品质至上，客户至上，您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
食品品质光谱可视化研究：多光谱图像分析：检测碎肉掺假的有前途的工具
发表时间：2022-04-26 09:10:14点击：874
Multispectral Image Analysis: a promising tool for the detection of minced meat adulteration
多光谱图像分析：检测碎肉掺假的有前途的工具
摘要：近年来，检测欺诈和欺骗行为已成为食品行业和检验机构的主要优先事项。本研究的目的是研究多光谱成像结合数据分析方法检测掺有马肉的碎牛肉的潜力，以及探索冷藏条件下储存期间的模型性能。为此，我们采集了三批不同批次的碎牛肉和马肉的110个样品的 18 个波长的多光谱图像。将样品在4C下储存 6、24 和 48 小时后再次拍摄图像。开发了基于前两批的分类模型（偏最小二乘判别分析、随机森林、支持向量机），而第三批留作外部/独立验证。结果表明，新鲜研磨和储存的样品可以清楚地区分，而用于检测掺假样品的分类模型性能受到储存期间肉色变化的显着影响。然而，使用两步 SVM 模型，所有纯样品和新鲜磨碎的样品都被正确分类，独立批次验证的总体正确分类率为 95.31%。
图1. (a) 牛肉和 (b) 马肉样品在 405 至 970 nm 范围内的 18 个不同波长的平均反射率 (%) 值。 样品新鲜研磨（0 小时）并在冷藏条件下储存 6、24 和 48 小时切碎
如图1所示，纯马肉（a）和纯牛肉（b）样品在储存6、24和48小时前后的18个波长的平均反射率值。很明显，虽然储存的样品更难区分，但新鲜研磨的样品很容易区分。此外，第 1 批的主成分（PC）1 和 3 的 PCA 分数如图 1 所示。 3. 确实，PC1 与PC3 分数显示了纯与纯的明显分离。掺假样品。纯牛肉和马肉样本位于地块的右上角，虽然它们看起来很封闭，但在 PC2 与PC5 图（补充，图 1）。此外，不同程度的掺假很容易区分，只有相邻的类别有时重叠。这些结果与对脂肪样品的拉曼光谱进行的 PCA 分析非常一致，在不同掺假水平之间有 25% 的台阶，其中不同类别在 PC1 与PC2 图。它们也与实施相同实验设计（10% 步骤）的猪肉掺假情况下的结果一致。然而，应该注意的是，虽然在后两种情况下，使用前两种成分的差异很明显，因此解释了具有最高方差的 PC (%)，但在 b1 数据中情况并非如此。
图2.批次1的主成分分析得分（PC1与PC3）
事实上，PC 1 与3 和 PC 2 对比图 3（补充，图 2）显示出比 PC1 与 PC1 更高的辨别力。 PC2（补充，图 3），特别是在区分纯样本和掺假样本的情况下，表示数据集之间存在显着差异。
PLS-DA 在新鲜研磨与新鲜研磨的情况下产生 66.41% 的 OCC。储存的肉类样品，但只有一个新鲜研磨的样品被错误分类为储存的。此外，当每次交叉验证迭代中包含在训练集中的观察比例设置为 0.2 时，结果得到改善，平均每类召回率（灵敏度）和精度分别为 89.06% 和 81.00%（补充表 1） .虽然这可能意味着应该使用另一种方法，但以前的模型缺乏泛化也可能归因于由于代表性训练样本不足而导致的过度拟合。事实上，b1 和 b2 数据集包括两批新鲜研磨的样品，但只有一批冷藏条件下的储存样品。这可能导致缺乏足够的掺假检测数据。然而，后一种 PLS-DA 模型的改进结果和 b2 的 PCA 分数（图 4）表明，数据对于“新鲜地面 vs.存储的”分类问题，可能还有“新鲜的和纯的vs.其他样品。
相关阅读
丹麦VideometerSLS/SGT颗粒/粘度/口感评价测量仪
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：利用多光谱成像进行非侵入性污染评估和肉类样品绘图
食品品质光谱成像可视化：使用多光谱成像分析快速无损识别注水牛肉样品
食品品质光谱成像可视化：具有不同亚硝酸盐和硝酸盐还原酶活性的肉相关葡萄球菌在发酵香肠中的颜色形成
食品品质光谱可视化研究：长时间低温热处理的奶牛和公牛的肉韧性与结缔组织特性的关系
食品品质光谱成像可视化：使用 vis/NIR 多光谱成像对微加工苹果的每日新鲜度衰减：初步测试
食品品质光谱成像可视化：多光谱视觉系统与色度计在肉色评估中的比较
食品品质光谱可视化研究：使用光谱成像和三色测量对鲑鱼虾青素颜色进行分类
