食品行業(yè)
在眾多肉類食品中，牛肉因其高蛋白、低脂、維生素及礦物質(zhì)含量高等高度符合現(xiàn)代人對(duì)肉品營(yíng)養(yǎng)的需求，受到大多數(shù)消費(fèi)者的青睞。隨著人們生活步伐加快，傳統(tǒng)熟牛肉制品也變成一種超市和熟食店的常見(jiàn)食品，需求量和銷售量也在增大。然而在實(shí)際生活中，市面上所銷售的熟牛肉大多數(shù)為散裝，加之其富含高蛋白、高水分，故在低溫存儲(chǔ)過(guò)程中，極易滋生微生物而使其腐敗變質(zhì)。因此，基于合理有效的牛肉質(zhì)量的分級(jí)標(biāo)準(zhǔn)和體系,尋求可靠的牛肉品質(zhì)安全分級(jí)檢測(cè)手段，已經(jīng)成為正確之道牛肉市場(chǎng)發(fā)展方向的當(dāng)務(wù)之急。
高光譜圖像又稱超立方(hypercube),是由一串連續(xù)波長(zhǎng)λ下的二維空間圖像(x,y)所構(gòu)成的三維數(shù)據(jù)塊(x,y,λ)。如下圖所示，從波長(zhǎng)這個(gè)角度看，高光譜圖像數(shù)據(jù)(x,y,λ)就是一幅幅由二維圖像(x,y)組成的三維數(shù)據(jù)塊；從二維數(shù)據(jù)(x,y)這個(gè)角度看，高光譜就是一條條的光譜曲線。運(yùn)用HSI技術(shù)對(duì)食品新鮮度進(jìn)行檢測(cè)的原理是指待測(cè)物的內(nèi)部化學(xué)組成成分和外部物理特征對(duì)光的吸收、反射、散射、電磁能以及波峰/波谷所在波譜位置的不同導(dǎo)致所反映出的數(shù)字信號(hào)特征的不同，如不同波長(zhǎng)下的吸收度峰谷值(光譜指紋)能夠表示不同化合物的物理屬性，從而就可以通過(guò)對(duì)高光譜信息的分析來(lái)實(shí)現(xiàn)食品品質(zhì)的定性或定量分析，也就是食品品質(zhì)的無(wú)損檢測(cè)。
(1)TVC樣本ROI及光譜提取
對(duì)于TVC樣本選取黑白校正后的高光譜圖像子樣本50 px×50 px的肌肉子樣本ROI圖像。對(duì)選取的熟牛肉子樣本圖像進(jìn)行特定光譜下的均值處理，得到每一個(gè)樣本在特定波段下的光譜均值。該步驟在軟件ENVI 5.1上操作實(shí)現(xiàn)，主要通過(guò)ENVI軟件的ROI Tool進(jìn)行。
下圖為TVC熟牛肉樣本在ENVI5.1中提取ROI區(qū)域并獲得光譜值。
(2)TVB-N樣本ROI及光譜提取
與上一段的TVC樣本數(shù)據(jù)ROI區(qū)域提取過(guò)程相同。同樣是獲取預(yù)測(cè)TVB-N的熟牛肉樣本的50px*50px的ROI區(qū)域。可以看到兩批熟牛肉樣本光譜曲線有一定差別(估計(jì)是在兩個(gè)間隔時(shí)間較長(zhǎng)買(mǎi)的兩批稻香村熟牛肉制品，可能是牛肉品種不一導(dǎo)致)。同樣，對(duì)于TVB-N熟牛肉樣本的該步驟亦是在軟件ENVI5.1上操作實(shí)現(xiàn)。
下圖為TVB-N在ENVI5.1中提取ROI區(qū)域并獲得樣本光譜值。
光譜預(yù)處理結(jié)果
對(duì)預(yù)測(cè)TVC的熟牛肉樣本的光譜信息進(jìn)行預(yù)處理(先后按照S-G平滑、矢量歸一化以及SNV變換順序),光譜信息原始光譜圖和光譜預(yù)處理結(jié)果圖見(jiàn)下圖。
同上一段中對(duì)預(yù)測(cè)TVC的熟牛肉樣本所做預(yù)處理方法一樣。對(duì)預(yù)測(cè)TVB-N值樣本的高光譜數(shù)據(jù)的光譜信息做預(yù)處理，其原始光譜圖和預(yù)處理后光譜圖結(jié)果如圖所示：
對(duì)預(yù)處理前后的光譜數(shù)據(jù)建立支持向量回歸(SVR)的十折交叉驗(yàn)證模型，其模型性能如表所示，建模結(jié)果如圖所示。該方法在多元數(shù)據(jù)分析軟件TheUnscrambler X10.4中實(shí)現(xiàn)。SVR方法及其模型性能指標(biāo)將在4.1小節(jié)中進(jìn)行介紹，這里就不再詳述。
從表中可以看出，預(yù)處理后的光譜所建立的兩種指標(biāo)的預(yù)測(cè)模型性能均有一定程度的提高，針對(duì)TVC的預(yù)測(cè)模型性能相關(guān)系數(shù)R提升16個(gè)百分點(diǎn)，而TVB-N的預(yù)測(cè)模型性能相關(guān)系數(shù)R提升9個(gè)百分點(diǎn)。這就驗(yàn)證了光譜預(yù)處理的必要性，故后續(xù)分析均使用預(yù)處理后的數(shù)據(jù)。
總結(jié)與展望
為了實(shí)現(xiàn)熟肉制品新鮮度的快速無(wú)損檢測(cè)，本文以熟牛肉為研究對(duì)象，應(yīng)用高光譜成像技術(shù)創(chuàng)建熟牛肉新鮮度的預(yù)測(cè)模型。研究了熟牛肉在存儲(chǔ)期間新鮮度的變化情況及影響熟牛肉新鮮度的主要因素，并確定了與其相關(guān)的微生物指標(biāo)TVC值和化學(xué)指標(biāo)TVB-N值。具體研究結(jié)論如下：研究了利用高光譜成像技術(shù)檢測(cè)熟牛肉新鮮度的可能性，并討論了熟牛肉在存儲(chǔ)期間，其新鮮度指標(biāo)TVC和TVB-N值TVC的變化趨勢(shì)；對(duì)比了光譜數(shù)據(jù)預(yù)處理前后所建SVR預(yù)測(cè)模型(采用十折交叉驗(yàn)證)性能，預(yù)處理后的數(shù)據(jù)集所建預(yù)測(cè)模型性能更優(yōu)；研究了樣本集劃分方法。對(duì)于不同樣本劃分方法的所產(chǎn)生的訓(xùn)練集和測(cè)試集進(jìn)行建模分析比較，最終選取SPXY劃分法所劃分的訓(xùn)練集和測(cè)試集。
