食品检测新技术模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇食品检测新技术，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

篇1

近年来，提取净化等检测前处理技术不断发展，许多优秀的样品制备新技术争相出现。这些新技术的共同特点是节省时问、减轻劳动强度、节省溶剂、减少样品用量、提取或净化效率及自动化水平高。目前已报道的新技术有很多，但较有应用前景，且已有定应用的新技术主要有：超临界流体萃取技术、固相微萃取技术、吹扫捕集技术、微波辅助萃取技术、快速溶剂提取技术等。超临界流体萃取技术

物质处于临界温度和临界压力以上状态时，向该状态气体加压，气体不会液化，只是密度增大，具有类似液态性质，同时还保留气体性能，这种状态的流体称为超临界流体(supercritIcaIfluid)。超临界流体既具有液体对溶质有比较大的溶解度的特点，又具有气体易于扩散和运动的特性，传质速率高于液相过程。更重要的是在临界点附近，压力和温度的微小变化都可以引起流体密度的很大变化。因此，可以利用压力、温度的变化来实现提取和分离过程。

自从Zosel首次报道应用超临界流体萃取(SFE，supe rcnhcal fluidextraction)技术提取咖啡因以来，这方法已在食品、香料、农业等领域的分离提取上得到迅速广泛的应用。超临界流体萃取法利用超临界流体在临界压力和临界温度以上具有的特异增加的溶解性能作为溶剂，从液体或固体基体中提取出特定成分，以达到提取分离目的，能快速、高效地从固体样品中分离出待测物。超临界流体对有机化合物的溶解度的增加非常惊人，般能增加几个数量级。

虽然超临界流体的溶剂效应普遍存在，但实际操作中，由于要考虑溶解度、选择性、临界点数据以及化学反应的可能性等系列因素，适合作为超临界提取的溶剂并不多。常用的超临界流体有：CO2、NH3、乙烯、乙烷、丙烯、丙烷和水等。在各超临界流体中以CO2最受关注，它具有密度大、溶解能力强、传质速率高、便宜易得、无毒、易从提取产物中分离等优点，同时CO2的临界压力适中，分离过程可在接近于室温条件下进行(临界温度31℃)。因此，当前绝大部分超临界流体提取都是以CO2为溶剂。采用CO2提取，特别适于处理烃类及非极性酯类化合物，如醚、酯和酮等。但是，如果样品分子中含有极性基团，则需要在体系中添加助溶剂，以增加对极性物质的溶解能力。

固相微萃取技术

固相微萃取是一种在固相萃取基础上发展起来的前处理技术，1989年由加拿大Waterloo大学的Pawl iszyn等人首次提出，与液液萃取或固相萃取相比，具有操作时问短、样品量少、无需萃取溶剂、适于分析挥发性和非挥发性物质、重现性好等优点，常作为气谱(GC)或高效液相色谱(HPLC)检测的前处理方法。

SPME是利用固相提取的方式实现对样品的分离和净化，但所用的固相材料及其分离机制不同。SPME法不是将待测物全部分离出来，而是通过待测物在样品与固相涂层之问的平衡来达到分离目的。将涂有吸着剂的玻璃纤维浸入样品中，样品中的待测物会通过扩散原理被吸附在吸着剂上，当吸着作用达到平衡后将玻璃纤维取出，通过加热或溶剂洗脱使待测物解吸，然后用GC~HPLC进行分析测定。待测物的吸着量与样品中待测物的原始浓度成正比关系，因此可以进行定量分析。

SPME可分为3种，一是直接法，二是顶空法，三是膜法。直接法是将涂渍纤维直接插入样品中，对待测物进行提取，适用于气体、液体样品的分析。顶空法是将表面涂渍纤维置于样品的顶端空问提取，不与样品直接接触，是根据气相中的待测物与涂层平衡分配而开发的

种顶空固相提取技术，适合于各种基体的样品，包括大气、水、土壤、动植物组织中挥发和半挥发性物质的分析。膜法是将石英纤维放在经过微波萃取及膜处理过的样品中，主要用于难挥发性复杂样品萃取。

对SPME过程的优化主要考虑提取用的纤维(吸着剂)类型、提取时问、离子强度、基体有机质及溶剂的含量、以及解吸温度和时问等因素。最早的涂渍纤维是用聚二甲基硅氧烷和聚丙烯酸脂(polyacrylate，PA)做吸着剂，现在又有聚乙二醇二乙烯基苯(ca rbowaxdivinylbenzene，CW DVB)等涂渍纤维面市，但它们存在稳定性问题，使用条件要求较高。涂层厚度可根据需要调节，涂层越厚固相吸附量越大，可提高检测灵敏度，但涂层太厚则挥发性有机物进入固相层达到平衡的时问越长，分析速度越慢。样品中加价或二价无机盐(如NaCl或Na2SO。)有利提高提取效率，但高浓度的盐对纤维涂层的稳定性有影响，

般认为低于20％的浓度最合适。SPME多在室温下操作，但有时为提高提取效率将温度升至60℃左右。

sPME操作简便、速度快，一般只需15min(固相提取需1h，而液液提取需4～18h)：所需样品量少，所用纤维价格便宜且能重复使用(可用50次以上)：其萃取过程使用支携带方便的萃取器，特别适于野外的现场取样分析，也易于进行自动化操作，可在任何型号的气相色谱仪上直接进样。随着固相新涂层的不断推出，如离子交换涂层(无机物提取)及生物亲和型涂层(生物样品提取)，其应用范围将日益扩大。

吹扫捕集样品前处理技术

吹扫捕集技术适用于从液体或固体样品中萃取沸刺氐于200℃、溶解度小于2％的挥发性或半挥发性有机物。吹扫捕集法对样品的前处理无需使用有机溶剂，对环境不造成二次污染，而且具有取样量少、富集效率高、受基体干扰小及容易实现在线检测等优点，美国EPA 601、602、603、624、501.1、524.2等标准方法均采用了吹扫捕集技术。随着商业化吹扫捕集仪器的广泛使用，吹扫捕集法在挥发性和半挥发性有机化合物分析、有机金属化合物的形态分析中起着越来越重要的作用。

微波辅助提取技术

微波能最早于70年代被用于分析化学的样品处理。1986年，匈牙利学者报道了将微波能应用于分析试样制备的新方法――微波辅助提取法(MAE，microwave assisted extraction)。MAE的

原理是利用微波能强化溶剂提取效率，使待测物从固体或半固体的样品基体中被分离出来。微波辅助提取法具有快速、溶剂用量少结果重现性好等优点，适用于易挥发物质的提取，且可同时进行多个样品的提取。

微波辅助提取法是在个不吸收微波的封闭容器内进行的，样品内部的温度(高出周围提取溶剂沸点几倍)和体系压力(般10-20atm)都较高。由于在密闭容器中，被提取样品与溶剂直接接触，只要容器能承受得了压力，就可以通过改变溶剂的混合比而在高压下将温度升得很高，使农药的溶解度增大，从而获得高提取率。该方法是由密闭容器中酸消解样品和固液提取两种技术组合演变而来的，能在短时间内完成多种组分的提取。

微波提取装置目前已自动化，可自动控制提取温度、压力和时问等。但提取完成后，需等待提取溶剂冷却，然后倒出溶剂，进行离心或过滤等手工操作。微波提取目前主要用于固体样品的处理。

快速溶剂提取技术

篇2

中图分类号： TS213.4 文献标识码： A DOI编号： 10.14025/ki.jlny.2017.15.053

随着我国经济的发展和生活水平不断提高，人们对于食品安全问题也日益重视。国家对食品安全检测工作也极为重视。食品安全检测工作最重要的就是样品前处理，样品前处理的好坏直接影响到检测结果的正确性。因此，在食品检测中使用正确的前处理方法，可以提高工作效率和检测结果的准确性。

凝胶渗透色谱是最近十几年迅速发展起来的一种样品前处理方法，因其对分子量大的杂质净化效率高，可重复使用，适用范围广，自动化程度高等特点，在食品检测中应用广泛。

凝胶渗透色谱基于体积排阻的分离机理，通过具有分子筛性质的固定相，来分离分子质量不同的物质。凝胶渗透色谱还可以用于分析化学性质相同而体积不同的高分子同系物[1]。

1 凝胶渗透色谱（GPC）在食品检测中的应用研究新进展

1.1 GPC技术在食品检测中的应用研究新进展

GPC技术常用在食品检测中的样品净化，宋鑫等在检测螃蟹中19种有机氯农药残留时应用全自动GPC-SPE联合净化，样品用乙腈提取，凝胶渗透色谱和氨基固相萃取柱联合净化。用Bio-Beads S-X3凝胶为填料的净化柱，以环己烷―乙酸乙酯（1∶1）为流动相，泵流速为4.7 毫升/分钟，检测波长为254纳米。收集9.0分钟和15.5分钟的流出液，并转至SPE净化。在实验中，对经GPC净化的有机氯农药的收集时间进行了优化，在单独使用GPC时样品净化不完全，与SPE联合使用后净化效果和回收率较好[2]。马杰等建立在线凝胶渗透色谱――气相色谱质谱联用法测定蔬菜、水果中有机磷、氨基甲酸酯、拟除虫菊酯类农药，GPC 弥补了QuEChERS 方法净化干扰物质不彻底的问题， 从而降低分析背景， 改善峰形， 提高分析结果的准确性 [3]。黄武等在检测大豆中异丙甲草胺残留量时用在线凝胶渗透色谱法，进行前处理，简化了样品前处理过程，且对环境污染较少，具有高效、经济、快速及简便等优点，显著提高前处理效率，减少分析时间，提高农药残留分析的速度和灵敏度[4]。

1.2 GPC技术在食品检测研究中存在的问题

GPC技术在国外已经普遍应用于样品的前处理，但在我国应用领域较少。GPC作为食品检测中的一种全新的样品前处理技术，能分离大分子类干扰杂质，有效地将大分子类物质从复杂的基质中提取出来。GPC技术优势是可大大降低大分子基质干扰，自动化和标准化程度高，且可以自动浓缩和定容，减少了人工带来的误差，显著提高方法的精密度和重现性。

但GPC技术作为一种新兴技术，在实际应用中还存在一些问题，需要在今后的工作中解决。由于GPC柱子内径比较大，连续处理样品的能力较慢，所需要的溶剂量较大。又因为所收集的样品体积大，对于实验室的浓缩装置要求较高，这大大减慢了实验分析的速度。此外，由于不同物质分子大小、形状以及凝胶阻滞作用的差异，可能会导致样品分离不完全，较大分子量的物质会提前流出不被收集而影响回收率，一些小分子干扰物会夹杂在样品中而影响净化效果。

2 凝胶渗透色谱（GPC）条件的选择

利用GPC技术进行样品前处理时，所需选择及优化的条件主要是色谱柱的选择，流速的选取以及收集时间的选择，溶剂的选取等。孙磊丽等在测定甘草中16种农药残留时选用填料为中性、多孔的聚苯乙烯二乙烯基苯微球体的S-X3玻璃柱作为GPC净化柱，体积比为1∶1的乙酸乙酯―环己烷溶液作为流动相，流速为5毫升/分钟，前7 分钟收集1份样品，之后每1分钟收集1份样品，共收集28份样品溶液，分别进行质谱检测[5]。吕飞等在检测动物源性食品中17种农药残留时，在线凝胶渗透色谱：色谱柱为Shodex CL NpakEV-200 柱；流动相：丙酮―环己烷（ 3∶7，V/V） ，流速0. 1毫升/分钟，柱温40 ℃，进样量10微升，检测波长210纳米，农药残留组分在线收集时间段：4.35 ～ 6.35分钟[6]。

3 展望

凝胶渗透色谱技术作为一种前处理技术已经普遍应用于样品的净化，S着GPC技术的不断优化应用范围越来越大，国外已经研究出很多种成熟的GPC前处理方法。随着国际形势发展，我国也应该对GPC技术进行研究开发。目前有很多研究都将GPC技术与QuEchERS 前处理等联合使用，使得现在的前处理可以联合处理较为复杂的样品，提高了工作效率和准确度。现在的检测仪器的精密度较高，对样品处理较严格，GPC技术与其他前处理技术联合使用可以去除杂质的干扰，对于精密仪器是一种保护。如在线GPC与QuEchERS联合串联质谱检测可以去除样品里的干扰和基质效应，对样品分析更准确。因此，发展和研究凝胶渗透色谱技术在食品检测方面有广阔的发展前景。

参考文献

[1]栾玉静.凝胶渗透色谱在不同样本检验中的应用和进展[J].刑事技术，2014（04）：41-44.

[2]宋鑫，杭学宇，等.检测螃蟹中有机氯类农药残留的全自动GPC-SPE联合净化气相色谱法[J].职业与健康，2016，32（04）：483-486.

[3]马杰.QuEChERS前处理技术与在线凝胶渗透色谱――气相色谱质谱联用法测定蔬菜水果中20种农药残留[J].食品安全质量检测学报，2016，7（01）：21-26.

[4]黄武. 在线凝胶渗透色谱――气相色谱――质谱联用法检测大豆中异丙甲草胺残留量[J].食品安全导刊，2016，64（03）：126-128.

篇3

1 近红外光谱在食品分析中的应用

近红外光谱常用的测量技术有透射法、漫反射法和反射透射法，视样品对近红外光线的透过情况可选用不同的测量技术，而这3种技术相结合可以测定各种形态的样品，如可以直接测定粉末、块状、浆糊状固体及液体等。由于近红外谱带受分子内外环境的影响较小，因此近红外技术可适用于多种环境条件下的测试分析。近红外光线可以穿透许多透明材料，因此，无需打开玻璃瓶盖，可以直接对玻璃瓶内的物品进行测量[1]。

近红外光谱检测技术（Near infrared spectroscopy，NIR）在食品工业中的应用非常广泛。在水果、蔬菜检测中NIR实现了非破坏性地测定完整苹果中的总糖、蔗糖、葡萄糖和果糖以及果汁中的糖和酸的含量，成分分析效率较高，为判断苹果的品质提供了新方法。在苹果汁、葡萄汁、梨汁等加工过程中，用NIR可连续测量可溶性固形物、总固形物和总水分的变化，进而监控加工产品的质量。随着近红外光谱仪硬件设备成本不断降低，进一步完善软件的数理统计方法，提高从复杂、重叠和变化的近红外光谱中提取有效信息的效率，增加光谱的信噪比，近红外光谱法的应用前景将更加广阔。

2 生物酶分析技术在食品分析中的应用

20世纪80年代生物工程作为一门新兴高新术在我国得到了迅速发展。生物酶是从生物体中产生的，具有特殊的催化功能。在食品工业中主要用蛋白酶，它能催化蛋白质和多肽键水解，广泛存在于动物内脏、植物茎叶、果实和微生物中。各种生物体都能合成它，但唯有微生物蛋白酶具有生产价值。

生物酶不仅在食品发酵工业中应用广泛，而且还在食品检测技术中有着一定的作用。如在国际果汁市场中，苹果汁是仅次于橙汁的第二大果汁产品，苹果汁中添加苹果酸是比较常见的掺假象。天然苹果汁只含有L—苹果酸，通过测定D—苹果酸含量可检测掺假苹果汁，若样品中存在D—苹果酸，则说明样品为掺杂果汁[2]。

3免疫分析技术在食品分析中的应用

免疫分析主要是利用抗体能够与相应抗原及半抗原发生自发的、高选择性的特异性结合这一性质，通过将特定抗体（或抗原）作为选择性试剂来对相应待测抗原（或抗体）进行分析测定的方法[3]。

免疫分析法具有灵敏度高、方法简捷、分析量大、检测成本低、容易普及和推广，尤其适宜现场筛选和大量样品的快速分析，并且可以对化合物、酶或蛋白质等物质进行定性和定量分析。在食品安全检测中酶联免疫分析法（ELISA）较为常用，它利用酶标记物同抗原抗体复合物的免疫反应与酶的催化放大作用相结合，既保持了酶催化反应的敏感性，又保持了抗原抗体反应的特异性，极大的提高了灵敏度，且克服放射免疫分析技术（RIA）操作过程中放射性同位素对人体的伤害。

4原子荧光在食品分析领域的应用

我们都知道砷是具有蓄积作用的有害元素，砷普遍存在于自然界环境和动植物体内。由于含砷农药的使用及环境污染，以及食品在加工过程中使用某些化学添加剂而引起食品中砷的污染。由于婴幼儿食品的特殊加工，更容易受到有害因素的污染。因此，砷在婴幼儿食品卫生监督检验中尤为重要。

目前总砷的检测方法有原子荧光法、银盐法、砷斑法、原子吸收光谱法等[4]。目前对砷盐的检测多般采用银盐分光光度法，亦称二乙基二硫代氨基甲酸银（即DDC-Ag）比色法。该法在一定条件下能够比较准确的测出样品中砷盐的含量，但存在检测步骤繁琐、耗时长、影响因素多、检测误差大等缺点。

砷斑法也就是马氏试砷法：Zn、盐酸和试样混在一起，将生成的气体导入热玻璃管，若试样中有砷的化合物存在，就会生成AsH3，因生成的AsH3在加热部位分解产生As，As积集而成亮黑色的“砷镜”。“砷镜”如果能用次氯酸钠溶液洗涤而溶解，则证明是砷。由比较可知，银盐法测定砷过程繁琐，化学反应条件不易控制等；砷斑法虽然比较简单，但准确性差。而原子荧光法，灵敏度高、检出限低、已被广泛应用。因此采用微波消解处理样品后，利用原子荧光测定婴幼儿辅助食品中的总砷，取得了满意的结果。

5 结论

食品监管部门采用一些新的检测技术是非常必要的，新的检测技术可以缩分析时间、提高分析的灵敏度、实现在线分析、定性和定量分析、多种组分同时进行分析等优点。仪器分析受人为因素比传统检测技术要少，但需要检测技术人员有更多的仪器相关知识，因此从事仪器检测的相关人员要对仪器分析技术有深入的研究，并且要对先进的检测技术有一定的了解，才能为我国食品安全提供有力的保障。

参考文献：

[1]王海水.近红外光谱在品质分析和定量分析中的应用.分析测试技术与仪器，2002（3）：136-138

篇4

软件设计仪器简介

多年来，以软件为核心的虚拟仪器技术已经广泛应用在测控系统中，特别是在射频测量领域中，测试工程师一直在运用诸如LabVIEW的软件包来实现自定义射频测量系统，与传统封装仪器相比可以尽可能地减少成本，另外，使用软件设计的方法不仅提供了强大的灵活性，更能使测试工程师利用到最新的PC和总线技术所带来的性能提升。

NI PXIe-5644R就是一款可以通过软件来设计其功能的仪器，该设备融合了矢量信号发生器和矢量信号分析仪的功能，并包含了一个用户可编程FPGA来用于实时信号处理和控制。这种软件设计的方法让VST拥有了软件定义无线电架构的灵活性以及研发级别射频仪器的高性能。

虽然，一些传统射频仪器中也采用了FPGA，但通常这些FPGA密闭且功能固定，只能用于特定的目的。在VST中引入FPGA则为用户带来了硬件级别的完全自定义，它允许用户自定义射频仪器直至每一个管脚。用户可以充分发挥自己创新的能力，将他们的自定义信号处理方法和控制算法加入FPGA中，实现特定的测试需求。

为了帮助用户实现更好的对FPGA的自定义，LabVIEW FPGA让用户可以用图形化的方法对FPGA进行编程，对于没有FPGA相关基础知识的工程师，完全不用去学习HDL语言，大大简化了FPGA的编程难度。另外，LabVIEW 2012提供了更多新模板和范例项目，其中包括可以使VST作为VSA和VSG工作于嵌入式射频流盘等应用的软件。用户可以以这些预创建的范例项目为基础，添加相应修改以实现自定义触发、待测设备控制、信号处理等功能。

软件设计仪器的优势

篇5

中图分类号：C35 文献标识码：A 文章编号：1009-914X（2015）23-0259-01

目前，智能交通信息检测中的视频技术逐渐成为研究的重点内容。视频技术是智能交通系统的核心内容，其好坏直接影响系统的检测精度以及检测效率。近几年，在智能交通市场的推动下，交通信息检测中的视频图像分析以及识别技术在特定的应用场合，逐渐成为检测技术研究人员研究的重点。

一、 智能交通信息检测中的视频技术

1、 检测流程

基于视频技术的智能交通系统中，对车辆的检测流程大致分为：选取目标，对可能出现车辆的区域进行选取；确认目标，对候选区域进行确认；分割目标，通过对图像中的车辆进行识别，将未能识别的目标从中分离开来；跟踪目标，跟去选取并确定的车辆计算交通参数；目标分类，根据图像中的几何外形特征等对不同类型车辆进行合理分类；后续处理，根据交通应用的需求对交通参数进行计算，例如车的流量或车速等。

2、 检测方法

（1） 知识型检测方法

通过观察车辆的外形和颜色，还有道路的特点、车辆阴影等信息作相应的检测。这种检测方式较为直观，而且操作方法简单，但是需要对多个数据进行估计，例如车辆长宽的比值、车辆阴影与道路的灰度差异阀值等。其检测系统功能的好坏直接影响着这些数值的准确性。

（2） 运动型检测方法

这种方法主要通过各个图像中现有的相关信息对车辆做相应的预检测，其检测方法主要是利用光流法以及运动能量法。光流法可以对独立运动的物体进行检测，不需要预先知道场景的信息，在摄像机移动时适合使用。但它的不足点就是所耗用的视角较长，如果检测的对象移动过快或过慢的情况，所检测出的效果并不是很好，所以说针对实时系统不适合使用。而运动能量法可以对图像背景中的振动像素消除，并突出对向某个方向运动对象的显示，可以估计其大概位置，而不能确定运动对象的具置。

（3） 立体视觉型检测方法

这种检测方法是建立在视觉差或频差理论基础之上的，使用两个或两个以上摄像机对同一检测对象从不同位置而获得立体像对，采用多种算法匹配相应像点，最终恢复深度信息[1]。这种方法可以对慢速行驶的车辆检测出具体的位置，这需要将摄像机正确标定，但如果因车辆运动或者是天气等因素的影响，是很难检测出车辆的具置。通过立体视觉对车辆进行检测，一般采用逆透视映射法来对图像中的车辆的位置进行估计。

（4） 像素强度型检测方法

像素强度型检测方法主要包括时间差分法与背景差分法。时间差分法是在短时间内对像素强度的变化进行检查。这种方法适合在动态变化的环境中使用，当摄像机在运动时不适合使用，对运动对象不能完整提取。其方法快捷简单，有良好的实用性，适用于检测运动快而且运动幅度较大的对象，但如果运动对象运动的场景道路不平坦或者弯路较多时不适合使用。

二、基于视频技术的交通信息检测系统

1、系统硬件的实现方案

这种系统是以TMS320DM642为核心，COLD为系统的逻辑控制器，通过扩展视频编解码器、以太网和储蓄器以及RS-232等接口组成完整的系统。视频解码芯片把摄像机的输出转换为数字视频输入TMS320DM642，在做出相应的处理后，通过以太网的接口或RS-232的接口将各种参数传送到通信服务器中。RS-232根据环境的不同对系统的配置参数做出相应的调改。对其检测的结果通过屏幕菜单式调节方式直接放在原始图像中，在进行观看时可以直接在监视器上显示出来。

2、 系统算法的实现策略

为了使算法的性能得到保证，可以从多种角度进行考虑：为了避免把正在运动的投射阴影误检为车辆中的一部分，提出了阴影消除算法；为了保证系统能够在光度强的情况下以及路面发生震动、风力的变化等现象导致系统发生抖动并可以正常工作，提出了鲁棒滤波算法；针对某些检测系统缺少车辆跟踪这项职能可能会对流量多计数这一问题，提出同时收集车辆的相关信息进行匹配车辆跟踪的策略[2]。

交通信息检测系统在一天24小时都是工作状态。虽然在白天没有车灯，但视频中所显示的车辆图像较为清晰；在晚上视频中所显示的车辆图像不清晰，但车灯的照射和路面反射光较为明显。所以，根据以上情况可以选择不同的策略：白天对车辆进行检测，晚上对车灯的照射情况和路面反射光进行检测。实施这样的策略，可以收集白天中可所有的车辆交通参数，晚上除了不能对车辆的信息进行顺利获取和分类之外，但不会影响其他的交通参数。经现场测试验证，智能交通信息检测系统对车辆的识别率为96.5%。在高速公路中，其检测系统处理速度为25帧/秒；在普通工路中，处理速度至少为15帧/秒，以这种处理速度为依据，处理1帧图像所耗用的时间不会超过66.7毫秒。假设检测系统所检测的区域范围是10米，其监测到的车速最快为10米/66.7毫秒=540千米/小时，因此符合交通情况。

三、 视频技术在交通信息检测中的应用

视频技术在交通信息检测中的应用主要体现在以下几方面：

1、 交通流量

交通流量的信息在交通管理中非常重要[3]。通过采用视频技术来获取某些重要路段的交通流量数据，并对其交通流量的信息进行汇总分析。要想获得对这些数据，还需要检测车辆，观看摄像机所监视的区域有没有车辆通过。另外，在监视区域中车辆的行驶速度在交通流量检测中，是非常重要的数据，以便观察其车辆有没有超速等。

2、 交通监视

交通事故的检测在交通安全中意义重大[4]。主要利用视频技术的监视功能对驾驶车辆的行为进行检测，例如，在视频监测区域中，存在事故性停车的现象会自动报警。除此之外，环境因素也是影响安全驾驶的主要因素，例如，雨雪天气导致路面状况不佳，或者是雾霾天气，会导致能见度相对较低，这都在一定程度上影响了驾驶的安全性，通过发挥视频技术的监视功能应有的作用，来降低交通事故发生率。目前对于监测能见度较低的场面，已经有了较为有效的处理方式。

3、 交通管理

视频技术在交通管理中的应用[5]，主要表现在识别车辆和对车辆进行分类等方面，例如视频检测技术可以自动识别车辆的车牌号和检测停泊的车辆。其识别与分类的功能可以实现对在高速公路中行驶的车辆进行自动收费，对停泊的车辆进行检测主要是用在交通的自动管理中，例如，停泊车辆的自动收费或者是违规停车等相关内容。

结束语

视频技术在过去几年的发展中较为迅速，促进了智能交通的发展。通过网络传输为视频技术的检测工作以及处理工作提供了便利。随着数据信息的发展，交通部门可以利用其视频技术与数据相结合通过观察人们的出行习惯对交通情况进行合理规划，充分发挥视频技术的优势，来减少或解决交通中出现的问题。因此，视频技术在智能交通检测系统中发挥着重要的重用，可以为社会带来一定的经济效益。

参考文献

[1] 钱曾波，邱振戈，张永强.计算机立体视觉研究的进展[J].测绘学院学报，2012，18（4）.

[2] 徐海洋.基于支持向量机方法的图像分割与目标分类[J].武汉：华中科技大学，2012.

篇6

1 引言

随着传感器网络在视频监控中的广泛应用，有限通信带宽条件下的高分辨率视频获取技术成为多媒体研究的焦点。

移动通信中，通常检测运动目标的方法是背景消除法（BS，Background Subtraction）[1]，它首先估计背景模型，然后通过该模型比较视频帧以检测运动目标。当处理实际的视频监控序列时，BS遇到许多挑战，如光照的变化、运动干扰等[2]。最近，Tsai等[3]利用独立成分分析（ICA，Independent Component Analysis）提出一种快速背景消除方案。这个方案在室内视频监控环境下能够容忍光照的变化。在动态复杂环境下，Zhang等[4]提出了一种内核相似性模型（KSM，Kernel Similarity Modeling）的目标检测方法，但这个方法仅对简单的干扰是鲁棒的。在动态背景下，Kim等[5]在文献中提出一种基于模糊彩色直方图（FCH，Fuzzy Color Histogram）的BS算法用于运动检测，能够最小化背景运动产生的色彩变化。根据背景图像不同的目标会引起频率变化的情况，Chen等[6]提出一种分层背景模型。同时，Han等[7]根据颜色、梯度和类Haar空时特征变量的统计条件，提出一种分块背景模型，它对光照和阴影的影响都是鲁棒的。

上述BS算法都在空域操作，但需要大量的训练序列估计背景模型。因此，这种模型估计增加了计算成本，实际上限制了BS算法在多媒体传感器网络中的应用。

最近提出的CS（Compressive Sensing）[8-10]理论说明，如果信号是稀疏的，它能够通过远小于Nyquist采样率获取的少量随机测量值高概率恢复原始信号。CS能够降低复杂性的同时对图像进行采样和压缩处理，因而它具有降低视频编码器运算成本的优越性[11]。因此，我们认为CS是视频信号检测的较好方案。早期运用CS进行运动目标检测的方式是通过图像背景的测量值来训练目标轮廓，然后再通过训练后的目标轮廓检测运动目标[12]。但该算法需要大量的存储和运算操作，不适合实时多媒体传感器的网络系统。2012年，Jiang等[13]通过感知的CS值提出一种低秩和稀疏分解的目标检测模型。尽管该模型能够适应于有限带宽的多媒体传感器网络，但由于视频序列的小波系数并非稀疏，因而它对干扰和光照非鲁棒。2013年，Yang等[14]基于CS理论提出一种仅需要10%的测量值就能同时恢复视频目标和背景的检测方法。然而，该方法仍然需要小波变换系数实现稀疏分解，因此，在干扰和光照条件下容易产生虚假的目标图像。在文献[15]中，Write等提出一种压缩主成成分追踪的低秩矩阵和稀疏分解的解决方案。该方案在压缩域能够实现运动目标检测。

本文提出一种新的视频压缩感知模型（VCSM，Video Compressive Sensing Model），旨在通过CS测量值研究一种通信情况下新的目标视频方法，并解决视频目标的高精度重构问题。VCSM的主要优点是能用少量的CS测量值，同时重构目标、背景和视频序列，且对运动干扰具有较好的鲁棒性。

2 视频压缩感知模型架构

图1为文献[16]提出的一种三维循环阵列采样视频的实现原理，它能够同时对视频信号进行感知和压缩处理，并具有低复杂性和易于硬件实现的优点。这种方法使用两个步骤实现了视频压缩处理：1）随机卷积。通过原始矢量帧Xt（t=1， 2， …， T）与循环矩阵C卷积产生循环测量值Cxt；2）随机采样。首先应用排列矩阵P对Cxt进行随机产生排列矢量PCxt，然后再应用子采样矩阵St对PCxt进行处理，最后产生一种降维的压缩值矩阵A=StPCxt=[a1， a2， …， aT]。

基于图1的结构，已知测量矩阵A，我们提出采用CS技术重构运动视频的目标和背景。借鉴2009年Candes等提出的一种鲁棒的主成成分分析（RPCA，Robust Principal Component Analysis）模型。该模型通过求解公式（1）的最小化问题，能同时重构视频的目标和背景帧：

（1）

其中，X∈R（MN）×T代表原始视频序列，B和F分别代表视频的背景和目标。但RPCA模型具有两种缺陷，一是不能直接通过A重构B和F；二是目标图像重构仅对稀疏分布的视频帧具有鲁棒性[17-18]。然而，现实世界的视频序列存在运动干扰，很少具有稀疏性。文献[16]利用帧间和帧内的相关性，提出一种三维全局变量（TV3D）的CS视频重构技术。TV3D具有低的复杂性（O（3×MN×T）），其实现模型为：

TV3D （2）

其中，D1，D2分别是一个帧内水平和垂直的差分操作因子，而D3是时间变量差分操作因子。

为了能够从采样后的CS测量值直接检测和重构运动目标，我们结合RPCA和TV3D提出一种新的目标、背景和视频序列重构模型。在CS域，这种模型可以描述为：

（3）

其中，X=[x1， x2， … xT]代表原始频序列，B=[b1， b2， … bT]为背景，F=[f1， f2， …， fT]为运动目标，Φ为CS域测量矩阵。在公式（3）中，TV3D用于提高视频目标重构的质量。由于公式（3）对可变初始化过程不敏感，因此，X，B，F的初始化矩阵可设置为0矩阵。这样，rank（B）的最小化问题成为NP问题[17]。通过核范数，我们把公式（3）问题变成求解如下问题：

（4）

在公式（4）中，TV3D用于保证低秩计算和稀疏分解的精确处理。为了求解公式（4），我们定义重构的目标、背景和视频序列分别为。由于目标重构对剧烈运动的干扰非鲁棒，Borenstein等[19]利用置信图（confidence map）确定图像区域的原理，提出一种优良的图像分割算法。受此启发，本文使用构造一个置信图并定义置信图为M=[m1， m2， …， mT]， mi∈0， 1；i=1， 2， …， T。在M中，置信图是一个二进制矩阵，其中运动目标的像素位置设置为1，运动干扰的像素位置设置为0。通过使用（这里代表了Hadamard乘积），我们想进一步改善视频目标图像的重构质量。由于运动干扰的重复性和局部集中的特点[20-21]，现实世界的视频监控系统能够用高斯分布模型化[22-23]。本文使用混合高斯模型（MGM，Mixed Gaussian Model）来估计受运动干扰后像素影响的强度分布[22]：

（5）

这里f（xij）代表的第i列第j个像素xij的概率密度函数，ω是MGM的加权值，?x和σx分别是置信图算法估计得到的均值和标准方差，?p和Σp为xij的粒子轨迹矩阵估计得到的均值和协方差矩阵[22]。粒子轨迹矩阵Σp可通过Lagrangian粒子轨迹矩阵移位法实现[24-25]，主要用于获取运动干扰引起的像素偏差。

基于公式（5），本文中置信图的实现流程如下：

（1）使用公式（5）估计每个像素的概率密度f（xij）；

（2）设置门限阈值θ，判断哪些像素属于运动干_或运动目标值；

（3）如果f（xij）>θ，则像素xij=1；否则，xij=0。

重复以上过程，得到的二进制矩阵即为实现的置信图M。

3 视频目标图像的重构算法

在公式（4）中，视频压缩的过程可以描述为αt=Φxt。由于使用P，C和St（t=1， 2， …， T）产生了压缩测量矩阵A（如图1所示），因此，我们应用特殊形式rt=Cxt和StPrt=αt替代ΦX=A，则公式（4）可以写为：

（6）

这里，R=[r1， r2， …， rT]是循环测量矩阵。对于公式（6）的实现，每次迭代需要两步进行。第1步，算法重构原始视频X；第2步，分割背景和目标。为了重构X，求解公式（7）：

（7）

采用扩展拉格朗日乘法器（ALM）[26]求解公式（7），可以得到：

（8）

这里，λi和ν是拉格朗日乘法器矩阵。可见，公式（8）可替代公式（7）求解。因此，ALM通过迭代拉格朗日函数和更新拉格朗日乘法器能够解决公式（8）的最小化问题。其实现过程如下：

（9）

（10）

（11）

注意到，直接求解公式（9）很困难，因此，有：

（12）

（13）

（14）

公式（12）子问题的求解如下：

（15）

其中，Sα（・）代表软阈值操作因子，它被定义为：

Sα（x）=sign（x）×max{|x|-α，0} （16）

其中，α表示条件软阈值大小。

接着，我们通过如下步骤求解公式（13）子问题[16]：

（17）

（18）

公式（18）中PicSt是St选择的CS测量值索引，rt是矩阵R的第t列值。对于公式（14），X可通过解二次方程式求解。固定Xk+1，求解公式（19）重构B和F：

（19）

公式（19）的扩展拉格朗日函数可以表示为：

（20）

公式（20）中，Y是拉格朗日乘法器矩阵，代表了矩阵内积。使用ALM算法求解公式（20）中的最小化问题如下：

（21）

（22）

类似地，使用替换策略求解公式（21）中的每个元素的最小化如下：

（23）

（24）

综合以上求解过程，视频目标检测及其重构算法的整个过程如图2所示：

在上述算法中，置信图M，

Dα（・）是矩阵Z的奇异值收缩因子，并定义为Dα（Z）=USα（Σ）VT。其中，U和V是实单位矩阵，∑是正则化对角矩阵。Sα（・）为矩阵∑的软阈值操作因子。

4 实验结果分析

为了量化算法的实现性能，视频目标的检测精度利用F范数-测量值表示，并定义：

F测量=2×（精度×重构率）/（精度+重构率） （25）

其中，精度和重构率为：

精度=TP/（TP+FP），重构率=TP/（TP+FN） （26）

其中，TP、FP以及FN分别表示实正数、假正数以及假负数。F-测量值越高，表示视频检测精度的效率越好。表1列出了算法实现时的主要设置参数：

在实验中，我们对提出的VCSM和RPCA模型以及典型的基于背景消除算法的改进混合高斯模型（GMM）[29]进行了比较。VCSM、RPCA和GMM均在空域实现，所有的实验使用HP计算机实现（EliteDesk 800 G1 SFF；Intel（R）Core（TM） i7_4790 CPU @3.60 Hz 3.6 GHz；安装内存：4.00 GB；系统类型：64位）。

为了和GMM比较，我们给出一种目标重构的突出比较形式。实验选择4种室内视频序列（机场大厅176×144×30，候机室160×128×30，餐厅160×120×30和商场大厦320×256×30）作为测试对象进行性能评估。实验结果如图3所示。可以看到，VCSM仅需要CSR=0.2的测量值就能实现RPCA和GMM方法类似的视频效果。

最后，我选择一组实际的户外视频进行实验，进一步说明算法的实现效果。图4随机选择4帧图像进行实验，包含阴影和摄像机抖动干扰。从图4（b）可以清晰地看到，VCSM方法能比较准确地区分目标的轮廓形状，且能完全地消除摄像机抖动干扰。而RPCA和GMM两种方法都不能给出目标的清晰效果。

5 结论

本文提出一种基于CS技术进行视频序列检测和运动目标重构的实现模型（VCSM），该模型能够通过少量的测量值实现鲁棒的目标、背景和原始视频重构。其中，重构的视频序列可通过估计获得的置信图进一步提升运动目标的重构效果。大量的实验结果表明，与典型的空域方法如RPCA、GMM比较，提出的VCSM方法对室内和室外视频均有较好的检测和目标重构性能，且仅需要更少的数据量。尤其对于室外视频序列，VCSM可以有效地消除运动干扰（如树枝摇动、喷池水和视频摄像机噪音等）。VCSM最大的问题是，算法求解核范数时计算复杂性较高。因此，未来我们将使用云计算及其在线并行技术实现VCSM对运动目标的视频分析。

参考文献：

[1] O Barnich， M Van Droogenbroeck. ViBe： A Universal Background Subtraction Algorithm for Video Sequences[J]. IEEE on Image Processing， 2011，20（6）： 1709-1724.

[2] Brutzer， B Hoferlin， G Heidemann. Evaluation of Background Subtraction Techniques for Video Surveillance[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition（CVPR）， 2011： 1937-1944.

[3] T Du-Ming， L Shia-Chih. Independent Component Analysis-Based Background Subtraction for Indoor Surveillance[J]. IEEE Transactions Image Processsing， 2009，18（1）： 158-167.

[4] Z Baochang， G Yongsheng， Z Sanqiang， et al. Kernel Similarity Modeling of Texture Pattern Flow for Motion Detection in Complex Background[J]. IEEE Transactions on Circuits and Systems for Video Technology， 2011，21（1）： 29-38.

[5] K Wonjun， K Changick. Background Subtraction for Dynamic Texture Scenes Using Fuzzy Color Histograms[J]. IEEE Signal Processing Letters， 2012，19（3）： 127-130.

[6] S Chen， J Zhang， Y Li， et al. A Hierarchical Model Incorporating Segmented Regions and Pixel Descriptors for Video Background Subtraction[J]. IEEE Transactions on Industrial Informatics， 2012，8（1）： 118-127.

[7] H Bohyung， LS Davis. Density-Based Multifeature Background Subtraction with Support Vector Machine[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2012，34（5）： 1017-1023.

[8] R Baraniuk. Compressive Sensing[J]. IEEE Signal Processing Magazine， 2007，24（4）： 118-121.

[9] DL Donoho. Compressed Sensing[J]. IEEE Transactions on Information Theory， 2006，52（4）： 1289-1306.

[10] EJ Candes， MB Wakin. An Introduction To Compressive Sampling[J]. IEEE Signal Processing Magazine， 2008，25（2）： 21C30.

[11] J Ma， G Plonka， MY Hussaini. Compressive Video Sampling with Approximate Message Passing Decoding[J]. IEEE Transactions on Circuits & Systems for Video Technology， 2012，22（9）： 1354-1364.

[12] V Cevher， A Sankaranarayanan， M Duarte， et al. Compressive Sensing for Background Subtraction[C]//Springer Berlin Heidelberg. European Conference on Computer Vision（ECCV）， 2008： 155-168.

[13] H Jiang， W Deng， Z Shen. Surveillance Video Processing Using Compressive Sensing[J]. Inverse Problems Imaging， 2012，6（2）： 201-214.

[14] F Yang， H Jiang， Z Shen， et al. Adaptive Low Rank and Sparse Decomposition of Video Using Compressive Sensing[C]//IEEE. IEEE International Conference on Image Processing （ICIP）， 2013： 1016-1020.

[15] J Wright， A Ganesh， K Min， et al. Compressive Principal Component Pursuit[J]. Information Inference， 2013，2（1）： 32-68.

[16] X Shu， N Ahuja. Imaging Via Three-dimensional Compressive Sampling（3DCS）[C]//IEEE. IEEE International Conference on Computer Vision （ICCV）， 2011： 439-446.

[17] B Bao， G Liu， C Xu， et al， Inductive Robust Principal Component Analysis[J]. IEEE Transactions Image Processsing， 2012，21（8）： 3794-3800.

[18] EJ Candes， X Li， Y Ma， et al， Robust Principal Component Analysis[J]. J ACM， 2009，58（1）： 1-37.

[19] E Borenstein， E Sharon， S Ullman. Combining Top-Down and Bottom-Up Segmentation[C]//IEEE. Conference on Computer Vision and Pattern Recognition Workshop， 2004： 46-50.

[20] M Shimizu， S Yoshimura， M Tanaka， et al. Super-resolution from Image Sequence under Influence of Hot-air Optical Turbulence[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2008： 1-8.

[21] O Oreifej， G Shu， T Pace， et al. A Two-stage Reconstruction Approach for Seeing Through Water[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2011： 1153-1160.

[22] O Oreifej， X Li， M Shah. Simultaneous Video Stabilization and Moving Object Detection in Turbulence[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2013，35（2）： 450-462.

[23] C Stauffer， WEL Grimson. Adaptive Background Mixture Models for Real-time Tracking[C]//IEEE. IEEE Computer Society Conference on Computer Vision and Pattern Recognition， 1999： 252-256.

[24] W Shandong， O Oreifej， M Shah. Action Recognition in Videos Acquired by A Moving Camera Using Motion Decomposition of Lagrangian Particle Trajectories[C]//IEEE. IEEE International Conference on Computer Vision （ICCV）， 2011： 1419-1426.

[25] S Wu， BE Moore， M Shah. Chaotic Invariants of Lagrangian Particle Trajectories for Anomaly Detection in Crowded Scenes[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2010： 2054-2060.

[26] W Yin， S Morgan， J Yang， et al. Practical Compressive Sensing with Toeplitz and Circulant Matrices[J]. Visual Communications and Image Processing， 2010.

篇7

中图分类号：X792 文献标识码：A

随着人们生活水平的提高，人们对食品安全的问题更加重视，从我国的食品安全现状来看，仍有诸多问题有待完善，尤其是人们的安全意识不够，导致越来越多的食品安全事件。除了人们的意识之外，分析检测技术的水平也会影响食品安全的状况，本文就从食品分析检测技术的角度来分析当前我国食品安全的现状。

1对我国食品安全现状的分析

从当前的发展情况来看，我国的食品安全状况让人堪忧，安全事故频繁发生，毒奶粉、毒豆芽、毒豇豆等频繁出现在消费市场中，威胁着人们的消费安全与身体健康。从其产生的原因来看，主要有以下几点：

1.1 消费者的安全意识不足

消费者的食品消费意识不足，在日常饮食的安排中存在诸多不足，不够科学合理。我国人民对一些经过腌制、烤制、熏酱的食品十分钟爱，但是从科学的角度来看，这类食品存在着诸多威胁健康的因素，尤其是亚硝酸盐超标，长期摄入的话可能会导致癌症的发生。

1.2 生产者追求利益最大化导致的食品安全问题

一些生产者受到利益的驱使，不按生产工艺要求生产，超范围、超量使用食品添加剂，或滥用非食用物质，采用劣质原料等进行食品加工，导致所生产的食品危害人体健康。造成这些问题并不是由于科技落后，主要是由于一些食品生产者的道德水准较低、法律意识淡薄，在利益的诱惑下，不顾法律、法规的要求，违规生产，导致了诸多食品安全问题的出现。

2改善食品安全现状的有效对策

2.1 强化卫生安全宣传意识

目前，肥胖、高血压、糖尿病、癌症的病人数量急剧增加，从其原因来看，主要是由于其不注意饮食造成的，因此，强化消费者的卫生意识具有十分重要的意义，这是关系到人民生活质量的重要部分，是直接影响到国民整体健康与平均寿命的重要因素，因此，必须要加强食品安全与卫生知识的教育。要善于发挥媒体的力量，强化人们的卫生安全意识，从基础教育开始进行安全卫生知识的训练，强化公众的卫生意识，培养更多的优秀人才，提高我国食品安全水平。

2.2 完善食品安全法律的建设

建立健全法律体系是保证食品安全的一个主要对策，从我国的食品安全法律发展情况来看，尽管其起步晚，但是其发展较为迅速，在借鉴国外法律的基础上，不断结合我国当前食品安全的发展情况制定有针对性的对策，大大提升我国食品安全的水平。

3改善食品安全检测技术

良好的检测技术是 保证食品安全的一个重要手段，随着人们对食品安全的重视程度日益提升，人们对食品检测的重视程度也有了很大的提高，为了适应新形势的发展，质监机构要不断地完善自身建设，不断研发高端的检测仪器，不断开发先进的检测方法，不断提高检测水平。

3主要的食品检测技术分析

3.1 微波消解技术的应用

该技术主要用于食品微量元素的分析，其关键是要做好样品的前处理工作。一般对样品主要采用高温灰化法、低温灰化法、湿法分解法等，相比较之下，高温灰化法的取样量大、加热时间较长，耗电多，同时对一些易挥发的元素损失影响测定不够准确；低温灰化法可以弥补这一不足，但是时间过长，设备昂贵，实验的要求较高，一般情况下采用较少；湿法分解法则较为常用，但是其操作繁琐，非常容易污染，样品的消化不够彻底。针对这一情况，近年来以样品为中心的技术迅速发展，以微波消解法为代表，其充分结合传统方法的优势，提高了分析速度，并且可以减少损失，可以将样品完全消解，提升了样品处理效率。

3.2 近红外光谱在食品分析中的运用

所谓的近红外光就是指处于可见光与红外光间的电磁波，一般有机物在该区的近红外光谱吸收主要是含氢基团（OH，CH， NH，SH，PH）等的倍频和合频吸收。其可以直接测定样品，采用近红外光谱的测定技术主要有透射法、漫反射法和反射透射法，可以根据样品对近红外光的透过情况选择测量技术，除此之外，三种技术的融合可以测定更多的样品。

3.3 生物酶法在食品分析中的应用

生物酶是由活细胞产生的具有一定催化功能的有机物，以蛋白质为主，同时也含有部分的RNA。从酶的历史来看，其已经有80几年的历史，生物酶是由生物体中提取的，是一种催化剂，在食品工业中的酶以蛋白酶为主，其广泛存在于植物茎叶中，各种生物都可以合成，但是只有微生物蛋白酶具有生产价值。其主要应用食品发酵工业中，同时也被应用于食品检测行业中。

3.4 原子荧光在食品分析中的应用

砷是一种有害元素，其普遍存在于自然界环境与动植物体内，由于部分农药含有砷，大量应用会导致人体砷中毒，除此之外，食品中一些添加剂的使用也会导致砷中毒。目前，砷检测主要采用原子荧光法、银盐法、原子吸收光谱法等等。经过分析发现，各种方法都存在着一定的不足，经过不断地努力，我们发现可以利用微波消解的方法对样品进行处理后，采用原子荧光法进行处理效果较好，大大提升了检测的质量。

4食品分析检测技术的发展

随着食品工业的迅速发展，食品的种类不断增多，这也对食品安全分析检测提出了新的要求，要求技术不断地创新与完善，开始采用仪器分析与自动化分析的方法来代替传统的手工操作。氨基酸自动分析仪、原子吸收分光光度计及可进行光谱扫描的荧光分光光度计等仪器在食品分析中得到了越来越多的应用。

随着研究的日益深入，一些采用现代技术的检测方法不断地涌现，大大缩短了传统的检测时间，可以提高检测的效率，同时操作十分简单。比如：梅里埃公司生产的miniVIDAS利用荧光免疫的方法检测葡萄球菌肠毒素，在仪器上仅仅45分钟就可以得到较为准确的结果。

新的检测技术逐渐取代传统技术，在不久的将来，芯片技术必然会成为未来食品检测行业的主体，而且在食品安全领域会有更加广阔的空间。

结语

从上文的分析中我们可以看到，我国的食品安全问题堪忧，随着人们生活水平的提高，人们对食品安全越来越重视，因此只有不断提高食品检测水平，才能为百姓提供更多的安全食品，才能为百姓的健康与生命安全奠定基础。

篇8

中图分类号:TS207.3 文献标识码:A 文章编号:1672-3791(2012)08(a)-0229-01

近年来,随着城市工业化程度越来越高,由此引发的环境问题日益严重,食品安全已成为人们越来越关注的焦点问题。传统的食品检测方法已经不能适应现代社会的发展要求,基因探针法、PCR技术、免疫学检测技术、生物芯片和生物传感器技术等生物技术在食品检测中已经得到广泛应用。充分利用现代生物技术为人们的生活质量保驾护航,已是迫在眉睫。

1 生物技术在食品检测中的应用

在当前的食品检测方法中,基因探针法、PCR技术、免疫学检测技术和生物芯片技术是最为常见的生物技术。下文中,笔者将会逐一进行详细介绍。

1.1 基因探针技术

基因探针技术即DNA探针技术,又称分子杂交技术,是利用DNA分子的变性、复性以及碱基互补配对的高度精确性,对某一特异性DNA序列进行探查的新技术。

目前,基因探针杂交方法总体上可以分为两种:一种是异相杂交;另外一种是同相杂交,其关键技术都在于DNA探针的构建。例如,在食品微生物检测中,大肠杆菌具有葡糖苷酸酶的特性,利用大肠杆菌中编码该酶的基因序列作为目标DNA,并制成DNA探针,用以检测食品中的总大肠杆菌。与传统微生物检测方法相比,基因探针技术不仅能克服传统食品微生物检验方法的不足,而且还具有特异性强、灵敏度高和操作简便、省时等优点。与此同时,基因探针技术也存在其局限性,如检测成本高、速度慢、效率相对较低,这些都是在以后的科研中需要改进的地方。

1.2 PCR技术

PCR技术又名聚合酶链反应技术,是由Korana于1971年最早提出核酸体外扩增的设想而产生的,并经过多年的实践研究发展,近年来才逐渐应用到食品安全控制中。PCR由变性,退火(复性),延伸三个基本反应步骤构成,其基本工作原理是以拟扩增的DNA分子为模板,以一对分别与模板互补的寡核苷酸片段为引物,在DNA聚合酶的作用下,按照半保留复制的机制沿着模板链延伸直至完成的DNA合成。经过n次扩增后,PCR产物(复制出的DN段)可达2n个,可以满足各种分析的需要。2011年,实时荧光定量PCR技术在转基因食品检测领域中的应用和Taq Man PCR快速检测食品中的空肠弯曲菌都是近期PCR技术在食品检测中比较成功的案例。

PCR技术只需要使用很微量的物质,就能扩增到大量我们需要的目的片断,并且可以对检测样品进行定性和定量的分析。但同时PCR实验室要求严格,检测仪器价格昂贵,技术含量高,操作复杂,对相关技术人员要求较高。

1.3 免疫技术

抗原与抗体的结合反应是一切免疫测定技术的最基本原理。免疫技术一般可分为三类:免疫标记技术、免疫沉淀反应和免疫凝集试验。免疫检测是目前生物学检测方法中用途最广泛的一种方法,具有特异性强、灵敏度高、方便快捷、分析容量大、检测成本低等特点,尤其对于食品检测非常敏感,通常会用在蛋白质结构分析中。

目前最常用的免疫学检测技术中,酶联免疫吸附试验(ELISA)在食品检测方面已得到普及。ELISA是将特异的抗体标记上酶制成酶标抗体酶标抗体既具有抗原抗体反应的特性,又具有酶的底物催化特性,它与相应的抗原结合后,加上相应的底物,根据底物显色的深浅对抗原做出定性或定量的判断。例如用该法检测转基因玉米所加工的食品中Cry1A(b)蛋白便是成功的案例。由于酶既有很高的催化效率,可极大的放大反应效果,从而使测定达到很高的灵敏度和稳定性。不过在应用中ELISA分析法也有一定的局限性,在被检测样品的蛋白浓度较低时可能会出现阴性,因此,ELISA分析法一般用于对鲜活组织的检测和对接受基因工程改造生物体的初步检测。

1.4 生物芯片技术

生物芯片是将大量生物识别分子按预先设置的排列固定于一种载体(如硅片、玻片及高聚物载体等)表面,利用生物分子的特意性亲和反应,如核酸杂交反应,抗原抗体反应等来分析各种生物分子的存在及其量的一种技术。

基因芯片的最大优点在于其高通量。传统方法检测众多基因要经历多次实验而且自动化程度低,因而每次实验之间是存在系统误差的。基因芯片可以克服这个缺点,众多基因的探针的标记、杂交等过程是在一次实验过程中完成的,而且自动化程度高,数据客观可靠。基因芯片的缺点在于其不能对待检测基因在多细胞类型组织中的精确定位进行判断。另外很多蛋白质调节其功能主要不是依赖其是否表达或表达量高低,而是依赖蛋白质磷酸化-去磷酸化等方式。在这种情况下,用核酸类生物芯片就没有什么意义了,正在研究开发中的蛋白类芯片可能会有所作为的。

1.5 生物传感器技术

生物传感器(Biosensor):是由固定化并具有化学分子识别功能的生物材料、换能器件及信号放大装置构成的分析工具或系统。其主要由生物敏感元件、换能器和信号处理放大装置构成。生物传感器技术应用于食品检测方面的优势很多,它响应快,样品用量少;分析操作简单;除缓冲液外无需添加试剂;可连续分析,联机操作,易于实现自动化测量等等。

当前,生物传感器技术在食品检测方面功能主要有两个方面:一是检测鱼、肉和牛乳等食品的新鲜度;二是用来检测食品滋味及熟度。例如:日本农林水产省研制出一种传感器,可“品尝”肉汤的风味,用于肉汤生产过程的质量控制。

除了上文论述的一些生物技术外,越来越多的新技术将会逐渐应用到食品检测中,其前景是值得期待的。

2 结语

生物技术以其经济、高效等特点得到广大科研人员的普遍认可,成为当前食品检测中重要力量。与此同时,国家也不断加大投入和颁布相关法律、法规保障食品检测技术的研究和应用。相信不久的将来,随着我国科技的发展,在各方研究人员的共同努力下,生物技术在食品检测中的应用定会更加成熟,为我国的食品安全,为人们的生活造福。

参考文献

[1]唐亚丽.生物芯片技术及其在食品营养与安全检测中的应用[J].食品与机械,2010(5).

[2]刘彦辉.浅议生物技术在食品检测方面的应用[J].黑龙江科技信息,2011(16).

[3]苏二辉.表面等离子共振生物传感技术在食品安全快速检测中的应用研究进展[J].河南农业大学学报,2007(1).

篇9

中图分类号TS2 文献标识码A 文章编号 1674-6708（2014）106-0127-02

近几年，因城市工业化日渐加深，使得环境问题越来越严重，人们对食品安全的关注也越来越多，食品安全已经成为牵动人心的焦点问题。然而，对于现在的食品检测，传统的方法已经与现代社会发展需求完全脱轨，当前在食品检测中广泛应用的是PCR技术、生物芯片、基因探针法、生物传感器技术、免疫技术等生物技术。眼前，人们越来越关注食品安全，即是食品质量的安全。在我国，影响并制约食品安全的因素有很多，比如法规法律尚不完善，政府监管松懈以及科学技术上遭遇“瓶颈”等。因此，生物技术的广泛应用使人们实现了简便快捷、特异性强、灵敏度高的食品检测方法。

1基因探针法

基因（DNA）探针法又称分子杂交技术，其原理是利用基因的重复性、变性和其碱基互补配对的精确性来探查某一DNA序列的新技术。当前，DNA探针杂交法有两种，分别同相杂交和异相杂交，其技术的关键就是构建基因探针。近几年，基因探针杂交技术十分广泛的应用于食品微生物的检测中，如今可检测食品中存在的大肠杆菌、沙门氏菌、李斯特氏菌、葡萄球菌和志贺氏菌等。相较于传统的检测方法，DNA探针技术在克服了传统检测方法缺点的同时，其操作简便快捷、灵敏度高、特异性强的优点使食品检测结果更精准。但是，DNA探针技术也存在着速度慢、成本高、效率低等局限性，在今后的科学研究中还需改进。

2 PCR 技术

PCR技术的原理是以需要扩增的DNA分子作为模板，用分别和模板互补的一对寡核苷酸的片段作引物，遵从半保留复制原则，在DNA聚合酶的作用下完成扩增，因此，又称聚合酶链反应技术，由变性、复性和延伸三个步骤构成。仅需要用很少的物质便可大量扩增所需的基因片段，并可以定量、定性地分析检测样品，这是PCR技术的一大优点。与此同时，由于检测仪器昂贵，操作复杂、技术含量较高，因此对其技术人员有较高且严格的要求。由于现在分子生物学技术正在突飞猛进的发展，转基因食品已经随处可见，由此可见转基因食品逐渐进入了人们的生活，它们在人们的餐桌上出现的同时，转基因食品的安全性也倍受人们的关注，成为了百姓饭前茶后所谈论的热点话题。由于在传统的食物中，并不存在转基因食品中的蛋白质和新遗传物质，使消费者存在隐忧。为了让人们的健康有一个可靠的保障，使消费者消除顾虑，让商品流通和国际贸易更加有利，研发一个快速、简便、准确的食品安全检测技术迫在眉睫。

3 免疫学检测技术

免疫学检测技术的基本原理是抗体和抗原的结合反应，一般可将其分为三类：免疫沉淀反应、免疫标记技术和免疫凝集试验。目前，免疫学检测技术在检测方法中用途最为广泛，其具有方便快捷、特异性强、检测成本低、灵敏度高、分析容量大等特点，特别表现在食品检测方面，在分析蛋白质的结构中通常会用到。当前，免疫技术中的酶联免疫法已在食品检测中得到普及。近几年，在传统检测方法的基础上，免疫学开发出新的检测技术，其中包括放射免疫测定、荧光免疫测定、免疫传感器、免疫磁性分离和酶免疫测定，比如PCR-ELISA技术，就是将酶联免疫技术与PCR技术结合，可用于检测大肠杆菌，效果良好。酶联免疫技术是将酶标记在特异的抗体上，即为酶标抗体。它具有酶的底物催化和抗体抗原反应的特性，它和与它对应的抗原相结合，添加底物，便可依据底物显色程度作出定量或定性地判断。由于酶的催化效率高，能够最大限度的将反映效果放大，使测定结果稳定且灵敏度高。但其也具有局限性，因此多数用于检测鲜活组织和基因工程生物体改造的初步检测。

4生物芯片技术

生物芯片技术的原理是按照预先的设置将大量生物分子排列并固定在载体表面，因为生物分子具有特异性亲和反应，可利用其对生物分子的量和存在进行分析，比如抗体抗原反应和核酸杂交反应等。高通量是基因芯片最为突出的优点。相较于传统检测方法，生物芯片技术可克服具有系统误差的缺点，许多基因探针杂交和标记等只需一个过程即可完成，并且生物芯片技术自动化程度高且其数据可靠客观。但是由于基因芯片技术无法判断在细胞类型较多的组织中检测基因的精确定位。与基因芯片相比，处于研发中的蛋白质芯片可能将此种情况改善。

上文中论述的生物技术在食品检测方面其运用前景是十分广阔的，除此以外，逐渐会有越来越多的更加先进的生物技术在食品检测中得以应用，它的前景很值得期待。

由于生物技术具有高效、经济等特点，广大科学研究人员对其越来越认可，在食品检测中生物技术成为了重要的力量。在我国科技不断发展科研人员不断努力创新研究的背景下，在今后的食品检测中，生物技术一定会更加成熟的应用其中，使我国的食品质量安全得到保障。食品安全不仅关系到人类的健康，更与国家的经济、政治息息相关。近几年，我国大力推进食品检测技术及食品安全的应用及研究，并增强了相应法规法律的制定。与此同时，还需大量投入资金在食品检测的技术研究中，并对食品科学技术的专业队伍加强建设。综上所述，生物技术在食品检测中已经愈来愈显其优越性，但其检测方法或多或少都存在着局限性，因此在其应用中需要搭配和选择使用，同时也期待生物技术的改进、优化以及创新，为食品安全提供可靠保障。

篇10

关键词：

食品检验；生物检测技术；应用

人们的生存离不开食物，而人的健康和生命安全更是与食品检测的质量有着密切的关系。在食品检测的过程中，生物监测技术的应用，在很大的程度上提高了食品检测的质量，并且提高了食品质量的安全性。目前，生物监测技术应用于食品检验领域已经取得了一定的成果和进展，在实际的食品检验工作中也获得了验证。但是，时代都是在不断地发展和进步的，如果一项技术不能够不断地改进和优化，就必然会被时代所淘汰，生物检测技术也同样如此。食品工业的发展对于生物检测技术提出了更高的要求。因此，在食品检验领域研究的一个重点课题，就是加强生物检测技术的研究和开发，从而使我国的食品安全质量上升到一个崭新的高度。

1在食品检验中常见的几种生物检测技术

1.1免疫技术生物检测技术有很多种，而其中最为人们所熟知的就是免疫技术。目前，在食品检测中，免疫技术获得了很好的应用，并且在很多方面都有其自身的优势。除此之外，与其他检测技术相比，免疫技术还可用于对于食品进行结构分析，并且操作起来最为简单，功能也最多。

1.2生物酶技术对于微生物污染和残余农药含量的检测，通常可以采用生物酶技术。生物酶技术可以分辨性质和结构差别很小的物质，而较强的特异性更是该项技术的一个突出特点。目前，免疫法和生物酶技术融合而成的新的检测技术，即酶联免疫技术，已经在食品检验领域中获得了十分广泛的应用。在国外，这项技术的推广效果较好，我国在这一方面虽然也已经取得了一定的进步，然而由于起步相对较晚，与国外相比仍然存在一定的差距，而灵敏度和准确性高则是该项技术的最大优点。

1.3PCR技术聚合酶链式反应技术，又名基因体外扩散法，能够在生物体外快速扩增DNA序列，也可以扩增指定的基因，简称为PCR技术。该项技术目前已经在很多领域获得了应用，最早则是应用于转基因和基因克隆技术上，因其在微量和精度方面的优势，被越来越多的领域所采用，应用范围逐渐扩大。经过研究发现，检验食品是否受到污染的关键，取决于对于遗传背景和基因序列检验的准确程度，而这一点正是PCR技术的优势之一。

1.4生物芯片在食品检验中，还有一项高新技术，即生物芯片技术。该项技术主要通过微量点样或者光导原位合成的方式，使得在载体表面的生物分子产生有序的固化，进而形成二位分子排列，继而同样品分子杂交。杂交分子会产生一定的信号，根据信号的强弱，并利用特定的仪器，可以对信号进行测定，检测的效率较高而且速度较快。对测定结果进行分析，最终可以得出检测的结论。生物芯片技术的应用和发展，推动了进出口商品监管预警系统和反应系统的建立，不仅可以确定食品性疾病的阂值，对于食品的安全状态，人们也有了更加深入的了解和更加科学的认识。然而，该项技术也有一定的缺点，其应用性能还有待完善，技术成本也相对较高，阻碍了该技术的应用。但是，这项技术的潜力和前景还是十分广阔的，大量的人力和物力也被投入到了技术的开发和研究中，相信生物芯片技术的大范围推广和应用将成为食品检测行业未来的发展趋势。

1.5生物传感器技术生物传感器技术的特点是检测速度快，具有较高的灵敏度，并且操作起来十分简单方便，具有较强的特异性，是一种新型的技术。其工作原理是选用酶、抗原、抗体、DNA等活性物质，经过一定的处理后作为分子识别元件，并与待测物进行特异性结合，最终产生复合物，如光和热等。信息通过信号转化器来进行传播和放大输出，即可以获得所需的检测结果，该项技术的发展前景十分广阔，并也因此得到了人们的关注和重视。

2生物检测技术在食品检测中的应用

2.1有害微生物的检测我们日常使用的相当一部分食品中，存在着很多的有害微生物，数量十分巨大，并且严重地威胁着人们的健康和生命安全。因此，加强有害微生物的检测质量，提高检测手段变得尤为重要。生物检测技术应用于食品检测，其最大的一个优势就是可以检测有害微生物。因此，应加强生物检测技术的研究，并加强对于该技术的推广和应用的力度。以上提到的几种生物检测技术，酶联免疫技术和PCR技术都可以很好地进行有害微生物的检测。

2.2食品中残余农药的检测在经济利益的驱使下，并且随着竞争的日趋激烈，为了获得更好的产量，得到更高的利润，在农产品的培育过程中使用了大量的化肥和农药。虽然产量大幅度提升，然而产品质量和安全却下降了，甚至生产出了很多有毒的食品，对人们的健康和生命安全来说，无疑是一个潜在的巨大威胁。食品中毒事件时有发生，引发了不良的社会影响。因此，对于食品中残余农药的检测，也成为食品检测工作的重中之重。在众多的生物技术中，生物传感器技术和酶技术十分适合对于残余农药的检测，并发挥了关键的作用。

2.3食品成分和品质的检测食品检测工作中，还有一项不容忽视的重要内容，即对于食品品质和成分的检测。对于食品成分的检测，在一段时期内，我国主要采取的是生物感应法。然而，随着科技的进步和应用，食品工业领域也获得了飞速的发展，目前已经开发和研究出将酶作为传感器的检测方法，并发挥了重要的作用。

2.4转基因食品的测试除了以上几个方面外，食品检测技术还可以运用在转基因食品的测试中。随着科学技术的发展，以及人们对转基因食品认识程度的不断加深，转基因食品越来越受到人们的关注。所以，转基因食品对于人们身体健康的影响，还需要进一步的检测。目前，酸检测法、蛋白质检测法是较为有效的两种方法。

3结束语

综上所述，食品检验中生物检测技术的运用研究对于食品领域的发展以及人们的身体健康都有着不可忽视的重要作用。然而，生物检测技术的运用研究涉及的内容比较多，同时又是一项十分复杂的研究，再加之我国食品领域对于生物检测技术应用的研究并没有达到一定的深度，因而不利于实际工作中生物检测技术应用的提高。所以，在今后食品领域的发展中，要加强对生物检测技术的重视和研究，并且要从食品检验的多个角度，从生物检测技术应用的多个方面进行研究，从而研究出更好、更有效地促进生物检测技术应用提高的方法和措施，从而促进我国食品检测领域的进一步发展。

参考文献

[1]陈运如.食品检验中生物检测技术应用的分析[J].新农村（黑龙江），2011（3）.

[2]罗梅兰，叶云，梁超香.生物检测技术在食品检验中的研究[J].食品与机械，2006（2）.

[3]杨景涛，张凤岭.食品检验中的生物检测技术应用[J].科技创新导报，2011（15）.

[4]李岩.食品检验中生物检测技术应用的分析[J].中国医药指南，2012（13）.