素和面粉像素。显然，所描述的实施例仅仅本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。当前第1页12当前第1页12