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(fēng)波",，引發(fā)了人們對肉類摻假問題的極度關(guān)注。肉類摻假檢測方法包括感官評測,、熒光PCR檢測技術(shù),、電泳分析法和酶聯(lián)免疫分析技術(shù)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(shù)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(xué)計量學(xué)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(yù)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(yù)處理后建模效果好,，對于900～1700nm波段范圍的光譜,，采用SNV預(yù)處理后的光譜建模最好。
表1 400～1000nm采用不同預(yù)處理方法的全波段PLS模型性能
模型 | 主因子數(shù) | 校正集 | 預(yù)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(yù)處理方法的全波段PLS模型性能
模型 | 主因子數(shù) | 校正集 | 預(yù)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 |
隨后在選擇最佳預(yù)處理方法的基礎(chǔ)上,，對光譜進行特征選擇,，并與全光譜進行模型性能對比，最終選擇在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(yù)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(yù)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(yù)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 |
最后對最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(shù)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,。
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.
(空格分隔,最多3個,單個標(biāo)簽最多10個字符)
8
立即詢價
您提交后,，專屬客服將第一時間為您服務(wù)