高光谱成像及近红外技术在鸡肉品质无损检测中的应用.pdfVIP

30 2017, Vol. 31, No. 12 肉类研究 中国肉类食品综合研究中心 分析检测 MEAT RESEARCH CHINA MEAT RESEARCH CENTER 高光谱成像及近红外技术在鸡肉品质 无损检测中的应用 邢素霞，王 睿，郭培源，刘艳芳，王九清，徐 盼 （北京工商大学计算机与信息工程学院，食品安全大数据技术北京市重点实验室，北京 100048 ） 摘  要：高光谱成像与近红外光谱（near infrared spectroscopy ，NIR ）技术是现代食品检测领域的重要手段，本研 究对2 种技术在鸡肉品质无损检测中的预测精度进行研究。选用62 份新鲜程度不同的鸡胸肉，提取其高光谱感兴 趣区域（region of interest ，ROI ）的光谱曲线，并测定样品的挥发性盐基氮（total volatile base nitrogen ，TVB-N ） 含量和菌落总数（total viable count ，TVC ），利用OPUS 6.0光谱处理软件搜寻最佳的光谱预处理和波段组合，分 2 partial least square PLS NIR 30 别建立 个指标的偏最小二乘法（ ， ）定量分析模型。 样本选用 份新鲜程度不同的鸡 胸肉，测定其TVB-N含量和TVC ，建立PLS 的交叉验证模型。结果表明：利用高光谱的ROI平均光谱建立的TVB-N 含量与TVC模型的相关系数（R2 ）分别为0.965和0.919 ，均方根误差（root mean square error of cross validation ， RMSECV 0.121 0.215 NIR TVB-N TVC R2 0.801 0.780 RMSECV ）分别为 和 ；利用 建立的 含量与 预测模型的 分别为 和 ， 分 别为0.232和0.312 。由此可见，基于高光谱的ROI 区域光谱建立的预测模型在鸡肉品质无损检测中具有比NIR更高的 预测精度。 关键词：鸡肉新鲜度；高光谱成像；偏最小二乘法；近红外光谱 Comparative Application of Hyperspectral Imaging and Near Infrared Spectroscopy in Nondestructive Detection of Chicken Quality XING Suxia, WANG Rui, GUO Peiyuan, LIU Yanfang, WANG Jiuqing, XU Pan (Beijing Key Laboratory of Big Data Technology for Food Safety, College of Computer and Information Engineering, Beijing Technology and Business University, Beijing 100048, China) Abstract: Hyperspectral imaging and near infrared spectroscopy (NIR)