真空冷却对双孢子伞蘑菇物理特性的影响：基于便携式高光谱成像系统的检测

应用方向：高光谱成像技术可用于对蘑菇等高含水农产品的含水量、颜色、硬度、咀嚼性等关键品质指标进行快速预测与动态监测，实现传统破坏性检测方法向实时、在线、无损检测的转变；同时，高光谱成像还能结合建模方法对品质属性进行空间分布可视化，直观反映样品在加工或贮藏过程中的内部与表面变化规律。因此，该技术尤其适合应用于食品冷链保鲜、真空冷却、干燥加工、质量分级以及智能化加工过程控制等领域，为农产品加工和食品工业中的精准检测与智能决策提供技术支持。

背景：蘑菇作为全球广泛栽培的食用菌之一，因其营养价值高、风味良好及一定的药用特性而受到广泛关注。然而，新鲜蘑菇含水量高，采后极易发生品质劣变，包括失水、褐变及质构下降等问题，导致其货架期较短。在实际生产中，真空冷却（VC）作为一种高效预冷技术，已被广泛应用于蘑菇等高含水农产品的快速降温处理。该技术通过降低环境压力促使水分蒸发，从而实现快速降温，不仅可以显著缩短冷却时间、降低能耗，还在一定程度上有助于保持产品品质。因此，真空冷却过程中的品质变化（如水分、颜色和质构）成为评价其工艺效果的关键指标。然而，目前针对真空冷却过程中蘑菇品质的评价主要依赖传统检测方法。例如，通过称重法测定含水量、使用色差仪测量颜色、通过质构分析仪测试硬度和咀嚼性等。这类方法普遍存在检测效率低、操作繁琐且具有破坏性等问题，难以满足工业生产中对实时在线监测与无损检测的需求。

近年来，高光谱成像（HSI）技术因其能够同时获取目标的光谱信息与空间信息，在食品品质无损检测领域展现出良好的应用前景。已有研究表明，HSI已成功应用于蘑菇干燥过程中的水分分布监测、微观结构分析以及品质变化研究等方面。然而，现有研究主要集中于干燥过程，对于真空冷却这一动态过程中的品质演变缺乏系统研究，尤其是缺乏基于HSI技术的实时、可视化评价方法。

基于上述背景，亟需一种能够实现快速、无损且可视化的检测手段，用于动态监测真空冷却过程中蘑菇品质的变化。因此，将高光谱成像技术引入真空冷却过程的品质评估，不仅可以弥补传统方法的不足，还能够为冷链加工过程的智能化监测提供新的技术路径。

作者信息：孙大文，华南理工大学，爱尔兰皇*科学院院士、欧洲人文和自然科学院院士、国际食品科学院院士。

期刊来源：Microchemical Journal

研究内容

该研究以双孢蘑菇真空冷却过程中的品质变化监测为目标，旨在利用可见—近红外高光谱成像技术实现对含水量、颜色和质构等关键指标的快速、无损和实时评估。研究中，作者采集了不同真空冷却时间下蘑菇样品的高光谱图像，并结合传统理化测定获得含水量、亮度、黄度、硬度和咀嚼性等参考数据；在此基础上，通过光谱预处理、连续投影算法筛选特征波长，并采用偏最小二乘回归建立预测模型，进一步将模型应用于像素级反演，生成各品质指标在冷却过程中的伪彩色分布图，从而实现对蘑菇品质变化的定量分析与可视化监测。

实验设计

根据成熟度和外观的一致性，挑选了200个直径约4厘米的蘑菇样品，排除了机械损坏、变色和有缺陷的蘑菇。将这些样品分为五组（每组 40 个样品），分别进行真空冷却（VC）0（对照）、5、10、15 和 20 分钟。

为获取蘑菇VC过程中的高光谱图像，本研究在真空腔内组装了一套便携式高光谱成像系统（GaiaField-V10，四川双利合谱光谱成像科技有限公司，中国成都），如图1所示。该高光谱成像系统由内置推扫式光谱仪、高性能1392×1040 CCD相机、固定焦距镜头、四盏卤素灯组成的照明单元，以及数据采集软件（Spectral Image，四川双利合谱光谱成像科技有限公司，中国成都）构成，该软件用于控制波长范围、电机转速、曝光时间和图像采集。本研究中，高光谱成像系统的波长范围为400–1000 nm，共491个波段。由于波长范围两端噪声较高，故选取450–950 nm波段用于分析。在VC期间，获取反射模式下的HSI图像。将蘑菇样品放置在黑色背景的相机视野中，以 6.047 mm/s 的内部电机速度和 21.3 ms 的曝光时间扫描样品。为了避免光照不均匀和传感器响应对采集数据的影响，在提取前通常采用反射率校正对光谱信息进行校正，然后将原始光谱信息转化为均匀采集环境中的相对光谱反射信息。

蘑菇样品的水分含量（MC）采用烘箱法测量。使用色度计CIELAB 色彩空间记录蘑菇样品的颜色，并在每个蘑菇盖上的 3 个等距点记录亮度 (L*) 和黄度 (b*)。使用质地分析仪进行质地分析，根据力与时间的曲线计算样品的硬度（H）和咀嚼度（ch）。

图1. 真空冷却器内自组装高光谱成像系统照片。

研究方法

本研究采用标准正态变量（SNV）、正交信号校正（OSC）、导数法（SG-smoothing）和多重散射校正（MSC）对获取的光谱数据进行预处理。经过这些预处理，200个样本的高光谱图像基于Kennard-Stone（K-S）算法被分为校准集和预测集，其中120幅图像用于建立校准模型，其余80幅图像用于测试预测模型。本文利用预测集对校准模型进行充分交叉验证，检验所建立模型的实际预测能力。为了消除无效的波长变量并简化预测模型，采用连续投影算法（SPA）来选择最佳波长。最后，通过 PLSR 分别建立了基于全波长范围和选定的最佳波长的模型。

为了直观地呈现不同VC时间下MC、L*、b*h和ch的动态迁移和分布，选择最佳波长来映射高光谱图像中感兴趣区域中每个像素的光谱响应。

结果

在光谱分析中，首先从样品中去除背景，然后提取每个蘑菇的平均相对反射光谱。图2展示了所有蘑菇的原始光谱及处理后光谱。在450–950 nm波长范围内，940 nm处可观察到一个吸收峰，该峰归属于水的O-H二级倍频或三级伸缩倍频。从图2（a）可以看出，随着水分含量降低，平均反射率呈下降趋势，但各水分含量水平的反射光谱曲线形状相似。五组蘑菇样品的光谱因其强度差异而可区分。光散射或样品与探测器距离变化引起的光谱大幅变化是原始光谱的显著特征。为减小尺度效应，采用标准正态变量变换（SNV）、多元散射校正（MSC）、正交信号校正（OSC）和Savitzky-Golay（SG）平滑算法对原始光谱进行预处理，如图2（d）所示，SNV预处理显著改善了各组光谱的稳定性。

图2. 蘑菇真空冷却过程中450–950 nm波长范围内的代表性光谱曲线：（a）真空冷却0、5、10、15和20分钟蘑菇的反射光谱，（b）原始光谱，（c）经Savitzky-Golay平滑和一阶导数预处理后的光谱，（d）经标准正态变量变换（SNV）预处理后的光谱。

利用*优模型对水分含量（MC）、明度（L*）、黄度（b*）、硬度（H）和咀嚼性（ch）的分布进行可视化制图。对于水分含量预测模型，基于Savitzky-Golay平滑结合一阶导数（SG-1st Der）的模型表现*优，预测决定系数（R²p）为0.823，预测均方根误差（RMSEP）为0.34%，且潜变量较少；其次是基于标准正态变量变换（SNV）的模型，R²p为0.821，RMSEP为0.34%，表明光谱预处理可提高预测精度。对于明度（L*）预测，基于SG-1st Der的模型表现*优，R²p为0.790，RMSEP为1.2，光谱预处理效果不明显；而对于黄度（b*）预测，基于SG结合一阶导数的模型取得最佳结果，R²p为0.848，RMSEP为0.81。对于硬度和咀嚼性预测模型，基于正交信号校正（OSC）和SNV预处理的模型分别获得*优R²p（0.810、0.903）和RMSEP（9.3、2.7）。因此，OSC和SNV预处理可改善硬度和咀嚼性PLSR模型的预测效果。

使用SPA来选择具有最小RMSECV的最佳波长，最终分别为MC、L*、b*、H 和 ch选择了十个波长（451、455、541、898、923、933、940、941、944和949 nm）、五个波长（596、817、921、922和941 nm）、七个波长（461、 588、765、899、922、938 和 941 nm）、六种波长（537、698、830、874、922 和 933 nm）和十一种波长（462、485、662、763、817、861、880、918、930、 949 和 950 nm）作为最佳波长。在这些最佳波长中，941、944、949 和 950 nm 波长位于 940–1110 nm 的吸收峰之间，这些吸收峰与水分子中 O-H 键的三倍频程相关。

基于上述所选*优波长，采用PLSR建立MC、L*、b*、H 和 ch的预测模型。这些简化模型的预测精度略低于全波长范围模型。预测MC、L*和b*的*优简化模型均基于SG-1st Der预处理，其R²p分别为0.813、0.767和0.818， RMSEP分别为0.37、1.8和0.89%；而预测H和ch的*优简化模型分别基于OSC和SNV预处理，R²p为0.805和0.858，RMSEP为9.1和3.9。

利用*优简化模型对高光谱图像中每个像素点的MC、L*、b*、H 和 ch进行预测，水分含量的预测结果如图3所示。基于高光谱图像各像素点的MC、L*、b*、H和ch预测结果，绘制其分布可视化图（如图4所示），图中以色标表示，黄色代表高值。特别是，图4（b）显示随着真空冷却（VC）进行，水分含量均匀降低，这与真空冷却技术均匀降温的关键特征相符。

图3. 基于*优简化模型的MC预测结果。

图4. 不同真空冷却时间蘑菇的水分含量、明度（L*）、黄度（b*）、硬度和咀嚼性可视化分布图：（a）蘑菇样品；（b）水分含量；（c）明度；（d）黄度；（e）硬度；（f）咀嚼性。

结论

在本研究中， HSI首*用于蘑菇真空冷却过程的水分含量、色泽（明度L*、黄度b*）、硬度（H）和咀嚼性（ch）的原位实时监测。基于400–900 nm全波段及特征波长建立的PLSR定量模型，经光谱预处理后表现出良好的预测效果。实测结果与分布图显示，真空冷却过程中蘑菇菌盖的水分含量、明度、黄度、硬度和咀嚼性变化较为平缓。因此，高光谱成像技术可作为一种快速、实时、无损的技术手段用于监测蘑菇真空冷却过程。