基于高光譜成像技術(shù)的牛羊肉品質(zhì)無(wú)損檢測(cè)研究進(jìn)展

王 龍，邱園園，李小波

（1.石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆 石河子 832003；2.新疆原野食品有限責(zé)任公司）

基于高光譜成像技術(shù)的牛羊肉品質(zhì)無(wú)損檢測(cè)研究進(jìn)展

王 龍，邱園園，李小波

（1.石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆 石河子 832003；2.新疆原野食品有限責(zé)任公司）

高光譜成像技術(shù)作為一種無(wú)損的檢測(cè)技術(shù)已在農(nóng)畜產(chǎn)品的品質(zhì)檢測(cè)中得到應(yīng)用，本文綜述了高光譜成像技術(shù)在牛羊肉品質(zhì)檢測(cè)中的應(yīng)用進(jìn)展，同時(shí)提出了現(xiàn)階段高光譜成像技術(shù)所存在的問題，展望了該技術(shù)在牛羊肉品質(zhì)檢測(cè)領(lǐng)域的應(yīng)用前景。

高光譜成像技術(shù)；牛羊肉品質(zhì)；應(yīng)用進(jìn)展

伴隨著全球的經(jīng)濟(jì)大發(fā)展，國(guó)內(nèi)國(guó)外消費(fèi)者對(duì)牛羊肉需求也與日俱增，這樣的需求為眾多牛羊肉生產(chǎn)加工企業(yè)提供了一個(gè)廣闊的平臺(tái)。

從牛羊肉的總體產(chǎn)量上看，我國(guó)可以稱得上是一個(gè)牛羊肉生產(chǎn)大國(guó)，但在國(guó)際舞臺(tái)上我們卻仍然是一個(gè)小角色，我們所生產(chǎn)加工出口外銷的牛羊肉及其制品的市場(chǎng)競(jìng)爭(zhēng)力遠(yuǎn)低于其他西方發(fā)達(dá)國(guó)家，國(guó)外消費(fèi)者對(duì)于我們的牛羊肉制品一直持懷疑態(tài)度。長(zhǎng)期以來，我國(guó)所生產(chǎn)加工的牛羊肉產(chǎn)品只在國(guó)際市場(chǎng)中占據(jù)了很小的份額，而我們牛羊肉產(chǎn)品的價(jià)格又遠(yuǎn)遠(yuǎn)低于其他國(guó)家的產(chǎn)品，處在一個(gè)不利的地位。現(xiàn)階段，市場(chǎng)上大部分的高檔牛羊肉制品依然來自于國(guó)際市場(chǎng)的進(jìn)口。造成我國(guó)高檔牛肉市場(chǎng)供應(yīng)不足的因素有很多，其中最關(guān)鍵因素正是牛羊肉質(zhì)量無(wú)法得到有力保證，然而國(guó)際市場(chǎng)和國(guó)內(nèi)高端需求又對(duì)牛羊肉品質(zhì)的要求很高，所以這個(gè)問題一直困擾和制約著我國(guó)牛羊肉制品工業(yè)的發(fā)展。我國(guó)對(duì)牛羊肉品質(zhì)分級(jí)起步較晚，相比與西方牛羊肉產(chǎn)業(yè)發(fā)達(dá)國(guó)家技術(shù)上遠(yuǎn)遠(yuǎn)落后。目前，國(guó)內(nèi)反映牛羊肉質(zhì)量的牛羊肉分級(jí)體系和標(biāo)準(zhǔn)已經(jīng)建立，因此，尋求一種可靠的牛羊肉品質(zhì)安全分級(jí)檢測(cè)手段已經(jīng)成為當(dāng)務(wù)之急。

現(xiàn)階段，我國(guó)大部分牛羊肉生產(chǎn)企業(yè)和檢驗(yàn)部門對(duì)于牛羊肉品質(zhì)的檢測(cè)仍然依靠感官評(píng)定和理化指標(biāo)檢測(cè)2種方法。其中，感官評(píng)定的方法是經(jīng)過專業(yè)訓(xùn)練和考核的專業(yè)人員對(duì)牛羊肉制品進(jìn)行人工的打分評(píng)定，這種方法的檢測(cè)結(jié)果受許多主觀因素的干擾，例如評(píng)價(jià)者本身的心理波動(dòng)和身體上的狀態(tài)差異，所以檢測(cè)結(jié)果誤差較大；理化指標(biāo)檢測(cè)的方法就是借助相關(guān)儀器設(shè)備對(duì)牛羊肉制品相關(guān)理化指標(biāo)進(jìn)行客觀的測(cè)定，例如，嫩度儀對(duì)牛羊肉嫩度的測(cè)定。這種方法雖然比人工的主觀評(píng)價(jià)要準(zhǔn)確，但是該方法對(duì)肉樣不僅具有破壞性，而且其取樣過程復(fù)雜、檢測(cè)時(shí)間較長(zhǎng)，所以也已經(jīng)無(wú)法滿足現(xiàn)在飛速發(fā)展的牛羊肉工業(yè)的檢測(cè)需求。近年來，隨著電學(xué)、光學(xué)、計(jì)算機(jī)、圖像處理等現(xiàn)代先進(jìn)技術(shù)的不斷發(fā)展和創(chuàng)新，肉品品質(zhì)檢測(cè)技術(shù)正朝著非破壞性、在線實(shí)時(shí)、準(zhǔn)確便捷的方向發(fā)展。例如超聲波分析檢測(cè)、生物仿真檢測(cè)、機(jī)器視覺檢測(cè)、近紅外光譜分析等新興檢測(cè)技術(shù)已經(jīng)逐步實(shí)現(xiàn)對(duì)于牛肉嫩度的檢測(cè)，但都存在一些不足和技術(shù)瓶頸，也暫時(shí)無(wú)法滿足對(duì)于牛肉嫩度的工業(yè)化生產(chǎn)檢測(cè)。

1 高光譜成像技術(shù)簡(jiǎn)介

高光譜成像技術(shù)[1]是一項(xiàng)綜合了多門學(xué)科的一項(xiàng)新興技術(shù)，其包含了光譜學(xué)、圖像學(xué)、計(jì)算機(jī)編程應(yīng)用以及信息分析處理等技術(shù)，與傳統(tǒng)的二維成像技術(shù)不同，高光譜成像技術(shù)有效的結(jié)合光譜技術(shù)，在檢測(cè)過程中獲得的是同時(shí)包含被測(cè)樣品光譜數(shù)據(jù)曲線和外部圖像信息的三維數(shù)據(jù)塊，如此就可以同時(shí)分析被測(cè)物的可視空間信息和內(nèi)部品質(zhì)特征，從而實(shí)現(xiàn)基于多變量的可視化判別。其在農(nóng)畜產(chǎn)品的品質(zhì)鑒別和無(wú)損檢測(cè)分級(jí)中具有很大的發(fā)展?jié)摿Γ侠碛行У睦酶吖庾V圖像技術(shù)可以為牛羊肉品質(zhì)無(wú)損檢測(cè)提供一種行之有效的方法。

2 國(guó)外研究進(jìn)展

國(guó)外利用高光譜成像技術(shù)對(duì)畜禽產(chǎn)品的品質(zhì)檢測(cè)早在20世紀(jì)90年代[2]就已經(jīng)開始了，近些年來對(duì)于牛羊肉的品質(zhì)檢測(cè)也進(jìn)行了研究，尤其是對(duì)牛肉品質(zhì)檢測(cè)的研究較多。

2007年，Cho等[3]進(jìn)行了基于高光譜圖像系統(tǒng)對(duì)牛肉制品生產(chǎn)加工機(jī)械上遺留殘?jiān)臋z測(cè)研究，實(shí)驗(yàn)針對(duì)牛肉加工過程中的殘留物進(jìn)行定性判別，選擇多個(gè)特征波段建立判別模型，最終檢測(cè)判別率可達(dá)99.7%。

2008年，Cluff等[4]利用高光譜圖像技術(shù)對(duì)牛肉嫩度進(jìn)行無(wú)損檢測(cè)，根據(jù)光譜散射特性建立牛肉嫩度判別模型。研究結(jié)果表明，高光譜成像技術(shù)可以進(jìn)行牛肉嫩度的無(wú)損檢測(cè)，其準(zhǔn)確率高達(dá)76%。

2008年，Naganthan G K等[5]應(yīng)用高光譜圖像對(duì)對(duì)牛肉紋理特性展開研究。根據(jù)牛肉的剪切力把樣本嫩度分成三類（柔軟、適中、堅(jiān)韌），通過主成分分析獲得牛肉紋理特性，并依據(jù)三種嫩度類型與紋理特性的關(guān)系，建立圖像預(yù)測(cè)模型，留一交叉驗(yàn)證方法驗(yàn)證模型的精確度達(dá)94.6%。

2009年，Peng等[6]研制組裝了一個(gè)高光譜分散系統(tǒng)，通過不同的化學(xué)計(jì)量學(xué)方法建模，最終實(shí)現(xiàn)檢測(cè)牛肉中的腐敗細(xì)菌，同時(shí)其檢測(cè)結(jié)果符合檢測(cè)精度要求。

2011年，ElMasry G等[7]研究了基于高光譜圖像對(duì)牛肉系水力進(jìn)行無(wú)損檢測(cè)，利用PLS方法建立的檢測(cè)模型決定系數(shù)為0.89，交叉驗(yàn)證模型的標(biāo)準(zhǔn)誤差為0.26%。并根據(jù)偏最小二乘回歸系數(shù)選擇6個(gè)特征波長(zhǎng) （940、997、1 144、1 214、1 342、1 443 nm），采用偏最小二乘回歸建立模型，最終該模型的相關(guān)系數(shù)和標(biāo)準(zhǔn)誤差分別為0.87和0.28%。

2011年，Mohammed.K等[8]利用高光譜成像技術(shù)分別檢測(cè)羊肉品質(zhì)、牛肉和豬肉的色澤、值、持水率、嫩度。實(shí)驗(yàn)結(jié)果表明，利用偏最小二乘法建立對(duì)羊肉水分含量、脂肪含量及蛋白質(zhì)含量的預(yù)測(cè)模型均取得了良好的模型效果，完成了對(duì)肉品各項(xiàng)指標(biāo)的檢測(cè)，實(shí)現(xiàn)了對(duì)于羊肉的無(wú)損檢測(cè)。

2012年，Kamruzzaman M等[9]開展了羔羊肉品質(zhì)無(wú)損檢測(cè)。所用高光譜檢測(cè)范圍在900～1 700 nm內(nèi)，分別對(duì)羔羊肉不同部分的pH值、顏色、持水力3個(gè)指標(biāo)進(jìn)行檢測(cè)，應(yīng)用偏最小二乘回歸和多元散射校正建立模型，測(cè)得持水力的決定系數(shù)為0.77，同時(shí)根據(jù)灰度共生矩陣提取圖像結(jié)構(gòu)信息，確定失水率與圖像結(jié)構(gòu)信息的關(guān)系比例。

3 國(guó)內(nèi)研究進(jìn)展

國(guó)內(nèi)利用高光譜圖像對(duì)肉制品品質(zhì)的研究開展略晚，研究基礎(chǔ)相對(duì)薄弱，近紅外高光譜設(shè)備擁有量也少，所以國(guó)內(nèi)高光譜成像技術(shù)應(yīng)用于肉類制品檢測(cè)方向上的時(shí)間不長(zhǎng)，但快速、無(wú)損、高效的檢測(cè)優(yōu)越性，仍然讓該技術(shù)得到了足夠重視，其在牛羊肉品質(zhì)檢測(cè)這一領(lǐng)域擁有巨大潛力。為此國(guó)內(nèi)部分學(xué)者也已經(jīng)展開了深入的研究。

2009年，高曉東等[10]研究了高光譜成像技術(shù)對(duì)牛肉大理石花紋的評(píng)估，實(shí)驗(yàn)獲取3個(gè)特征參數(shù)，并依據(jù)提取的特征參數(shù)構(gòu)建多元線性回歸模型。最終研究結(jié)果表明，多元線性回歸模型對(duì)大理石花紋的預(yù)測(cè)相關(guān)系數(shù)達(dá)0.92，預(yù)測(cè)標(biāo)準(zhǔn)差為0.45，分級(jí)準(zhǔn)確率達(dá)84.8%。

2010年，吳建虎等[11]研發(fā)了一套高光譜檢測(cè)系統(tǒng)，其能在400～1 100 nm波長(zhǎng)范圍獲取牛肉樣品的高光譜散射圖像。最終實(shí)現(xiàn)對(duì)牛肉嫩度等品質(zhì)進(jìn)行無(wú)損檢測(cè)。

2013年，思振華等[12]研究采用光譜范圍400～1 000 nm的高光譜成像系統(tǒng)對(duì)羊肉表面腸溶物污染進(jìn)行無(wú)損檢測(cè)。其對(duì)采集到的高光譜圖像數(shù)據(jù)進(jìn)行主成分分析，選擇5個(gè)特征波，應(yīng)用中值濾波等預(yù)處理方法對(duì)不同光譜范圍內(nèi)腸溶物進(jìn)行特征提取。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)羊肉表明腸溶物污染的檢測(cè)率為98.5%，證明該方法對(duì)羊肉表面污染無(wú)損檢測(cè)是可行的。

2013年，朱榮光等[13]探討高光譜圖像技術(shù)對(duì)不同儲(chǔ)存時(shí)間和取樣部位的牛肉顏色檢測(cè)的可行性。實(shí)驗(yàn)采集具有代表性的82個(gè)牛肉樣品的高光譜圖像，并使用色度計(jì)獲取牛肉樣品的顏色參數(shù)。通過選擇適宜的譜區(qū)范圍和預(yù)處理方法，利用偏最小二乘法建立牛肉顏色的檢測(cè)模型，對(duì)于各顏色指標(biāo)的校正集和驗(yàn)證集模型相關(guān)系數(shù)均在0.8以上。研究結(jié)果表明，高光譜圖像技術(shù)可用于快速無(wú)損檢測(cè)不同儲(chǔ)存時(shí)間下、不同取樣部位的牛肉顏色。

2014年，王家云等[14]利用近紅外高光譜成像技術(shù)對(duì)羊肉蛋白質(zhì)、脂肪含量和pH值進(jìn)行無(wú)損檢測(cè)研究。利用高光譜檢測(cè)系統(tǒng)獲取69個(gè)羊肉樣本的高光譜圖像數(shù)據(jù)，對(duì)原始光譜和不同預(yù)處理后光譜建立偏最小二乘回歸模型，利用模型效果對(duì)比得出最佳預(yù)處理算法。結(jié)果表明：羊肉蛋白質(zhì)、脂肪含量、pH值最佳預(yù)處理方法為基線校準(zhǔn)、多元散射校正與S-G卷積平滑結(jié)合算法和原始光譜；三項(xiàng)指標(biāo)其最優(yōu)預(yù)測(cè)模型決定系數(shù)分別為0.83、0.86和0.72，預(yù)測(cè)均方根誤差為0.57、0.09和0.12，該結(jié)果表明利用近紅外高光譜成像技術(shù)對(duì)羊肉內(nèi)部品質(zhì)進(jìn)行快速無(wú)損檢測(cè)是可行的。

2015年，鄭彩英等[15]利用不同波段范圍的高光譜成像系統(tǒng)對(duì)冷卻羊肉的表面細(xì)菌總數(shù)進(jìn)行了無(wú)損檢測(cè)。研究利用偏最小二乘結(jié)合反向人工神經(jīng)網(wǎng)絡(luò)和徑向基人工神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型。結(jié)果表明，神經(jīng)網(wǎng)絡(luò)建模效果優(yōu)于偏最小二乘法；其中，徑向基人工神經(jīng)網(wǎng)絡(luò)模型在400～1 100 nm和900～1 700 nm波長(zhǎng)范圍內(nèi)相關(guān)系數(shù)分別為0.987和0.999，均方根誤差分別為0.821和0.251，預(yù)測(cè)效果最佳；而900～1 700 nm波長(zhǎng)范圍為最佳建模波長(zhǎng)。

高光譜成像技術(shù)作為一種綠色環(huán)保的檢測(cè)技術(shù)，憑借其準(zhǔn)確、無(wú)損的特點(diǎn)在肉制品摻假檢測(cè)中將得到更多的應(yīng)用和發(fā)展，并逐漸被廣泛使用。

4 結(jié)束語(yǔ)

綜上所述，高光譜成像技術(shù)具有準(zhǔn)確、無(wú)損、綠色與環(huán)保等特點(diǎn)，在牛羊肉品質(zhì)檢測(cè)的研究中所建立的模型預(yù)測(cè)效果良好，在未來牛羊肉的品質(zhì)無(wú)損檢測(cè)方向具有良好的應(yīng)用前景。但高光譜成像技術(shù)也存在一定的問題，其光譜掃描獲得的是包含樣品外部信息和內(nèi)部品質(zhì)的三維數(shù)據(jù)塊，其數(shù)據(jù)塊包含信息較多，所占存儲(chǔ)空間大，檢測(cè)過程較慢，且數(shù)據(jù)進(jìn)行處理時(shí)通常需要降維。同時(shí)利用高光譜成像技術(shù)進(jìn)行檢測(cè)前需要建立模型，而模型的精度和穩(wěn)定性會(huì)受到光譜預(yù)處理方法、波段選擇和建模方法等因素的影響。在今后的研究中，需要在圖像預(yù)處理、光譜預(yù)處理和建模方法優(yōu)化等方面進(jìn)行更加深入的探索。最后，加快高光譜系統(tǒng)的掃描存儲(chǔ)速度將使高光譜成像技術(shù)應(yīng)用更加廣泛。

[1]劉燕德，張光偉.高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用[J].食品與機(jī)械，2012，28（5）：223-226.

[2]Lu R，Chen Y R.Hyperspectral Imaging for Safety Inspection of Food and Agricultural Products[R].Proceedings of SPIE，1999，3544：121-133.

[3]Cho B K，Chen Y R，Kim M S.Multispectral Detection of Organic Residues on Poultry Processing Plant Equipment Based on Hyperspectral Reflectance Imaging Technique[J].Computers and Electronics in Agriculture，2007，57（2）：177-189.

[4]Cluff K，Naganathan G K，Subbiah J，et al.Optical scattering in beef steak to predict tenderness using hyperspectrl imaging in the VIS-NIR region [J].Sens and Instrumen Food Qual，2008（2）：189-196.

[5]Naganathan G K，Grimes L M，Subbiah J，et al.Visible/near -infrared hyperspectral imaging for beef tenderness prediction[J]. Sens and Instrumen Food Qual，2008，64：225-233.

[6]Peng Y，Zhang J，Wu J，et al.Hyperspectral scattering profiles for prediction of the microbial spoilage of beef[C] Proceedings of the SPIE，2009：7315.

[7]ElMasryG，Da-wenSUN，AllenP.Non-destructivedetermination of water-holding cap-acity in fresh beef by using NIR hyperspectral imaging[J].Food Research International，2011，44：2624-2633.

[8]Mohammed K，Gamal E，Da-Wen Sun，et al.Application of NIR hyperspectral imaging for discrimination of lamb muscles[J]. Journal of Food Engineering，2011，104：332-340.

[9]Kamruzzamana M，ElMasry G，Da-wen SUN，et al.Prediction of some quality attributes of lamb meat using near-infrared hyperspectral imaging and multivariate analysis[J].Anal Chim Acta，2012，71：57-67.

[10]高曉東，吳建虎，彭彥昆，等.基于高光譜成像技術(shù)的牛肉大理石花紋的評(píng)估[J].農(nóng)產(chǎn)品加工（學(xué)刊），2009（10）：33-37.

[11]吳建虎，彭彥昆，陳菁菁，等.基于高光譜散射特征的牛肉品質(zhì)參數(shù)的預(yù)測(cè)研究[J].光譜學(xué)與光譜分析，2010，30（7）：1815-1819.

[12]思振華，何建國(guó)，劉貴珊，等.基于高光譜圖像技術(shù)羊肉表面污染無(wú)損檢測(cè)[J].食品與機(jī)械，2013，29（5）：75-79.

[13]朱榮光，姚雪東，高廣娣，等.不同儲(chǔ)存時(shí)間和取樣部位牛肉顏色的高光譜圖像檢測(cè) [J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44（7）：165-169.

[14]王家云，王松磊，賀曉光，等.基于NIR高光譜成像技術(shù)的灘羊肉內(nèi)部品質(zhì)無(wú)損檢測(cè) [J].現(xiàn)代食品科技，2014，30（6）：257-262.

[15]鄭彩英，郭中華，金靈.高光譜成像技術(shù)檢測(cè)冷卻羊肉表面細(xì)菌總數(shù)[J].激光技術(shù)，2015，39（2）：284-288.

2015—04—23