您当前的位置:首页 >> 科技中心 >> 科技进展 >> 其他 >> 正文
禽蛋加工检测研究进展
日期:2012-08-22 作者:王飞 刘文营 赵维高 黄丽燕 张强 王旭清 韩兆鹏 卢晓明 来源:《中国家禽》.-2012,(10).-45-47 点击:
 
    禽蛋富含脂肪酸、铁、磷、微量元素、维生素A、维生素B6、维生素D、维生素E、维生素K和生物活性蛋白等物质,是人们获得平衡的各种必需营养的来源。禽蛋是世界上最为普遍的消费品之一,禽蛋的原料直接关系到产品的质量。目前关于禽蛋加工方面的检测主要集中在蛋的新鲜度评估、蛋品分级和裂纹检测等方面。
1 禽蛋的新鲜度检测
    鸡蛋是优质、廉价的蛋白质来源,但极易腐败变质,且鸡蛋的绝大部分是以鲜蛋消费为主,因此对鸡蛋新鲜度进行检测研究极为必要。
    目前采用的无损检测技术,主要是利用光学性质、声学性质和计算机视觉系统。王巧华等。提出基于BP神经网络的鸡蛋新鲜无损检测方法,结合鸡蛋内容物自身结构特点,用机器视觉装置获取鸡蛋图像,基于鸡蛋闭像蛋黄面积比、气室高度比随着新鲜度的降低而逐渐增大,建立了两特征值与新鲜度的关系模型,经检验通过两特征模型判别鸡蛋新鲜度的准确率分别为91%、93%。魏小彪等在利用计算机视觉系统获取鸡蛋颜色的亮度、蛋形指数的同时,利用声音采集装置获取声音的功率谱面积、共振峰频率和X轴方向的质心。利用两种检测方法之间的参数进行相互补偿和修正,通过试验测得对应鸡蛋的新鲜度(哈夫单位),以它们为样本数据建立多元线性回归模型,所建模型判别的准确率为92%,获得了鸡蛋新鲜度与其图像特征参数和声音特征参数之间的最优关系。郑丽敏。则采用背向照明方式采集鸡蛋的透射图像得到鸡蛋的蛋黄和气室的图像信息,建立了鸡蛋新鲜度与蛋黄指数、贮藏时间和气室指数的关系模型,不仅可以预测鸡蛋的新鲜度,还可以预测鸡蛋的储藏期。
    哈夫单位作为衡量鸡蛋新鲜度的重要指标,在贮藏过程中受到各种因索的影响。黄会明。提出应用灰色关联方法分析鸡蛋新鲜度与各影响因素之间的关系。首先计算了哈夫单位与影响因素之间的灰色关联度,由关联度数值得到各因素对鸡蛋新鲜度的影响程度。其研究结果发现,对不同贮藏期的鸡蛋,比重是影响其新鲜度的首要因素。在对货架期进行检测时,刘明等则利用电子鼻检测气味,通过测定哈夫单位,建立了不同货架期气味与鸡蛋哈夫单位等级的对应关系,确以了检测鸡蛋新鲜度的主要传感器,在20℃、70%相对湿度条件下实验,效果较为理想,为建立利用气体传感器临控鸡蛋新鲜度的方法奠定了基础。
    此外,龙翔提出利用振动原理,以ARM7-S3C44BO微处理器为核心,在开发平台上扩展传感器电路、信号调理电路和触摸屏,构建鸡蛋新鲜度动态信号测试系统。其设计的鸡蛋新鲜度无损检测的系统,能直观显示被测的波形及分级结果,进行新鲜度的检测。
    Liu等利用鸡蛋的射特性,在400~600nm的可见光区域对其新鲜程度检测和分级,效果较为明显,并确定了465nm为新鲜度最敏感波段。林颢等利用近红外光谱技术结合模式识别方法识别鸡蛋的新鲜度,在识别模型建立过程中,引入一类支持向量机(OC-SVM)算法解决新鲜蛋和非新鲜蛋训练样本数量不平衡问题。在实施过程中,其首先获取鸡蛋在10000~4000cm-1范围内的近红外漫反射光谱,通过主成分分析方法提取光谱数据中的特征信息,优选了3个主成分作为模型的输入向量,然后采用OC-SVM区分新鲜蛋和非新鲜蛋,识别率均达到80%。利用近红外光谱不仅能快速识别鸡蛋新鲜度,同时OC-SVM算法解决了新鲜度检测中存在的样本不平衡问题。
    张蕾等研究了频率在100k~1MHz下无损整蛋介电参数的变化情况,并对介电参数和新鲜品质随储存时间的变化规律进行了探索。结果显示不同储存天数鸡蛋的相对介电常数值间有显著的差异性;随着储存时间的延长,鸡蛋新鲜度品质指标一蛋黄指数在下降,其中相对介电常数ε和介质损耗因子Q与蛋黄指数有极显著的相关性。还有利用电学特性检测禽蛋的新鲜度,建立了哈夫值与电压、电容之间的关系模型。
    另外,光谱技术的发展也为鸡蛋新鲜度的检测提供了方便。Karoui利用前表面荧光光谱研究了12.2℃、87%相对湿度贮藏情况下鸡蛋的新鲜度变化。其对从存放1~55d的鸡蛋蛋白端和蛋黄端的芳香族氨基酸和核酸的荧光光谱发射、美拉德反应产物荧光,以及维生素A的激发荧光进行了扫描。在这些内源荧光中,只有维生素A荧光光谱的主成分分析表现出了良好的鉴定效果,具有97.7%和85.7%的校准和验证集,可以作为有效的内源指纹荧光对储藏期鸡蛋新鲜度进行鉴别。侯卓成利用近红外光谱仪测定保存时间不同的鸡蛋,探讨了蛋白高度、哈氏单位、气室直径、气室高度近红外模型的可行性,并运用无偏最小二乘法建立了鸡蛋蛋白高度、鸡蛋气室直径、气室高度的近红外测定模型,所建模型具有较好的准确性与预测能力,同样能够实现蛋品新鲜度的快速无损检测。Kemps利用可见光的近红外反射技术(VIS-NIRT)检测鸡蛋的新鲜度,得出测量鸡蛋内容物的pH比测量哈夫单位更精确。Karoui和Laghi分别利用荧光光谱技术和核磁共振质子释放对储存期的鸡蛋进行了新鲜度检测。效果均比较明显。
2 禽蛋的分级
    熊利荣等利用Sobel算子进行边缘检测获取蛋的像素和蛋的物理形状,建立了重量和面积短轴之间的线性回归模型和蛋壳厚度与颜色参数色度、饱和度、亮度3个变量之间的关系模型,实现了禽蛋的大小、形状和厚度分级。在这方面,Filip等研究了一种形状矫正算法来弥补在褐壳鸡蛋自动分级过程中因采集到的鸡蛋图像不均匀而造成的失真。使用两个彩色摄像机获取四个不同方向的鸡蛋的彩色图像,用椭圆匹配法检测鸡蛋的边缘轮廓,通过颜色信息来校正补全鸡蛋的椭圆形状。
    Jenshinn等开发了一种对蛋壳进行全自动检测的系统,在这个系统中,禽蛋的装卸和分拣全部由自动化机械实现,检测装置将蛋壳加上一定的压力,再通过摄像头采集受压蛋壳图像送入计算机进行分析,好壳蛋和损壳蛋的检测准确率分别达到86%和80%。此方法对禽蛋的清洁度有一定要求。
    Narushin提出了利用红外技术(5000~640cm-1)检测蛋壳质量,进行蛋壳厚度测量时,相比与尺寸测量的0.32的相关系数,红外技术效果较好测(相关系数0.52);在测蛋壳断裂力、最大形变和硬度时,相关系数范围为0.24~0.42,能够准确的表现物理量数值;同样测量蛋壳质量也非常精确(相关系数为0.72)。相比于其他技术,红外光谱单一技术能够提供多参数供多项检测。
3 禽蛋的裂纹检测
    在鸡蛋生产、经营、加工过程中,破损蛋的检测是最重要环节之一。及时发现并剔除破损鸡蛋,既能减少损耗,又能提高储藏、加工质量。
    KetelaereCoucke等通过对整蛋的时间信号和频率信号分析与功率谱密度的分析,得出了利用振动鸡蛋的球形动态特性测量方法是有效的检测鸡蛋裂纹的方法,检测裂纹精度小于0.5%。Cho等利用系统声脉冲,测量并分析信号的频率范围。采用声波冲击频率特性来探测蛋壳的裂纹,检测破损蛋和完好蛋的误差分别为6%和4%,检测速度为5个/s,效果显著。刘俭英通过分析受敲击鸡蛋的声音功率谱图而确定出特征参数:共振峰对应的模拟量频率值、功率谱面积、高频段额外峰功率谱幅值和第32点前后频段功率谱面积的比值,并通过Bayes理论建立鸡蛋破损判别模型。然后采用DSP鸡蛋破损检测系统,进行鸡蛋破损的检测。
    在利用计算机视觉系统上,Elster采用直方图均衡化和SOBEL算子相结合的方法检测鸡蛋表面裂纹,进行鸡蛋的合格检测,但判别准确度不高。Goodrum利用机器视觉和图像处理方法,研究了对连续旋转鸡蛋进行裂纹检测,准确率达到94%。Jenshinn研究开发了蛋壳全自动监测系统,检测装置在被检蛋的蛋壳施加一定压力,再通过摄像头采集受压蛋壳图像送入计算机进行分析,判断是否损壳蛋并进行分级,好壳蛋检测准确率达86%,损壳蛋的检测准确率达到80%。Gracia等利用提取彩色分量的方法检测鸡蛋表面裂纹,其准确率达92%。
    Cho等用CCD摄像机获取白炽灯照射下的禽蛋蛋壳表面图像,将其送入计算机进行数字图像分析,分别用几种不同的边缘检测算子进行边缘检测,并作了比较,发现用SOBEL算子对蛋壳破损检测的效果最好,速度最快。他们提出用SOBEL滤波后的图像轮廓的圆滑度和几何形状作为检测蛋壳破损的标准,并对用于判断蛋壳破损的最佳阈值和图像的灰度进行了回归分析,建立了回归方程。其研制装置和程序检测损壳蛋和好壳蛋的准确率达到97.5%和90.5%。
    单独利用声学响应技术对裂纹鸡蛋判别准确率达92%,计算机视觉对裂纹鸡蛋的判别准确率只有68%。为了提高对鸡蛋裂纹识别的准确性,潘磊庆建立了利用计算机视觉和声学响应信息融合技术检测鸡蛋裂纹的系统,将2种技术进行信息融合,对裂纹鸡蛋判别准确率可达98%。Lei等利用计算机视觉与基于倒传递类神经网络的声波响应联用技术进行破壳蛋的检测时,也得到了相似的结果,表明两者联用优于任何单一技术,联用能够发挥计算机视觉和声学技术检测的优势,充分保证鸡蛋的质量和安全。
4 小结与建议
    目前,有关禽蛋安全性检测方面的研究,无论是在智能化上还是机械化上都取得了很大的进步,但这些方法大多需要对禽蛋进行前处理,或者在操作过程中的限制条件较多,一定程度上影响了工业化生产的进程。
    同时,在国内,大型的养殖场尽管部分已经成规模,但是绝大多数还是分散的小规模养殖,一定程度上也限制了现代工业化设备的应用,如果在规模养殖上给予扶持优惠,在安全性检测研究上给予财政支持,促进行业的优胜劣汰,一定程度上能促进禽蛋安全性检测的发展。
    作者单位: (国家蛋品工程技术研究中心,北京德青源农业科技股份有限公司,北京 100081)
    文章采集:caisy
    注明:北京市科技计划产业统筹项目(Z111105061310001)
注:本网站为公益性网站,若单位或个人不同意刊载本信息请与本站联系。
 
 
版权所有:北京市农林科学院数据科学与农业经济研究所
电 话: 010-51503304 地 址:北京市海淀区板井曙光花园中路9号
京ICP证090834号 京ICP备09053977号-3 京公网安备11010802014047