Bland många köttprodukter gynnas nötkött av de flesta konsumenter på grund av dess höga protein, låg fetthalt, högt vitamin- och mineralinnehåll, vilket möter näringsbehovet hos moderna människor för kött. När människors livstakt påskyndar har traditionella kokta nötköttprodukter blivit en vanlig mat i stormarknader och delikatesser, och efterfrågan och försäljningsvolymen ökar också. I verkligheten är emellertid det mesta av det kokta nötkött som säljs på marknaden i bulk, och det är rikt på högt protein och högt vatteninnehåll, så det är mycket lätt att föda upp mikroorganismer och få det att förstöra under lagring av låg temperatur. Baserat på rimliga och effektiva nötkvalitetsgraderingsstandarder och system har det blivit högsta prioritet för utvecklingsriktningen för nötköttsmarknaden.
Hyperspektrala bilder, även kända som hypercubes, är tredimensionella datablock (x, y, λ) bestående av en serie av tvådimensionella rumsliga bilder (x, y) under kontinuerlig våglängd λ. Såsom visas i figuren nedan, från perspektivet av våglängd, är hyperspektrala bilddata (x, y, λ) ett tredimensionellt datablock som består av tvådimensionella bilder (x, y); Ur perspektivet av tvådimensionella data (x, y) är hyperspektral en serie spektrala kurvor. Principen att använda HSI -teknik för att upptäcka färskheten i maten hänvisar till skillnaden i absorption, reflektion, spridning, elektromagnetisk energi i ljus och spektralpositionen för toppen/tråget för den inre kemiska sammansättningen och yttre fysiska egenskaper hos objektet mot objektet mot objektet mot objektet mot objektet testas, vilket leder till olika digitala signalegenskaper. Till exempel kan topp- och dalvärdena (spektrala fingeravtryck) av absorbans vid olika våglängder representera de fysiska egenskaperna hos olika föreningar, så att kvalitativ eller kvantitativ analys av livsmedelskvalitet kan uppnås genom analys av hyperspektral information, det vill säga icke-icke Destruktiv testning av livsmedelskvalitet.
(1) TVC -prov ROI och spektrumekstraktion
För TVC -provet valdes en 50 -px × 50 px muskelundersamplar av ROI -bilden av det hyperspektrala bildundersamplet efter svartvit korrigering. Den valda
Kokt nötköttunderamlingsbild var i genomsnitt under ett specifikt spektrum för att erhålla spektralt medelvärde för varje prov under ett specifikt band. Detta steg implementerades
På programvaran Envi 5.1, främst via ROI -verktyget för Envi -programvaran.
Figuren nedan visar extraktionen av ROI -området för TVC -kokta nötköttprov i Envi5.1 och det erhållna spektralvärdet.
(2) TVB-N prov-ROI och spektrumekstraktion
ROI -regionens extraktionsprocess är densamma som för TVC -provdata i föregående stycke. ROI-regionen på 50px*50px erhålls också för att förutsäga det kokta nötköttprovet av TVB-N. Det kan ses att det finns vissa skillnader i de spektrala kurvorna för de två partierna av kokta nötköttprover (det uppskattas att de två partierna av Daoxiangcun kokta nötköttprodukter köptes med långt intervall, vilket kan orsakas av olika nötköttsorter) . På liknande sätt implementeras detta steg för TVB-N-kokt nötköttprov på programvaran Envi5.1.
Figuren nedan visar TVB-N som extraherar ROI-området i Envi5.1 och erhåller provspektralvärdet.
Spektrala förbehandlingsresultat
Den spektrala informationen för det kokta nötköttprovet för att förutsäga TVC var förbehandlat (i storleksordningen SG -utjämning, vektorormalisering och SNV -transformation). Det ursprungliga spektrumet för den spektrala informationen och spektrumförbehandlingsresultatet visas i figuren nedan.
Samma förbehandlingsmetod som den som används för det kokta nötköttprovet för att förutsäga TVC i föregående stycke används för att förbehandla den spektrala informationen om de hyperspektrala data för provet för att förutsäga TVB-N-värde. Det ursprungliga spektrumet och spektrumet efter förbehandling visas i figuren nedan:
En tiofaldig korsvalideringsmodell för supportvektorregression (SVR) upprättades för spektraldata före och efter förbehandling. Modellprestanda visas i tabellen och modelleringsresultaten visas i figuren. Denna metod implementeras i multivariat dataanalysprogramvara TheunsCrambler X10.4. SVR -metoden och dess modellprestandaindikatorer kommer att introduceras i avsnitt 4.1 och kommer inte att beskrivas i detalj här.
Som framgår av tabellen har prestandan för förutsägelsemodellerna för de två indikatorerna som fastställts av de förbehandlade spektra förbättrats i viss utsträckning. Prestationskorrelationskoefficienten R för förutsägelsemodellen för TVC har ökat med 16 procentenheter, medan prestationskorrelationskoefficienten R för förutsägelsemodellen för TVB-N har ökat med 9 procentenheter. Detta verifierar nödvändigheten av spektral förbehandling, så den efterföljande analysen använder de förbehandlade uppgifterna.
Sammanfattning och utsikter
För att uppnå snabb och icke-förstörande upptäckt av färskheten hos kokta köttprodukter, tar detta papper kokt nötkött som forskningsobjekt och använder hyperspektral avbildningsteknologi för att skapa en förutsägelsemodell för färskheten av kokt nötkött. Förändringarna i färskheten av kokt nötkött under lagring och de viktigaste faktorerna som påverkade färskheten hos kokt nötkött studerades och det mikrobiella indexet TVC-värde och kemiska index TVB-N-värde relaterat till det bestämdes. De specifika forskningsslutsatserna är följande: möjligheten att använda hyperspektral avbildningsteknologi för att upptäcka färskheten hos kokt nötkött studerades, och förändringstrenden för färskhetsindex TVC och TVB-N-värde TVC för kokt nötkött under lagring diskuterades; Prestandan för SVR-förutsägelsemodellen (med tiofaldig korsvalidering) som byggdes före och efter spektral dataförbehandling jämfördes, och prediktionsmodellen byggd med den förbehandlade datauppsättningen hade bättre prestanda; Provuppsättningsmetoden studerades. Träningsuppsättningen och testuppsättningen genererad med olika provpartitionsmetoder modellerades och analyserades, och slutligen valdes träningsuppsättningen och testuppsättningen dividerad med SPXY -partitionsmetoden.
