友思特应用
ChipSense光谱芯片应用解析(二):食品质量检测
友思特ChipSense™高光谱传感芯片
在食品工业中,从原料收购、生产加工到成品出厂,水分、脂肪、蛋白质、糖分、酒精、掺假物等指标直接决定产品品质与安全。传统实验室检测精度高,但往往耗时数天、成本高昂,且依赖专业人员和复杂样品制备。
ChipSense™高光谱传感芯片以4×4 mm封装、500–1700 nm光谱范围、16通道计算光谱架构,将实验室级检测能力压缩到可嵌入设备的尺寸。它不追求重建完整光谱,而是把16个通道的响应信号直接交给机器学习模型,建立光谱信号与目标成分之间的关联,这种思路使其适合在线、便携、快速检测,非常适合各类食品工厂、现场的检测场景。
食品应用8大案例
01 谷物水分:实时替代烘箱干燥法
谷物含水量直接影响储存稳定性和加工品质。传统烘箱干燥法需要数天时间,难以满足收购和仓储环节的实时决策需求。ChipSense™在谷物水分检测实验中达到95%准确度,预测值与期望值的R²为0.905,RMSE为1.305,RPD为3.248。
这意味着粮食收购站、仓储企业和加工厂可以现场判断水分含量,及时调整干燥、通风和储存策略,减少霉变与损耗。对于大米、小麦、玉米等主粮,这种快速检测能力可以显著提升流通效率。
02 牛奶脂肪与蛋白质:接近化学分析的精度
牛奶脂肪和蛋白质含量是乳品定价与质量控制的核心指标。ChipSense™在实验测试中对牛奶脂肪的量化准确率超过98%,Test Set R²=0.996,RMSE=0.091;Calibration Set R²=0.998,RMSE=0.075。蛋白质量化准确率超过88%。这种精度水平已接近传统化学分析方法,却可以在挤奶环节、收购站点或生产线旁实时完成。
对于乳企而言,这意味着可以更快地进行按质论价、配方调整和过程控制,减少实验室送检等待时间。
03 食用油掺假
橄榄油掺入葵花籽油是食品行业常见的掺假行为。ChipSense™在实验测试中对掺有葵花籽油的橄榄油进行定量分析,预测误差仅为2.9。
这一能力可用于原料验收、成品出厂检验以及市场监管现场执法。相比传统色谱方法,芯片方案无需复杂前处理,操作门槛更低,适合在仓库、码头、市场等场景快速筛查。对于高价值食用油品牌,这种检测手段有助于保护产品信誉和消费者权益。
04 酒精浓度:0.1%预测误差
在葡萄酒、啤酒、烈酒等酒精饮料生产中,酒精浓度是核心质量指标。ChipSense™在实验测试中对掺有酒精的葡萄酒进行检测,预测误差仅为0.1%。对鹅岛IPA啤酒的检测中,酒精、麦芽汁和啤酒花浓度的R²分别达到0.906、0.891和0.890,RMSE分别为0.254、0.709和0.034。
这表明芯片不仅能测酒精,还能同时定量多个发酵相关参数。酿酒企业可以利用它在发酵、调配和灌装环节进行在线监控,及时调整工艺,保证批次一致性。
05 咖啡分类:>97%平均准确率
咖啡种类、烘焙程度、新鲜度、咖啡因含量、水分含量等指标,均可有潜力通过ChipSense™的光谱指纹进行分类和量化。其中咖啡品种分类的实验测试中,平均分类准确率超过97%。对于咖啡豆分级、拼配控制、产地溯源和品质检验,这种快速无损检测手段具有明显优势。
无论是生豆收购还是烘焙后成品检验,都可以借助芯片方案快速获得客观数据,减少对专业杯测师的依赖。
06 番茄糖分与土豆加工
在番茄白利糖度预测的实验测试中,ChipSense™预测误差约为0.57,不同重量区间的RMSE CV在0.57–0.72之间。糖分和成熟度直接影响番茄鲜食与加工品质,芯片方案可用于采收分级和加工过程控制。
土豆油炸品质测试的分类准确率超过81%,干物质含量预测误差为2.1%。对于薯片、薯条加工企业,这意味着可以实时判断原料干物质和油炸适宜性,减少废品率,提高成品一致性。
07 面团与鸡蛋
在烘焙行业,面团特性直接影响最终产品口感。ChipSense™的测试实验中,对面团水分含量评估准确率为82%,搅拌情况85%,发酵100%,脂肪结晶100%,张力100%,油脂存在100%,分层55%。这些数据可用于面团揉制、醒发和层压过程的在线监控。
鸡蛋方面,气室朝向和受精状态检测准确率的测试结果均超过90%,可用于蛋品加工分选和孵化场早期筛查。虽然部分指标如分层准确率仍有提升空间,但整体已展示出芯片在复杂食品基质中的潜力。
08 酸度/pH
ChipSense™还可检测酸度/pH,其实验预测误差约为0.05。在醋、果汁、发酵液等产品中,酸度是重要质量指标,芯片方案可用于在线监控发酵进程和成品一致性。
更多工业应用潜能
01 燃料分析
ChipSense™在燃料分析的实验室测试中量化准确率超过96%,十六烷值预测R²P=0.98、RPD=7.44,芳香族总量R²P=0.96、RPD=5.14。可用于燃料种类定量/分类、掺假检测、燃烧优化和发动机动态调整,也可连续监测润滑油与冷却液特性,减少机械故障。近红外光谱在石化行业已有成熟应用,芯片方案可在现场快速评估燃料质量,替代部分实验室分析。相关方向包括燃料优化与监测、润滑油与冷却液状态监控、环境条件传感等。
02 地板分类
Chipsense的测试方案覆盖地毯、陶瓷、混凝土、花岗岩、乙烯基(PVC)、木材6类,每类6个样本,含深浅色样本。16通道光谱指纹经模型分类后,交叉验证准确率100%,混淆矩阵完全区分。因此,有望用于木材树种区分、层压板树脂含量测定、油毡有机材料识别和橡胶聚合物质量控制。该方案可用于地板材料识别、分类和分选。实际部署时需根据具体样品建立校准模型,并定期验证稳定性。
03 布料分类
Chipsense的测试方案涉及棉、聚酯纤维、丝绸、羊毛4类,每类5个样品、每样扫描6次,包含不同颜色,分类准确率100%。对超过10种纺织品类型(含棉-聚酯混纺等),准确率超过95%。
应用可能性包括:手持设备识别纺织品与污渍类型,帮助选择洗涤剂;智能分类桶/洗衣篮自动分拣;智能洗衣机优化洗涤程序,并在同质负载中发现异常类型时暂停。传感器可安装在投放口或滚筒内,需针对具体织物和污渍训练专业的光谱模型。
04 化学分析与药品
非法药物测试涵盖XTC药丸、可卡因、MDMA、苯丙胺、甲基苯丙胺、海洛因等,测试集预测准确率100%。药丸分类准确率同样100%,对乙酰氨基酚片、盐酸多西环素分散片、甲钴胺片、阿司匹林肠溶片、螺内酯片、布洛芬片等,每种仅需扫描6次即可获得独特指纹。可用于药品真伪鉴别、违禁药物现场筛查和伪造品识别。
从实验室到现场:重塑食品质量检测体系
ChipSense™高光谱传感芯片的价值,不在于替代所有实验室仪器,而在于把光谱检测从实验室扩展到生产线、手持设备和可穿戴设备。在食品检测领域,它已经在谷物水分、牛奶脂肪与蛋白质、食用油掺假、酒精浓度、咖啡分类、番茄糖分、土豆加工、面团特性、鸡蛋评估和肉类分类等场景中展示出可量化的测试效果。随着AI/ML模型持续积累和优化,这种微型化、低成本、高精度的传感方案有望成为食品工业质量基础设施的重要组成部分,推动食品质量检测向更快速、更普惠、更智能的方向发展。
友思特 方案产品套装介绍
光谱传感器芯片
超宽波长范围:多通道多波段500-1700纳米光谱传感器芯片
晶圆集成:利用磷化铟(InP)晶圆实现高信噪比、高响应度、抗振动, 并实现低成本地批量化生产
应用广泛:覆盖生产过程控制与智能消费产品两大板块