A tecnologia de imagem hiperespectral permite testes rápidos e não destrutivos do frescor da carne suína

Durante a transformação, distribuição e circulação da carne de porco e dos seus produtos, a frescura é um indicador vital para medir a sua qualidade e segurança.como a determinação do azoto básico volátil total (TVB-N) e da contagem total viável (TVC), fornecem resultados fiáveis, são complicados, demorados e destrutivos para as amostras.e ensaios não destrutivos.

Nos últimos anos, a tecnologia de imagem hiperespectral demonstrou um potencial de aplicação significativo no domínio da avaliação da qualidade dos alimentos devido à sua riqueza de informações, à sua natureza sem contacto,e capacidades de análise rápidaA câmara hiperspectral FS-IQ-VISNIR (400-1000 nm) do CHNSpec forneceu suporte à aquisição de dados para este tipo de investigação.

Projeto experimental e aquisição de dados

Num estudo publicado no 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 daysA câmara utiliza um método de imagem de vassoura, com um intervalo de comprimento de onda de 400-1000 nm.contendo 1200 faixas, um intervalo de amostragem espectral de aproximadamente 0,5 nm e uma resolução espacial de 1920×1920 pixels.

Para melhorar a qualidade do sinal, a equipe de pesquisa projetou um método de pré-processamento de imagem sem supervisão baseado em diferenças espectrais.Combinado com a segmentação do limiar adaptativo de Otsu e operações morfológicas, este método efetivamente extraiu a região de interesse (ROI) e reduziu a interferência de fundo.

Rede de extração de características de duplo ramo e modelagem de fusão de aprendizado de máquina

O estudo propôs uma rede de extração de características hiperespectrais de duplo ramo chamada HFE (Hybrid-FeatureExtractor).

• Ramo Espectral: introduz o mecanismo de atenção de Espremimento e Excitação (SE) para aprender de forma adaptativa os pesos de cada banda,e combina um perceptron multicamadas (MLP) para extrair características espectrais chave.
• Ramo Espacial:Adota uma rede neural de convolução bidimensional (CNN) combinada com módulos residuais (BasicBlock) e módulos Atrous Spatial Pyramid Pooling (ASPP) para extrair características espaciais de múltiplas escalas.

Os dois tipos de características são integrados através de um mecanismo de fusão fechado e posteriormente inseridos nos modelos de regressão parcial dos menores quadrados (PLSR) e regressão do vetor de suporte (SVR), respectivamente,para completar a previsão quantitativa do conteúdo de TVB-N e TVC.

Desempenho e análise de previsão

Os resultados experimentais indicam que, quando o módulo HFE é combinado com o PLSR e o SVR, apresenta uma elevada precisão na previsão do conteúdo TVB-N e TVC:

• HFE + PLSR: o R2 para a previsão TVB-N é 0,9786 com um RMSE de 2.4685; o R2 para a previsão TVC é 0,9529 com um RMSE de 0.3223.
• HFE + SVR: TheR2 para a previsão TVC é 0,9597 com um RMSE de 0.3066.
• Em comparação com os métodos quimiométricos tradicionais (como SG+SPA, SNV+CARS), a precisão de previsão e a estabilidade do modelo deste método são ambas melhoradas.,TVB-N e TVC atingiram 7.1204 e 5.1831 respectivamente, indicando que o modelo possui fortes capacidades preditivas.

Interpretabilidade do modelo e identificação da faixa-chave

Através do mecanismo de atenção SE, a equipa de investigação realizou uma análise de visualização dos pesos de diferentes bandas no ramo espectral.Os resultados mostraram que o modelo atribuía pesos mais elevados na faixa de 600-920 nm., uma região estreitamente relacionada com a resposta óptica da oxidação das proteínas e dos metabólitos microbianos (tais como aminas, aldeídos, cetonas, etc.).o teor de TVB-N e TVC aumentou, e a faixa dessas faixas características também foi ampliada, indicando que o modelo pode capturar mudanças espectrais sutis relacionadas com as variações de frescura.

Perspectivas de aplicação

Este estudo demonstra que a câmara hiperespectral FS-IQ-VISNIR, combinada com a rede de extracção de características de dupla ramificação e os modelos de regressão de aprendizagem de máquina,Pode obter uma previsão eficaz dos indicadores de frescura da carne de porco sem causar danos às amostrasEste método tem um valor de referência prático para ensaios on-line não destrutivos na transformação de alimentos, transporte de cadeia de frio e ligações de retalho.

A CHNSpec continuará a fornecer equipamento de imagem hiperespectral e apoio técnico no domínio da qualidade e segurança dos alimentos,Auxiliar a indústria na transição para métodos de ensaio mais eficientes e inteligentes.

Recomendação de produto: FS-IQ-VISNIR Câmara Hiperspectral Portátil

• Faixa espectral: 400 ‰ 1000 nm
• Resolução espectral: 2,5 nm
• Resolução da imagem: 1920*1920
• Número de canais espectrais: 1200