欧亚国际

使用多光谱成像分析快速无损识别注水牛肉样品

摘要：注水牛肉作为肉制品中的主要食品安全问题引起了公众的关注。在这项研究中，评估了多光谱成像分析在可见光和近红外（405-970 nm）区域识别注水牛肉的潜力。采用多光谱视觉系统获取注入水分高达21%的牛肉图像，并采用偏最小二乘回归（PLSR）算法建立预测模型，通过相关系数（r) 为0.923。随后，通过将光谱数据与从普通 RGB 数据中提取的特征信息相结合来实现优化模型，从而产生更好的预测 (r=0.946)。此外，预测方程被转移到图像中的每个像素，以可视化实际水增加的分布。这些结果证明了多光谱成像技术作为一种快速、无损识别注水牛肉的工具的能力。

图1.多光谱成像系统的主要设置

图2显示了牛肉样品中R、G和B组分在不同增加的水百分比（校准组）下的平均强度。R的强度随着含水率的增加而降低，而G和B则呈现相反的趋势。注水牛肉中R、G、B成分变化趋势的原因是显而易见的。注水牛肉随着含水量的增加，颜色变得不那么鲜红，因此G和B的强度增加，而R的强度降低。

图2.注水样品的R、G和B的平均强度（校准集）

从可见光(VIS)区域到近红外(NIR)区域的光谱分析是一种广泛用于评估食品水分含量的光学技术（Wu et al., 2012）。在 940 和 1000 nm 之间观察到的光谱中的主要吸收带是由于 O-H 第三次伸缩泛音，并被分配给样品中的水。图3显示了在 405-970 nm 范围内，在不同增加的水百分比下，校准组中注水牛肉样品的相对反射光谱。预测集也具有类似的反射光谱趋势（数据未显示）。多光谱成像已经清楚地识别出不同百分比的增加水的注水样品。从图 3 可以看出，水分含量较高的牛肉在 405-600nm和700-970nm区域具有较高的反射光谱（吸光度降低），上述现象也可能是由于注水牛肉的外观呈绿色和蓝色。然而，在600-700nm区域，结果相反。随着注入水的增加，样品显示出较低的光谱反射强度。这种行为的原因是600到700nm之间的可见波长区域对应于肉类样品的微红色。随着注入水的增加，注水样品的红色不太亮。这些光谱差异可用于注水牛肉的定性和定量鉴定。

图3.在不同增加的水百分比（校准集）下注水样品的多光谱图像的平均反射率

图4显示了基于光谱数据和光谱数据结合RGB数据测得和预测的增加水的百分比。基于光谱数据(a)预测样品中水分增加的相关系数rp为0.923。然而，基于光谱数据结合RGB数据（b）的相关系数rp为0.946，SEP的值较低。这些结果表明，光谱信息结合RGB数据可以获得满意的预测。造成这种现象的可能原因如下：(a) 应用 PLSR 是对原始光谱数据的转换，该转换可以指示所考虑的每个变量的重要性。然后，回归的前五个重要光谱波段分别是 450、470、435、570 和 780 nm，这些波段与 RGB 密切相关；(b) 多光谱波段是不连续的，而R、G和B具有相应的连续波段。然后，RGB 可以添加有关样本的更多信息。因此，光谱信息与RGB数据相结合可以提供提高模型精度的趋势。此外，当PLSR用于预测牛肉样品中增加的水分时，我们观察到预测集给出了与校准集相似的结果。这表明该模型在以非破坏性方式预测增加的水百分比方面具有良好的性能。

图4.通过使用光谱数据(a)和光谱数据结合RGB 数据(b) 测量和预测注水样品中增加的水含量以进行校准和预测

图5.普通RGB图像和地图，用于以不同百分比增加的单个样品的含水量增加

在这项研究中，通过将增加的含水量值映射到线性色标来创建分布图像，其中从高到低的不同程度的水增加百分比以从红色到蓝色的不同颜色显示（底部的颜色条的图 5）。地图中相似的像素颜色代表样品中与像素光谱一致性成比例的相同程度的水增加。从图5可以看出，新鲜牛肉（0%）含有少量的增水，而牛肉中最大的增水百分比（7.588%）如我们的模型所预测的那样含有大量的增水。必须注意的是样品边缘的含水量高于样品内部的含水量。这可能是由于注入的水没有完全吸收在样品中，而是从中心通过样品向边缘泄漏。

相关阅读

丹麦Videometer Liq固/液体稳定性分析仪检测仪

丹麦VideometerSLS/SGT颗粒/粘度/口感评价测量仪

丹麦videometer多光谱颜色/质构/成分综合分析仪

食品品质光谱成像可视化：应用多光谱成像的黄油曲奇质量评估

食品品质光谱成像可视化：光谱成像应用于面食小麦籽粒真伪检测的可行性研究

食品品质光谱成像可视化：多光谱成像 (MSI)：一种检测掺有马肉的碎牛肉的有前景的方法

食品品质光谱成像可视化：色度计和多光谱图像的肉类颜色测量结果的比较

食品品质光谱成像可视化：蔬菜的多光谱成像

食品品质光谱成像可视化：利用多光谱成像进行非侵入性污染评估和肉类样品绘图