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)代人對肉品營養(yǎng)的需求，受到大多數(shù)消費者的青睞。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食品，需求量和銷售量也在增大。然而在實際生活中，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，故在低溫存儲過程中，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)量的分級標準和體系,尋求可靠的牛肉品質(zhì)安全分級檢測手段，已經(jīng)成為正確之道牛肉市場發(fā)展方向的當務之急。
高光譜圖像又稱超立方(hypercube),是由一串連續(xù)波長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，從波長這個角度看，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)這個角度看，高光譜就是一條條的光譜曲線。運用HSI技術對食品新鮮度進行檢測的原理是指待測物的內(nèi)部化學組成成分和外部物理特征對光的吸收、反射、散射、電磁能以及波峰/波谷所在波譜位置的不同導致所反映出的數(shù)字信號特征的不同，如不同波長下的吸收度峰谷值(光譜指紋)能夠表示不同化合物的物理屬性，從而就可以通過對高光譜信息的分析來實現(xiàn)食品品質(zhì)的定性或定量分析，也就是食品品質(zhì)的無損檢測。
(1)TVC樣本ROI及光譜提取
對于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。對選取的熟牛肉子樣本圖像進行特定光譜下的均值處理，得到每一個樣本在特定波段下的光譜均值。該步驟在軟件ENVI 5.1上操作實現(xiàn)，主要通過ENVI軟件的ROI Tool進行。
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)域提取過程相同。同樣是獲取預測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(估計是在兩個間隔時間較長買的兩批稻香村熟牛肉制品，可能是牛肉品種不一導致)。同樣，對于TVB-N熟牛肉樣本的該步驟亦是在軟件ENVI5.1上操作實現(xiàn)。
下圖為TVB-N在ENVI5.1中提取ROI區(qū)域并獲得樣本光譜值。
光譜預處理結(jié)果
對預測TVC的熟牛肉樣本的光譜信息進行預處理(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處理結(jié)果圖見下圖。
同上一段中對預測TVC的熟牛肉樣本所做預處理方法一樣。對預測TVB-N值樣本的高光譜數(shù)據(jù)的光譜信息做預處理，其原始光譜圖和預處理后光譜圖結(jié)果如圖所示：
對預處理前后的光譜數(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中實現(xiàn)。SVR方法及其模型性能指標將在4.1小節(jié)中進行介紹，這里就不再詳述。
從表中可以看出，預處理后的光譜所建立的兩種指標的預測模型性能均有一定程度的提高，針對TVC的預測模型性能相關系數(shù)R提升16個百分點，而TVB-N的預測模型性能相關系數(shù)R提升9個百分點。這就驗證了光譜預處理的必要性，故后續(xù)分析均使用預處理后的數(shù)據(jù)。
總結(jié)與展望
為了實現(xiàn)熟肉制品新鮮度的快速無損檢測，本文以熟牛肉為研究對象，應用高光譜成像技術創(chuàng)建熟牛肉新鮮度的預測模型。研究了熟牛肉在存儲期間新鮮度的變化情況及影響熟牛肉新鮮度的主要因素，并確定了與其相關的微生物指標TVC值和化學指標TVB-N值。具體研究結(jié)論如下：研究了利用高光譜成像技術檢測熟牛肉新鮮度的可能性，并討論了熟牛肉在存儲期間，其新鮮度指標TVC和TVB-N值TVC的變化趨勢；對比了光譜數(shù)據(jù)預處理前后所建SVR預測模型(采用十折交叉驗證)性能，預處理后的數(shù)據(jù)集所建預測模型性能更優(yōu)；研究了樣本集劃分方法。對于不同樣本劃分方法的所產(chǎn)生的訓練集和測試集進行建模分析比較，最終選取SPXY劃分法所劃分的訓練集和測試集。
