Blant mange kjøttprodukter er storfekjøtt foretrukket av de fleste forbrukere på grunn av sitt høye protein, lite fett, høyt vitamin og mineralinnhold, som sterkt tilfredsstiller ernæringsmessige behov til moderne mennesker for kjøtt. Etter hvert som folks tempo i livet akselererer, har tradisjonelle kokte storfekjøttprodukter blitt en vanlig mat i supermarkeder og delikatesser, og etterspørselen og salgsvolumet øker også. Imidlertid er det meste av det kokte storfekjøttet som selges på markedet i det virkelige liv, og det er rikt på høyt protein og høyt vanninnhold, så det er veldig enkelt å avle mikroorganismer og føre til at det ødelegger under lagring av lav temperatur. Basert på rimelige og effektive karakterer og systemer for storfekjøtt av storfekjøtt, har deteksjonsmetoder blitt en topp prioritering for utviklingsretningen til storfekjøttmarkedet.
Hyperspektrale bilder, også kjent som hyperkubber, er tredimensjonale datablokker (x, y, λ) sammensatt av en serie todimensjonale romlige bilder (x, y) under kontinuerlig bølgelengde λ. Som vist på figuren nedenfor, fra perspektivet av bølgelengde, er hyperspektrale bildedata (x, y, λ) en tredimensjonal datablokk sammensatt av todimensjonale bilder (x, y); Fra perspektivet til todimensjonale data (x, y) er hyperspektral en serie spektrale kurver. Prinsippet om bruk testes, noe som fører til forskjellige digitale signalegenskaper. For eksempel kan topp- og dalverdiene (spektrale fingeravtrykk) av absorbans ved forskjellige bølgelengder representere de fysiske egenskapene til forskjellige forbindelser, slik at kvalitativ eller kvantitativ analyse av matkvalitet kan oppnås gjennom analyse av hyperspektral informasjon, det vil si ikke- Destruktiv testing av matkvalitet.
(1) TVC -prøve avkastning og spektrumekstraksjon
For TVC -prøven ble en ROI -bilde på 50 px × 50 px muskel underprøve valgt av den hyperspektrale bildeundersøkelsen etter svart -hvitt korreksjon. Den valgte
Kokt biff -underprøvebilde ble gjennomsnittet under et spesifikt spekter for å oppnå det spektrale gjennomsnittet av hver prøve under et spesifikt bånd. Dette trinnet ble implementert
På programvaren Envi 5.1, hovedsakelig gjennom ROI -verktøyet til Envi -programvaren.
Figuren nedenfor viser utvinning av ROI -området til TVC -kokt storfekjøttprøve i Envi5.1 og den oppnådde spektralverdien.
(2) TVB-N prøve ROI og spektrumekstraksjon
ROI -regionutvinningsprosessen er den samme som for TVC -prøvedataene i forrige avsnitt. ROI-regionen på 50px*50px oppnås også for å forutsi den kokte storfekjøttprøven av TVB-N. Det kan sees at det er visse forskjeller i spektralkurvene til de to partiene med kokte storfekjøttprøver (det anslås at de to partiene med daoxiangcun -kokte storfekjøttprodukter ble kjøpt med et langt intervall, som kan være forårsaket av forskjellige storfekjøttvarianter) . Tilsvarende er dette trinnet for TVB-N-kokt storfekjøttprøve også implementert på programvaren Envi5.1.
Figuren nedenfor viser TVB-N som trekker ut ROI-området i Envi5.1 og oppnår prøvespektralverdien.
Spektrale forbehandlingsresultater
Den spektrale informasjonen til den kokte storfekjøttprøven for å forutsi TVC ble forbehandlet (i størrelsesorden SG -utjevning, vektor normalisering og SNV -transformasjon). Det opprinnelige spekteret av den spektrale informasjonen og forbehandlingen av spektrum er vist på figuren nedenfor.
Den samme forbehandlingsmetoden som den som ble brukt for den kokte storfekjøttprøven for å forutsi TVC i forrige avsnitt, brukes til å forbehandle den spektrale informasjonen om de hyperspektrale dataene til prøven for å forutsi TVB-N-verdi. Det opprinnelige spekteret og spekteret etter forbehandling er vist på figuren nedenfor:
En ti ganger kryssvalideringsmodell av støttevektorregresjon (SVR) ble etablert for spektraldataene før og etter forbehandling. Modellytelsen er vist i tabellen, og modelleringsresultatene er vist på figuren. Denne metoden er implementert i multivariat dataanalyseprogramvare TheUnscrambler X10.4. SVR -metoden og dens modellytelsesindikatorer vil bli introdusert i avsnitt 4.1 og vil ikke bli beskrevet i detalj her.
Som det fremgår av tabellen, har ytelsen til prediksjonsmodellene til de to indikatorene etablert av de forbehandlede spektrene forbedret til en viss grad. Resultatkorrelasjonskoeffisienten R for prediksjonsmodellen for TVC har økt med 16 prosentpoeng, mens ytelseskorrelasjonskoeffisienten R for prediksjonsmodellen for TVB-N har økt med 9 prosentpoeng. Dette verifiserer nødvendigheten av spektral forbehandling, så den påfølgende analysen bruker de forbehandlede dataene.
Sammendrag og utsikter
For å oppnå rask og ikke-destruktiv påvisning av friskheten til kokte kjøttprodukter, tar dette papiret kokt storfekjøtt som forskningsobjektet og bruker hyperspektral avbildningsteknologi for å lage en prediksjonsmodell for friskheten til kokt storfekjøtt. Endringene i friskheten til kokt storfekjøtt under lagring og hovedfaktorene som påvirker friskheten til kokt storfekjøtt ble studert, og den mikrobielle indeksen TVC-verdien og kjemisk indeks TVB-N-verdi relatert til den ble bestemt. De spesifikke forskningskonklusjonene er som følger: Muligheten for å bruke hyperspektral avbildningsteknologi for å oppdage friskheten til kokt storfekjøtt ble studert, og endringstrenden til Freshness Index TVC og TVB-N-verdien TVC for kokt storfekjøtt under lagring ble diskutert; Ytelsen til SVR-prediksjonsmodellen (ved bruk av ti ganger kryssvalidering) bygget før og etter spektrale dataforbehandling ble sammenlignet, og prediksjonsmodellen bygget med det forbehandlede datasettet hadde bedre ytelse; Prøvesettpartisjoneringsmetoden ble studert. Treningssettet og testsettet generert av forskjellige eksempler på partisjonsmetoder ble modellert og analysert, og til slutt ble treningssettet og testsettet delt på SPXY -partisjonsmetoden valgt.
