Parmi de nombreux produits de viande, le bœuf est favorisé par la plupart des consommateurs en raison de sa teneur élevée en protéines, faibles en gras et en vitamines et minéraux, qui répond fortement aux besoins nutritionnels des personnes modernes pour la viande. À mesure que le rythme de vie des gens s'accélère, les produits de bœuf cuits traditionnels sont devenus un aliment courant dans les supermarchés et les épiceries fines, et la demande et le volume des ventes augmentent également. Cependant, dans la vraie vie, la plupart du bœuf cuit vendu sur le marché est en vrac, et il est riche en riches en protéines et en haute teneur en eau, il est donc très facile de élever des micro-organismes et de le faire gâcher pendant le stockage à basse température. Par conséquent, sur la base des normes et des systèmes de classement de qualité du bœuf raisonnables et efficaces, la recherche de méthodes fiables de détection de classement de la sécurité de la qualité du bœuf est devenue une priorité absolue pour la direction de développement du marché du bœuf.
Les images hyperspectrales, également appelées hypercubes, sont des blocs de données tridimensionnels (x, y, λ) composés d'une série d'images spatiales bidimensionnelles (x, y) sous une longueur d'onde continue λ. Comme le montre la figure ci-dessous, du point de vue de la longueur d'onde, les données d'image hyperspectrales (x, y, λ) sont un bloc de données tridimensionnel composé d'images bidimensionnelles (x, y); Du point de vue des données bidimensionnelles (x, y), l'hyperspectrale est une série de courbes spectrales. Le principe d'utilisation de la technologie HSI pour détecter la fraîcheur des aliments fait référence à la différence dans l'absorption, la réflexion, la diffusion, l'énergie électromagnétique de la lumière et la position spectrale du pic / creux de la composition chimique interne et des caractéristiques physiques externes de l'objet à être testé, ce qui conduit à différentes caractéristiques du signal numérique. Par exemple, les valeurs de pic et de vallée (empreintes digitales spectrales) d'absorbance à différentes longueurs d'onde peuvent représenter les propriétés physiques de différents composés, de sorte que l'analyse qualitative ou quantitative de la qualité des aliments peut être obtenue par l'analyse des informations hyperspectrales, c'est-à-dire non, non Test destructeur de la qualité des aliments.
(1) Extraction de retour sur investissement et de spectre TVC
Pour l'échantillon TVC, une image de ROI musculaire de 50 px × 50 px du sous-échantillon d'image hyperspectrale après la correction en noir et blanc a été sélectionnée. Le sélectionné
L'image du sous-échantillon de bœuf cuit a été moyenne dans un spectre spécifique pour obtenir la moyenne spectrale de chaque échantillon sous une bande spécifique. Cette étape a été mise en œuvre
sur le logiciel Envi 5.1, principalement via l'outil ROI du logiciel ENVI.
La figure ci-dessous montre l'extraction de la zone de ROI de l'échantillon de bœuf cuit TVC dans ENVI5.1 et la valeur spectrale obtenue.
(2) TVB-N Exemple de retour sur investissement et d'extraction du spectre
Le processus d'extraction de la région de ROI est le même que celui des données d'échantillonnage TVC dans le paragraphe précédent. La région de ROI de 50px * 50px est également obtenue pour prédire l'échantillon de bœuf cuit de TVB-N. On peut voir qu'il existe certaines différences dans les courbes spectrales des deux lots d'échantillons de boeuf cuits (on estime que les deux lots de produits de bœuf cuits à Daoxiangcun ont été achetés à un long intervalle, qui peuvent être causés par différentes variétés de bœuf) . De même, cette étape pour l'échantillon de bœuf cuit TVB-N est également mise en œuvre sur le logiciel Envi5.1.
La figure ci-dessous montre TVB-N extraire la zone de ROI dans Envi5.1 et obtenant la valeur spectrale de l'échantillon.
Résultats du prétraitement spectral
Les informations spectrales de l'échantillon de bœuf cuit pour prédire TVC ont été prétraitées (de l'ordre de lissage SG, de normalisation des vecteurs et de transformation SNV). Le spectre d'origine des informations spectrales et le résultat de prétraitement du spectre sont illustrés dans la figure ci-dessous.
La même méthode de prétraitement que celle utilisée pour l'échantillon de bœuf cuit pour prédire TVC dans le paragraphe précédent est utilisée pour prétraiter les informations spectrales des données hyperspectrales de l'échantillon pour prédire la valeur TVB-N. Le spectre d'origine et le spectre après le prétraitement sont illustrés dans la figure ci-dessous:
Un modèle de validation croisée dix fois de la régression des vecteurs de support (SVR) a été établi pour les données spectrales avant et après le prétraitement. Les performances du modèle sont présentées dans le tableau et les résultats de la modélisation sont présentés sur la figure. Cette méthode est implémentée dans le logiciel d'analyse de données multivarié TheUnscrambler x10.4. La méthode SVR et ses indicateurs de performance de son modèle seront introduits dans la section 4.1 et ne seront pas décrits en détail ici.
Comme le montre le tableau, les performances des modèles de prédiction des deux indicateurs établies par les spectres prétraités se sont améliorés dans une certaine mesure. Le coefficient de corrélation des performances R du modèle de prédiction pour TVC a augmenté de 16 points de pourcentage, tandis que le coefficient de corrélation des performances R du modèle de prédiction pour TVB-N a augmenté de 9 points de pourcentage. Cela vérifie la nécessité du prétraitement spectral, de sorte que l'analyse ultérieure utilise les données prétraitées.
Résumé et perspective
Afin d'obtenir une détection rapide et non destructive de la fraîcheur des produits de viande cuits, cet article prend du bœuf cuit comme objet de recherche et utilise une technologie d'imagerie hyperspectrale pour créer un modèle de prédiction pour la fraîcheur du bœuf cuit. Les changements dans la fraîcheur du bœuf cuit pendant le stockage et les principaux facteurs affectant la fraîcheur du bœuf cuit ont été étudiés, et la valeur TVC de l'index microbien et la valeur de l'index chimique TVB-n lié à celle-ci ont été déterminés. Les conclusions de recherche spécifiques sont les suivantes: la possibilité d'utiliser une technologie d'imagerie hyperspectrale pour détecter la fraîcheur du bœuf cuit a été étudiée, et la tendance du changement de l'index de fraîcheur TVC et TVB-N Valeur TVC du bœuf cuit pendant le stockage a été discutée; Les performances du modèle de prédiction SVR (en utilisant une validation croisée dix fois) construite avant et après le prétraitement des données spectrales ont été comparées, et le modèle de prédiction construit avec l'ensemble de données prétraité avait de meilleures performances; La méthode de partitionnement de l'ensemble d'échantillons a été étudiée. L'ensemble de formation et l'ensemble de tests générés par différentes méthodes de partitionnement de l'échantillon ont été modélisés et analysés, et enfin l'ensemble de formation et l'ensemble de tests divisés par la méthode de partitionnement SPXY ont été sélectionnés.
