国产理论片一区二区三区-亚洲国产麻豆精品一区二区38-久久久久国产精品久久久久专区-久久久久久久久久久国产精品

?高光譜成像的牛肉丸摻假檢測(cè)

2022-10-26 17:18:16 點(diǎn)將科技 269

       肉丸是一種有著特別口感的肉類(lèi)深加工產(chǎn)品,深受人們喜愛(ài)。相比于豬肉、雞肉、魚(yú)肉等其他原料肉,牛肉的蛋白質(zhì)含量較高,肌纖維較粗,因而加工特性更好,牛肉丸也比其他肉丸更有彈性和嚼勁。在我國(guó),以廣東潮汕地區(qū)制作的牛肉丸為著名。然而,有不法商販?zhǔn)芾骝?qū)使,在牛肉中摻入豬肉,雞肉等廉價(jià)肉制作肉丸冒充純牛肉丸售賣(mài)。這種行為不僅擾亂市場(chǎng)秩序,還會(huì)引發(fā)一些宗教問(wèn)題。廣東省發(fā)布地方標(biāo)準(zhǔn)中明確規(guī)定汕頭牛肉丸中牛肉占原料肉的比例須大于90%。因而有必要研究快速檢測(cè)牛肉丸摻假的方法。目前,常用的肉類(lèi)產(chǎn)品摻假鑒別方法有蛋白質(zhì)組學(xué)分析法,DNA分析法,傳感器法和光譜法等。這些檢測(cè)方法各有其優(yōu)缺點(diǎn)。蛋白質(zhì)組學(xué)分析法檢測(cè)結(jié)果準(zhǔn)確,但所用設(shè)備價(jià)格昂貴,重復(fù)性較差。DNA分析法檢測(cè)限低,靈敏度高,但操作復(fù)雜,且同樣存在重復(fù)性差的問(wèn)題。傳感器法有著快速無(wú)損的優(yōu)點(diǎn),然而其結(jié)果不夠準(zhǔn)確。光譜法不僅快速無(wú)損,且準(zhǔn)確度高,近年來(lái)在肉品摻假檢測(cè)方面得到越來(lái)越廣泛的應(yīng)用。高光譜成像技術(shù)作為光譜法的一種,不僅具有光譜技術(shù)的常規(guī)優(yōu)點(diǎn),而且較其他光譜技術(shù)有著更加全面的信息。高光譜成像能夠以數(shù)百個(gè)波長(zhǎng)同時(shí)對(duì)樣本連續(xù)成像,同步獲取樣本的光譜和圖像信息,有著數(shù)據(jù)量豐富、分辨率高的特點(diǎn)。但同時(shí)高光譜成像也存在光譜信息重疊、冗余的問(wèn)題,需要通過(guò)特征波長(zhǎng)的篩選來(lái)提升模型效率和精度。高光譜成像在無(wú)損檢測(cè)肉品摻假方面已有較多的應(yīng)用。Ropodi等利用高光譜成像結(jié)合 PLS-DA和LDA判別模型鑒別摻有豬肉的牛肉樣本,結(jié)果表明,兩種建模方法均可以較好地區(qū)分摻假樣本,識(shí)別率分別為98.48%和96.97%。Kamruzzaman等利用高光譜成像預(yù)測(cè)牛肉中摻馬肉含量,采用不同的方法處理光譜數(shù)據(jù)并建立偏最小二乘模型(PLS),模型預(yù)測(cè)集相關(guān)系數(shù)達(dá)到0.98。Wu等研究了高光譜預(yù)測(cè)蝦中摻假物明膠含量的可行性,使用無(wú)信息變量消除和連續(xù)投影法的組合篩選了佳波長(zhǎng),建立的LS-SVM模型預(yù)測(cè)集相關(guān)系數(shù)達(dá)0.965,并實(shí)現(xiàn)了蝦中明膠含量的分布可視化。上述研究證實(shí)了高光譜檢測(cè)肉品摻假的可行性,然而目前未見(jiàn)高光譜應(yīng)用到牛肉丸摻假檢測(cè)的報(bào)道。

       根據(jù)唐穗平等的調(diào)查,豬肉和雞肉是市場(chǎng)上主要的牛肉丸摻假物。因此,利用高光譜成像系統(tǒng)采集摻有不同比例豬肉和雞肉的牛肉丸的信息,對(duì)光譜信息進(jìn)行預(yù)處理后建立全波段偏最小二乘摻假含量量預(yù) 測(cè)模型,而后采用SPA、競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法、聯(lián)合區(qū)間偏最小二乘-競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)篩選特征波長(zhǎng),建立PLS摻假含量預(yù)測(cè)模型,以期為牛肉丸摻假快速檢測(cè)提供參考。

1.1     樣本制備

實(shí)驗(yàn)所用牛腿肉、豬肉、雞腿肉、淀粉、調(diào)味料(食鹽、白糖、味精、黑胡椒粉、料酒)均購(gòu)于鎮(zhèn)江麥德龍超市;肉彈素、谷氨酰胺轉(zhuǎn)氨酶(TG酶)均購(gòu)于河南千志商貿(mào)有限公司。

肉丸制作配方:每1kg原料肉中加入淀粉100g、食鹽25g、白糖20g、肉彈素5g、味精4g、黑胡椒粉5g、TG酶5g、料酒20ml、水200ml。工藝流程:選料→清洗→瀝干→絞肉→斬拌→混料→煮制→冷卻→包裝。首先制作原料肉全部為牛肉的牛肉丸,再分別制作以牛肉糜混合不同比例豬肉糜和雞肉糜的牛肉丸,摻假肉占原料肉質(zhì)量比分別為5%,10%,15%,20%和25%。總共得到11類(lèi)樣本,每類(lèi)樣本30個(gè)平行,共計(jì)330個(gè)樣本。

1.2    高光譜圖像采集

1.2.1        高光譜成像系統(tǒng)

采用的高光譜成像系統(tǒng)如圖1所示,由江蘇大學(xué)食品無(wú)損檢測(cè)實(shí)驗(yàn)室自主研制。系統(tǒng)硬件部分主要包括CCD攝像機(jī)、150W光纖鹵素?zé)?、精密電控平移臺(tái)、電子控制箱和計(jì)算機(jī)等。軟件部分主要是SpectralCube。

圖片關(guān)鍵詞

1.2.2        高光譜成像數(shù)據(jù)采集與標(biāo)定

在高光譜數(shù)據(jù)采集之前先打開(kāi)系統(tǒng)預(yù)熱30min,以減少基線漂移帶來(lái)的的影響。設(shè)置采集參數(shù):CCD攝像機(jī)曝光時(shí)間為45ms,圖像分辨率618*1628;光譜范圍為431~962nm,光譜波長(zhǎng)間隔為0.858nm;電控平移臺(tái)移動(dòng)速度為1.25m/s。采集時(shí)將牛肉丸樣本置于電控平移臺(tái)上,打開(kāi)平移臺(tái)的同時(shí)點(diǎn)擊保存按鈕采集高光譜數(shù)據(jù),最終得到樣本的三維數(shù)據(jù)模塊。

高光譜數(shù)據(jù)采集過(guò)程易受光強(qiáng)不均勻和暗電流等影響,需要對(duì)獲取的原始圖像進(jìn)行黑白板校正。校正公式如式(1)所示。

image.png

式中,R為校正后高光譜圖像;I為原始高光譜圖像;B 為黑板標(biāo)定圖像;W為白板標(biāo)定圖像。


1.3    數(shù)據(jù)處理方法

1.3.1  高光譜成像的光譜數(shù)據(jù)提取

利用ENVI軟件打開(kāi)校正后牛肉丸樣本高光譜圖像,采用矩形工具選取每個(gè)樣本中心附近200像素*200像素的區(qū)域作為感興趣區(qū)域ROI,計(jì)算ROI內(nèi)所有像素點(diǎn)的光譜反射率的平均值作為此樣本的光譜數(shù)據(jù)。300個(gè)樣本共得到300條平均光譜,最終得到300*618的光譜數(shù)據(jù)集。

受環(huán)境條件和儀器運(yùn)行等因素的影響,采得的信息中包含無(wú)用信息和噪聲。為了減少散射光和噪聲等影響,需要對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理。采用的預(yù)處理方法包括一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、均值中心化、多元散射校正、卷積平滑、標(biāo)準(zhǔn)正態(tài)變量變換。通過(guò)對(duì)比不同預(yù)處理方法所建立模型的效果,選取較佳預(yù)處理方法進(jìn)行后續(xù)數(shù)據(jù)處理。

1.3.2  光譜特征波長(zhǎng)篩選

光譜信息數(shù)據(jù)量巨大,且存在冗余信息。為了提高模型的效率和精度,對(duì)預(yù)處理后的光譜進(jìn)行特征波長(zhǎng)的篩選。采用連續(xù)投影法(SPA)、競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法(CARS)、聯(lián)合區(qū)間偏最小二乘法(SiPLS)和聯(lián)合區(qū)間偏最小二乘-競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)(SiPLS-CARS)四種篩選特征波長(zhǎng)方法。SPA通過(guò)比較不同波長(zhǎng)之間投影向量的大小,以投影向量最大的波長(zhǎng)為待選波長(zhǎng),并用校正模型選擇特征波長(zhǎng)。SPA可以使變量之間共線性最小化,很大程度上減少變量的個(gè)數(shù)。CARS通過(guò)蒙特卡羅采樣隨機(jī)抽取校正集的一部分樣本建立PLS模型,計(jì)算此次采樣中波長(zhǎng)回歸系數(shù)的絕對(duì)值權(quán)重,再利用指數(shù)衰減函數(shù)去除絕對(duì)值較小的波長(zhǎng)變量點(diǎn),剩余的變量以其回歸系數(shù)的絕對(duì)值作為權(quán)重采用自適應(yīng)重加權(quán)采樣建立PLS模型并計(jì)算RMSECV,當(dāng)RMSECV最小時(shí)對(duì)應(yīng)變量即為選擇的特征波長(zhǎng)。SiPLS先將全波段分為若干個(gè)子區(qū)間,然后通過(guò)計(jì)算從所有可能的區(qū)間組合模型中選擇出相關(guān)系數(shù)最大且RMSECV值最小的區(qū)間組合,是一種高效的篩選特征區(qū)間方法。本研究提出的SiPLS-CARS是聯(lián)用SiPLS和CARS進(jìn)行波長(zhǎng)篩選的一種方法,先利用SiPLS選擇最佳波長(zhǎng)區(qū)間,再利用CARS從最佳區(qū)間中篩選特征波長(zhǎng)。最后對(duì)不同波長(zhǎng)篩選方法下建立的預(yù)測(cè)模型效果進(jìn)行比較。

1.3.3  摻假含量預(yù)測(cè)模型

通過(guò)建立PLS模型預(yù)測(cè)牛肉丸摻假含量。PLS能夠充分提取數(shù)據(jù)的有效信息,解決變量共線性的問(wèn)題,在光譜數(shù)據(jù)建模中應(yīng)用廣泛。PLS模型預(yù)測(cè)效果的評(píng)估指標(biāo)為校正集相關(guān)系數(shù)、預(yù)測(cè)集相關(guān)系數(shù)、交叉驗(yàn)

證均方根誤差和預(yù)測(cè)均方根誤差。Rc和Rp越接近1,RMSECV和RMSEP越接近0時(shí),模型的預(yù)測(cè)效果越好。

 

二 、結(jié)果與討論

2.1  光譜預(yù)處理

圖2(a)和圖3(a)分別為摻有豬肉和雞肉的牛肉丸樣本的原始光譜圖,圖2(b)和圖3(b)為對(duì)應(yīng)平均光譜圖(均含有純牛肉丸光譜)。從平均光譜圖中可以看出,不同摻假含量的樣本光譜曲線趨勢(shì)相近,但反射率存在差別,摻假量越大,反射率越大。純牛肉丸和摻有豬肉的樣本平均光譜在710nm處有反射峰,這主要與,O-H鍵的三級(jí)倍頻吸收有關(guān)。摻有雞肉樣本光譜在710nm處反射峰不如摻有豬肉樣本明顯,這是由于相比于豬肉,雞肉與牛肉的差別更大。從原始光譜圖中可以看出,當(dāng)樣本數(shù)量較大時(shí),光譜曲線重疊嚴(yán)重,無(wú)法通過(guò)肉眼從光譜曲線上進(jìn)行區(qū)分,此時(shí)需要進(jìn)行數(shù)據(jù)處理以實(shí)現(xiàn)摻假量預(yù)測(cè)。


圖片關(guān)鍵詞圖片關(guān)鍵詞


2.2  牛肉丸中摻假豬肉含量預(yù)測(cè)模型建立

2.2.1  全波段PLS模型

將不同預(yù)處理方法處理后的光譜以隨機(jī)分組的方式把180條豬肉摻假光譜的2/3劃分為校正集,1/3劃分為預(yù)測(cè)集。用PCA優(yōu)選前15個(gè)主成分,作為模型的輸入建立PLS摻假含量預(yù)測(cè)模型。模型的預(yù)測(cè)結(jié)果如表1所示,可以看出,光譜經(jīng)MSC預(yù)處理后建立的模型預(yù)測(cè)效果好,當(dāng)主成分?jǐn)?shù)為15時(shí),模型的Rc和Rp分別為0.9515和0.9481,RMSECV和RMSEP分別為0.0269和0.0261。

圖片關(guān)鍵詞

圖片關(guān)鍵詞

2.2.2  特征波長(zhǎng)篩選

全波段光譜數(shù)據(jù)量大且有冗余信息,需要進(jìn)行特征提取以簡(jiǎn)化模型、提升模型效率。分別采用SPA,CARS,Si-PLS和SiPLS-CARS四種方法篩選特征波長(zhǎng)。2.2.1已指出摻有豬肉的預(yù)測(cè)模型預(yù)處理方法是MSC,故對(duì)光譜數(shù)據(jù)進(jìn)行MSC處理后進(jìn)行特征波長(zhǎng)篩選。

(1)SPA篩選特征波長(zhǎng)

設(shè)置選擇特征波長(zhǎng)數(shù)量范圍1~25,根據(jù)均方根誤差(RMSEC)選擇波長(zhǎng),選擇結(jié)果如圖4所示。圖4(a)和(b)分別表示RESE變化趨勢(shì)和篩選的特征波長(zhǎng)具體位置。從圖4(a)中看出,當(dāng)波長(zhǎng)數(shù)量從1增加到13時(shí),均方根誤差的值程階梯狀下降,隨后趨于穩(wěn)定。選擇了13個(gè)特征波長(zhǎng)(431.05,442.63,476.73,502.69,522.89,555.88,742.60,786.19,864.10,878.14,903.59,927.31和948.39nm),占全波段的2.1%,特征波長(zhǎng)具體位置如圖4(b)所示。

(2)CARS篩選特征波長(zhǎng)

CARS篩選波長(zhǎng)的過(guò)程如圖5所示。采樣次數(shù)設(shè)置為100次,圖5(a)為變量個(gè)數(shù)隨采樣次數(shù)的變化趨勢(shì),隨著采樣次數(shù)增加,選擇的波長(zhǎng)數(shù)量逐漸減少,先快減后緩慢。圖5(b)為RMSECV隨采樣次數(shù)變化趨勢(shì),一開(kāi)始RMSECV緩慢減小,說(shuō)明一些無(wú)關(guān)變量在采樣過(guò)程中被去除。而后RMSECV階梯上升,一些關(guān)鍵變量被去除。圖5(c)顯示采樣次數(shù)為44時(shí),RMSECV小,此時(shí)共篩選了51個(gè)特征波長(zhǎng),占全波段的8.25%。

(3)SiPLS篩選波長(zhǎng)

將預(yù)處理后的全光譜劃分為10~25個(gè)子區(qū)間,分別聯(lián)合2,3和4個(gè)子區(qū)間,以RMSECV最小原則優(yōu)選特征子區(qū)間組合。圖6顯示了聯(lián)合子區(qū)間的位置。從圖中可以看出,當(dāng)把全光譜分為14個(gè)子區(qū)間,聯(lián)合第1,3,7,13子區(qū)間時(shí),RMSECV最小。每個(gè)子區(qū)間包含45個(gè)波長(zhǎng),因此共篩選180個(gè)特征波長(zhǎng),占全波段的29.13%。

(4)SiPLS-CARS篩選特征波長(zhǎng)

SiPLS-CARS通過(guò)聯(lián)用SiPLS和CARS實(shí)現(xiàn)特征波長(zhǎng)的選擇。將SiPLS篩選所得波長(zhǎng)區(qū)間作為新數(shù)據(jù),進(jìn)行CARS波長(zhǎng)篩選,結(jié)果如圖7所示。從圖中可以看出,當(dāng)采樣次數(shù)為9時(shí),篩選出32個(gè)特征波長(zhǎng),占全波段的5.18%。

圖片關(guān)鍵詞

圖片關(guān)鍵詞

圖片關(guān)鍵詞圖片關(guān)鍵詞



2.2.3  特征波長(zhǎng)下PLS模型結(jié)果

不同特征波長(zhǎng)篩選方法的PLS模型結(jié)果如表2所示。可以看出,CARS篩選波長(zhǎng)后建立的模型預(yù)測(cè)效果佳,模型的Rc和Rp分別為0.9814和0.9721,RMSECV和RMSEP分別為0.0163和0.0203。SPA雖然減少了特征波長(zhǎng)數(shù)量,但模型的預(yù)測(cè)效果不如全波段下預(yù)測(cè)效果。Si-PLS篩選特征區(qū)間后模型精度沒(méi)有得到提升,這是因?yàn)樗崛〉淖兞渴沁B續(xù)的,相鄰或者相互之間可能會(huì)存在高度相關(guān)性。SiPLS-CARS相比于SiPLS不僅有效地縮減了特征波長(zhǎng)數(shù)量,而且提高了模型預(yù)測(cè)的精度;相比于CARS篩選波長(zhǎng)更少,但精度略低。CARS波長(zhǎng)篩選后模型,可以說(shuō)明CARS可以有效去除無(wú)關(guān)變量。SiPLS-CARS作為一種新的特征波長(zhǎng)篩選方法需要在更多實(shí)際應(yīng)用中測(cè)驗(yàn)其實(shí)用性。

圖片關(guān)鍵詞

圖片關(guān)鍵詞

2.3  牛肉丸中摻雞肉含量預(yù)測(cè)模型建立

2.3.1  全波段下PLS模型結(jié)果

牛肉丸中摻雞肉全波段PLS建模方法同2.2.1,結(jié)果如表3所示。摻雞肉含量預(yù)測(cè)結(jié)果總體優(yōu)于摻豬肉結(jié)果,這是因?yàn)殡u肉與牛肉差異更大。經(jīng)1stDer預(yù)處理后建立的模型預(yù)測(cè)效果好,當(dāng)主成分?jǐn)?shù)為14時(shí),模型的Rc和Rp分別為0.9861和0.9807,RMSECV和RMSEP分別為0.0143和0.0165。

圖片關(guān)鍵詞

圖片關(guān)鍵詞

2.3.2  特征波長(zhǎng)的篩選

利用SPA篩選了15個(gè)特征波長(zhǎng)(439.32,448.43,461.72,467.55,473.39,493.46,504.37,591.63,622.44,695.72,,704.38,726.08,768.74,922.04和952.78nm),占全波段的2.43%。CARS篩選了61個(gè)特征波長(zhǎng),占全波段的9.87%。SiPLS選擇的區(qū)間組合為:將全光譜分為14個(gè)子區(qū)間,聯(lián)合第7,8,11,12四個(gè)子區(qū)間,共180個(gè)特征波長(zhǎng),占全波段的29.13%。SiPLS-CARS篩選了28個(gè)特征波長(zhǎng),占全波段的4.53%。

2.3.3  特征波長(zhǎng)下PLS模型結(jié)果

不同特征波長(zhǎng)篩選方法的PLS模型結(jié)果如表4所示。與摻豬肉預(yù)測(cè)結(jié)果類(lèi)似,CARS篩選波長(zhǎng)后建立的模型預(yù)測(cè)效果佳。此時(shí),模型的Rc和Rp分別為0.9902和0.9878,RMSECV和RMSEP分別為0.0123和0.0126。這表明CARS在牛肉丸高光譜摻假檢測(cè)中能夠較好地去除無(wú)關(guān)變量、提升模型效率和精確度,可結(jié)合PLS模型用于實(shí)際檢測(cè)。不同波長(zhǎng)篩選方法對(duì)牛肉丸中摻雞肉含量預(yù)測(cè)趨勢(shì)上與摻含量豬肉基本相同。

圖片關(guān)鍵詞

圖片關(guān)鍵詞


三、結(jié)論

利用高光譜成像進(jìn)行牛肉丸摻豬肉和雞肉檢測(cè)研究。首先采用不同預(yù)處理方法建立全波段下PLS模型并比較得出預(yù)處理方法,然后用不同方法篩選特征波長(zhǎng)建立PLS模型。結(jié)果表明:(1)在1stDer,2ndDer,MC,MSC,SG和SNVT預(yù)處理方法中,牛肉丸摻豬肉和雞肉PLS預(yù)測(cè)模型預(yù)處理方法分別為MSC和2ndDer。(2)在SPA,CARS,Si-PLS和SiPLS-CARS四種特征波長(zhǎng)篩選方法中,牛肉丸摻豬肉和雞肉PLS預(yù)測(cè)模型方法均為CARS,分別篩選了51和61個(gè)特征波長(zhǎng)。此時(shí),摻豬肉PLS預(yù)測(cè)模型Rc和Rp分別為0.9814和0.9721,RMSECV和RMSEP分別,0.0163和0.0203。摻雞肉PLS預(yù)測(cè)模型Rc和Rp分別為0.9902和0.9787,RMSECV和RMSEP分別為0.0123和0.0126。摻雞肉預(yù)測(cè)模型效果整體好于摻豬肉。研究表明采用高光譜成像技術(shù)可以實(shí)現(xiàn)牛肉丸摻豬肉和雞肉含量預(yù)測(cè),可為快速無(wú)損檢測(cè)牛肉丸摻假提供理論基礎(chǔ)。


來(lái)源:高光譜成像的牛肉丸摻假檢測(cè):孫宗保,王天真,李君奎,鄒小波" ,梁黎明,劉小裕{光譜學(xué)與光譜分析 40卷第7}