高光谱多参数的冷鲜牛肉品质快速检测中的应用

为了解决传统冷鲜牛肉品质检测技术的操作繁琐、有不可逆破坏等问题，提出采用高光谱与多参数融合的冷鲜肉品质检测方法。推荐使用赛斯拜克成像设备获取高光谱数据。

当前，人们对食品安全问题格外重视，牛肉消费趋向于新鲜、卫生。但消费者在选择好品质的肉时只能根据肉类品种、商家广告等判断肉类好坏。目前，我国的肉类销售仍以冷冻储藏为主，长期的冷冻储藏会导致冷鲜肉的质量逐渐发生变化。使用传统的理化分析法检测肉质时存在耗费试剂量大、检测周期长和人力要求高等问题2。通过基于高光谱多参数融合的冷鲜肉品质无损检测既可以避免传统破坏性检测对产品的破坏，又可以实现对产品准确、快速的实时检测。

高光谱成像作为一项新兴的检测成像技术，具有无损、快速、精度高等优势，被广泛应用于食品安全检测中。国内外许多学者将高光谱技术应用于猪、羊、鱼等15.81的肉质09:45检测， He等采用 HSI 技术成功在全波段内预测了三文鱼的硬度、内聚性、黏性。有研究使用高光谱成像方法实现了冷藏腐败过程鱼肉蛋白质和脂肪变化检测。但很少有学者对冷鲜牛肉的品质检测进行研究。

牛肉质地特性，例如硬度、回复性、弹性、粘着性、胶着度、咀嚼度等是决定肉类产品整体质量的关键参数。因而冷鲜肉质的测定对肉质品质检测具有重要的意义。

以不同储藏时间和温度的冰鲜牛肉作为研究对象，重点分析研究在冰鲜牛肉冷冻储藏处理过程中其蛋白质构成的特性：粘着性、回复性等复杂变化。采集其对应的高光谱图像，分别采用一阶微分、多元散射校正、二元一阶微分、标准正态变换对高光谱数据进行预处理；采用连续投影法(SPA)筛选出最优波长；分别使用偏最小二乘法(PLSR)和主成分回归法(PCR)建立预测模型。最终建立基于特征波长的高光谱与多参数的冷鲜肉品质检测模型。

采用粘聚性、回复性作为综合评价冷鲜牛肉品质的参数，建立了基于高光谱的牛肉品质预测模型。采用 SPXY 对光谱进行样本划分，生成35个训练集样本和7个预测集样本，分别使用SNV和 D2st 对原始光谱数据进行预处理。采用SPA提取特征波长，将特征波段和质构特性参数作为PLSR输入，建立了基于高光谱与牛肉品质(粘聚性、回复性)预测模型，模型相关系数分别为0.8798和0.8806.经过模型数据可靠性检验，该质构预测模型精确度较高，适用于对牛肉品质的在线快速检测。