盡管農(nóng)業(yè)是世界上全球化程度最高的行業(yè)，但效率極低。全球供應(yīng)鏈已經(jīng)實現(xiàn)了機械化，但還沒有實現(xiàn)信息化，它們還充分受益于數(shù)字技術(shù)的爆炸式增長，這些技術(shù)在制藥或醫(yī)療保健等其他領(lǐng)域發(fā)揮了作用。

與此同時，世界上生產(chǎn)的所有食物中有三分之一被浪費了。如果食物浪費是一個國家，它將成為世界第三大溫室氣體排放國，每年產(chǎn)生約 8% 的全球碳排放量。全球生產(chǎn)的肉類中有超過 20% 被浪費;對于水果和蔬菜，這一比例達到了驚人的 45%。

此外，食品造假每年給全球經(jīng)濟額外造成 400 億美元的損失——自 2010 年以來，丑聞增加了三分之二。此類犯罪的增長速度如此之快，以至于英國食品標準局于 2018 年成立了國家食品犯罪部門2015 年專門解決欺詐和摻假問題。

食物浪費丑聞在過去幾年受到越來越多的關(guān)注，聯(lián)合國大會 (UNGA) 呼吁將零售和消費者層面的全球人均食物浪費減半，并減少生產(chǎn)和供應(yīng)鏈中的食物損失，包括到 2030 年采后損失。

正如聯(lián)合國可持續(xù)發(fā)展目標 (SDG) 12 的具體目標 12.3 中所述，行動呼吁旨在“確?？沙掷m(xù)的消費和生產(chǎn)模式”。實現(xiàn)糧食損失和浪費目標的一個關(guān)鍵步驟是政府和公司設(shè)定與可持續(xù)發(fā)展目標 12.3 一致的具體減少目標。

牛排的高光譜圖像。上面的黃色代表脂肪，深色代表瘦肉。隨機選擇其他顏色以指示場景中的背景和其他對象。

對于食品生產(chǎn)商和零售商而言，質(zhì)量控制和保證仍然依賴于人工、冗長、破壞性的過程，例如目視檢查、感官評估和基于樣本的測試。

分揀、配送流程改進

用于監(jiān)測食品的無創(chuàng)、快速、客觀技術(shù)對于改進分類和分配過程至關(guān)重要。這就是高光譜成像大有可為的地方。該技術(shù)同時獲取光譜和空間數(shù)據(jù);然后，它可以實時無創(chuàng)地可視化物理和化學成分，并可以促進向 100% 的產(chǎn)品進行測試的供應(yīng)鏈轉(zhuǎn)變。

然而，將高光譜成像用于食品監(jiān)測必須克服工業(yè)和技術(shù)層面的某些挑戰(zhàn)，才能充分發(fā)揮其潛力。

在食品公司采用新技術(shù)之前，他們必須了解它。目前，公司不習慣閱讀圖表和統(tǒng)計值。信息通常是通過硬度測試、pH 計等儀器或通過擠壓、聞或看等感官評估獲得的。

來自傳感器(如高光譜或多光譜相機)的信息需要轉(zhuǎn)化為可操作的見解——例如，保質(zhì)期天數(shù)、魚的新鮮度類別，或基于干物質(zhì)含量等化學屬性的最佳分類(與鱷梨的成熟度相關(guān))。這些見解對食品公司很有價值，使他們能夠提高產(chǎn)量、減少浪費并改善配送和質(zhì)量的分類。

牛排上識別的三個像素的反射光譜。綠線代表白紙背景的反射率，反射率最高;藍線代表肉的白色脂肪，比紅線反映更多，紅線代表牛肉的瘦肉、深色部分。

這項技術(shù)的廣泛采用還需要改變程序。例如，有幾篇學術(shù)論文指出可以使用高光譜成像對牛排的嫩度進行分類。但在當今的行業(yè)中，牛肉嫩度主要由牛肉生產(chǎn)商在包裝廠使用破壞性測試(例如 剪切力測試)進行分級。就消費者而言，他們不習慣根據(jù)嫩度等級購買牛肉，盡管將嫩度視為重要的口味屬性。在肉類行業(yè)引入卓越質(zhì)量指標的業(yè)務(wù)挑戰(zhàn)需要行業(yè)和消費者的行為轉(zhuǎn)變。

為了廣泛使用高光譜成像系統(tǒng)進行食品監(jiān)測(例如照明)，技術(shù)改進是必要的。與單點光譜儀相比，傳送帶的速度越快，面掃描儀和線掃描儀所需的照明強度就越大。鹵素燈在廣譜范圍內(nèi)發(fā)光，壽命較短并且會產(chǎn)生熱量。當需要更多照明時，傳統(tǒng)的解決方案是增加功率，但對于鹵素燈，這也會產(chǎn)生更多的熱量。過多的熱量會損壞正在加工的食品：例如，糖會融化，碎豬肉會更快地失去水分。

糖和異物的高光譜圖像

LED 照明輻射的熱量少得多，使其成為更好的選擇。然而，目前的 LED 技術(shù)不足以滿足食品行業(yè)的高光譜成像解決方案，因為它無法在廣譜范圍內(nèi)發(fā)光。通常，LED 發(fā)出非常窄的光譜，這意味著需要大量的 LED 來模仿鹵素燈。

分類算法

用于食品監(jiān)測的高光譜成像還需要對高光譜立方體進行實時分類。高光譜成像系統(tǒng)主要是為實驗室使用或研究環(huán)境而開發(fā)的，帶有一個緩慢移動的托盤。食品公司不斷嘗試提高傳送帶的速度以優(yōu)化吞吐量，這需要一個分揀應(yīng)用程序，其中需要在不到一秒的時間內(nèi)分析高光譜圖像(大小可達 1 GB)。

對現(xiàn)有高光譜文獻的評估發(fā)現(xiàn)，研究人員并未解決將這種技術(shù)應(yīng)用于快速生產(chǎn)線速度的問題。

數(shù)據(jù)收集提出了另一個挑戰(zhàn)。每種食品都需要不同的校準。反過來，這需要特定于產(chǎn)品的知識，了解如何操作真實參考測量，例如 pH 計或剪切力測試，以及這如何與高光譜圖像的光譜數(shù)據(jù)相關(guān)聯(lián)。為了開發(fā)這些算法，服務(wù)提供商需要與食品公司合作，以獲得足夠的數(shù)據(jù)點，用于商業(yè)上可行的解決方案。

但是，沒有大型、公開可用的食品光譜數(shù)據(jù)集和相應(yīng)的地面實況測量結(jié)果，導致驗證服務(wù)提供商開發(fā)的分類算法質(zhì)量的開發(fā)過程更長。

最后一個技術(shù)障礙涉及異物檢測。可以提高高光譜成像的空間分辨率以檢測更小的異物。今天，要檢測一根頭發(fā)，攝像頭需要距離頭發(fā)不到 10 厘米，這會縮小攝像頭的視野并限制它可以覆蓋的傳送帶的寬度。在這種情況下，可以添加更多的攝像機來拍攝更廣的區(qū)域。然而，這顯著增加了成本。

新的解決方案不斷涌現(xiàn)，可以將高光譜成像用于食品監(jiān)測。該技術(shù)已經(jīng)存在 20 多年，但直到最近才應(yīng)用于食品加工設(shè)施的在線使用。生成的大量數(shù)據(jù)和現(xiàn)有的分類模型使得該技術(shù)難以用于實時質(zhì)量控制。

易于使用的神經(jīng)網(wǎng)絡(luò)機器學習框架的激增使得高級非線性分類算法或模型的開發(fā)速度大大加快。此外，將可以編程的 GPU 與機器學習模型相結(jié)合，可以進行并行的快速計算，從而加快對高光譜圖像的分類。

高光譜成像技術(shù)可用于配送中心食品加工的多種在線應(yīng)用。例如，sinespec開發(fā)了具有多種用途的軟件，包括牛肉 pH 值和顏色算法。這些算法可以通過準確計算配送中心的保質(zhì)期和產(chǎn)品最終使用的最佳形式來減少零售商的店內(nèi)肉類浪費，從而為消費者提供更高的質(zhì)量和一致性。例如，如果牛肉在真空包裝時的 pH 值高于 5.9，它會更快地變成 DFD(深色、堅硬、干燥)。僵直后 pH 值為 5.9 或更高的肌肉通常會發(fā)展出某種形式的暗切割特征。無應(yīng)激動物的正常肉的 pH 值范圍為 5.4 至 5.7。DFD 肉的 pH 值要高得多，在 5.9 到 6.5 的范圍內(nèi)。

零售陳列柜中 DFD 肉的暗紅色狀態(tài)已被證明是消費者拒絕的主要原因之一。消費者認為深色表示肉來自舊動物、腐敗、不良味道、韌性和保質(zhì)期短。

借助sinespec的分類算法，食品零售商可以在供應(yīng)鏈的早期識別出高 pH 值的肉類，然后可以將這些肉類轉(zhuǎn)化為二級產(chǎn)品，例如碎牛肉或肉末。從長遠來看，零售商可以確定問題的根源，例如溫度波動或劣質(zhì)動物飼料，并根據(jù)客觀數(shù)據(jù)制定更嚴格的產(chǎn)品規(guī)格。

牛肉嫩度分級是另一個應(yīng)用。今天，沒有成像，但系統(tǒng)可以在兩天內(nèi)預(yù)測肉在 14 天時的嫩度，再給 12 天時間來優(yōu)化最終用途。十四天是衡量牛排嫩度的行業(yè)標準時間。14 天后，壓痛值通常不會改變。

隨著新鮮無須鱈腐爛過程的進行，皮膚會從綠色變?yōu)榧t色。人眼幾乎無法察覺綠色區(qū)域。然而，高光譜相機可以“看到”這些顏色，軟件使用它們來對新鮮度進行分類。

?

兩天的預(yù)測數(shù)據(jù)非常有價值。關(guān)于肉的使用的決定通常發(fā)生在兩天后，當牛排開始轉(zhuǎn)移以供后續(xù)儲存和分配時。這種分類可以通過客觀測量保證產(chǎn)品的嫩度，從而實現(xiàn)動態(tài)定價。

高光譜成像技術(shù)還可以檢測異物。X 光機通常檢測比食品物質(zhì)本身密度更大的物體。當食品公司試圖檢測某些較輕的非磁性材料(如塑料、骨頭、紙張和紙板)時，這給食品公司帶來了挑戰(zhàn)。

高光譜系統(tǒng)可以通過將圖像分成數(shù)千個像素并將具有相似光譜輪廓的像素組合在一起，以高精度檢測和分類此類物體。這種質(zhì)量控制工具可實時識別污染物，并可與機械臂或噴氣式噴射裝置結(jié)合使用，以便即時清除。這可以防止供應(yīng)鏈下游的投訴或產(chǎn)品召回。

通過高光譜成像也可以對鱷梨進行無創(chuàng)分類。一年中的每個星期都會生產(chǎn)鱷梨。在包裝廠，混合不同干物質(zhì)含量的鱷梨。使用高光譜技術(shù)對干物質(zhì)進行無創(chuàng)分類的能力有可能創(chuàng)造巨大的經(jīng)濟價值。它還可以減少餐廳層面的浪費，因為它使餐飲服務(wù)公司能夠在選定的范圍內(nèi)催熟鱷梨，以根據(jù)即食質(zhì)量更好地優(yōu)化分銷。

高光譜數(shù)據(jù)可以在整個價值鏈中實現(xiàn)更多的信息共享，從而帶來眾多好處，提供更高的安全性和透明度，并在構(gòu)建未來的食品系統(tǒng)中發(fā)揮作用。