使用可见-近红外光谱成像技术检测猪肉新鲜度

需积分: 9 1 下载量 72 浏览量 更新于2024-09-08 收藏 243KB PDF 举报
"这篇论文研究了使用可见-近红外光谱成像技术快速检测猪肉新鲜度的方法,由汪希伟、赵茂程等作者完成。他们通过从光谱图像中提取特定波段来评估猪肉中挥发性盐基氮(TVB-N)的含量,这是一种衡量新鲜度的关键指标。在进行标准偏差归一化(SNV)预处理后,利用偏最小二乘回归(PLSR)建立了光谱与TVB-N含量的关系模型。通过加权回归系数峰值波段组合分析,确定了570, 595, 610, 700, 760, 880和910nm作为最佳特征波长,构建的PLSR模型预测TVB-N的R2cv为0.88,RMSEcv为2.05mg/100g。这种方法特别适用于电调制滤镜类成像光谱采集系统的高效特征光谱提取。" 在这篇研究中,作者关注的是食品安全领域的一个重要问题——猪肉新鲜度的检测。他们采用可见-近红外光谱成像技术,这是一种非破坏性的检测手段,可以在不损害样品的情况下获取猪肉的新鲜度信息。挥发性盐基氮(TVB-N)是肉类新鲜度的一个重要指标,因为它随着肉的腐败过程而增加。通过反射率校正后的光谱图像,研究人员提取了与TVB-N含量相关的特征波段。 特征波长的提取是这项研究的核心。作者首先对原始光谱进行标准偏差归一化(SNV)预处理,以减少光谱中的背景噪声和变异。接着,他们建立了光谱与TVB-N含量之间的偏最小二乘回归(PLSR)模型,这是一种统计学方法,可以找出两个变量间的关系并进行预测。为了优化模型,他们提出了加权回归系数峰值波段组合建模性能分析算法,用于选择最佳的特征波长组合。 通过实验,作者发现使用570, 595, 610, 700, 760, 880和910nm的特征波长建立的PLSR模型在预测TVB-N含量时表现最佳,其预测精度(R2cv)达到了0.88,意味着模型能够解释88%的TVB-N变化,同时均方根误差(RMSEcv)仅为2.05mg/100g,显示了模型预测的准确性。 这项工作对于食品安全监测和质量控制具有重要意义,特别是在食品加工和零售环节。通过快速、准确地检测猪肉新鲜度,可以防止不新鲜的猪肉进入市场,保障消费者的健康。同时,该方法的高效性表明,它特别适合于采用电调制滤镜类成像光谱采集系统的情况,为同类技术的应用提供了新的思路和方法。