杨兆甜,李方巍, ,王震昊,张馨月,曹家蕊,张 燕,
(1.中国农业大学食品科学与营养工程学院, 国家果蔬加工工程技术研究中心, 北京 100083;2.北京化工大学化学工程学院, 北京 100029)
食品的外观会影响产品及其营销特性[1],包括尺寸、形状、纹理、质量、光泽和颜色等[2]。其中,食品的颜色是消费者评估的首要参数,消费者可能根据经验将颜色与其他相关品质联系起来,同时颜色也可以指示食品品质的优劣。例如:水果和蔬菜等农产品的颜色源自天然色素,其中许多色素会随着植物的生长和成熟发生变化,所以通过检测颜色可获得其生长状况信息,以确定最佳采收期,保证食品的最佳品质;食品的颜色在加工过程中也会发生明显变化,例如果蔬汁加工过程中会发生褐变、果蔬干燥过程中会发生美拉德反应、冷鲜肉贮藏过程中会发生血红素氧化等[3],因此通过检测食品的颜色可以改进加工工艺,提升加工食品品质,亦可用于追踪产品贮藏期品质。
随着人们对于食品品质重视程度的提高,以及光学技术、计算机技术、人工智能技术的发展,基于颜色的食品检测技术也在快速发展,且因其无损、快速、可持续跟踪等优点,将逐渐成为产品品质管理、新产品研发、产品分级以及装备研发的重要手段。食品颜色的检测方法有很多种,较为常见的有色差仪法和计算机视觉技术,色差仪是目前最常用的颜色检测仪器,计算机视觉技术是方便、快捷以及易实现自动化的检测方法,其算法开发和实际应用是当前研究的热点问题。如今我国食品行业正蓬勃发展,而食品品质的检测技术水平亟待提高。为提供食品检测技术发展的理论依据,本文研究了国内外相关文献,分析了食品颜色感知、介绍了表色系统和常用检测方法,并通过探讨各种方法的应用情况和优缺点对以后检测技术的发展进行展望。
人对于颜色的感知是视网膜上的感光细胞受到特定波长的电磁波刺激产生电位变化,并通过神经元将引起的信号传入大脑皮层产生的[4],它是一种感知现象,其感知结果取决于观察者以及观察颜色的条件。当消费者受到食物颜色刺激时,大脑会调动消费者之前对于这种颜色的记忆,从而影响消费者对于食品其他品质的判断[5],进一步表现为颜色对于其他感官认知的影响。
消费者选择食物时,有时会将颜色作为食品外观的质量指标之一[6-8],其可通过颜色来判断食品的新鲜度、成熟度及甜度等[9-10]。一般情况下,特定食品在消费者心中有固有的颜色范围,若超出该认知范围,则可能导致消费者难以接受,例如:优质的香蕉呈黄色,并且不带有褐色斑点[11];成熟的西红柿呈红色或者橙色,颜色越深成熟度越高[12]。各种研究表明,消费者通常会由于绚丽的色彩而购买食品,例如橙色的果汁以及透明包装的鲜切水果更受消费者的欢迎,这些都表明适当的色彩可增加食品的可接受性[13]。也有学者认为增加食品的颜色强度会显著影响人们对食物风味或口感的评定[14]。
色彩饱和度、亮度值和彩度等可以与其他感官的感知互相影响,近年来的一些研究也证明了这个观点。例如,Pomirleanu等[15]发现色彩饱和度可能对味觉产生影响,例如当食物的色彩饱和度较低时,视觉对味觉的效果更佳明显,而在高色彩饱和度的背景下并不重要。Claudia等[16]研究表明当看到彩色食品时,会使高热量食物出现注意偏见,而去掉颜色的高热量食物的并没有出现这种偏见,表明色觉可以调节食物刺激的注意力偏见效果。Doorn等[17]认为啤酒的颜色也可能会影响消费者的期望与风味感知,例如在大部分消费者的认知中,较深的颜色意味着更高的苦味,但是这一说法还有颇多争议,需要更系统的研究来证明。Chonpracha等[18]提出视觉感知会影响消费者在咖啡中添加糖浆的数量,并得出视觉提示可能会增加糖浆的甜度,从而降低其添加数量、减少卡路里的消耗的结论,这项研究提供了一种通过调节颜色以及粘度等来减少消费者摄入食品中的糖的方法。食品包装的颜色也可能影响消费行为,Lohse等[19]证明颜色可以使广告更加突出,彩色广告会更容易引起注意。Kunz等[20]的研究表明,颜色会影响人们对于食品健康与美味度的判断,包装色彩鲜艳且饱和度高的食品看起来更新鲜,而色彩柔和、饱和度低且外观清新的食品看起来更健康和美味,相对而言饱和度对口味的影响大于其对健康的影响。
目前对于食品颜色感知的研究还停留在发现现象的层面,未来对于该方面的深入研究应该结合生理学,进一步阐释颜色感知与大脑相关部位的联系和感知机理等。这样更深层次的研究有助于更加客观、深入地判断消费者对于颜色的喜好,对于食品颜色分级标准的制定以及各种食品的包装颜色也具有指导作用。
为了更加客观地表示颜色,表色系统是必不可少的,迄今,基于改变三种光刺激值的相对量配比和亮度,便可以配出任何一种颜色和亮度的光的原理[21-22],已经建立了各种表色系统,如:蒙塞尔体系、德国DLN体系以及自然色体系等。其中,较为经典的表色系为国际照明协会(Commission Internationale de L'Eclairage,CIE)于1931年建立的两种表色系:RGB表色系和XYZ表色系。RGB表色系(色品图如图1)是取三原色为色品三角的三个顶点,对等能量单色光谱用标准观察者求出它们的同色光三刺激值曲线,三刺激值相当于眼睛三种感光细胞对各种等能量单色波长光的感度曲线。但是由于RGB表色系的同色函数会出现负值,颜色分布不尽合理,所以CIE又建立了XYZ表色系(色品图如图2)。与RGB表色系相比,XYZ表色系所有实际颜色的色度坐标均为正值、色光明亮度表示更加合理,并且可得到等能量光谱的白光。RGB表色系与XYZ表色系之间也可以相互转化,其坐标变换关系为[23]:
图1 CIERGB色品图[24]Fig.1 Chromaticity chart of CIERGB[24]
图2 CIEXYZ色品图[24]Fig.2 Chromaticity chart of CIEXYZ[24]
式中:R、G、B分别代表RGB表色系的三刺激值。
目前在食品检测中常用的颜色表示系统为CIELAB表色系和hunter Lab表色系[25]。CIE表色系,又称为L*a*b*表色系,以色度学为基础,同时具有孟塞尔颜色系统表示方法直观的特点,其色品图如图3,是类似于孟塞尔表色系统的立体图像,中轴是明度轴,也称L*轴,分为100个等级。中部的色圆有一直角坐标,即a*和b*坐标,a*值越大,颜色越接近纯红色,相反a*值越小,颜色越接近纯绿色;而b*值越大,颜色越接近纯黄色,相反b*值越小,颜色越接近纯蓝色[26]。彩度c*沿圆盘半径方向发生变化,中心的彩度为0,单色的彩度为60,可用(4)表示,其值越大颜色越纯。CIELAB表色系测得的值也可与XYZ表色系的值进行换算[23]:
图3 CIELAB色品图[27]Fig.3 Chromaticity chart of CIELAB[27]
式中:X0、Y0、Z0为照明光源的三刺激值。
Hunter Lab表色系与L*a*b*表色系相似,其L、a、b值表示的意义与L*、a*、b*基本相同,但是 Hunter Lab表色系是按照直角坐标系分布色彩的[28]。
色差仪根据原理不同可以分为光电积分式色差仪和分光式色差仪。光电积分式色差仪通常包括光源、第一光感单元、第二光感单元、模数转换单元、壳体及主机,工作过程为感光单元将采集到的光信号转化为电信号并传至模数转换单元,在模数转换单元将电信号转化为数字信号后,将数字信号传送至主机处理,迅速而准确地测出待测试样位点的颜色,并且可直接换算成L*、a*、b*值或X、Y、Z值。分光式色差仪基于分光原理,其可以测出物体的光谱分布,并计算出三刺激值以及其他参数。分光式色差仪由光源、积分球、光栅和光电检测器组成,使用分光式色差仪获得的X、Y和Z值取决于光源、测量面积以及观察者[29]。色差仪具有快捷、无损以及测定范围广等优势,所以被广泛用于果蔬、肉品以及谷物等的研究中[30-31],目前应用比较广泛的是Minolta公司和Hunter Lab公司的仪器[32]。
色差仪可以检测天然合成的色素以及有色物质的含量,检测结果可以表征果蔬的成熟度、新鲜程度以及色素相关基因的表达情况,也可以表征肉品新鲜度等,因其快捷、无损的优点被广泛应用于食品出厂检验、食品分级过程以及科学研究中。例如,食品工厂番茄酱中番茄红素的含量可用a/b值计算,并由此判定是否符合出厂标准;陈磊等[33]使用CR-400色差仪测定“红富士”果皮叶绿素含量,以此比较“红富士”苹果气调贮藏时果皮色泽变化及花青苷合成相关基因相对表达量的差异;Li等[34]利用Minolta CR-200色差仪评估各种彩色番茄的颜色坐标,在此基础上比较各品种的类胡萝卜素组成及其贡献抗氧化活性的情况。陈晓亮等[35]研究了冷却猪肉新鲜度的变化规律,在对肌肉表面色差的测定中发现一定条件下,a*变化与贮藏时间显著相关(P<0.05),L*变化显著(P<0.05);4℃ 条件下,b*值、彩度值变化与贮藏时间极显著相关(P<0.01),L*值与 pH 极显著相关(P<0.01);以及在冷链运输过程中,当L*高于 48.73、a*高于4.72、b*高于9.18时可认定冷却肉为新鲜肉,该研究结果有助于建立无损、快捷的肉制品检测和品质分级方法。
在食品加工以及贮藏过程中可能会发生美拉德反应、酶促褐变以及非酶促褐变等化学反应导致食品颜色发生变化,因此色差计也常被用来测定食品加工过程中的颜色变化,以得到食品品质参数,并据此调整食品加工工艺。目前,色差仪已被用于检测鱼馒头、面包和鱼丸等加工制品的表面颜色,以调控产品品质,Rosa等[36]在研究制作无麸质蛋糕中各种面粉的呈现效果时,使用CR-300色差仪测定蛋糕的颜色,并将颜色作为一个评价指标;雷萌萌等[37]采用CR-400色差仪测定鱼丸的白度,以判断液氮间歇式冻结对鱼丸品质的影响,从而调整鱼丸冻结方式。
目前色差仪的光源一般为氙灯或卤素钨丝灯,但是其在每次打开时光的亮度都不尽相同,随着使用时间的延长,灯光也会发生变化,因此开机一段时间或使用若干小时后,需要用白标准板进行校准,同时每年需要返厂用基准定标一次,校准为限制色差仪在实际生产中应用的一大问题。
计算机视觉技术能够重现人类的视觉系统,从单个图像或序列中自动提取信息,并结合人工智能等技术对数据进行分析。在加工或者成熟过程中食品颜色的变化可以由计算机视觉系统通过分析色彩进行评估和量化,除颜色外,计算机视觉技术也可检测食品的大小、形状、纹理、缺陷和新鲜度等[38],由于其快捷、无损等优势被许多研究人员关注,是目前测色技术领域的研究热点。
计算机视觉系统的硬件一般由光源、光室、载物平台、照相机和计算机组成,示意图如图4。在进行检测时,首先进行图像采集,为保证采集数据的质量,采集设备的精密度和准确度都要足够高,高质量的图片可为接下来的分析打下良好基础;然后要对图像进行预处理,例如降噪处理等;接下来将目标分割提取后提取特征值,并将其转化为颜色空间模型[39],在计算机视觉技术中常用的空间模型为HSV(Hue Saturation Value)模型和CIELAB模型,因为这两种颜色模型更接近人类的自然感知,能做出更有效的评估;最后进行模式识别得出结论。优于传统色差仪,计算机视觉技术还可以结合人工智能技术建立模型,进行食品品质预测与自动识别。
图4 计算机视觉技术检测系统示意图[40]Fig.4 Schematic diagram of computer vision system[40]
迄今为止,计算机视觉技术被用于肉品、谷物和果蔬等农产品的检测。首先其可以预测果蔬成熟度,通过检测果蔬的颜色即可快速判断其成熟度,从而确定最佳采摘期以及最佳食用期等,保证食品的最佳品质[41]。计算机视觉技术也可运用于肉品新鲜度的检测中,建立肉品颜色与新鲜度的预测模型可实现对于肉品新鲜度的快速判定[42]。农产品的分级有利于农产品的市场化,可以实现优级优价、指导市场,而计算机视觉技术快速和便捷的优点能够为产品分级提供便利[43]。在食品加工和贮藏过程中,食品的颜色至关重要,计算机视觉技术可以对加工食品的商业性进行判断,通过颜色等参数的测定指导加工工艺[44]、剔除次品,严格把控食品品质。食品掺假是经常发生的扰乱市场秩序的行为,但目前的大部分掺假检测步骤繁琐,难以实现全面检测,计算机视觉技术能够简化掺假检测步骤,从而实现商品掺假全面检测,规范市场行为。食品腐败是影响食品商品价值的重要因素之一,有些水果会产生白粉病、锈病和黑腐病等,且疾病在早期阶段就可被发现[45],计算机视觉技术通过对食品色调、饱和度以及强度的分析识别快速食品是否受到病害侵袭,可以替代微生物检测的繁琐步骤。具体的研究列举见表1。
表1 计算机视觉技术应用于食品中的相关研究Table 1 Relevant research in the synthesis of food by computer vision technology
续表1
目前,计算机视觉技术在科技工业中成功应用的仪器有DigiEye色牢度评级仪,该仪器通过测定反射率、透射率、色差值、明度值、白度值以及不透明度等参数,表征食品颜色,可弥补色差仪测量质地不均匀或体积较小的物体时的不足,周中帆等[54]将DigiEye色牢度评级仪与全自动色差仪对预制蔬菜颜色的表征结果进行比较,并得出了DigiEye色牢度评级仪表征颜色的最佳参数。
近年来计算机视觉技术正在蓬勃发展,从其无损、快捷的检测特点来看,它是符合现代化、容易实现自动化的检测方法,但是由于现有知识技术水平的限制,其功能实现还有诸多限制,例如,在非结构化场景中食品的识别比较困难,对光线的要求比较苛刻等[55],因此需要更多的研究提供更多的算法来打破这些限制,从而实现其在实际生产中的应用。首先,需要分析大量的样本数据进行模型训练以及开发更加有效、合理的算法;第二,目前计算机视觉检测的范围比较局限,未来可以扩大其检测范围,提高其普遍适用性;第三,计算机视觉技术目前对于仪器的要求比较苛刻,要想被广泛应用于生产中,则应该向着强兼容性、操作简便的方向发展。
食品颜色是判断食品品质的重要依据,但是目前检测的关注点仅在颜色本身,往往测定结果比较局限,要想更加深入利用颜色信息,可以开发新的算法将颜色与其他品质参数联系起来,在经过训练提高判断的准确度后,即可利用颜色参数以及其他获得的参数表征其他品质参数,例如:微生物污染情况、质地特性、口感等。在确定微生物污染或脂质氧化情况与食品颜色联系后,可以制作微生物试纸或者脂质氧化试纸,简化其检测方法的同时,也可以运用于食品包装中指示食品新鲜度。
在食品加工过程中,美拉德反应、酶促褐变以及非酶促褐变等化学反应会影响食品的颜色,若计算机视觉技术可以跟踪产品品质并进行工艺调整或次品剔除,将大大提高产品品质。未来计算机视觉技术可以安装在生产线上,监测食品品质,并根据各种参数随时调整温度、湿度以及加工时间等;同时可以设置可接受范围,直接剔除超出可接受范围的产品。
目前,计算机视觉技术对于机器硬件的专业化要求较高,对于光线以及各种条件的要求也比较苛刻,要想被广泛运用于生产实践中,应向着更加便携化以及普遍化方向发展,降低对于照片精度以及光线的要求,例如,机器可以随身携带用于检测,或者直接开发相应的应用软件,消费者用自己的手机拍照即可判断食品的品质。