基于激光辅助的红外热像的食品腐败检测

金 超1，毕仲圆1，盛 磊1,*，刘 静1,2,*

（1.清华大学医学院生物医学工程系，北京 100084；2.中国科学院理化技术研究所，北京 100190）

摘 要：探究食品腐败过程中温度参量随食物腐败变化的关系。以新鲜猪肉作为研究样品，利用激光作为外加热源强化热表达的差异性，利用红外热像仪检测样品的温度变化速率，并同时检测样品的pH值，以其作为腐败程度的监测指标。利用差示扫描量热仪测量了新鲜样品和腐败样品的热物性参数，根据传热学方程，利用数值方法模拟样品表面温度的变化，从而构建出样品温度变化速率同其腐败程度的关系，为寻求一种便捷、低成本的食品腐败检测方法提供实验依据。

关键词：食品腐败检测；激光加热；红外热像；数值仿真

Investigation on Laser-Assisted Thermal Infrared Imaging Method for Detection of Food Spoilage

JIN Chao1, BI Zhongyuan1, SHENG Lei1,*, LIU Jing1,2,*

(1. Department of Biomedical Engineering, School of Medicine, Tsinghua University, Beijing 100084, China;

2. Technical Institute of Physics and Chemistry, Chinese Academy of Sciences, Beijing 100190, China)

Abstract: Monitoring food spoilage (FS) has been one of the important tasks in the food industry. Exploring a fast and high-sensitivity detection method for FS is extremely important. This study aimed to explore the relationship between temperature and the degree of FS during the process of FS. Fresh pork was used as samples and laser was used as the external heat source to enhance the differences in thermal expression. An infrared camera was used to detect the temperature variation rate of the samples. The pH values of the samples were measured and used as the monitoring indicator of FS degree. The thermophysical parameters of both fresh and spoiled samples were measured using differential scanning calorimetry. The variations in the surface temperature of samples were simulated using the numerical method according to the heat transfer equation. Finally, the relationship between the FS degrees and temperature variation rates of samples was modeled. The results of this study can be useful in exploiting a convenient and low-cost FS detection technique.

Key words: food spoilage detection; laser heating; infrared thermography; numerical simulation

中图分类号：R318.6 文献标志码：A 文章编号：1002-6630（2015）12-0201-04

doi:10.7506/spkx1002-6630-201512037

食品安全问题是关乎民生的重要问题，其最重要的一部分就是食品腐败的检测问题，发生腐败变质的食品无论感官还是理化性质都会发生不利于健康的改变，所以快速准确地检测食品腐败程度非常重要[1]。食物的腐败是不同种类的微生物通过降解食物，并利用取得的营养进行分裂繁殖的过程。常见的微生物种类包括细菌、某些病毒、霉菌等。其中，细菌是引起人类食品中毒频率最高的微生物[2]。目前，样本中的细菌数量及毒素浓度作为主要参数用以衡量食品腐坏。细菌的识别通常是通过一系列复杂的生物化学测试完成的，根据不同细菌在不同环境因素下的生存能力以及不同细菌所产生的不同产物及毒素，能够识别样品中所含有的不同细菌[3-4]。目前细菌识别普遍所使用的枚举方法是建立在显微技术、三磷酸腺苷生物发光技术以及电子反应测量之上的，而探测方法则基于免疫学和核酸技术[5-7]。这种检测方法精度较高，但其耗时长，消耗试剂，而且对操作人员的专业程度要求很高，这些问题使得普通消费者很难快速辨别食物的安全程度。目前较为便捷的用于食品新鲜度检测的方法有电子鼻、电子舌等，但不能提供直观的图像信息[8-11]，国内外也有学者采用红外热像和气味等检测食品的新鲜度[12-15]。在工业领域，食品的质量监控也是一个很重要的问题。目前，在美国的危害分析和关键控制点体系和应用指南中，尚不存在一个快速准确地检测肉制品中微生物含量的系统[16-18]。传统方法的弊端与工业领域对快速、安全、高效的检测技术的需求促使研究者开始寻找新的食品检测解决方案。众所周知，温度可作为评估生物组织物理化学过程的重要参量之一。食物腐败伴随着复杂的理化性质的变化，基于此，本实验提出将动态温度及对应热物性参量引入食物腐败过程的检测中，以期提供多参数化的量化信息。因食物腐败过程中引起的热差异不明显，本研究采用新鲜猪肉和腐败猪肉两种样品，利用激光加热这两种样品，然后通过红外热像观测两者热表达的差异性，通过表征这一差异性探索一种全新的便捷、高效食物腐败检测方法。

1 材料与方法

1.1 材料及预测定

样品采用新鲜的猪肉馅，购于农贸市场，为当日宰杀的猪后腿肉。存放于塑料托盘盒中并用保鲜膜封口。使用带有穿刺型电极的便携式pH计对猪肉馅pH值进行测定，测前两点（pH 4.01、7.01）校正。

1.2 仪器与设备

100型电子天平 美国G&GT公司；FLIR A40型红外热成像仪 美国福利尔公司；BC17-ThassXP-10差示扫描量热分析仪 克勒格瓦尼（上海）分析仪器有限公司；KS2-11312-107型双二极管激光发射器（连续波，波长为808 nm，最大发射功率为5 W） BWT（北京）有限公司。

1.3 方法

通过差示扫描量热分析仪测定新鲜样品和腐败样品的热力学参数，利用激光强化不同热力学参数的样品的热表达差异。使用差示扫描量热仪检测技术，对新鲜样品和腐败样品的热力学参数进行测量，并利用测量得到的结果，基于生物组织传热方程进行数学建模，预测可能的实验结果。最后，利用红外热像仪检测在激光加热条件下样品温度的变化，并与理论计算值进行比较，评估这种检测方法的可行性。

1.3.1 理论模型

为便于研究，对实验模型做简化处理，忽略辐射波长对辐射功率的影响，将猪肉等效为灰体。使用激光器对样品进行热表达强化，随后自然冷却。样品吸热过程中的能量吸收如方程（1）所示：

Pabc=εP0 （1）

式中：Pabc为吸收的能量；P0为辐射的能量；ε为能量吸收率。

在温度场的计算上，采用Pennes方程描述生物组织内的传热过程，其一般形式为：

（2）

式中：ρ、c、k分别为组织的密度、比热容、热导率；ρb、cb分别为血液的密度、比热容；ωb为血液的灌注率；Ta为动脉血温度；T为组织温度；Qm为组织代谢产热；Qr为空间加热产生的体积热源强度；X包含直角坐标系x、y、z三个分量。由于样品是肉泥，根据实验的实际情况，故ωb=0，由于整个测量过程很短，可将组织和微生物代谢产热看做常量，故Qm（X,t）=Qm。式（2）化简为：

（3）

温度场边界条件为：

（4）

式中：hf为样品表面与环境见的对流换热系数；Ts和Tf分别为样品表面与周围空气的温度；λ为样品表面的发射率；σ为Stefan-Boltzmann常数（5.67×10－8 Wm－2K－4）；
n为物体边界的外法线方向；Qe为蒸发热损失。

本实验中，由于样品测试时间较短，且样品表面空气流动不是非常剧烈，故忽略蒸发热损失。由于对流换热系数主要与对流运动成因和流动状态、流体的物理性质（随种类、温度和压力而变化）、传热表面的形状、尺寸和相对位置、流体有无相变（如气态与液态之间的转化）有关，故在本实验中可认为hf不变。由于样品表面的发射率主要与物体的性质、表面状况和温度等因素有关，在实验条件下这些因素变化幅度不大，故可认为λ不变，最终得到简化的边界条件为：

（5）

通过实验测量外加激光热源条件下，猪肉样品表面的温度随时间的变化情况，并通过数学建模的方法计算不同样品部位的温度分布情况。将实验测量的温度与理论值比较，分析随着样品腐败程度的加深，其比热容c和热导率k等热力学参数的变化情况，从而为通过红外热像技术实现食物腐败程度检测这一目标奠定基础。

1.3.2 实验步骤

1）将每110 g新鲜的猪肉馅样品装入一个培养皿中，共制成6 份。2）将样品放入水浴锅中，水浴锅水面高度低于培养皿底，设定温度为26 ℃，从而提供温暖潮湿的腐败环境。3）在不同时间段，将样品进行激光加热测试。激光器功率约为3 W，激光输出端距离样品表面15.5 cm。这种高功率，大距离的参数选择，有利于提高实验效率，同时可以减小由样品腐败、体积膨胀带来的距离改变对实验结果的影响。为了防止加热中心温度升高过快以致样品变性，加热时应采用锥面激光源进行加热。加热过程为：空白10 s→加热50 s→自然冷却540 s，使用红外热像仪记录整个测试过程。激光加热测试完毕后，再对样品表面的pH值进行测量，完成后样品立即放回水浴锅中。4）数据分析与处理中，对红外热像仪采集到的数据，统计以加热中心为圆心，0.5 cm为半径的圆形区域的平均温度随时间的变化情况，并进行统计分析。

2 结果与分析

2.1 热力学参数测定

差示扫描量热法是在差热分析的基础上发展起来的一种热分析技术，即在程序温度控制下，测量样品相对于参比物的热流速度随温度变化的一种技术。使用差示扫描量热法测定新鲜猪肉和腐败猪肉的比热容和热导率，比热容测量结果如图1所示。

图 1 比热容-温度曲线

Fig.1 Heat capacity vs. temperature curve

由图1可知，在－8～24 ℃温度范围内，腐败样品的比热容一般高于新鲜样品，在21.8 ℃的测量环境下，新鲜猪肉的比热容平均值为2.038 055J/（g•K），
热导率为0.412；腐败猪肉的比热容平均值为
2.851 625 J/（g•K），热导率为0.500。可通过测量比热容初步判断食物的腐败状况。

2.2 数值仿真结果

选用立方体模型作为简化的样品模型，参数设置为101 mm×101 mm×10 mm。根据以上数据，利用式（3）和式（5）进行数值计算，得到的数值模拟结果如图2所示。

图 2 激光作用样品表面中心温度响应曲线

Fig.2 Temperature response curve of the sample surface center under laser irradiation

由图2可知，新鲜与腐败样品之间存在一定的热表达差异，在模拟的0～80 ℃温度范围内，腐败样品的热表达要比新鲜样品高。以加热中心为圆心，取半径为5 个单位（1 mm）的圆面的温度取平均值，得到腐败样品的温度均值为304.0987 K，未腐败样品的温度均值为304.2919K，温差ΔT=0.1932 K。根据图2激光作用于样品表面中心温度的变化，加热过程中其中心温度变化幅度为20 ℃左右，可知其热表达的差异在普通一次加热过程中温差达到4 ℃（（0.193 2×20） ℃），用温度计测量可以较容易地区分新鲜猪肉与腐败猪肉。

2.3 样品pH值随时间的变化

对样品新鲜程度的评估是通过对样品表面pH值的测定完成，其中pH值在5.9～6.4之间为鲜肉，pH值在6.4～6.6之间为次鲜肉，pH值大于6.7则为变质腐败肉[19-21]。实验一共设置了6 个实验组，每组在第6、12、23、32小时采集数据。激光加热测试完毕后，再对样品表面的pH值进行测量，完成后样品立即放回水浴锅中。样品在不同时间pH值见表1。可知样品在6 h时为新鲜肉，12 h时介于新鲜肉和次鲜肉之间，23 h时为次鲜肉，32 h时为变质腐败肉。

表 1 不同时间测得各样品pH值

Table 1 The pH values at different times

2.4 实验数据采集与分析

利用红外热像仪采集锥面激光加热条件下的样品表面温度。实验一共设置了6 个实验组，每组在第6、12、23、32小时采集数据。加热过程为：空白10 s→加热20 s→自然冷却300 s，设T为以加热中心为圆心，0.5 cm为半径圆形区域的平均温度，

为前10 s T的平均值。则对任意时刻，T－

即为该时刻的温度改变量。整个过程的红外热像图如图3所示。

a

d

b

e

c

f

a.未加热样品；b.加热初期样品；c.加热顶点样品；d.自然冷却60 s样品；e.自然冷却120 s样品；f.自然冷却300 s样品。

图 3 激光辐照样品的红外热像

Fig.3 Infrared images of laser irradiated sample

图 4 平均温度差-时间曲线

Fig.4 Average temperature difference against time curve

分析了6 组数据的平均值结果见图4，可以发现，样品的吸热升温速率和放热降温速率均呈现出先增大，后减小的变化规律。第12小时的温度曲线表现出了明显的差异性。在10～30 s的加热阶段，12 h的数据温度升高速率明显高于其他测量时间的数据，温差大约是0.3 ℃，而比较6 h和32 h的数据，平均升温极大值的差为0.258 K（局部放大图见图4）。这与数值分析的结果的绝对误差为0.065 K，故数值分析的结果是可以接受的。考虑到误差的存在，将6 h是的新鲜肉和32 h的腐败肉相对比，在一次加热过程中，假设两者的温度变化为20 ℃，其热表达差异在5 ℃（（0.258×20）℃）左右。

结合表1，对于第12小时的数据，此时猪肉介于新鲜肉和次鲜肉之间，在升温阶段，其升温极大值与其他3 个时间的升温极大值的平均值相比，高出0.397 4 ℃，升温速率的变化率为?Tmax/Tmax=
0.3974/6.9819×100%=5.69%，此时的猪肉具有最大的热表达差异；在降温阶段（330 s），其降温值与其他3 个时间降温值的平均值相比，高出0.876 9℃，降温速率的变化率为?Tmax/Tmax=0.8769/7.0362×100%=12.46%，此时的猪肉也具有最大的热表达差异。若能通过测量获得被测样品具有最大的热表达差异，可以判断此时的猪肉介于新鲜肉和次选肉之间。

3 讨论与结论

结果表明，对于新鲜样品和深度腐败的样品，差示扫描量热的测量结果已经证明样品的比热容发生了较大的变化，通过比热容的变化能很容易地判别猪肉是否腐败，但是差示扫描量热的判断需要一定的环境，在实际检测中不易于广泛推广。本实验通过激光照射猪肉并利用红外热像检测其热表达差异的变化，当利用相同的热量加热两组猪肉，假设采用的热量可使两者的温度变化为20 ℃，加热结束后如果猪肉表面的温升差异达到4 ℃或者以上，可以获知其中有一组食品出现变质。其中温度升得更高的一组为变质猪肉。若在测量的过程中观测到猪肉的温度变化速率更加剧烈，可以获知此时猪肉处于新鲜和次鲜肉之间。本实验通过测量加热结束后猪肉温升的差异及温升的速率，获得了可以判别猪肉腐败及腐败过程的判据，可为进一步的构建激光辅助的食品腐败检测技术打下良好的基础。

与传统技术相比，使用红外热像技术可以极快速的得到目标温度值，同时由于红外热像技术不需要破坏食物，所以可以做到连续、实时的食品质量检测。到目前为止，研究对于红外热像与食品腐败领域的探索多是基于红外光谱技术，还没有有关利用红外热像技术的案例。同时，相比于传统的化学方法，红外热像的设备操作简单，易实现系统集成与自动化控制，这同样符合食品工业的发展需求，在民用领域，红外热像设备可以做到小型化便携化，如果拥有了这种快速便捷的食品质量检测设备，消费者的消费安全可以得到更好的保障。

参考文献：

[1] 蒋丽施. 肉品新鲜度的检测方法[J]. 肉类研究, 2011, 25(1): 46-49.

[2] 陈天华, 郭培源. 基于细胞边缘检测的猪肉新鲜度评价方法[J]. 食品工业科技, 2011, 32(8): 408-411.

[3] ELLIS D I, GOODACRE R. Rapid and quantitative detection of the microbial spoilage of muscle foods: current status and future trends[J]. Trends in Food Science and Technology, 2001, 12: 414-424.

[4] 张巧玉. 食品的腐败变质及相关控制方法[J]. 经济研究导刊, 2008, 32(13): 116-117.

[5] 刘静娜. 微生物与食品的主要关系[J]. 现代农业科技, 2012(2): 338-340.

[6] 刘莹娜. 微生物与食品的关系[J]. 品牌与标准化, 2009(20): 57-58.

[7] 陈锋. 食品腐败变质的常见类型、危害及其控制[J]. 法制与社会, 2010(13): 182-183.

[8] 佟懿, 谢晶, 肖红, 等. 基于电子鼻的带鱼货架期预测模型[J]. 农业工程学报, 2010, 26(2): 356-360.

[9] 张军, 李小昱, 王为. 基于虚拟仪器的淡水鱼鲜度电子鼻测量系统[J]. 农业工程学报, 2009, 25(3): 110-113.

[10] 刘寿春, 钟赛意, 马长伟. 以生物胺变化评价冷藏罗非鱼片腐败进程[J]. 农业工程学报, 2012, 28(14): 277-282.

[11] LUIS G, BARAT J M, BAIGTS D, et al. Monitoring of physical-chemical and microbiological changes in fresh pork meat under cold storage by means of a potentiometric electronic tongue[J]. Food Chemistry, 2010, 126(3): 1261-1268.

[12] HORVATH K, SEREGELY Z, ANDRASSY E, et al. A preliminary study using near infrared spectroscopy to evaluate freshness and detect spoilage in sliced pork meat[J]. Acta Alimentaria, 2008, 37(1): 93-102.

[13] MARIA S, EERO H, LATVA K, et al. Myoglobin-based indicators for the evaluation of freshness of unmarinated broiler cuts[J]. Innovative Food Science and Emerging Technologies, 2002, 3: 279-288.

[14] SINELLI N, LIMBO S, TORRI L, et al. Evaluation of freshness decay of minced beef stored in high-oxygen modified atmosphere packaged at different temperatures using NIR and MIR spectroscopy[J]. Meat Science, 2010, 86(3): 748-752.

[15] 蔡健荣, 万新民, 陈全胜. 近红外光谱法快速检测猪肉中挥发性盐基氮的含量[J]. 光学学报, 2009, 29(10): 2808-2812.

[16] Gonzalez-Miret M L, Coello M T, Alonso S, et al. Validation of parameters in HACCP verification using univariate and multivariate statistics. Application to the final phases of poultry meat production[J]. Food Control, 2001, 12: 261-268.

[17] Jay J M. Modern food microbiology[M]. 7th ed. London, United Kingdom: Chapman & Hall, 2005.

[18] ZHOU Huizhi, WU Liqiong, GAO Yurong. Dye-sensitized solar cells using 20 natural dyes as sensitizers[J]. Journal of Photochemistry and Photobiology A, 2011, 219(2/3): 188-194.

[19] 韩晓雷, 杨增. 测定牛肉pH值对其新鲜度判定应用研究[J]. 黑龙江畜牧科技, 1998(3): 1.

[20] 王海平, 黄和升. 控制微生物引起食品腐败变质的措施[J]. 农产品加工, 2009(11): 55-56.

[21] 袁建国. 浅析食品腐败变质的危害及应对措施[J]. 科技传播, 2011(14): 53.