La tecnologia di imaging iperspettrale consente un test rapido e non distruttivo della freschezza della carne di maiale

Durante la trasformazione, la distribuzione e la circolazione della carne suina e dei suoi prodotti, la freschezza è un indicatore fondamentale per misurare la sua qualità e sicurezza.come la determinazione dell'azoto volatile di base totale (TVB-N) e del numero totale di sostanze vitali (TVC), offrono risultati affidabili, sono ingombranti, richiedono molto tempo e distruggono i campioni.e prove non distruttive.

Negli ultimi anni, la tecnologia di imaging iperspettrale ha dimostrato un significativo potenziale di applicazione nel campo della valutazione della qualità degli alimenti a causa della sua ricchezza di informazioni, della sua natura senza contatto,e capacità di analisi rapidaLa telecamera iperspettrale FS-IQ-VISNIR (400-1000 nm) del CHNSpec ha fornito supporto per l'acquisizione di dati per questo tipo di ricerca.

Progettazione sperimentale e acquisizione di dati

In uno studio pubblicato sul Journal of Food Composition and Analysis, a research team from Zhengzhou Light Industry University utilized CHNSpec's FS-IQ-VISNIR hyperspectral camera to collect visible-near-infrared hyperspectral data of pork tenderloin stored under cold refrigeration at 4°C within 14 daysLa fotocamera utilizza un metodo di imaging a scopa, con una gamma di lunghezza d'onda di 400 ‰ 1000 nm.contenente 1200 bande, un intervallo di campionamento spettrale di circa 0,5 nm e una risoluzione spaziale di 1920×1920 pixel.

Per migliorare la qualità del segnale, il team di ricerca ha progettato un metodo di preelaborazione delle immagini senza supervisione basato sulle differenze spettrali.Combinato con la segmentazione delle soglie di adattamento di Otsu e le operazioni morfologiche, questo metodo ha efficacemente estratto la regione di interesse (ROI) e ridotto le interferenze di sfondo.

Rete di estrazione di caratteristiche a due rami e modellazione di fusione di apprendimento automatico

Lo studio ha proposto una rete di estrazione di caratteristiche iperspettrali a due rami denominata HFE (Hybrid-FeatureExtractor).

• Ramo spettrale: introduce il meccanismo di attenzione "Squeeze-and-Excitation" (SE) per apprendere in modo adattativo i pesi di ciascuna banda,e combina un perceptron multilayer (MLP) per estrarre le caratteristiche spettrali chiave.
• Ramo territoriale:Adotta una rete neurale convoluzionale bidimensionale (CNN) combinata con moduli residui (BasicBlock) e moduli Atrous Spatial Pyramid Pooling (ASPP) per estrarre caratteristiche spaziali su più scale.

I due tipi di caratteristiche sono integrati attraverso un meccanismo di fusione chiusa e successivamente inseriti nei modelli di regressione parziale dei minimi quadrati (PLSR) e di regressione del vettore di supporto (SVR), rispettivamente,completare la previsione quantitativa del contenuto di TVB-N e TVC.

Performance e analisi delle previsioni

I risultati sperimentali indicano che, quando il modulo HFE è combinato con PLSR e SVR, mostra un'elevata precisione nella previsione dei contenuti TVB-N e TVC:

• HFE + PLSR: l'R2 per la previsione TVB-N è 0,9786 con un RMSE di 2.4685; la R2 per la previsione TVC è 0,9529 con un RMSE di 0.3223.
• HFE + SVR: TheR2 per la previsione TVC è 0,9597 con un RMSE di 0.3066.
• Rispetto ai metodi chemiometrici tradizionali (come SG+SPA, SNV+CARS), la precisione di previsione e la stabilità del modello di questo metodo sono entrambi migliorati.,TVB-N e TVC hanno raggiunto rispettivamente 7.1204 e 5.1831, indicando che il modello possiede forti capacità predittive.

Interpretabilità del modello e identificazione della fascia chiave

Attraverso il meccanismo di attenzione SE, il gruppo di ricerca ha condotto un'analisi di visualizzazione dei pesi delle diverse bande nel ramo spettrale.I risultati hanno mostrato che il modello ha assegnato pesi più elevati nell'intervallo di 600 ‰ 920 nm, una regione strettamente correlata alla risposta ottica dell'ossidazione delle proteine e dei metaboliti microbici (come ammine, aldeidi, chetoni, ecc.).il contenuto di TVB-N e TVC è aumentato, e l'intervallo di queste bande caratteristiche è stato anch'esso ampliato, indicando che il modello può catturare sottili cambiamenti spettrali correlati alle variazioni di freschezza.

Prospettive di applicazione

Questo studio dimostra che la telecamera iperspettrale FS-IQ-VISNIR, combinata con la rete di estrazione di caratteristiche a doppio ramo e i modelli di regressione dell'apprendimento automatico,può ottenere una previsione efficace degli indicatori di freschezza della carne suina senza danneggiare i campioniQuesto metodo ha un valore di riferimento pratico per i test online non distruttivi nella trasformazione alimentare, nel trasporto della catena del freddo e nei collegamenti al dettaglio.

CHNSpec continuerà a fornire attrezzature per l'imaging iperspettrale e supporto tecnico nel settore della qualità e della sicurezza alimentare,aiutare l'industria a passare a metodi di prova più efficienti e intelligenti.

Raccomandazione del prodotto: FS-IQ-VISNIR Camera iperspettrale portatile

• Intervallo spettrale: 400 ‰ 1000 nm
• Risoluzione spettrale: 2,5 nm
• Risoluzione dell'immagine: 1920*1920
• Numero di canali spettrali: 1200