基于高光譜成像技術的生鮮豬肉含水率無損檢測

本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。

水分是豬肉的一個重要組成成分，與豬肉的食用口感、營養品質、經濟效益，以及加工、運輸和貯藏都密切相關"。近年來，一些不良商販為了牟取暴利將“注水肉”摻入到市場中，嚴重影響著人民群眾的身體健康。因此，做好豬肉含水率的檢測具有重要的現實意義。傳統的水分檢測方法主要有感官法、試紙法、烘干失重法和電導法。其中，感官法由于個體感官的差異難以得到準確的測量結果；試紙法簡單易行，但只限于定性判斷，靈敏度不高；烘干失重法測量結果準確可靠、但耗時耗電，且會損傷樣本；電導法測量速度快，但該方法在穩定度和準確度等方面需要進一步提高 。近年來，近紅外光譜分析技術作為一種高效、快速、多組分同時檢測的無損檢測技術在肉品品質分析領域有著廣泛的應用。基于近紅外光譜技術的豬肉水分檢測也有相關文獻。然而，近紅外光譜技術僅能得到被測樣本的光譜信息，且現有的近紅外光譜儀通常只能提供被測樣本的表面部分點信息，對檢測結果的準確性影響較大。目前，高光譜成像技術因其可以同時獲取被測樣本的圖像信息和光譜信息、具有較高的光譜分辨率而成為農產品品質無損檢測領域的有力工具。國內外已有研究表明，利用高光譜成像技術對肉品品質檢測是切實可行的。

基于高光譜成像技術對生鮮豬肉含水率進行無損檢測研究。比較分析了樣本劃分方法和光譜預處理方法對PLSR模型預測能力的影響。為了提高模型的預測精度，采用競爭性自適應重加權算法優選特征波段，并建立了生鮮豬肉含水量的CARS-PLSR 預測模型。實驗結果表明∶采用CG樣本集劃分方法結合MSC、一階導與標準化組合的光譜預處理方法建立的生鮮豬肉含水量全波段PLSR模型**，其交叉驗證和預測相關系數分別為0.814和0.804，均方根誤差分別為0.726%和0.686%。采用CARS法優選特征波段，結合OSC光譜預處理方法建立的CARS-PLSR模型預測精度較PLSR模型有顯著的提高，其交叉驗證和預測相關系數分別提100%高到0.926和0.924，均方根誤差分別減小到0.467%和0.438%。由此可以得出，采用CG算法劃分樣本集、CARS算法優選特征波段，結合OSC光譜預處理方法可以基于高光譜技術對生鮮豬肉含水率進行無損快速檢測。