導(dǎo)言：作為寫作愛好者，不可錯過為您精心挑選的10篇食品檢測新技術(shù)，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內(nèi)容能為您提供靈感和參考。

篇1

近年來，提取凈化等檢測前處理技術(shù)不斷發(fā)展，許多優(yōu)秀的樣品制備新技術(shù)爭相出現(xiàn)。這些新技術(shù)的共同特點(diǎn)是節(jié)省時問、減輕勞動強(qiáng)度、節(jié)省溶劑、減少樣品用量、提取或凈化效率及自動化水平高。目前已報道的新技術(shù)有很多，但較有應(yīng)用前景，且已有定應(yīng)用的新技術(shù)主要有：超臨界流體萃取技術(shù)、固相微萃取技術(shù)、吹掃捕集技術(shù)、微波輔助萃取技術(shù)、快速溶劑提取技術(shù)等。超臨界流體萃取技術(shù)

物質(zhì)處于臨界溫度和臨界壓力以上狀態(tài)時，向該狀態(tài)氣體加壓，氣體不會液化，只是密度增大，具有類似液態(tài)性質(zhì)，同時還保留氣體性能，這種狀態(tài)的流體稱為超臨界流體(supercritIcaIfluid)。超臨界流體既具有液體對溶質(zhì)有比較大的溶解度的特點(diǎn)，又具有氣體易于擴(kuò)散和運(yùn)動的特性，傳質(zhì)速率高于液相過程。更重要的是在臨界點(diǎn)附近，壓力和溫度的微小變化都可以引起流體密度的很大變化。因此，可以利用壓力、溫度的變化來實現(xiàn)提取和分離過程。

自從Zosel首次報道應(yīng)用超臨界流體萃取(SFE，supe rcnhcal fluidextraction)技術(shù)提取咖啡因以來，這方法已在食品、香料、農(nóng)業(yè)等領(lǐng)域的分離提取上得到迅速廣泛的應(yīng)用。超臨界流體萃取法利用超臨界流體在臨界壓力和臨界溫度以上具有的特異增加的溶解性能作為溶劑，從液體或固體基體中提取出特定成分，以達(dá)到提取分離目的，能快速、高效地從固體樣品中分離出待測物。超臨界流體對有機(jī)化合物的溶解度的增加非常驚人，般能增加幾個數(shù)量級。

雖然超臨界流體的溶劑效應(yīng)普遍存在，但實際操作中，由于要考慮溶解度、選擇性、臨界點(diǎn)數(shù)據(jù)以及化學(xué)反應(yīng)的可能性等系列因素，適合作為超臨界提取的溶劑并不多。常用的超臨界流體有：CO2、NH3、乙烯、乙烷、丙烯、丙烷和水等。在各超臨界流體中以CO2最受關(guān)注，它具有密度大、溶解能力強(qiáng)、傳質(zhì)速率高、便宜易得、無毒、易從提取產(chǎn)物中分離等優(yōu)點(diǎn)，同時CO2的臨界壓力適中，分離過程可在接近于室溫條件下進(jìn)行(臨界溫度31℃)。因此，當(dāng)前絕大部分超臨界流體提取都是以CO2為溶劑。采用CO2提取，特別適于處理烴類及非極性酯類化合物，如醚、酯和酮等。但是，如果樣品分子中含有極性基團(tuán)，則需要在體系中添加助溶劑，以增加對極性物質(zhì)的溶解能力。

固相微萃取技術(shù)

固相微萃取是一種在固相萃取基礎(chǔ)上發(fā)展起來的前處理技術(shù)，1989年由加拿大Waterloo大學(xué)的Pawl iszyn等人首次提出，與液液萃取或固相萃取相比，具有操作時問短、樣品量少、無需萃取溶劑、適于分析揮發(fā)性和非揮發(fā)性物質(zhì)、重現(xiàn)性好等優(yōu)點(diǎn)，常作為氣譜(GC)或高效液相色譜(HPLC)檢測的前處理方法。

SPME是利用固相提取的方式實現(xiàn)對樣品的分離和凈化，但所用的固相材料及其分離機(jī)制不同。SPME法不是將待測物全部分離出來，而是通過待測物在樣品與固相涂層之問的平衡來達(dá)到分離目的。將涂有吸著劑的玻璃纖維浸入樣品中，樣品中的待測物會通過擴(kuò)散原理被吸附在吸著劑上，當(dāng)吸著作用達(dá)到平衡后將玻璃纖維取出，通過加熱或溶劑洗脫使待測物解吸，然后用GC~HPLC進(jìn)行分析測定。待測物的吸著量與樣品中待測物的原始濃度成正比關(guān)系，因此可以進(jìn)行定量分析。

SPME可分為3種，一是直接法，二是頂空法，三是膜法。直接法是將涂漬纖維直接插入樣品中，對待測物進(jìn)行提取，適用于氣體、液體樣品的分析。頂空法是將表面涂漬纖維置于樣品的頂端空問提取，不與樣品直接接觸，是根據(jù)氣相中的待測物與涂層平衡分配而開發(fā)的

種頂空固相提取技術(shù)，適合于各種基體的樣品，包括大氣、水、土壤、動植物組織中揮發(fā)和半揮發(fā)性物質(zhì)的分析。膜法是將石英纖維放在經(jīng)過微波萃取及膜處理過的樣品中，主要用于難揮發(fā)性復(fù)雜樣品萃取。

對SPME過程的優(yōu)化主要考慮提取用的纖維(吸著劑)類型、提取時問、離子強(qiáng)度、基體有機(jī)質(zhì)及溶劑的含量、以及解吸溫度和時問等因素。最早的涂漬纖維是用聚二甲基硅氧烷和聚丙烯酸脂(polyacrylate，PA)做吸著劑，現(xiàn)在又有聚乙二醇二乙烯基苯(ca rbowaxdivinylbenzene，CW DVB)等涂漬纖維面市，但它們存在穩(wěn)定性問題，使用條件要求較高。涂層厚度可根據(jù)需要調(diào)節(jié)，涂層越厚固相吸附量越大，可提高檢測靈敏度，但涂層太厚則揮發(fā)性有機(jī)物進(jìn)入固相層達(dá)到平衡的時問越長，分析速度越慢。樣品中加價或二價無機(jī)鹽(如NaCl或Na2SO。)有利提高提取效率，但高濃度的鹽對纖維涂層的穩(wěn)定性有影響，

般認(rèn)為低于20％的濃度最合適。SPME多在室溫下操作，但有時為提高提取效率將溫度升至60℃左右。

sPME操作簡便、速度快，一般只需15min(固相提取需1h，而液液提取需4～18h)：所需樣品量少，所用纖維價格便宜且能重復(fù)使用(可用50次以上)：其萃取過程使用支攜帶方便的萃取器，特別適于野外的現(xiàn)場取樣分析，也易于進(jìn)行自動化操作，可在任何型號的氣相色譜儀上直接進(jìn)樣。隨著固相新涂層的不斷推出，如離子交換涂層(無機(jī)物提取)及生物親和型涂層(生物樣品提取)，其應(yīng)用范圍將日益擴(kuò)大。

吹掃捕集樣品前處理技術(shù)

吹掃捕集技術(shù)適用于從液體或固體樣品中萃取沸刺氐于200℃、溶解度小于2％的揮發(fā)性或半揮發(fā)性有機(jī)物。吹掃捕集法對樣品的前處理無需使用有機(jī)溶劑，對環(huán)境不造成二次污染，而且具有取樣量少、富集效率高、受基體干擾小及容易實現(xiàn)在線檢測等優(yōu)點(diǎn)，美國EPA 601、602、603、624、501.1、524.2等標(biāo)準(zhǔn)方法均采用了吹掃捕集技術(shù)。隨著商業(yè)化吹掃捕集儀器的廣泛使用，吹掃捕集法在揮發(fā)性和半揮發(fā)性有機(jī)化合物分析、有機(jī)金屬化合物的形態(tài)分析中起著越來越重要的作用。

微波輔助提取技術(shù)

微波能最早于70年代被用于分析化學(xué)的樣品處理。1986年，匈牙利學(xué)者報道了將微波能應(yīng)用于分析試樣制備的新方法――微波輔助提取法(MAE，microwave assisted extraction)。MAE的

原理是利用微波能強(qiáng)化溶劑提取效率，使待測物從固體或半固體的樣品基體中被分離出來。微波輔助提取法具有快速、溶劑用量少結(jié)果重現(xiàn)性好等優(yōu)點(diǎn)，適用于易揮發(fā)物質(zhì)的提取，且可同時進(jìn)行多個樣品的提取。

微波輔助提取法是在個不吸收微波的封閉容器內(nèi)進(jìn)行的，樣品內(nèi)部的溫度(高出周圍提取溶劑沸點(diǎn)幾倍)和體系壓力(般10-20atm)都較高。由于在密閉容器中，被提取樣品與溶劑直接接觸，只要容器能承受得了壓力，就可以通過改變?nèi)軇┑幕旌媳榷诟邏合聦囟壬煤芨?，使農(nóng)藥的溶解度增大，從而獲得高提取率。該方法是由密閉容器中酸消解樣品和固液提取兩種技術(shù)組合演變而來的，能在短時間內(nèi)完成多種組分的提取。

微波提取裝置目前已自動化，可自動控制提取溫度、壓力和時問等。但提取完成后，需等待提取溶劑冷卻，然后倒出溶劑，進(jìn)行離心或過濾等手工操作。微波提取目前主要用于固體樣品的處理。

快速溶劑提取技術(shù)

篇2

中圖分類號： TS213.4 文獻(xiàn)標(biāo)識碼： A DOI編號： 10.14025/ki.jlny.2017.15.053

隨著我國經(jīng)濟(jì)的發(fā)展和生活水平不斷提高，人們對于食品安全問題也日益重視。國家對食品安全檢測工作也極為重視。食品安全檢測工作最重要的就是樣品前處理，樣品前處理的好壞直接影響到檢測結(jié)果的正確性。因此，在食品檢測中使用正確的前處理方法，可以提高工作效率和檢測結(jié)果的準(zhǔn)確性。

凝膠滲透色譜是最近十幾年迅速發(fā)展起來的一種樣品前處理方法，因其對分子量大的雜質(zhì)凈化效率高，可重復(fù)使用，適用范圍廣，自動化程度高等特點(diǎn)，在食品檢測中應(yīng)用廣泛。

凝膠滲透色譜基于體積排阻的分離機(jī)理，通過具有分子篩性質(zhì)的固定相，來分離分子質(zhì)量不同的物質(zhì)。凝膠滲透色譜還可以用于分析化學(xué)性質(zhì)相同而體積不同的高分子同系物[1]。

1 凝膠滲透色譜（GPC）在食品檢測中的應(yīng)用研究新進(jìn)展

1.1 GPC技術(shù)在食品檢測中的應(yīng)用研究新進(jìn)展

GPC技術(shù)常用在食品檢測中的樣品凈化，宋鑫等在檢測螃蟹中19種有機(jī)氯農(nóng)藥殘留時應(yīng)用全自動GPC-SPE聯(lián)合凈化，樣品用乙腈提取，凝膠滲透色譜和氨基固相萃取柱聯(lián)合凈化。用Bio-Beads S-X3凝膠為填料的凈化柱，以環(huán)己烷―乙酸乙酯（1∶1）為流動相，泵流速為4.7 毫升/分鐘，檢測波長為254納米。收集9.0分鐘和15.5分鐘的流出液，并轉(zhuǎn)至SPE凈化。在實驗中，對經(jīng)GPC凈化的有機(jī)氯農(nóng)藥的收集時間進(jìn)行了優(yōu)化，在單獨(dú)使用GPC時樣品凈化不完全，與SPE聯(lián)合使用后凈化效果和回收率較好[2]。馬杰等建立在線凝膠滲透色譜――氣相色譜質(zhì)譜聯(lián)用法測定蔬菜、水果中有機(jī)磷、氨基甲酸酯、擬除蟲菊酯類農(nóng)藥，GPC 彌補(bǔ)了QuEChERS 方法凈化干擾物質(zhì)不徹底的問題， 從而降低分析背景， 改善峰形， 提高分析結(jié)果的準(zhǔn)確性 [3]。黃武等在檢測大豆中異丙甲草胺殘留量時用在線凝膠滲透色譜法，進(jìn)行前處理，簡化了樣品前處理過程，且對環(huán)境污染較少，具有高效、經(jīng)濟(jì)、快速及簡便等優(yōu)點(diǎn)，顯著提高前處理效率，減少分析時間，提高農(nóng)藥殘留分析的速度和靈敏度[4]。

1.2 GPC技術(shù)在食品檢測研究中存在的問題

GPC技術(shù)在國外已經(jīng)普遍應(yīng)用于樣品的前處理，但在我國應(yīng)用領(lǐng)域較少。GPC作為食品檢測中的一種全新的樣品前處理技術(shù)，能分離大分子類干擾雜質(zhì)，有效地將大分子類物質(zhì)從復(fù)雜的基質(zhì)中提取出來。GPC技術(shù)優(yōu)勢是可大大降低大分子基質(zhì)干擾，自動化和標(biāo)準(zhǔn)化程度高，且可以自動濃縮和定容，減少了人工帶來的誤差，顯著提高方法的精密度和重現(xiàn)性。

但GPC技術(shù)作為一種新興技術(shù)，在實際應(yīng)用中還存在一些問題，需要在今后的工作中解決。由于GPC柱子內(nèi)徑比較大，連續(xù)處理樣品的能力較慢，所需要的溶劑量較大。又因為所收集的樣品體積大，對于實驗室的濃縮裝置要求較高，這大大減慢了實驗分析的速度。此外，由于不同物質(zhì)分子大小、形狀以及凝膠阻滯作用的差異，可能會導(dǎo)致樣品分離不完全，較大分子量的物質(zhì)會提前流出不被收集而影響回收率，一些小分子干擾物會夾雜在樣品中而影響凈化效果。

2 凝膠滲透色譜（GPC）條件的選擇

利用GPC技術(shù)進(jìn)行樣品前處理時，所需選擇及優(yōu)化的條件主要是色譜柱的選擇，流速的選取以及收集時間的選擇，溶劑的選取等。孫磊麗等在測定甘草中16種農(nóng)藥殘留時選用填料為中性、多孔的聚苯乙烯二乙烯基苯微球體的S-X3玻璃柱作為GPC凈化柱，體積比為1∶1的乙酸乙酯―環(huán)己烷溶液作為流動相，流速為5毫升/分鐘，前7 分鐘收集1份樣品，之后每1分鐘收集1份樣品，共收集28份樣品溶液，分別進(jìn)行質(zhì)譜檢測[5]。呂飛等在檢測動物源性食品中17種農(nóng)藥殘留時，在線凝膠滲透色譜：色譜柱為Shodex CL NpakEV-200 柱；流動相：丙酮―環(huán)己烷（ 3∶7，V/V） ，流速0. 1毫升/分鐘，柱溫40 ℃，進(jìn)樣量10微升，檢測波長210納米，農(nóng)藥殘留組分在線收集時間段：4.35 ～ 6.35分鐘[6]。

3 展望

凝膠滲透色譜技術(shù)作為一種前處理技術(shù)已經(jīng)普遍應(yīng)用于樣品的凈化，S著GPC技術(shù)的不斷優(yōu)化應(yīng)用范圍越來越大，國外已經(jīng)研究出很多種成熟的GPC前處理方法。隨著國際形勢發(fā)展，我國也應(yīng)該對GPC技術(shù)進(jìn)行研究開發(fā)。目前有很多研究都將GPC技術(shù)與QuEchERS 前處理等聯(lián)合使用，使得現(xiàn)在的前處理可以聯(lián)合處理較為復(fù)雜的樣品，提高了工作效率和準(zhǔn)確度?，F(xiàn)在的檢測儀器的精密度較高，對樣品處理較嚴(yán)格，GPC技術(shù)與其他前處理技術(shù)聯(lián)合使用可以去除雜質(zhì)的干擾，對于精密儀器是一種保護(hù)。如在線GPC與QuEchERS聯(lián)合串聯(lián)質(zhì)譜檢測可以去除樣品里的干擾和基質(zhì)效應(yīng)，對樣品分析更準(zhǔn)確。因此，發(fā)展和研究凝膠滲透色譜技術(shù)在食品檢測方面有廣闊的發(fā)展前景。

參考文獻(xiàn)

[1]欒玉靜.凝膠滲透色譜在不同樣本檢驗中的應(yīng)用和進(jìn)展[J].刑事技術(shù)，2014（04）：41-44.

[2]宋鑫，杭學(xué)宇，等.檢測螃蟹中有機(jī)氯類農(nóng)藥殘留的全自動GPC-SPE聯(lián)合凈化氣相色譜法[J].職業(yè)與健康，2016，32（04）：483-486.

[3]馬杰.QuEChERS前處理技術(shù)與在線凝膠滲透色譜――氣相色譜質(zhì)譜聯(lián)用法測定蔬菜水果中20種農(nóng)藥殘留[J].食品安全質(zhì)量檢測學(xué)報，2016，7（01）：21-26.

[4]黃武. 在線凝膠滲透色譜――氣相色譜――質(zhì)譜聯(lián)用法檢測大豆中異丙甲草胺殘留量[J].食品安全導(dǎo)刊，2016，64（03）：126-128.

篇3

1 近紅外光譜在食品分析中的應(yīng)用

近紅外光譜常用的測量技術(shù)有透射法、漫反射法和反射透射法，視樣品對近紅外光線的透過情況可選用不同的測量技術(shù)，而這3種技術(shù)相結(jié)合可以測定各種形態(tài)的樣品，如可以直接測定粉末、塊狀、漿糊狀固體及液體等。由于近紅外譜帶受分子內(nèi)外環(huán)境的影響較小，因此近紅外技術(shù)可適用于多種環(huán)境條件下的測試分析。近紅外光線可以穿透許多透明材料，因此，無需打開玻璃瓶蓋，可以直接對玻璃瓶內(nèi)的物品進(jìn)行測量[1]。

近紅外光譜檢測技術(shù)（Near infrared spectroscopy，NIR）在食品工業(yè)中的應(yīng)用非常廣泛。在水果、蔬菜檢測中NIR實現(xiàn)了非破壞性地測定完整蘋果中的總糖、蔗糖、葡萄糖和果糖以及果汁中的糖和酸的含量，成分分析效率較高，為判斷蘋果的品質(zhì)提供了新方法。在蘋果汁、葡萄汁、梨汁等加工過程中，用NIR可連續(xù)測量可溶性固形物、總固形物和總水分的變化，進(jìn)而監(jiān)控加工產(chǎn)品的質(zhì)量。隨著近紅外光譜儀硬件設(shè)備成本不斷降低，進(jìn)一步完善軟件的數(shù)理統(tǒng)計方法，提高從復(fù)雜、重疊和變化的近紅外光譜中提取有效信息的效率，增加光譜的信噪比，近紅外光譜法的應(yīng)用前景將更加廣闊。

2 生物酶分析技術(shù)在食品分析中的應(yīng)用

20世紀(jì)80年代生物工程作為一門新興高新術(shù)在我國得到了迅速發(fā)展。生物酶是從生物體中產(chǎn)生的，具有特殊的催化功能。在食品工業(yè)中主要用蛋白酶，它能催化蛋白質(zhì)和多肽鍵水解，廣泛存在于動物內(nèi)臟、植物莖葉、果實和微生物中。各種生物體都能合成它，但唯有微生物蛋白酶具有生產(chǎn)價值。

生物酶不僅在食品發(fā)酵工業(yè)中應(yīng)用廣泛，而且還在食品檢測技術(shù)中有著一定的作用。如在國際果汁市場中，蘋果汁是僅次于橙汁的第二大果汁產(chǎn)品，蘋果汁中添加蘋果酸是比較常見的摻假象。天然蘋果汁只含有L—蘋果酸，通過測定D—蘋果酸含量可檢測摻假蘋果汁，若樣品中存在D—蘋果酸，則說明樣品為摻雜果汁[2]。

3免疫分析技術(shù)在食品分析中的應(yīng)用

免疫分析主要是利用抗體能夠與相應(yīng)抗原及半抗原發(fā)生自發(fā)的、高選擇性的特異性結(jié)合這一性質(zhì)，通過將特定抗體（或抗原）作為選擇性試劑來對相應(yīng)待測抗原（或抗體）進(jìn)行分析測定的方法[3]。

免疫分析法具有靈敏度高、方法簡捷、分析量大、檢測成本低、容易普及和推廣，尤其適宜現(xiàn)場篩選和大量樣品的快速分析，并且可以對化合物、酶或蛋白質(zhì)等物質(zhì)進(jìn)行定性和定量分析。在食品安全檢測中酶聯(lián)免疫分析法（ELISA）較為常用，它利用酶標(biāo)記物同抗原抗體復(fù)合物的免疫反應(yīng)與酶的催化放大作用相結(jié)合，既保持了酶催化反應(yīng)的敏感性，又保持了抗原抗體反應(yīng)的特異性，極大的提高了靈敏度，且克服放射免疫分析技術(shù)（RIA）操作過程中放射性同位素對人體的傷害。

4原子熒光在食品分析領(lǐng)域的應(yīng)用

我們都知道砷是具有蓄積作用的有害元素，砷普遍存在于自然界環(huán)境和動植物體內(nèi)。由于含砷農(nóng)藥的使用及環(huán)境污染，以及食品在加工過程中使用某些化學(xué)添加劑而引起食品中砷的污染。由于嬰幼兒食品的特殊加工，更容易受到有害因素的污染。因此，砷在嬰幼兒食品衛(wèi)生監(jiān)督檢驗中尤為重要。

目前總砷的檢測方法有原子熒光法、銀鹽法、砷斑法、原子吸收光譜法等[4]。目前對砷鹽的檢測多般采用銀鹽分光光度法，亦稱二乙基二硫代氨基甲酸銀（即DDC-Ag）比色法。該法在一定條件下能夠比較準(zhǔn)確的測出樣品中砷鹽的含量，但存在檢測步驟繁瑣、耗時長、影響因素多、檢測誤差大等缺點(diǎn)。

砷斑法也就是馬氏試砷法：Zn、鹽酸和試樣混在一起，將生成的氣體導(dǎo)入熱玻璃管，若試樣中有砷的化合物存在，就會生成AsH3，因生成的AsH3在加熱部位分解產(chǎn)生As，As積集而成亮黑色的“砷鏡”?！吧殓R”如果能用次氯酸鈉溶液洗滌而溶解，則證明是砷。由比較可知，銀鹽法測定砷過程繁瑣，化學(xué)反應(yīng)條件不易控制等；砷斑法雖然比較簡單，但準(zhǔn)確性差。而原子熒光法，靈敏度高、檢出限低、已被廣泛應(yīng)用。因此采用微波消解處理樣品后，利用原子熒光測定嬰幼兒輔助食品中的總砷，取得了滿意的結(jié)果。

5 結(jié)論

食品監(jiān)管部門采用一些新的檢測技術(shù)是非常必要的，新的檢測技術(shù)可以縮分析時間、提高分析的靈敏度、實現(xiàn)在線分析、定性和定量分析、多種組分同時進(jìn)行分析等優(yōu)點(diǎn)。儀器分析受人為因素比傳統(tǒng)檢測技術(shù)要少，但需要檢測技術(shù)人員有更多的儀器相關(guān)知識，因此從事儀器檢測的相關(guān)人員要對儀器分析技術(shù)有深入的研究，并且要對先進(jìn)的檢測技術(shù)有一定的了解，才能為我國食品安全提供有力的保障。

參考文獻(xiàn)：

[1]王海水.近紅外光譜在品質(zhì)分析和定量分析中的應(yīng)用.分析測試技術(shù)與儀器，2002（3）：136-138

篇4

軟件設(shè)計儀器簡介

多年來，以軟件為核心的虛擬儀器技術(shù)已經(jīng)廣泛應(yīng)用在測控系統(tǒng)中，特別是在射頻測量領(lǐng)域中，測試工程師一直在運(yùn)用諸如LabVIEW的軟件包來實現(xiàn)自定義射頻測量系統(tǒng)，與傳統(tǒng)封裝儀器相比可以盡可能地減少成本，另外，使用軟件設(shè)計的方法不僅提供了強(qiáng)大的靈活性，更能使測試工程師利用到最新的PC和總線技術(shù)所帶來的性能提升。

NI PXIe-5644R就是一款可以通過軟件來設(shè)計其功能的儀器，該設(shè)備融合了矢量信號發(fā)生器和矢量信號分析儀的功能，并包含了一個用戶可編程FPGA來用于實時信號處理和控制。這種軟件設(shè)計的方法讓VST擁有了軟件定義無線電架構(gòu)的靈活性以及研發(fā)級別射頻儀器的高性能。

雖然，一些傳統(tǒng)射頻儀器中也采用了FPGA，但通常這些FPGA密閉且功能固定，只能用于特定的目的。在VST中引入FPGA則為用戶帶來了硬件級別的完全自定義，它允許用戶自定義射頻儀器直至每一個管腳。用戶可以充分發(fā)揮自己創(chuàng)新的能力，將他們的自定義信號處理方法和控制算法加入FPGA中，實現(xiàn)特定的測試需求。

為了幫助用戶實現(xiàn)更好的對FPGA的自定義，LabVIEW FPGA讓用戶可以用圖形化的方法對FPGA進(jìn)行編程，對于沒有FPGA相關(guān)基礎(chǔ)知識的工程師，完全不用去學(xué)習(xí)HDL語言，大大簡化了FPGA的編程難度。另外，LabVIEW 2012提供了更多新模板和范例項目，其中包括可以使VST作為VSA和VSG工作于嵌入式射頻流盤等應(yīng)用的軟件。用戶可以以這些預(yù)創(chuàng)建的范例項目為基礎(chǔ)，添加相應(yīng)修改以實現(xiàn)自定義觸發(fā)、待測設(shè)備控制、信號處理等功能。

軟件設(shè)計儀器的優(yōu)勢

篇5

中圖分類號：C35 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-914X（2015）23-0259-01

目前，智能交通信息檢測中的視頻技術(shù)逐漸成為研究的重點(diǎn)內(nèi)容。視頻技術(shù)是智能交通系統(tǒng)的核心內(nèi)容，其好壞直接影響系統(tǒng)的檢測精度以及檢測效率。近幾年，在智能交通市場的推動下，交通信息檢測中的視頻圖像分析以及識別技術(shù)在特定的應(yīng)用場合，逐漸成為檢測技術(shù)研究人員研究的重點(diǎn)。

一、 智能交通信息檢測中的視頻技術(shù)

1、 檢測流程

基于視頻技術(shù)的智能交通系統(tǒng)中，對車輛的檢測流程大致分為：選取目標(biāo)，對可能出現(xiàn)車輛的區(qū)域進(jìn)行選??；確認(rèn)目標(biāo)，對候選區(qū)域進(jìn)行確認(rèn)；分割目標(biāo)，通過對圖像中的車輛進(jìn)行識別，將未能識別的目標(biāo)從中分離開來；跟蹤目標(biāo)，跟去選取并確定的車輛計算交通參數(shù)；目標(biāo)分類，根據(jù)圖像中的幾何外形特征等對不同類型車輛進(jìn)行合理分類；后續(xù)處理，根據(jù)交通應(yīng)用的需求對交通參數(shù)進(jìn)行計算，例如車的流量或車速等。

2、 檢測方法

（1） 知識型檢測方法

通過觀察車輛的外形和顏色，還有道路的特點(diǎn)、車輛陰影等信息作相應(yīng)的檢測。這種檢測方式較為直觀，而且操作方法簡單，但是需要對多個數(shù)據(jù)進(jìn)行估計，例如車輛長寬的比值、車輛陰影與道路的灰度差異閥值等。其檢測系統(tǒng)功能的好壞直接影響著這些數(shù)值的準(zhǔn)確性。

（2） 運(yùn)動型檢測方法

這種方法主要通過各個圖像中現(xiàn)有的相關(guān)信息對車輛做相應(yīng)的預(yù)檢測，其檢測方法主要是利用光流法以及運(yùn)動能量法。光流法可以對獨(dú)立運(yùn)動的物體進(jìn)行檢測，不需要預(yù)先知道場景的信息，在攝像機(jī)移動時適合使用。但它的不足點(diǎn)就是所耗用的視角較長，如果檢測的對象移動過快或過慢的情況，所檢測出的效果并不是很好，所以說針對實時系統(tǒng)不適合使用。而運(yùn)動能量法可以對圖像背景中的振動像素消除，并突出對向某個方向運(yùn)動對象的顯示，可以估計其大概位置，而不能確定運(yùn)動對象的具置。

（3） 立體視覺型檢測方法

這種檢測方法是建立在視覺差或頻差理論基礎(chǔ)之上的，使用兩個或兩個以上攝像機(jī)對同一檢測對象從不同位置而獲得立體像對，采用多種算法匹配相應(yīng)像點(diǎn)，最終恢復(fù)深度信息[1]。這種方法可以對慢速行駛的車輛檢測出具體的位置，這需要將攝像機(jī)正確標(biāo)定，但如果因車輛運(yùn)動或者是天氣等因素的影響，是很難檢測出車輛的具置。通過立體視覺對車輛進(jìn)行檢測，一般采用逆透視映射法來對圖像中的車輛的位置進(jìn)行估計。

（4） 像素強(qiáng)度型檢測方法

像素強(qiáng)度型檢測方法主要包括時間差分法與背景差分法。時間差分法是在短時間內(nèi)對像素強(qiáng)度的變化進(jìn)行檢查。這種方法適合在動態(tài)變化的環(huán)境中使用，當(dāng)攝像機(jī)在運(yùn)動時不適合使用，對運(yùn)動對象不能完整提取。其方法快捷簡單，有良好的實用性，適用于檢測運(yùn)動快而且運(yùn)動幅度較大的對象，但如果運(yùn)動對象運(yùn)動的場景道路不平坦或者彎路較多時不適合使用。

二、基于視頻技術(shù)的交通信息檢測系統(tǒng)

1、系統(tǒng)硬件的實現(xiàn)方案

這種系統(tǒng)是以TMS320DM642為核心，COLD為系統(tǒng)的邏輯控制器，通過擴(kuò)展視頻編解碼器、以太網(wǎng)和儲蓄器以及RS-232等接口組成完整的系統(tǒng)。視頻解碼芯片把攝像機(jī)的輸出轉(zhuǎn)換為數(shù)字視頻輸入TMS320DM642，在做出相應(yīng)的處理后，通過以太網(wǎng)的接口或RS-232的接口將各種參數(shù)傳送到通信服務(wù)器中。RS-232根據(jù)環(huán)境的不同對系統(tǒng)的配置參數(shù)做出相應(yīng)的調(diào)改。對其檢測的結(jié)果通過屏幕菜單式調(diào)節(jié)方式直接放在原始圖像中，在進(jìn)行觀看時可以直接在監(jiān)視器上顯示出來。

2、 系統(tǒng)算法的實現(xiàn)策略

為了使算法的性能得到保證，可以從多種角度進(jìn)行考慮：為了避免把正在運(yùn)動的投射陰影誤檢為車輛中的一部分，提出了陰影消除算法；為了保證系統(tǒng)能夠在光度強(qiáng)的情況下以及路面發(fā)生震動、風(fēng)力的變化等現(xiàn)象導(dǎo)致系統(tǒng)發(fā)生抖動并可以正常工作，提出了魯棒濾波算法；針對某些檢測系統(tǒng)缺少車輛跟蹤這項職能可能會對流量多計數(shù)這一問題，提出同時收集車輛的相關(guān)信息進(jìn)行匹配車輛跟蹤的策略[2]。

交通信息檢測系統(tǒng)在一天24小時都是工作狀態(tài)。雖然在白天沒有車燈，但視頻中所顯示的車輛圖像較為清晰；在晚上視頻中所顯示的車輛圖像不清晰，但車燈的照射和路面反射光較為明顯。所以，根據(jù)以上情況可以選擇不同的策略：白天對車輛進(jìn)行檢測，晚上對車燈的照射情況和路面反射光進(jìn)行檢測。實施這樣的策略，可以收集白天中可所有的車輛交通參數(shù)，晚上除了不能對車輛的信息進(jìn)行順利獲取和分類之外，但不會影響其他的交通參數(shù)。經(jīng)現(xiàn)場測試驗證，智能交通信息檢測系統(tǒng)對車輛的識別率為96.5%。在高速公路中，其檢測系統(tǒng)處理速度為25幀/秒；在普通工路中，處理速度至少為15幀/秒，以這種處理速度為依據(jù)，處理1幀圖像所耗用的時間不會超過66.7毫秒。假設(shè)檢測系統(tǒng)所檢測的區(qū)域范圍是10米，其監(jiān)測到的車速最快為10米/66.7毫秒=540千米/小時，因此符合交通情況。

三、 視頻技術(shù)在交通信息檢測中的應(yīng)用

視頻技術(shù)在交通信息檢測中的應(yīng)用主要體現(xiàn)在以下幾方面：

1、 交通流量

交通流量的信息在交通管理中非常重要[3]。通過采用視頻技術(shù)來獲取某些重要路段的交通流量數(shù)據(jù)，并對其交通流量的信息進(jìn)行匯總分析。要想獲得對這些數(shù)據(jù)，還需要檢測車輛，觀看攝像機(jī)所監(jiān)視的區(qū)域有沒有車輛通過。另外，在監(jiān)視區(qū)域中車輛的行駛速度在交通流量檢測中，是非常重要的數(shù)據(jù)，以便觀察其車輛有沒有超速等。

2、 交通監(jiān)視

交通事故的檢測在交通安全中意義重大[4]。主要利用視頻技術(shù)的監(jiān)視功能對駕駛車輛的行為進(jìn)行檢測，例如，在視頻監(jiān)測區(qū)域中，存在事故性停車的現(xiàn)象會自動報警。除此之外，環(huán)境因素也是影響安全駕駛的主要因素，例如，雨雪天氣導(dǎo)致路面狀況不佳，或者是霧霾天氣，會導(dǎo)致能見度相對較低，這都在一定程度上影響了駕駛的安全性，通過發(fā)揮視頻技術(shù)的監(jiān)視功能應(yīng)有的作用，來降低交通事故發(fā)生率。目前對于監(jiān)測能見度較低的場面，已經(jīng)有了較為有效的處理方式。

3、 交通管理

視頻技術(shù)在交通管理中的應(yīng)用[5]，主要表現(xiàn)在識別車輛和對車輛進(jìn)行分類等方面，例如視頻檢測技術(shù)可以自動識別車輛的車牌號和檢測停泊的車輛。其識別與分類的功能可以實現(xiàn)對在高速公路中行駛的車輛進(jìn)行自動收費(fèi)，對停泊的車輛進(jìn)行檢測主要是用在交通的自動管理中，例如，停泊車輛的自動收費(fèi)或者是違規(guī)停車等相關(guān)內(nèi)容。

結(jié)束語

視頻技術(shù)在過去幾年的發(fā)展中較為迅速，促進(jìn)了智能交通的發(fā)展。通過網(wǎng)絡(luò)傳輸為視頻技術(shù)的檢測工作以及處理工作提供了便利。隨著數(shù)據(jù)信息的發(fā)展，交通部門可以利用其視頻技術(shù)與數(shù)據(jù)相結(jié)合通過觀察人們的出行習(xí)慣對交通情況進(jìn)行合理規(guī)劃，充分發(fā)揮視頻技術(shù)的優(yōu)勢，來減少或解決交通中出現(xiàn)的問題。因此，視頻技術(shù)在智能交通檢測系統(tǒng)中發(fā)揮著重要的重用，可以為社會帶來一定的經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1] 錢曾波，邱振戈，張永強(qiáng).計算機(jī)立體視覺研究的進(jìn)展[J].測繪學(xué)院學(xué)報，2012，18（4）.

[2] 徐海洋.基于支持向量機(jī)方法的圖像分割與目標(biāo)分類[J].武漢：華中科技大學(xué)，2012.

篇6

1 引言

隨著傳感器網(wǎng)絡(luò)在視頻監(jiān)控中的廣泛應(yīng)用，有限通信帶寬條件下的高分辨率視頻獲取技術(shù)成為多媒體研究的焦點(diǎn)。

移動通信中，通常檢測運(yùn)動目標(biāo)的方法是背景消除法（BS，Background Subtraction）[1]，它首先估計背景模型，然后通過該模型比較視頻幀以檢測運(yùn)動目標(biāo)。當(dāng)處理實際的視頻監(jiān)控序列時，BS遇到許多挑戰(zhàn)，如光照的變化、運(yùn)動干擾等[2]。最近，Tsai等[3]利用獨(dú)立成分分析（ICA，Independent Component Analysis）提出一種快速背景消除方案。這個方案在室內(nèi)視頻監(jiān)控環(huán)境下能夠容忍光照的變化。在動態(tài)復(fù)雜環(huán)境下，Zhang等[4]提出了一種內(nèi)核相似性模型（KSM，Kernel Similarity Modeling）的目標(biāo)檢測方法，但這個方法僅對簡單的干擾是魯棒的。在動態(tài)背景下，Kim等[5]在文獻(xiàn)中提出一種基于模糊彩色直方圖（FCH，F(xiàn)uzzy Color Histogram）的BS算法用于運(yùn)動檢測，能夠最小化背景運(yùn)動產(chǎn)生的色彩變化。根據(jù)背景圖像不同的目標(biāo)會引起頻率變化的情況，Chen等[6]提出一種分層背景模型。同時，Han等[7]根據(jù)顏色、梯度和類Haar空時特征變量的統(tǒng)計條件，提出一種分塊背景模型，它對光照和陰影的影響都是魯棒的。

上述BS算法都在空域操作，但需要大量的訓(xùn)練序列估計背景模型。因此，這種模型估計增加了計算成本，實際上限制了BS算法在多媒體傳感器網(wǎng)絡(luò)中的應(yīng)用。

最近提出的CS（Compressive Sensing）[8-10]理論說明，如果信號是稀疏的，它能夠通過遠(yuǎn)小于Nyquist采樣率獲取的少量隨機(jī)測量值高概率恢復(fù)原始信號。CS能夠降低復(fù)雜性的同時對圖像進(jìn)行采樣和壓縮處理，因而它具有降低視頻編碼器運(yùn)算成本的優(yōu)越性[11]。因此，我們認(rèn)為CS是視頻信號檢測的較好方案。早期運(yùn)用CS進(jìn)行運(yùn)動目標(biāo)檢測的方式是通過圖像背景的測量值來訓(xùn)練目標(biāo)輪廓，然后再通過訓(xùn)練后的目標(biāo)輪廓檢測運(yùn)動目標(biāo)[12]。但該算法需要大量的存儲和運(yùn)算操作，不適合實時多媒體傳感器的網(wǎng)絡(luò)系統(tǒng)。2012年，Jiang等[13]通過感知的CS值提出一種低秩和稀疏分解的目標(biāo)檢測模型。盡管該模型能夠適應(yīng)于有限帶寬的多媒體傳感器網(wǎng)絡(luò)，但由于視頻序列的小波系數(shù)并非稀疏，因而它對干擾和光照非魯棒。2013年，Yang等[14]基于CS理論提出一種僅需要10%的測量值就能同時恢復(fù)視頻目標(biāo)和背景的檢測方法。然而，該方法仍然需要小波變換系數(shù)實現(xiàn)稀疏分解，因此，在干擾和光照條件下容易產(chǎn)生虛假的目標(biāo)圖像。在文獻(xiàn)[15]中，Write等提出一種壓縮主成成分追蹤的低秩矩陣和稀疏分解的解決方案。該方案在壓縮域能夠?qū)崿F(xiàn)運(yùn)動目標(biāo)檢測。

本文提出一種新的視頻壓縮感知模型（VCSM，Video Compressive Sensing Model），旨在通過CS測量值研究一種通信情況下新的目標(biāo)視頻方法，并解決視頻目標(biāo)的高精度重構(gòu)問題。VCSM的主要優(yōu)點(diǎn)是能用少量的CS測量值，同時重構(gòu)目標(biāo)、背景和視頻序列，且對運(yùn)動干擾具有較好的魯棒性。

2 視頻壓縮感知模型架構(gòu)

圖1為文獻(xiàn)[16]提出的一種三維循環(huán)陣列采樣視頻的實現(xiàn)原理，它能夠同時對視頻信號進(jìn)行感知和壓縮處理，并具有低復(fù)雜性和易于硬件實現(xiàn)的優(yōu)點(diǎn)。這種方法使用兩個步驟實現(xiàn)了視頻壓縮處理：1）隨機(jī)卷積。通過原始矢量幀Xt（t=1， 2， …， T）與循環(huán)矩陣C卷積產(chǎn)生循環(huán)測量值Cxt；2）隨機(jī)采樣。首先應(yīng)用排列矩陣P對Cxt進(jìn)行隨機(jī)產(chǎn)生排列矢量PCxt，然后再應(yīng)用子采樣矩陣St對PCxt進(jìn)行處理，最后產(chǎn)生一種降維的壓縮值矩陣A=StPCxt=[a1， a2， …， aT]。

基于圖1的結(jié)構(gòu)，已知測量矩陣A，我們提出采用CS技術(shù)重構(gòu)運(yùn)動視頻的目標(biāo)和背景。借鑒2009年Candes等提出的一種魯棒的主成成分分析（RPCA，Robust Principal Component Analysis）模型。該模型通過求解公式（1）的最小化問題，能同時重構(gòu)視頻的目標(biāo)和背景幀：

（1）

其中，X∈R（MN）×T代表原始視頻序列，B和F分別代表視頻的背景和目標(biāo)。但RPCA模型具有兩種缺陷，一是不能直接通過A重構(gòu)B和F；二是目標(biāo)圖像重構(gòu)僅對稀疏分布的視頻幀具有魯棒性[17-18]。然而，現(xiàn)實世界的視頻序列存在運(yùn)動干擾，很少具有稀疏性。文獻(xiàn)[16]利用幀間和幀內(nèi)的相關(guān)性，提出一種三維全局變量（TV3D）的CS視頻重構(gòu)技術(shù)。TV3D具有低的復(fù)雜性（O（3×MN×T）），其實現(xiàn)模型為：

TV3D （2）

其中，D1，D2分別是一個幀內(nèi)水平和垂直的差分操作因子，而D3是時間變量差分操作因子。

為了能夠從采樣后的CS測量值直接檢測和重構(gòu)運(yùn)動目標(biāo)，我們結(jié)合RPCA和TV3D提出一種新的目標(biāo)、背景和視頻序列重構(gòu)模型。在CS域，這種模型可以描述為：

（3）

其中，X=[x1， x2， … xT]代表原始頻序列，B=[b1， b2， … bT]為背景，F(xiàn)=[f1， f2， …， fT]為運(yùn)動目標(biāo)，Φ為CS域測量矩陣。在公式（3）中，TV3D用于提高視頻目標(biāo)重構(gòu)的質(zhì)量。由于公式（3）對可變初始化過程不敏感，因此，X，B，F(xiàn)的初始化矩陣可設(shè)置為0矩陣。這樣，rank（B）的最小化問題成為NP問題[17]。通過核范數(shù)，我們把公式（3）問題變成求解如下問題：

（4）

在公式（4）中，TV3D用于保證低秩計算和稀疏分解的精確處理。為了求解公式（4），我們定義重構(gòu)的目標(biāo)、背景和視頻序列分別為。由于目標(biāo)重構(gòu)對劇烈運(yùn)動的干擾非魯棒，Borenstein等[19]利用置信圖（confidence map）確定圖像區(qū)域的原理，提出一種優(yōu)良的圖像分割算法。受此啟發(fā)，本文使用構(gòu)造一個置信圖并定義置信圖為M=[m1， m2， …， mT]， mi∈0， 1；i=1， 2， …， T。在M中，置信圖是一個二進(jìn)制矩陣，其中運(yùn)動目標(biāo)的像素位置設(shè)置為1，運(yùn)動干擾的像素位置設(shè)置為0。通過使用（這里代表了Hadamard乘積），我們想進(jìn)一步改善視頻目標(biāo)圖像的重構(gòu)質(zhì)量。由于運(yùn)動干擾的重復(fù)性和局部集中的特點(diǎn)[20-21]，現(xiàn)實世界的視頻監(jiān)控系統(tǒng)能夠用高斯分布模型化[22-23]。本文使用混合高斯模型（MGM，Mixed Gaussian Model）來估計受運(yùn)動干擾后像素影響的強(qiáng)度分布[22]：

（5）

這里f（xij）代表的第i列第j個像素xij的概率密度函數(shù)，ω是MGM的加權(quán)值，?x和σx分別是置信圖算法估計得到的均值和標(biāo)準(zhǔn)方差，?p和Σp為xij的粒子軌跡矩陣估計得到的均值和協(xié)方差矩陣[22]。粒子軌跡矩陣Σp可通過Lagrangian粒子軌跡矩陣移位法實現(xiàn)[24-25]，主要用于獲取運(yùn)動干擾引起的像素偏差。

基于公式（5），本文中置信圖的實現(xiàn)流程如下：

（1）使用公式（5）估計每個像素的概率密度f（xij）；

（2）設(shè)置門限閾值θ，判斷哪些像素屬于運(yùn)動干_或運(yùn)動目標(biāo)值；

（3）如果f（xij）>θ，則像素xij=1；否則，xij=0。

重復(fù)以上過程，得到的二進(jìn)制矩陣即為實現(xiàn)的置信圖M。

3 視頻目標(biāo)圖像的重構(gòu)算法

在公式（4）中，視頻壓縮的過程可以描述為αt=Φxt。由于使用P，C和St（t=1， 2， …， T）產(chǎn)生了壓縮測量矩陣A（如圖1所示），因此，我們應(yīng)用特殊形式rt=Cxt和StPrt=αt替代ΦX=A，則公式（4）可以寫為：

（6）

這里，R=[r1， r2， …， rT]是循環(huán)測量矩陣。對于公式（6）的實現(xiàn)，每次迭代需要兩步進(jìn)行。第1步，算法重構(gòu)原始視頻X；第2步，分割背景和目標(biāo)。為了重構(gòu)X，求解公式（7）：

（7）

采用擴(kuò)展拉格朗日乘法器（ALM）[26]求解公式（7），可以得到：

（8）

這里，λi和ν是拉格朗日乘法器矩陣?？梢姡剑?）可替代公式（7）求解。因此，ALM通過迭代拉格朗日函數(shù)和更新拉格朗日乘法器能夠解決公式（8）的最小化問題。其實現(xiàn)過程如下：

（9）

（10）

（11）

注意到，直接求解公式（9）很困難，因此，有：

（12）

（13）

（14）

公式（12）子問題的求解如下：

（15）

其中，Sα（?）代表軟閾值操作因子，它被定義為：

Sα（x）=sign（x）×max{|x|-α，0} （16）

其中，α表示條件軟閾值大小。

接著，我們通過如下步驟求解公式（13）子問題[16]：

（17）

（18）

公式（18）中PicSt是St選擇的CS測量值索引，rt是矩陣R的第t列值。對于公式（14），X可通過解二次方程式求解。固定Xk+1，求解公式（19）重構(gòu)B和F：

（19）

公式（19）的擴(kuò)展拉格朗日函數(shù)可以表示為：

（20）

公式（20）中，Y是拉格朗日乘法器矩陣，代表了矩陣內(nèi)積。使用ALM算法求解公式（20）中的最小化問題如下：

（21）

（22）

類似地，使用替換策略求解公式（21）中的每個元素的最小化如下：

（23）

（24）

綜合以上求解過程，視頻目標(biāo)檢測及其重構(gòu)算法的整個過程如圖2所示：

在上述算法中，置信圖M，

Dα（?）是矩陣Z的奇異值收縮因子，并定義為Dα（Z）=USα（Σ）VT。其中，U和V是實單位矩陣，∑是正則化對角矩陣。Sα（?）為矩陣∑的軟閾值操作因子。

4 實驗結(jié)果分析

為了量化算法的實現(xiàn)性能，視頻目標(biāo)的檢測精度利用F范數(shù)-測量值表示，并定義：

F測量=2×（精度×重構(gòu)率）/（精度+重構(gòu)率） （25）

其中，精度和重構(gòu)率為：

精度=TP/（TP+FP），重構(gòu)率=TP/（TP+FN） （26）

其中，TP、FP以及FN分別表示實正數(shù)、假正數(shù)以及假負(fù)數(shù)。F-測量值越高，表示視頻檢測精度的效率越好。表1列出了算法實現(xiàn)時的主要設(shè)置參數(shù)：

在實驗中，我們對提出的VCSM和RPCA模型以及典型的基于背景消除算法的改進(jìn)混合高斯模型（GMM）[29]進(jìn)行了比較。VCSM、RPCA和GMM均在空域?qū)崿F(xiàn)，所有的實驗使用HP計算機(jī)實現(xiàn)（EliteDesk 800 G1 SFF；Intel（R）Core（TM） i7_4790 CPU @3.60 Hz 3.6 GHz；安裝內(nèi)存：4.00 GB；系統(tǒng)類型：64位）。

為了和GMM比較，我們給出一種目標(biāo)重構(gòu)的突出比較形式。實驗選擇4種室內(nèi)視頻序列（機(jī)場大廳176×144×30，候機(jī)室160×128×30，餐廳160×120×30和商場大廈320×256×30）作為測試對象進(jìn)行性能評估。實驗結(jié)果如圖3所示?？梢钥吹?，VCSM僅需要CSR=0.2的測量值就能實現(xiàn)RPCA和GMM方法類似的視頻效果。

最后，我選擇一組實際的戶外視頻進(jìn)行實驗，進(jìn)一步說明算法的實現(xiàn)效果。圖4隨機(jī)選擇4幀圖像進(jìn)行實驗，包含陰影和攝像機(jī)抖動干擾。從圖4（b）可以清晰地看到，VCSM方法能比較準(zhǔn)確地區(qū)分目標(biāo)的輪廓形狀，且能完全地消除攝像機(jī)抖動干擾。而RPCA和GMM兩種方法都不能給出目標(biāo)的清晰效果。

5 結(jié)論

本文提出一種基于CS技術(shù)進(jìn)行視頻序列檢測和運(yùn)動目標(biāo)重構(gòu)的實現(xiàn)模型（VCSM），該模型能夠通過少量的測量值實現(xiàn)魯棒的目標(biāo)、背景和原始視頻重構(gòu)。其中，重構(gòu)的視頻序列可通過估計獲得的置信圖進(jìn)一步提升運(yùn)動目標(biāo)的重構(gòu)效果。大量的實驗結(jié)果表明，與典型的空域方法如RPCA、GMM比較，提出的VCSM方法對室內(nèi)和室外視頻均有較好的檢測和目標(biāo)重構(gòu)性能，且僅需要更少的數(shù)據(jù)量。尤其對于室外視頻序列，VCSM可以有效地消除運(yùn)動干擾（如樹枝搖動、噴池水和視頻攝像機(jī)噪音等）。VCSM最大的問題是，算法求解核范數(shù)時計算復(fù)雜性較高。因此，未來我們將使用云計算及其在線并行技術(shù)實現(xiàn)VCSM對運(yùn)動目標(biāo)的視頻分析。

參考文獻(xiàn)：

[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

中圖分類號：X792 文獻(xiàn)標(biāo)識碼：A

隨著人們生活水平的提高，人們對食品安全的問題更加重視，從我國的食品安全現(xiàn)狀來看，仍有諸多問題有待完善，尤其是人們的安全意識不夠，導(dǎo)致越來越多的食品安全事件。除了人們的意識之外，分析檢測技術(shù)的水平也會影響食品安全的狀況，本文就從食品分析檢測技術(shù)的角度來分析當(dāng)前我國食品安全的現(xiàn)狀。

1對我國食品安全現(xiàn)狀的分析

從當(dāng)前的發(fā)展情況來看，我國的食品安全狀況讓人堪憂，安全事故頻繁發(fā)生，毒奶粉、毒豆芽、毒豇豆等頻繁出現(xiàn)在消費(fèi)市場中，威脅著人們的消費(fèi)安全與身體健康。從其產(chǎn)生的原因來看，主要有以下幾點(diǎn)：

1.1 消費(fèi)者的安全意識不足

消費(fèi)者的食品消費(fèi)意識不足，在日常飲食的安排中存在諸多不足，不夠科學(xué)合理。我國人民對一些經(jīng)過腌制、烤制、熏醬的食品十分鐘愛，但是從科學(xué)的角度來看，這類食品存在著諸多威脅健康的因素，尤其是亞硝酸鹽超標(biāo)，長期攝入的話可能會導(dǎo)致癌癥的發(fā)生。

1.2 生產(chǎn)者追求利益最大化導(dǎo)致的食品安全問題

一些生產(chǎn)者受到利益的驅(qū)使，不按生產(chǎn)工藝要求生產(chǎn)，超范圍、超量使用食品添加劑，或濫用非食用物質(zhì)，采用劣質(zhì)原料等進(jìn)行食品加工，導(dǎo)致所生產(chǎn)的食品危害人體健康。造成這些問題并不是由于科技落后，主要是由于一些食品生產(chǎn)者的道德水準(zhǔn)較低、法律意識淡薄，在利益的誘惑下，不顧法律、法規(guī)的要求，違規(guī)生產(chǎn)，導(dǎo)致了諸多食品安全問題的出現(xiàn)。

2改善食品安全現(xiàn)狀的有效對策

2.1 強(qiáng)化衛(wèi)生安全宣傳意識

目前，肥胖、高血壓、糖尿病、癌癥的病人數(shù)量急劇增加，從其原因來看，主要是由于其不注意飲食造成的，因此，強(qiáng)化消費(fèi)者的衛(wèi)生意識具有十分重要的意義，這是關(guān)系到人民生活質(zhì)量的重要部分，是直接影響到國民整體健康與平均壽命的重要因素，因此，必須要加強(qiáng)食品安全與衛(wèi)生知識的教育。要善于發(fā)揮媒體的力量，強(qiáng)化人們的衛(wèi)生安全意識，從基礎(chǔ)教育開始進(jìn)行安全衛(wèi)生知識的訓(xùn)練，強(qiáng)化公眾的衛(wèi)生意識，培養(yǎng)更多的優(yōu)秀人才，提高我國食品安全水平。

2.2 完善食品安全法律的建設(shè)

建立健全法律體系是保證食品安全的一個主要對策，從我國的食品安全法律發(fā)展情況來看，盡管其起步晚，但是其發(fā)展較為迅速，在借鑒國外法律的基礎(chǔ)上，不斷結(jié)合我國當(dāng)前食品安全的發(fā)展情況制定有針對性的對策，大大提升我國食品安全的水平。

3改善食品安全檢測技術(shù)

良好的檢測技術(shù)是 保證食品安全的一個重要手段，隨著人們對食品安全的重視程度日益提升，人們對食品檢測的重視程度也有了很大的提高，為了適應(yīng)新形勢的發(fā)展，質(zhì)監(jiān)機(jī)構(gòu)要不斷地完善自身建設(shè)，不斷研發(fā)高端的檢測儀器，不斷開發(fā)先進(jìn)的檢測方法，不斷提高檢測水平。

3主要的食品檢測技術(shù)分析

3.1 微波消解技術(shù)的應(yīng)用

該技術(shù)主要用于食品微量元素的分析，其關(guān)鍵是要做好樣品的前處理工作。一般對樣品主要采用高溫灰化法、低溫灰化法、濕法分解法等，相比較之下，高溫灰化法的取樣量大、加熱時間較長，耗電多，同時對一些易揮發(fā)的元素?fù)p失影響測定不夠準(zhǔn)確；低溫灰化法可以彌補(bǔ)這一不足，但是時間過長，設(shè)備昂貴，實驗的要求較高，一般情況下采用較少；濕法分解法則較為常用，但是其操作繁瑣，非常容易污染，樣品的消化不夠徹底。針對這一情況，近年來以樣品為中心的技術(shù)迅速發(fā)展，以微波消解法為代表，其充分結(jié)合傳統(tǒng)方法的優(yōu)勢，提高了分析速度，并且可以減少損失，可以將樣品完全消解，提升了樣品處理效率。

3.2 近紅外光譜在食品分析中的運(yùn)用

所謂的近紅外光就是指處于可見光與紅外光間的電磁波，一般有機(jī)物在該區(qū)的近紅外光譜吸收主要是含氫基團(tuán)（OH，CH， NH，SH，PH）等的倍頻和合頻吸收。其可以直接測定樣品，采用近紅外光譜的測定技術(shù)主要有透射法、漫反射法和反射透射法，可以根據(jù)樣品對近紅外光的透過情況選擇測量技術(shù)，除此之外，三種技術(shù)的融合可以測定更多的樣品。

3.3 生物酶法在食品分析中的應(yīng)用

生物酶是由活細(xì)胞產(chǎn)生的具有一定催化功能的有機(jī)物，以蛋白質(zhì)為主，同時也含有部分的RNA。從酶的歷史來看，其已經(jīng)有80幾年的歷史，生物酶是由生物體中提取的，是一種催化劑，在食品工業(yè)中的酶以蛋白酶為主，其廣泛存在于植物莖葉中，各種生物都可以合成，但是只有微生物蛋白酶具有生產(chǎn)價值。其主要應(yīng)用食品發(fā)酵工業(yè)中，同時也被應(yīng)用于食品檢測行業(yè)中。

3.4 原子熒光在食品分析中的應(yīng)用

砷是一種有害元素，其普遍存在于自然界環(huán)境與動植物體內(nèi)，由于部分農(nóng)藥含有砷，大量應(yīng)用會導(dǎo)致人體砷中毒，除此之外，食品中一些添加劑的使用也會導(dǎo)致砷中毒。目前，砷檢測主要采用原子熒光法、銀鹽法、原子吸收光譜法等等。經(jīng)過分析發(fā)現(xiàn)，各種方法都存在著一定的不足，經(jīng)過不斷地努力，我們發(fā)現(xiàn)可以利用微波消解的方法對樣品進(jìn)行處理后，采用原子熒光法進(jìn)行處理效果較好，大大提升了檢測的質(zhì)量。

4食品分析檢測技術(shù)的發(fā)展

隨著食品工業(yè)的迅速發(fā)展，食品的種類不斷增多，這也對食品安全分析檢測提出了新的要求，要求技術(shù)不斷地創(chuàng)新與完善，開始采用儀器分析與自動化分析的方法來代替?zhèn)鹘y(tǒng)的手工操作。氨基酸自動分析儀、原子吸收分光光度計及可進(jìn)行光譜掃描的熒光分光光度計等儀器在食品分析中得到了越來越多的應(yīng)用。

隨著研究的日益深入，一些采用現(xiàn)代技術(shù)的檢測方法不斷地涌現(xiàn)，大大縮短了傳統(tǒng)的檢測時間，可以提高檢測的效率，同時操作十分簡單。比如：梅里埃公司生產(chǎn)的miniVIDAS利用熒光免疫的方法檢測葡萄球菌腸毒素，在儀器上僅僅45分鐘就可以得到較為準(zhǔn)確的結(jié)果。

新的檢測技術(shù)逐漸取代傳統(tǒng)技術(shù)，在不久的將來，芯片技術(shù)必然會成為未來食品檢測行業(yè)的主體，而且在食品安全領(lǐng)域會有更加廣闊的空間。

結(jié)語

從上文的分析中我們可以看到，我國的食品安全問題堪憂，隨著人們生活水平的提高，人們對食品安全越來越重視，因此只有不斷提高食品檢測水平，才能為百姓提供更多的安全食品，才能為百姓的健康與生命安全奠定基礎(chǔ)。

篇8

中圖分類號:TS207.3 文獻(xiàn)標(biāo)識碼:A 文章編號:1672-3791(2012)08(a)-0229-01

近年來,隨著城市工業(yè)化程度越來越高,由此引發(fā)的環(huán)境問題日益嚴(yán)重,食品安全已成為人們越來越關(guān)注的焦點(diǎn)問題。傳統(tǒng)的食品檢測方法已經(jīng)不能適應(yīng)現(xiàn)代社會的發(fā)展要求,基因探針法、PCR技術(shù)、免疫學(xué)檢測技術(shù)、生物芯片和生物傳感器技術(shù)等生物技術(shù)在食品檢測中已經(jīng)得到廣泛應(yīng)用。充分利用現(xiàn)代生物技術(shù)為人們的生活質(zhì)量保駕護(hù)航,已是迫在眉睫。

1 生物技術(shù)在食品檢測中的應(yīng)用

在當(dāng)前的食品檢測方法中,基因探針法、PCR技術(shù)、免疫學(xué)檢測技術(shù)和生物芯片技術(shù)是最為常見的生物技術(shù)。下文中,筆者將會逐一進(jìn)行詳細(xì)介紹。

1.1 基因探針技術(shù)

基因探針技術(shù)即DNA探針技術(shù),又稱分子雜交技術(shù),是利用DNA分子的變性、復(fù)性以及堿基互補(bǔ)配對的高度精確性,對某一特異性DNA序列進(jìn)行探查的新技術(shù)。

目前,基因探針雜交方法總體上可以分為兩種:一種是異相雜交;另外一種是同相雜交,其關(guān)鍵技術(shù)都在于DNA探針的構(gòu)建。例如,在食品微生物檢測中,大腸桿菌具有葡糖苷酸酶的特性,利用大腸桿菌中編碼該酶的基因序列作為目標(biāo)DNA,并制成DNA探針,用以檢測食品中的總大腸桿菌。與傳統(tǒng)微生物檢測方法相比,基因探針技術(shù)不僅能克服傳統(tǒng)食品微生物檢驗方法的不足,而且還具有特異性強(qiáng)、靈敏度高和操作簡便、省時等優(yōu)點(diǎn)。與此同時,基因探針技術(shù)也存在其局限性,如檢測成本高、速度慢、效率相對較低,這些都是在以后的科研中需要改進(jìn)的地方。

1.2 PCR技術(shù)

PCR技術(shù)又名聚合酶鏈反應(yīng)技術(shù),是由Korana于1971年最早提出核酸體外擴(kuò)增的設(shè)想而產(chǎn)生的,并經(jīng)過多年的實踐研究發(fā)展,近年來才逐漸應(yīng)用到食品安全控制中。PCR由變性,退火(復(fù)性),延伸三個基本反應(yīng)步驟構(gòu)成,其基本工作原理是以擬擴(kuò)增的DNA分子為模板,以一對分別與模板互補(bǔ)的寡核苷酸片段為引物,在DNA聚合酶的作用下,按照半保留復(fù)制的機(jī)制沿著模板鏈延伸直至完成的DNA合成。經(jīng)過n次擴(kuò)增后,PCR產(chǎn)物(復(fù)制出的DN段)可達(dá)2n個,可以滿足各種分析的需要。2011年,實時熒光定量PCR技術(shù)在轉(zhuǎn)基因食品檢測領(lǐng)域中的應(yīng)用和Taq Man PCR快速檢測食品中的空腸彎曲菌都是近期PCR技術(shù)在食品檢測中比較成功的案例。

PCR技術(shù)只需要使用很微量的物質(zhì),就能擴(kuò)增到大量我們需要的目的片斷,并且可以對檢測樣品進(jìn)行定性和定量的分析。但同時PCR實驗室要求嚴(yán)格,檢測儀器價格昂貴,技術(shù)含量高,操作復(fù)雜,對相關(guān)技術(shù)人員要求較高。

1.3 免疫技術(shù)

抗原與抗體的結(jié)合反應(yīng)是一切免疫測定技術(shù)的最基本原理。免疫技術(shù)一般可分為三類:免疫標(biāo)記技術(shù)、免疫沉淀反應(yīng)和免疫凝集試驗。免疫檢測是目前生物學(xué)檢測方法中用途最廣泛的一種方法,具有特異性強(qiáng)、靈敏度高、方便快捷、分析容量大、檢測成本低等特點(diǎn),尤其對于食品檢測非常敏感,通常會用在蛋白質(zhì)結(jié)構(gòu)分析中。

目前最常用的免疫學(xué)檢測技術(shù)中,酶聯(lián)免疫吸附試驗(ELISA)在食品檢測方面已得到普及。ELISA是將特異的抗體標(biāo)記上酶制成酶標(biāo)抗體酶標(biāo)抗體既具有抗原抗體反應(yīng)的特性,又具有酶的底物催化特性,它與相應(yīng)的抗原結(jié)合后,加上相應(yīng)的底物,根據(jù)底物顯色的深淺對抗原做出定性或定量的判斷。例如用該法檢測轉(zhuǎn)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,可極大的放大反應(yīng)效果,從而使測定達(dá)到很高的靈敏度和穩(wěn)定性。不過在應(yīng)用中ELISA分析法也有一定的局限性,在被檢測樣品的蛋白濃度較低時可能會出現(xiàn)陰性,因此,ELISA分析法一般用于對鮮活組織的檢測和對接受基因工程改造生物體的初步檢測。

1.4 生物芯片技術(shù)

生物芯片是將大量生物識別分子按預(yù)先設(shè)置的排列固定于一種載體(如硅片、玻片及高聚物載體等)表面,利用生物分子的特意性親和反應(yīng),如核酸雜交反應(yīng),抗原抗體反應(yīng)等來分析各種生物分子的存在及其量的一種技術(shù)。

基因芯片的最大優(yōu)點(diǎn)在于其高通量。傳統(tǒng)方法檢測眾多基因要經(jīng)歷多次實驗而且自動化程度低,因而每次實驗之間是存在系統(tǒng)誤差的?；蛐酒梢钥朔@個缺點(diǎn),眾多基因的探針的標(biāo)記、雜交等過程是在一次實驗過程中完成的,而且自動化程度高,數(shù)據(jù)客觀可靠。基因芯片的缺點(diǎn)在于其不能對待檢測基因在多細(xì)胞類型組織中的精確定位進(jìn)行判斷。另外很多蛋白質(zhì)調(diào)節(jié)其功能主要不是依賴其是否表達(dá)或表達(dá)量高低,而是依賴蛋白質(zhì)磷酸化-去磷酸化等方式。在這種情況下,用核酸類生物芯片就沒有什么意義了,正在研究開發(fā)中的蛋白類芯片可能會有所作為的。

1.5 生物傳感器技術(shù)

生物傳感器(Biosensor):是由固定化并具有化學(xué)分子識別功能的生物材料、換能器件及信號放大裝置構(gòu)成的分析工具或系統(tǒng)。其主要由生物敏感元件、換能器和信號處理放大裝置構(gòu)成。生物傳感器技術(shù)應(yīng)用于食品檢測方面的優(yōu)勢很多,它響應(yīng)快,樣品用量少;分析操作簡單;除緩沖液外無需添加試劑;可連續(xù)分析,聯(lián)機(jī)操作,易于實現(xiàn)自動化測量等等。

當(dāng)前,生物傳感器技術(shù)在食品檢測方面功能主要有兩個方面:一是檢測魚、肉和牛乳等食品的新鮮度;二是用來檢測食品滋味及熟度。例如:日本農(nóng)林水產(chǎn)省研制出一種傳感器,可“品嘗”肉湯的風(fēng)味,用于肉湯生產(chǎn)過程的質(zhì)量控制。

除了上文論述的一些生物技術(shù)外,越來越多的新技術(shù)將會逐漸應(yīng)用到食品檢測中,其前景是值得期待的。

2 結(jié)語

生物技術(shù)以其經(jīng)濟(jì)、高效等特點(diǎn)得到廣大科研人員的普遍認(rèn)可,成為當(dāng)前食品檢測中重要力量。與此同時,國家也不斷加大投入和頒布相關(guān)法律、法規(guī)保障食品檢測技術(shù)的研究和應(yīng)用。相信不久的將來,隨著我國科技的發(fā)展,在各方研究人員的共同努力下,生物技術(shù)在食品檢測中的應(yīng)用定會更加成熟,為我國的食品安全,為人們的生活造福。

參考文獻(xiàn)

[1]唐亞麗.生物芯片技術(shù)及其在食品營養(yǎng)與安全檢測中的應(yīng)用[J].食品與機(jī)械,2010(5).

[2]劉彥輝.淺議生物技術(shù)在食品檢測方面的應(yīng)用[J].黑龍江科技信息,2011(16).

[3]蘇二輝.表面等離子共振生物傳感技術(shù)在食品安全快速檢測中的應(yīng)用研究進(jìn)展[J].河南農(nóng)業(yè)大學(xué)學(xué)報,2007(1).

篇9

中圖分類號TS2 文獻(xiàn)標(biāo)識碼A 文章編號 1674-6708（2014）106-0127-02

近幾年，因城市工業(yè)化日漸加深，使得環(huán)境問題越來越嚴(yán)重，人們對食品安全的關(guān)注也越來越多，食品安全已經(jīng)成為牽動人心的焦點(diǎn)問題。然而，對于現(xiàn)在的食品檢測，傳統(tǒng)的方法已經(jīng)與現(xiàn)代社會發(fā)展需求完全脫軌，當(dāng)前在食品檢測中廣泛應(yīng)用的是PCR技術(shù)、生物芯片、基因探針法、生物傳感器技術(shù)、免疫技術(shù)等生物技術(shù)。眼前，人們越來越關(guān)注食品安全，即是食品質(zhì)量的安全。在我國，影響并制約食品安全的因素有很多，比如法規(guī)法律尚不完善，政府監(jiān)管松懈以及科學(xué)技術(shù)上遭遇“瓶頸”等。因此，生物技術(shù)的廣泛應(yīng)用使人們實現(xiàn)了簡便快捷、特異性強(qiáng)、靈敏度高的食品檢測方法。

1基因探針法

基因（DNA）探針法又稱分子雜交技術(shù)，其原理是利用基因的重復(fù)性、變性和其堿基互補(bǔ)配對的精確性來探查某一DNA序列的新技術(shù)。當(dāng)前，DNA探針雜交法有兩種，分別同相雜交和異相雜交，其技術(shù)的關(guān)鍵就是構(gòu)建基因探針。近幾年，基因探針雜交技術(shù)十分廣泛的應(yīng)用于食品微生物的檢測中，如今可檢測食品中存在的大腸桿菌、沙門氏菌、李斯特氏菌、葡萄球菌和志賀氏菌等。相較于傳統(tǒng)的檢測方法，DNA探針技術(shù)在克服了傳統(tǒng)檢測方法缺點(diǎn)的同時，其操作簡便快捷、靈敏度高、特異性強(qiáng)的優(yōu)點(diǎn)使食品檢測結(jié)果更精準(zhǔn)。但是，DNA探針技術(shù)也存在著速度慢、成本高、效率低等局限性，在今后的科學(xué)研究中還需改進(jìn)。

2 PCR 技術(shù)

PCR技術(shù)的原理是以需要擴(kuò)增的DNA分子作為模板，用分別和模板互補(bǔ)的一對寡核苷酸的片段作引物，遵從半保留復(fù)制原則，在DNA聚合酶的作用下完成擴(kuò)增，因此，又稱聚合酶鏈反應(yīng)技術(shù)，由變性、復(fù)性和延伸三個步驟構(gòu)成。僅需要用很少的物質(zhì)便可大量擴(kuò)增所需的基因片段，并可以定量、定性地分析檢測樣品，這是PCR技術(shù)的一大優(yōu)點(diǎn)。與此同時，由于檢測儀器昂貴，操作復(fù)雜、技術(shù)含量較高，因此對其技術(shù)人員有較高且嚴(yán)格的要求。由于現(xiàn)在分子生物學(xué)技術(shù)正在突飛猛進(jìn)的發(fā)展，轉(zhuǎn)基因食品已經(jīng)隨處可見，由此可見轉(zhuǎn)基因食品逐漸進(jìn)入了人們的生活，它們在人們的餐桌上出現(xiàn)的同時，轉(zhuǎn)基因食品的安全性也倍受人們的關(guān)注，成為了百姓飯前茶后所談?wù)摰臒狳c(diǎn)話題。由于在傳統(tǒng)的食物中，并不存在轉(zhuǎn)基因食品中的蛋白質(zhì)和新遺傳物質(zhì)，使消費(fèi)者存在隱憂。為了讓人們的健康有一個可靠的保障，使消費(fèi)者消除顧慮，讓商品流通和國際貿(mào)易更加有利，研發(fā)一個快速、簡便、準(zhǔn)確的食品安全檢測技術(shù)迫在眉睫。

3 免疫學(xué)檢測技術(shù)

免疫學(xué)檢測技術(shù)的基本原理是抗體和抗原的結(jié)合反應(yīng)，一般可將其分為三類：免疫沉淀反應(yīng)、免疫標(biāo)記技術(shù)和免疫凝集試驗。目前，免疫學(xué)檢測技術(shù)在檢測方法中用途最為廣泛，其具有方便快捷、特異性強(qiáng)、檢測成本低、靈敏度高、分析容量大等特點(diǎn)，特別表現(xiàn)在食品檢測方面，在分析蛋白質(zhì)的結(jié)構(gòu)中通常會用到。當(dāng)前，免疫技術(shù)中的酶聯(lián)免疫法已在食品檢測中得到普及。近幾年，在傳統(tǒng)檢測方法的基礎(chǔ)上，免疫學(xué)開發(fā)出新的檢測技術(shù)，其中包括放射免疫測定、熒光免疫測定、免疫傳感器、免疫磁性分離和酶免疫測定，比如PCR-ELISA技術(shù)，就是將酶聯(lián)免疫技術(shù)與PCR技術(shù)結(jié)合，可用于檢測大腸桿菌，效果良好。酶聯(lián)免疫技術(shù)是將酶標(biāo)記在特異的抗體上，即為酶標(biāo)抗體。它具有酶的底物催化和抗體抗原反應(yīng)的特性，它和與它對應(yīng)的抗原相結(jié)合，添加底物，便可依據(jù)底物顯色程度作出定量或定性地判斷。由于酶的催化效率高，能夠最大限度的將反映效果放大，使測定結(jié)果穩(wěn)定且靈敏度高。但其也具有局限性，因此多數(shù)用于檢測鮮活組織和基因工程生物體改造的初步檢測。

4生物芯片技術(shù)

生物芯片技術(shù)的原理是按照預(yù)先的設(shè)置將大量生物分子排列并固定在載體表面，因為生物分子具有特異性親和反應(yīng)，可利用其對生物分子的量和存在進(jìn)行分析，比如抗體抗原反應(yīng)和核酸雜交反應(yīng)等。高通量是基因芯片最為突出的優(yōu)點(diǎn)。相較于傳統(tǒng)檢測方法，生物芯片技術(shù)可克服具有系統(tǒng)誤差的缺點(diǎn)，許多基因探針雜交和標(biāo)記等只需一個過程即可完成，并且生物芯片技術(shù)自動化程度高且其數(shù)據(jù)可靠客觀。但是由于基因芯片技術(shù)無法判斷在細(xì)胞類型較多的組織中檢測基因的精確定位。與基因芯片相比，處于研發(fā)中的蛋白質(zhì)芯片可能將此種情況改善。

上文中論述的生物技術(shù)在食品檢測方面其運(yùn)用前景是十分廣闊的，除此以外，逐漸會有越來越多的更加先進(jìn)的生物技術(shù)在食品檢測中得以應(yīng)用，它的前景很值得期待。

由于生物技術(shù)具有高效、經(jīng)濟(jì)等特點(diǎn)，廣大科學(xué)研究人員對其越來越認(rèn)可，在食品檢測中生物技術(shù)成為了重要的力量。在我國科技不斷發(fā)展科研人員不斷努力創(chuàng)新研究的背景下，在今后的食品檢測中，生物技術(shù)一定會更加成熟的應(yīng)用其中，使我國的食品質(zhì)量安全得到保障。食品安全不僅關(guān)系到人類的健康，更與國家的經(jīng)濟(jì)、政治息息相關(guān)。近幾年，我國大力推進(jìn)食品檢測技術(shù)及食品安全的應(yīng)用及研究，并增強(qiáng)了相應(yīng)法規(guī)法律的制定。與此同時，還需大量投入資金在食品檢測的技術(shù)研究中，并對食品科學(xué)技術(shù)的專業(yè)隊伍加強(qiáng)建設(shè)。綜上所述，生物技術(shù)在食品檢測中已經(jīng)愈來愈顯其優(yōu)越性，但其檢測方法或多或少都存在著局限性，因此在其應(yīng)用中需要搭配和選擇使用，同時也期待生物技術(shù)的改進(jìn)、優(yōu)化以及創(chuàng)新，為食品安全提供可靠保障。

篇10

關(guān)鍵詞：

食品檢驗；生物檢測技術(shù)；應(yīng)用

人們的生存離不開食物，而人的健康和生命安全更是與食品檢測的質(zhì)量有著密切的關(guān)系。在食品檢測的過程中，生物監(jiān)測技術(shù)的應(yīng)用，在很大的程度上提高了食品檢測的質(zhì)量，并且提高了食品質(zhì)量的安全性。目前，生物監(jiān)測技術(shù)應(yīng)用于食品檢驗領(lǐng)域已經(jīng)取得了一定的成果和進(jìn)展，在實際的食品檢驗工作中也獲得了驗證。但是，時代都是在不斷地發(fā)展和進(jìn)步的，如果一項技術(shù)不能夠不斷地改進(jìn)和優(yōu)化，就必然會被時代所淘汰，生物檢測技術(shù)也同樣如此。食品工業(yè)的發(fā)展對于生物檢測技術(shù)提出了更高的要求。因此，在食品檢驗領(lǐng)域研究的一個重點(diǎn)課題，就是加強(qiáng)生物檢測技術(shù)的研究和開發(fā)，從而使我國的食品安全質(zhì)量上升到一個嶄新的高度。

1在食品檢驗中常見的幾種生物檢測技術(shù)

1.1免疫技術(shù)生物檢測技術(shù)有很多種，而其中最為人們所熟知的就是免疫技術(shù)。目前，在食品檢測中，免疫技術(shù)獲得了很好的應(yīng)用，并且在很多方面都有其自身的優(yōu)勢。除此之外，與其他檢測技術(shù)相比，免疫技術(shù)還可用于對于食品進(jìn)行結(jié)構(gòu)分析，并且操作起來最為簡單，功能也最多。

1.2生物酶技術(shù)對于微生物污染和殘余農(nóng)藥含量的檢測，通常可以采用生物酶技術(shù)。生物酶技術(shù)可以分辨性質(zhì)和結(jié)構(gòu)差別很小的物質(zhì)，而較強(qiáng)的特異性更是該項技術(shù)的一個突出特點(diǎn)。目前，免疫法和生物酶技術(shù)融合而成的新的檢測技術(shù)，即酶聯(lián)免疫技術(shù)，已經(jīng)在食品檢驗領(lǐng)域中獲得了十分廣泛的應(yīng)用。在國外，這項技術(shù)的推廣效果較好，我國在這一方面雖然也已經(jīng)取得了一定的進(jìn)步，然而由于起步相對較晚，與國外相比仍然存在一定的差距，而靈敏度和準(zhǔn)確性高則是該項技術(shù)的最大優(yōu)點(diǎn)。

1.3PCR技術(shù)聚合酶鏈?zhǔn)椒磻?yīng)技術(shù)，又名基因體外擴(kuò)散法，能夠在生物體外快速擴(kuò)增DNA序列，也可以擴(kuò)增指定的基因，簡稱為PCR技術(shù)。該項技術(shù)目前已經(jīng)在很多領(lǐng)域獲得了應(yīng)用，最早則是應(yīng)用于轉(zhuǎn)基因和基因克隆技術(shù)上，因其在微量和精度方面的優(yōu)勢，被越來越多的領(lǐng)域所采用，應(yīng)用范圍逐漸擴(kuò)大。經(jīng)過研究發(fā)現(xiàn)，檢驗食品是否受到污染的關(guān)鍵，取決于對于遺傳背景和基因序列檢驗的準(zhǔn)確程度，而這一點(diǎn)正是PCR技術(shù)的優(yōu)勢之一。

1.4生物芯片在食品檢驗中，還有一項高新技術(shù)，即生物芯片技術(shù)。該項技術(shù)主要通過微量點(diǎn)樣或者光導(dǎo)原位合成的方式，使得在載體表面的生物分子產(chǎn)生有序的固化，進(jìn)而形成二位分子排列，繼而同樣品分子雜交。雜交分子會產(chǎn)生一定的信號，根據(jù)信號的強(qiáng)弱，并利用特定的儀器，可以對信號進(jìn)行測定，檢測的效率較高而且速度較快。對測定結(jié)果進(jìn)行分析，最終可以得出檢測的結(jié)論。生物芯片技術(shù)的應(yīng)用和發(fā)展，推動了進(jìn)出口商品監(jiān)管預(yù)警系統(tǒng)和反應(yīng)系統(tǒng)的建立，不僅可以確定食品性疾病的閡值，對于食品的安全狀態(tài)，人們也有了更加深入的了解和更加科學(xué)的認(rèn)識。然而，該項技術(shù)也有一定的缺點(diǎn)，其應(yīng)用性能還有待完善，技術(shù)成本也相對較高，阻礙了該技術(shù)的應(yīng)用。但是，這項技術(shù)的潛力和前景還是十分廣闊的，大量的人力和物力也被投入到了技術(shù)的開發(fā)和研究中，相信生物芯片技術(shù)的大范圍推廣和應(yīng)用將成為食品檢測行業(yè)未來的發(fā)展趨勢。

1.5生物傳感器技術(shù)生物傳感器技術(shù)的特點(diǎn)是檢測速度快，具有較高的靈敏度，并且操作起來十分簡單方便，具有較強(qiáng)的特異性，是一種新型的技術(shù)。其工作原理是選用酶、抗原、抗體、DNA等活性物質(zhì)，經(jīng)過一定的處理后作為分子識別元件，并與待測物進(jìn)行特異性結(jié)合，最終產(chǎn)生復(fù)合物，如光和熱等。信息通過信號轉(zhuǎn)化器來進(jìn)行傳播和放大輸出，即可以獲得所需的檢測結(jié)果，該項技術(shù)的發(fā)展前景十分廣闊，并也因此得到了人們的關(guān)注和重視。

2生物檢測技術(shù)在食品檢測中的應(yīng)用

2.1有害微生物的檢測我們?nèi)粘Ｊ褂玫南喈?dāng)一部分食品中，存在著很多的有害微生物，數(shù)量十分巨大，并且嚴(yán)重地威脅著人們的健康和生命安全。因此，加強(qiáng)有害微生物的檢測質(zhì)量，提高檢測手段變得尤為重要。生物檢測技術(shù)應(yīng)用于食品檢測，其最大的一個優(yōu)勢就是可以檢測有害微生物。因此，應(yīng)加強(qiáng)生物檢測技術(shù)的研究，并加強(qiáng)對于該技術(shù)的推廣和應(yīng)用的力度。以上提到的幾種生物檢測技術(shù)，酶聯(lián)免疫技術(shù)和PCR技術(shù)都可以很好地進(jìn)行有害微生物的檢測。

2.2食品中殘余農(nóng)藥的檢測在經(jīng)濟(jì)利益的驅(qū)使下，并且隨著競爭的日趨激烈，為了獲得更好的產(chǎn)量，得到更高的利潤，在農(nóng)產(chǎn)品的培育過程中使用了大量的化肥和農(nóng)藥。雖然產(chǎn)量大幅度提升，然而產(chǎn)品質(zhì)量和安全卻下降了，甚至生產(chǎn)出了很多有毒的食品，對人們的健康和生命安全來說，無疑是一個潛在的巨大威脅。食品中毒事件時有發(fā)生，引發(fā)了不良的社會影響。因此，對于食品中殘余農(nóng)藥的檢測，也成為食品檢測工作的重中之重。在眾多的生物技術(shù)中，生物傳感器技術(shù)和酶技術(shù)十分適合對于殘余農(nóng)藥的檢測，并發(fā)揮了關(guān)鍵的作用。

2.3食品成分和品質(zhì)的檢測食品檢測工作中，還有一項不容忽視的重要內(nèi)容，即對于食品品質(zhì)和成分的檢測。對于食品成分的檢測，在一段時期內(nèi)，我國主要采取的是生物感應(yīng)法。然而，隨著科技的進(jìn)步和應(yīng)用，食品工業(yè)領(lǐng)域也獲得了飛速的發(fā)展，目前已經(jīng)開發(fā)和研究出將酶作為傳感器的檢測方法，并發(fā)揮了重要的作用。

2.4轉(zhuǎn)基因食品的測試除了以上幾個方面外，食品檢測技術(shù)還可以運(yùn)用在轉(zhuǎn)基因食品的測試中。隨著科學(xué)技術(shù)的發(fā)展，以及人們對轉(zhuǎn)基因食品認(rèn)識程度的不斷加深，轉(zhuǎn)基因食品越來越受到人們的關(guān)注。所以，轉(zhuǎn)基因食品對于人們身體健康的影響，還需要進(jìn)一步的檢測。目前，酸檢測法、蛋白質(zhì)檢測法是較為有效的兩種方法。

3結(jié)束語

綜上所述，食品檢驗中生物檢測技術(shù)的運(yùn)用研究對于食品領(lǐng)域的發(fā)展以及人們的身體健康都有著不可忽視的重要作用。然而，生物檢測技術(shù)的運(yùn)用研究涉及的內(nèi)容比較多，同時又是一項十分復(fù)雜的研究，再加之我國食品領(lǐng)域?qū)τ谏餀z測技術(shù)應(yīng)用的研究并沒有達(dá)到一定的深度，因而不利于實際工作中生物檢測技術(shù)應(yīng)用的提高。所以，在今后食品領(lǐng)域的發(fā)展中，要加強(qiáng)對生物檢測技術(shù)的重視和研究，并且要從食品檢驗的多個角度，從生物檢測技術(shù)應(yīng)用的多個方面進(jìn)行研究，從而研究出更好、更有效地促進(jìn)生物檢測技術(shù)應(yīng)用提高的方法和措施，從而促進(jìn)我國食品檢測領(lǐng)域的進(jìn)一步發(fā)展。

參考文獻(xiàn)

[1]陳運(yùn)如.食品檢驗中生物檢測技術(shù)應(yīng)用的分析[J].新農(nóng)村（黑龍江），2011（3）.

[2]羅梅蘭，葉云，梁超香.生物檢測技術(shù)在食品檢驗中的研究[J].食品與機(jī)械，2006（2）.

[3]楊景濤，張鳳嶺.食品檢驗中的生物檢測技術(shù)應(yīng)用[J].科技創(chuàng)新導(dǎo)報，2011（15）.

[4]李巖.食品檢驗中生物檢測技術(shù)應(yīng)用的分析[J].中國醫(yī)藥指南，2012（13）.