基于高光谱技术的猪肉肌红蛋白含量无损检测

为充分利用猪肉光谱与图像信息,实现猪肉肌红蛋白含量的在线检测,该研究提出一种基于深度学习模型的猪肉肌红蛋白含量无损检测方法。采用高光谱设备采集冷藏过程中猪肉高光谱图像,通过ENVI5.3选择图像感兴趣区域(Region Of Interest,ROI),分别提取ROI平均光谱信息与主成分图像信息。利用卷积自动编码器(Convolutional Auto Encoder,CAE)提取光谱与图像信息深度特征,分别建立光谱特征、图像特征及图-谱融合特征与肌红蛋白含量之间关系的卷积神经网络(Convolutional Neural Network,CNN)预测模型。其中基于融合深度特征CNN预测模型准确度较高,该模型对脱氧肌红蛋白(DeoMb)、氧合肌红蛋白(OxyMb)、高铁肌红蛋白(MetMb)含量预测集决定系数R_(p)^(2)分别为0.9645、0.9732、0.9585,预测集均方根误差RMSEP分别为0.0158、0.2266、0.3816。为进一步验证图-谱融合特征与猪肉肌红蛋白存在对应关系,分别建立偏最小二乘回归(Partial Least Squares Regression,PLSR)、支持向量机回归(Support Vector Regression,SVR)预测模型。结果表明:CAE能充分提取图像与光谱特征;基于融合特征建立回归模型能提高肌红蛋白含量预测精度,相比于光谱信息与图像信息,以MetMb为例,其2 P R分别提高5.42%、16.12%。该检测方法为肉类质量在线检测提供参考,具有好的应用前景。