第一部分：項目背景與介紹

在食品生產過程中，確保產品的安全性是至關重要的。異物污染是食品安全領域的一個常見問題，它可能導致產品召回、成本上升以及品牌聲譽受損。為了應對這一挑戰，我們采用了高光譜成像技術，該技術能夠在整個生產過程中提供有效的質量保證措施。

本研究使用了Sinespec SP130M高光譜相機（波長范圍900-1700 nm）和Specim LabScanner 40*20設備，對雞肉片、蔬菜餡餅和山羊奶酪等三種食品進行了測量，并在其中放置了不同類型的污染物。我們的目標是建立一個能夠準確檢測食品中異物的分類模型。

第二部分：實驗過程與數據采集

我們首先對雞肉片進行了測量，使用了木材、金屬以及兩種塑料（PE和PS）作為污染物。實驗過程中，將食物放置在烘焙紙上，并使用高光譜相機進行掃描。隨后，我們利用相同的污染物對蔬菜餡餅進行了檢測。最后，對山羊奶酪進行了測量，其中使用了一小塊薄薄的白色塑料包裝材料作為污染物。

在實驗過程中，我們獲取了每種食品和污染物的光譜數據，并進行了基于White Ref和Dark Ref的標準化處理。通過SpecimINSIGHT分析軟件，我們提取了反射率數據，并進行了區域選擇，以便進行后續的光譜比較和分類模型建立。

第三部分：光譜比較與分類模型建立

通過對雞肉片、蔬菜餡餅和山羊奶酪的光譜數據進行比較，我們發現食品和污染物之間的光譜特征存在明顯的差異。這種差異為我們建立分類模型提供了基礎。

我們使用了偏最小二乘判別分析（PLS-DA）模型對每種食品進行檢測以找出異物。對于雞肉片和蔬菜餡餅，模型包含了五個類別（PE、PS、木材、金屬和食品）。而對于山羊奶酪，由于只有一種污染物，分類模型只包含兩個類別（塑料和食品）。在每個模型中，背景都會被檢測到并用黑色進行可視化。

通過PLS-DA模型，我們能夠準確地區分食品和污染物，并對異物進行標識和可視化展示。這為食品生產過程中的異物檢測提供了有效的解決方案。

第四部分：結論與展望

本研究使用Sinespec SP130M高光譜相機成功地檢測了食品中的異物。實驗結果表明，高光譜成像技術能夠區分食品和污染物的光譜特征差異，并建立分類模型進行檢測。該技術具有探測人眼無法看見的污染物的能力，這是標準RGB相機無法實現的。

未來，我們可以進一步探索高光譜成像技術在食品安全領域的應用潛力。例如，可以研究更多種類的食品和污染物，優化分類模型的準確性和穩定性。此外，還可以考慮將高光譜成像技術與其他無損檢測技術相結合，以提高食品安全檢測的效率和可靠性。相信通過不斷的努力和創新，我們能夠為保障食品安全做出更大的貢獻。