Η τεχνολογία υπεροπτικής απεικόνισης επιτρέπει την ταχεία και μη καταστροφική δοκιμή της φρεσκάδας του χοιρινού κρέατος

Κατά την επεξεργασία, διανομή και κυκλοφορία του χοιρινού κρέατος και των προϊόντων του, η φρεσκάδα είναι ένας ζωτικής σημασίας δείκτης για τη μέτρηση της ποιότητας και της ασφάλειας του.όπως ο προσδιορισμός του συνολικού πτητικού βασικού αζώτου (TVB-N) και του συνολικού βιώσιμου αριθμού (TVC)Επομένως, είναι δύσκολο για αυτούς να ανταποκριθούν στις απαιτήσεις της σύγχρονης βιομηχανίας τροφίμων για online, ταχεία,και μη καταστροφικές δοκιμές.

Τα τελευταία χρόνια, η τεχνολογία υπερ-σπεκτρικής απεικόνισης έχει αποδείξει σημαντικές δυνατότητες εφαρμογής στον τομέα της αξιολόγησης της ποιότητας των τροφίμων λόγω της πλούσιας πληροφόρησης, της μη επαγγέλματος, της ευελιξίας και της ευελιξίας της.και δυνατότητες ταχείας ανάλυσηςΗ υπερ-ειδική κάμερα FS-IQ-VISNIR (400-1000 nm) του CHNSpec παρείχε υποστήριξη για την απόκτηση δεδομένων για αυτό το είδος έρευνας.

Πειραματικό σχεδιασμό και απόκτηση δεδομένων

Σε μια μελέτη που δημοσιεύθηκε στο περιοδικό Journal of Food Composition and Analysis, a research team from Zhengzhou Light Industry University utilized CHNSpec's FS-IQ-VISNIR hyperspectral camera to collect visible-near-infrared hyperspectral data of pork tenderloin stored under cold refrigeration at 4°C within 14 daysΗ φωτογραφική μηχανή χρησιμοποιεί μέθοδο απεικόνισης με σκούπα, με εύρος μήκους κύματος 400-1000 nm.που περιέχουν 1200 ζώνες, ένα φάσμα δειγματοληψίας διαστήματος περίπου 0,5 nm και χωρική ανάλυση 1920 × 1920 pixels.

Για να βελτιωθεί η ποιότητα του σήματος, η ερευνητική ομάδα σχεδίασε μια μη επιτηρούμενη μέθοδο προεπεξεργασίας εικόνας βασισμένη στις φασματικές διαφορές.Σε συνδυασμό με την προσαρμοστική μεθοδολογία Otsu και τις μορφολογικές λειτουργίες, η μέθοδος αυτή απέσπασε αποτελεσματικά την περιοχή ενδιαφέροντος (ROI) και μείωσε τις παρεμβολές φόντου.

Δίκτυο εξόρυξης χαρακτηριστικών δύο κλάδων και μοντέλα σύντηξης μηχανικής μάθησης

Η μελέτη πρότεινε ένα δίκτυο εξόρυξης χαρακτηριστικών υπερ-ειδούς διπλού κλάδου που ονομάζεται HFE (Hybrid-FeatureExtractor).

• Φασματικό κλάδο: εισάγει τον μηχανισμό προσοχής Squeeze-and-Excitation (SE) για να μαθαίνει προσαρμοστικά τα βάρη κάθε ζώνης,και συνδυάζει ένα πολυεπίπεδο perceptron (MLP) για την εξαγωγή βασικών φασματικών χαρακτηριστικών.
• Χωρονομικό Τμήμα:Χρησιμοποιεί ένα διμερές συγκολλητικό νευρικό δίκτυο (CNN) σε συνδυασμό με υπολειμματικές ενότητες (BasicBlock) και ενότητες Atrous Spatial Pyramid Pooling (ASPP) για την εξαγωγή διαστημικών χαρακτηριστικών πολλαπλής κλίμακας.

Οι δύο τύποι χαρακτηριστικών ενσωματώνονται μέσω ενός μηχανισμού κλειστής σύντηξης και στη συνέχεια εισάγονται στα μοντέλα μερικής παλινδρόμησης ελάχιστων τετραγώνων (PLSR) και υποστήριξης του διανυσματικού παλινδρόμησης (SVR), αντίστοιχα,για την ολοκλήρωση της ποσοτικής πρόβλεψης του περιεχομένου TVB-N και TVC.

Προβλέψεις και ανάλυση

Τα πειραματικά αποτελέσματα δείχνουν ότι, όταν η μονάδα HFE συνδυάζεται με PLSR και SVR, παρουσιάζει υψηλή ακρίβεια στην πρόβλεψη περιεχομένου TVB-N και TVC:

• HFE + PLSR: Το R2 για την πρόβλεψη TVB-N είναι 0,9786 με RMSE 2.4685Το R2 για την πρόβλεψη TVC είναι 0,9529 με RMSE 0.3223.
• HFE + SVR: Το R2 για την πρόβλεψη TVC είναι 0,9597 με RMSE 0.3066.
• Σε σύγκριση με τις παραδοσιακές χημειομετρικές μεθόδους (όπως SG+SPA, SNV+CARS), η ακρίβεια πρόβλεψης και η σταθερότητα του μοντέλου αυτής της μεθόδου βελτιώνονται.,Το TVB-N και το TVC έφτασαν τα επίπεδα 7.1204 και 5.1831 αντίστοιχα, γεγονός που δείχνει ότι το μοντέλο διαθέτει ισχυρές προβλέψεις.

Ερμηνευσιμότητα μοντέλου και αναγνώριση ζώνης κλειδιών

Μέσω του μηχανισμού προσοχής SE, η ερευνητική ομάδα πραγματοποίησε μια ανάλυση οπτικοποίησης των βαρών των διαφόρων ζωνών στο φασματικό κλάδο.Τα αποτελέσματα έδειξαν ότι το μοντέλο είχε υψηλότερα βάρη στο εύρος των 600~920 nm., μια περιοχή στενά συνδεδεμένη με την οπτική ανταπόκριση της οξείδωσης των πρωτεϊνών και των μικροβιακών μεταβολιτών (όπως αμίνες, αλδεΰδες, κετόνες κλπ.).η περιεκτικότητα σε TVB-N και TVC αυξήθηκε, και το εύρος αυτών των χαρακτηριστικών ζωνών επεκτάθηκε επίσης, γεγονός που δείχνει ότι το μοντέλο μπορεί να συλλάβει λεπτές φασματικές αλλαγές που σχετίζονται με τις διακυμάνσεις της φρεσκάδας.

Προοπτικές εφαρμογής

Η μελέτη αυτή αποδεικνύει ότι η υπερσπεκτρική κάμερα FS-IQ-VISNIR, σε συνδυασμό με το δίκτυο εξόρυξης χαρακτηριστικών διπλού κλάδου και τα μοντέλα παλινδρόμησης μηχανικής μάθησης,μπορεί να επιτύχει αποτελεσματική πρόβλεψη των δεικτών φρεσκάδας του χοιρινού κρέατος χωρίς να προκαλεί βλάβη στα δείγματαΗ μέθοδος αυτή έχει πρακτική αξία αναφοράς για διαδικτυακές, μη καταστροφικές δοκιμές στην επεξεργασία τροφίμων, τη μεταφορά ψυχρής αλυσίδας και τις λιανικές συναλλαγές.

Η CHNSpec θα συνεχίσει να παρέχει υπερσπεκτρικό εξοπλισμό απεικόνισης και τεχνική υποστήριξη στον τομέα της ποιότητας και της ασφάλειας των τροφίμων,Βοήθεια στη μετάβαση της βιομηχανίας σε αποτελεσματικότερες και ευφυέστερες μεθόδους δοκιμών.

Σύσταση προϊόντος: FS-IQ-VISNIR Φορητή Υπερσπεκτρική Κάμερα

• Φασματικό εύρος: 400-1000 nm
• Φασματική ανάλυση: 2,5 nm
• Ανάλυση εικόνας: 1920*1920
• Αριθμός Φασματικών Δικτύων: 1200