基于高光譜成像的羊肉摻假可視化無損定量檢測
肉類主要包括畜禽類和水產(chǎn)品類，人體所需的蛋白質(zhì)、脂肪酸、微量元素等重要能量物質(zhì)都來源于肉類。隨著生活水平不斷地提高，人們在飲食方面更加注重食品的品質(zhì)和營養(yǎng)均衡搭配，但一些不法商家將一些低品質(zhì)的肉類混入高品質(zhì)肉類中，以次充好，特別是2013年歐洲的“馬肉風波”，引發(fā)了人們對肉類摻假問題的極度關注。肉類摻假檢測方法包括感官評測、熒光PCR檢測技術、電泳分析法和酶聯(lián)**分析技術等，但大都需要樣品前處理，試驗操作較為繁瑣且費時費力，很難實現(xiàn)較大樣品量的現(xiàn)場快速實時檢測。
江蘇雙利合譜公司利用GaiaField-Pro-V10E型和GaiaField-Pro-N17E型高光譜相機，搭配GaiaSoter分選儀，對羊肉中摻假鴨肉進行快速定量檢測，以期為羊肉摻假的定量檢測提供數(shù)據(jù)和技術支撐。
圖1為獲取羊肉中摻雜不同比例的鴨肉高光譜數(shù)據(jù)的簡易流程（摻假比例為0%~100%，間隔為10%），包括感興趣區(qū)域的選取及光譜的提取工作。在整個光譜范圍（400～1000nm和900～1700nm）內(nèi)并不存在隨著羊肉摻假比例地升高，光譜的反射率曲線有明顯的升高或下降的規(guī)律，因此需要通過化學計量學方法提取光譜中的有效信息，剔除無用的干擾信息后建立模型。
圖1
首先對全光譜進行預處理后建模，如表1，表2所示，對于400～1000nm波段范圍的光譜，采用歸一化預處理后建模效果*好，對于900～1700nm波段范圍的光譜，采用SNV預處理后的光譜建模*好。
表1 400～1000nm采用不同預處理方法的全波段PLS模型性能
|
模型 |
主因子數(shù) |
校正集 |
預測集 |
|||
|
|
R2cv |
SECV |
R2p |
RMSEP |
RPD |
|
|
NONE |
7 |
0.9059 |
0.0994 |
0.9078 |
0.0903 |
3.2933 |
|
WT |
10 |
0.8605 |
0.1147 |
0.8886 |
0.1117 |
2.9661 |
|
MSC |
13 |
0.9169 |
0.0955 |
0.8184 |
0.1247 |
2.3466 |
|
SNV |
9 |
0.8980 |
0.1058 |
0.8761 |
0.1052 |
2.8410 |
|
歸一化 |
6 |
0.9071 |
0.0988 |
0.9153 |
0.0853 |
3.4360 |
|
SG |
7 |
0.9060 |
0.0993 |
0.9074 |
0.0905 |
3.2832 |
表2 900～1700nm采用不同預處理方法的全波段PLS模型性能
|
模型 |
主因子數(shù) |
校正集 |
預測集 |
|||
|
|
R2cv |
SECV |
R2p |
RMSEP |
RPD |
|
|
NONE |
6 |
0.7856 |
0.1455 |
0.8618 |
0.1169 |
2.6900 |
|
WT |
13 |
0.8712 |
0.1042 |
0.8970 |
0.1081 |
3.1159 |
|
MSC |
5 |
0.9038 |
0.0979 |
0.9269 |
0.0944 |
3.6986 |
|
SNV |
5 |
0.9055 |
0.0970 |
0.9311 |
0.0967 |
3.8087 |
|
歸一化 |
7 |
0.8974 |
0.0995 |
0.8842 |
0.1479 |
2.9386 |
|
SG |
12 |
0.8022 |
0.1397 |
0.9106 |
0.0941 |
3.3445 |
隨后在選擇*佳預處理方法的基礎上，對光譜進行特征選擇，并與全光譜進行模型性能對比，*終選擇在900-1700nm波段范圍內(nèi)，采用SNV-SPA方法的建模效果*好，其建模效果：R2cv為0.9191，SECV為0.0997，R2p為0.9684，RMSEP為0.0582，RPD為5.6254。表3、表4為不同特征波長挑選方法的建模效果對比,圖2為挑選波長的位置分布及建模效果。
表3 400～1000nm采用歸一化后的PLSR建模效果
|
模型 |
特征波長數(shù) |
主因子數(shù) |
校正集 |
預測集 |
|||
|
R2cv |
SECV |
R2p |
RMSEP |
RPD |
|||
|
CARS |
10 |
9 |
0.8998 |
0.0964 |
0.8708 |
0.1024 |
2.7821 |
|
iRF |
29 |
6 |
0.9098 |
0.0983 |
0.9292 |
0.0760 |
3.7582 |
|
SiPLS |
47 |
7 |
0.9088 |
0.0982 |
0.8960 |
0.0919 |
3.1009 |
|
SPA |
14 |
10 |
0.9103 |
0.0987 |
0.9479 |
0.0704 |
4.3811 |
表4 900～1700nm采用SNV預處理方法后的PLSR建模效果
|
模型 |
特征波長數(shù) |
主因子數(shù) |
校正集 |
預測集 |
|||
|
R2cv |
SECV |
R2p |
RMSEP |
RPD |
|||
|
CARS |
14 |
13 |
0.9167 |
0.0996 |
0.9575 |
0.0184 |
4.8507 |
|
iRF |
70 |
7 |
0.9062 |
0.0967 |
0.9434 |
0.0197 |
4.2033 |
|
SiPLS |
205 |
6 |
0.9092 |
0.0951 |
0.9554 |
0.0600 |
4.7351 |
|
SPA |
13 |
7 |
0.9191 |
0.0997 |
0.9684 |
0.0582 |
5.6254 |
*后對*佳模型進行可視化反演，從圖3可以看出，隨著摻假比例的增加，顏色由深色變成淺色。高光譜成像技術提供了一種切實可靠的方法來可視化摻假樣品的分布，這是其他方法無法實現(xiàn)的。
圖3羊肉摻假鴨肉摻假可視化圖像
參考文獻：趙靜遠, 張俊芹, 孫梅,等. 基于高光譜成像的羊肉摻假可視化無損定量檢測[J]. 食品與機械, 2022, 38(10):8.
