高光谱成像技术的三文鱼多品质指标的预测与分布可视化研究

• 全文链接
• 请求原文

作   者：

孙宗保;  李君奎;  梁黎明;  邹小波;  刘小裕;  牛增;  高云龙; 

作者机构：

江苏大学食品与生物工程学院; 

关键词：

高光谱成像技术;  剪切力;  K值;  变量筛选方法;  颜色;  三文鱼; 

期刊名称：

光谱学与光谱分析

i s s n：

1000-0593

年卷期：

2021 年 41 卷 008 期

页   码：

2591-2597

摘   要：

采用颜色、剪切力和K值评价冰鲜与冻融三文鱼的品质,利用高光谱成像技术结合化学计量学方法对三个品质指标进行预测,并讨论了不同波长选择算法所建模型的预测效果.准备不同冻融次数三文鱼样本,进行高光谱数据采集和品质指标真实值的测定.采用六种预处理方法减少光谱数据中暗电流以及噪声的干扰,采用竞争性自适应重加权算法(CARS)、区间变量迭代空间收缩法(iVISSA),iVISSA-CARS筛选出与待测指标相关的变量,通过比较三种波长选择算法筛选的特征变量所建偏最小二乘(PLS)模型的预测结果,优选出三个品质指标最佳的变量选择方法.结果表明1st Der-CARS-PLS模型对颜色中的a*预测效果最好,筛选出的51个变量建立模型的Rc和Rp分别为0.9316和0.9297,RMSECV和RMSEP分别为0.716和0.735;2nd Der-CARS-PLS模型对剪切力的预测效果最好,筛选出的61个特征变量建立模型的Rc和Rp分别为0.8921和0.8873,RMSECV和RMSEP分别为0.67 N和0.80 N;模型N-CARS-PLS取得了K值最好的预测效果,筛选出的51个特征变量所建模型的Rc,Rp,RMSECV和RMSEP分别为0.9514,0.9500,1.33,1.53.说明C A RS变量筛选方法能够有效提取与特征指标相关的变量,提高模型的预测性能.除此之外,特征变量筛选联合算法iVISSA-CARS-PLS对三个指标的预测也取得了较好的结果,对三个指标测试集的Rp分别为CARS-PLS预测模型的97.48%,97.02%,98.98%,而所用变量数仅为CARS-PLS的60.78%,62.29%,60.78%,说明变量筛选组合算法极大的减少了建立模型所用的数据量.三个指标的CARS-PLS以及iVISSA-CARS-PLS模型取得的预测效果均高于iVISSA-PLS,说明对于三文鱼三个品质指标的预测,CARS波长点筛选策略优于iVISSA波段选择策略.将优选出来的PLS模型分别用于构建三个品质指标的可视化分布图,清楚的展示了不同冻融次数三个品质指标的大小以及空间分布.因此,高光谱成像技术结合化学计量学方法可以较好的表征三文鱼的品质指标,为三文鱼多品质指标的同时快速检测提供了部分理论参考.