020-8288 0288

高光谱相机成像技术的虾仁新鲜度检测研究分析

发布时间:2023-07-07
浏览次数:657

本研究应用了400-1000nm的高光谱相机,可采用赛斯拜克(Sinespec)产品高光谱相机SP系列进行相关研究。光谱范围在400-1000nm,波长分辨率优于2.5nm,可达1200个光谱通道。采集速度全谱段可达128FPS,波段选择后最高3300Hz(支持多区域波段选择)。

本研究应用了400-1000nm的高光谱相机,可采用赛斯拜克(Sinespec)产品高光谱相机SP系列进行相关研究。光谱范围在400-1000nm,波长分辨率优于2.5nm,可达1200个光谱通道。采集速度全谱段可达128FPS,波段选择后最高3300Hz(支持多区域波段选择)。


对虾是中国乃至世界一种重要的水产品,在渔业经济中占有重要地位“。其中,刀额新对虾是我国分布最广的对虾类,以黄海和渤海为主要产地。成年刀额新对虾体长一般在 13-24 厘米之间,体重为 20-40 克,雄体为棕黄色,雌体呈青蓝色,生命周期通常为一年,个别可达到两年或三年[23)。刀额新对虾不仅肉质鲜嫩,味道鲜美,而且富含丰富的优质蛋白质以及多种人体必需的微量元素,深受消费者青睐在日本,颜色亮红、神似珊瑚的熟虾被视为长寿吉祥的象征,受到国际市场的广泛欢迎近年来,随着虾青素和虾红素抗氧化、抗肿瘤等生理功能研究的进一步深入,推进了对虾产品的高值化利用由于打捞上来的活虾极易死亡,在运输及销售的过程中常采用冷藏或冷冻处理。


虾类死亡后,在酶和微生物的共同作用下,虾肉的化学成分(蛋白质、糖类、脂肪等)不断被分解成氨、胺类、有机酸、CO2、脂肪酸、甘油、醛和酮等化合物间。同时虾仁的组织结构也逐渐被破坏,其色泽、纹理、硬度、弹性及气味等外部特征均不断变化,最终导致腐败变质而不能食用17.81。随着生活水平的提高,消费者对虾类等水产品的安全品质需求越来越高。新鲜度既是水产品腐败程度的直接反映,也是水产品品质安全评价的一项重要指标。因此,快速、无损、准确地检测虾仁的新鲜程度不仅与消费者的切身利益息息相关,也对虾仁及其制品的运输、储藏和销售有着重要的科学意义和应用价值。


图片2.png



图片3.png


(1)应用可见/短波近红外高光谱成像技术实现了虾仁质构参数和色泽参数的快速无损检测及其可视化分布。冷藏期间,分别采用质构仪和色差计测定虾仁样本的 TPA 质构特性(硬度、弹性、恢复性、胶着性、咀嚼性和粘聚性)和色泽变化 (L、a和 b*)。优选出最佳光谱预处理方法对虾仁样本的平均光谱进行去噪,再采用SPA 算法提取出光谱特征波长。然后分别结合线性的偏最小二乘回归(PLSR),非线性的RBF人工神经网络(RBF-NN)和最小二乘支持向量机(LS-SVM)对训练集样本建立特征波长与L*、a"、b*、硬度、弹性、恢复性、胶着性、咀嚼性和粘聚性的相关性模型,再对预测集样本的相关参数值进行预测。结果表明:


图片4.png



图片5.png


(a)冷藏期间,虾仁样本的色泽参数随冷藏时间的延长呈现一定的变化规律。对于虾仁色泽参数 L,a,b的最优预处理方法分别是SNV,SNV和S-G平滑。应用SPA算法从预处理光谱提取色泽参数的特征波长。三种参数的特征波长模型中,RBF-NN 的结果较差,且存在过拟合现象。PLSR与LS-SVM模型的结果较为相近。其中 L-LS-SVM模型的预测集R和RMSEP分别为 0.88 和 0.716; b-LS-SVM模型的预测集R和RMSEP分别为0.85 和0.685:a -LS-SVM模型的预测集效果略差,R为0.71,RMSEP为0.450;


图片6.png



图片7.png



图片8.png



图片9.png



图片10.png



图片11.png



图片12.png



图片13.png


(b)(b)冷藏期间,虾仁样本的硬度、弹性、恢复性、胶着性、咀嚼性、粘聚性随冷藏时间的延长呈现一定的变化规律。弹性、恢复性和咀嚼性的最优建模数据均为原始光谱而硬度、胶着性和粘聚性的最优预处理方法分别为MSC、SNV 和MSC。基于预处理光谱,用SPA 算法分别提取硬度、弹性、恢复性、胶着性、咀嚼性、粘聚性的特征波长。通过比较硬度、胶着性和咀嚼性的特征波长模型,RBF-NN模型存在过拟合现象LS-SVM的建模与预测结果均为最优。其中硬度LS-SVM 模型的预测集R和RMSEP分别为0.81 和0.402,胶着性LS-SVM模型的预测集R和RMSEP分别为0.80 和0.163咀嚼性LS-SVM模型的预测集 R和RMSEP分别为 0.84 和 0.174。对于弹性、恢复性和粘聚性,基于三种方法建立的预测模型结果均较差。

联系我们

Contact us
广东赛斯拜克技术有限公司
  • 地址:广州市增城区新城大道400号智能制造中心33号楼601
  • 电话:020-8288 0288   13500023589
  • 邮箱:3nh@3nh.com
  • 网址:http://www.sinespec.cn
Copyright © 2024 广东赛斯拜克技术有限公司 版权所有
  • 公司联系方式
    QQ
  • 网站首页
    首页
  • 公司联系电话
    电话
  • 返回
    返回顶部