高光谱成像技术对牛肉水分含量及分布的快速检测

利用可见/近红外高光谱成像技术对牛肉水分含量 及分布进行快速检测。采用可见/ 近红外高光谱成像系统(400000 nm)采集150个黄牛肉样本的高光谱图像,利用ENVI软件 提取样本感兴趣区域(ROI)并计算平均光谱值;对原始光谱数据进行预处理并利用连续投 影算法(SPA)、竞争性自适应重加权算法(CARS)和无信息变量消除算法(UVE)进行特征 波长提取,建立基于不同特征波长的偏最小二乘回归(PLSR)模型,进而优选牛肉水分含量 预测的最优模型。通过蒙特卡罗交叉验证法剔除26个异常样本值;经卷积平滑(Smoothing - SG)法预处理后的原始光谱数据所建PLSR模型效果较好,其校正集决定系数(R²c)与预测集 决定系数(R²p)分别为0.817、0.850;利用CAR S、SPA、UVE法分别优选出12、27、27个特征 波长;对比基于全波段光谱与特征波段光谱所建PLSR牛肉水分预测模型的优劣,结果显示基 于CARS-PLSR法建立的牛肉水分预测模型效果最好,其R²_c 、R²p值分别为0.814、 0.750,校 正集均方根误差(RMSEC)与预测集均方根误差(RMSEP)分别为0.477、0.555;最后,利用CARS -PLSR模型计算牛肉样本每个像素点的水分含量并利用伪彩色图对牛肉样本水分分布进行可 视化分析,进而实现牛肉水分含量的快速检测及分布的可视化表达。该研究结果可为黄牛肉 水分含量的快速检测提供理论支撑。     

结合高光谱图像的光谱和纹理信息预测羊肉可溶性蛋白和GSH含量

可溶性蛋白和谷胱甘肽（GSH）是羊肉重要的生理生化指标，是衡量机体抗氧化能力大小的重要因素，传统检测方法程序复杂，检测费时。为此应用可见-近红外（400～1 000 nm）高光谱成像技术实现可羊肉可溶性蛋白和还原性谷胱甘肽（GSH）含量无损、快速检测。首先，对采集的180个羊肉样本的原始光谱信息采用4种方法进行预处理，再运用竞争自适应加权算法（CARS）、区间变量迭代空间收缩算法-迭代和保留信息变量法（iVISSA-IRIV）进行特征波段的提取。同时使用灰度共生矩阵法（GLCM）提取贡献率最高的主成分图像的纹理信息。最后将优选出的预处理方法和特征波长信息作为光谱信息和光谱-纹理融合信息分别结合多元线性回归（MLR）、最小二乘支持向量机（LS-SVM）模型建立羊肉可溶性蛋白和谷胱甘肽含量的预测模型。结果显示未经预处理的原始光谱建立的羊肉可溶性蛋白含量PLSR模型效果最佳，其R_c和R_p分别为0.875 7和0.854 7；采用SNV法预处理后光谱建立的羊肉GSH含量PLSR模型效果最佳，其R_c和R_p分别为0.804 8和0.826 5。利用iVISSA-IRIV共筛选出31个特征波长，建立的羊肉可溶性蛋白LS-SVM模型的R_c和R_p最优，分别为0.914 6和0.881 8；同时利用iVISSA-IRIV筛选出29个特征波长，建立的羊肉GSH-MLR模型的R_c和R_p最优，分别为0.844 6和0.870 5。最终经光谱特征信息和图谱信息融合模型对比发现，建立iVISSA-IRIV-LS-SVM模型对羊肉可溶性蛋白预测效果最佳，其R_c和R_p分别为0.914 6和0.881 8；利用SNV-iVISSA-IRIV法提取的光谱特征信息与纹理信息融合建立的MLR模型为预测羊肉GSH含量的最优模型，其R_c和R_p分别为0.849 5和0.890 4。利用最优iVISSA-IRIV-LS-SVM和iVISSA-IRIV-MLR模型和成像处理方法，结合伪色彩图像直观的表示羊肉样本的可溶性蛋白和GSH含量的空间分布情况。研究结果表明利用高光谱图像的光谱和纹理信息能够用来预测羊肉可溶性蛋白和GSH含量。