高光譜成像技術(shù)的三文魚多品質(zhì)指標(biāo)的預(yù)測與分布可視化研究

孫宗保，李君奎，梁黎明，鄒小波，劉小裕，牛 增，高云龍

江蘇大學(xué)食品與生物工程學(xué)院，江蘇 鎮(zhèn)江 212013

引 言

三文魚含有大量的核苷酸和游離氨基酸等呈味物質(zhì)，使三文魚滋味鮮美甘香，廣受消費(fèi)者喜愛[1]。冰鮮儲存能夠最大限度的保留三文魚的品質(zhì)，但冰鮮三文魚貨架期較短，容易發(fā)生腐敗和變質(zhì)。冷凍三文魚在凍結(jié)溫度下能夠抑制自身酶活性和微生物的生長，因此具有較長的保質(zhì)期。但冷凍和融解過程會(huì)造成三文魚的組織結(jié)構(gòu)破壞和汁液流失，汁液中包含著大量核苷酸、 氨基酸等呈味物質(zhì)以及蝦青素、 類胡蘿卜素等呈色物質(zhì)，因此凍融三文魚存在嫩度下降，顏色暗淡、 滋味缺失等情況[2]。

顏色是消費(fèi)者挑選三文魚時(shí)衡量其品質(zhì)最直觀的指標(biāo)，對三文魚的市場銷售至關(guān)重要[3]。另外嫩度作為魚類產(chǎn)品最重要的品質(zhì)特征之一，直接影響了魚肉的食用口感。當(dāng)魚肉組織結(jié)構(gòu)受到破壞時(shí)，會(huì)導(dǎo)致口感變差，從而不易被消費(fèi)者接受。魚肉是一種極易發(fā)生腐敗的食物，其新鮮度一直是備受人們關(guān)注的品質(zhì)指標(biāo)，因此對冰鮮與凍融三文魚的新鮮度監(jiān)測具有重要意義。K值作為一種常見的肉類品質(zhì)指標(biāo)，代表肉類中核苷酸的降解程度，被廣泛應(yīng)用于魚類的新鮮度檢測中[4-5]。

對三文魚的品質(zhì)指標(biāo)進(jìn)行檢測具有重要意義，常規(guī)的檢測方法有理化實(shí)驗(yàn)法、 微生物檢測法、 液相色譜法等。這些檢測方法雖然測定結(jié)果較精確，但費(fèi)時(shí)費(fèi)力，一般對樣品具有破壞性[6]； 而無損檢測方法，例如光譜法、 電子鼻技術(shù)等，雖然檢測快速無損，但測定結(jié)果僅為采樣部分屬性的平均值，因此對分布不均勻的樣品指標(biāo)的測量結(jié)果沒有很好的代表性。針對以上問題，嘗試采用高光譜成像技術(shù)對三文魚的多種品質(zhì)指標(biāo)進(jìn)行檢測，通過建立光譜與各品質(zhì)指標(biāo)的對應(yīng)關(guān)系，實(shí)現(xiàn)對三文魚品質(zhì)的快速預(yù)測，之后通過光譜圖像上各像素點(diǎn)的光譜值與品質(zhì)指標(biāo)的對應(yīng)關(guān)系完成樣品品質(zhì)指標(biāo)的分布可視化。

1 實(shí)驗(yàn)部分

1.1 樣品準(zhǔn)備

三文魚樣本來自法羅群島當(dāng)?shù)刈畲蟮娜聂~養(yǎng)殖公司Bakkafrost。三文魚被捕撈后，由加工廠在3 h內(nèi)將鮮活三文魚屠宰加工為冰鮮三文魚。然后全程4 ℃冷鏈空運(yùn)至上海純爾貿(mào)易發(fā)展有限公司，再通過冷藏車運(yùn)送至鎮(zhèn)江麥德龍超市，真空包裝后，置放在鋪滿碎冰的保鮮盒中快速運(yùn)送到實(shí)驗(yàn)室，整個(gè)冷鏈過程約為4 d。

三文魚去皮清洗干凈后，用滅菌后的刀片取中段魚塊切成長3 cm、 寬3 cm、 高2 cm的魚片，個(gè)體質(zhì)量約(20±5) g，真空包裝并貼上標(biāo)簽。將分割好的三文魚樣本分為冰鮮組(C)和凍融組(FT)，凍融組又分為一次凍融組(FT-1)、 兩次凍融組(FT-2)以及三次凍融組(FT-3), 每組30個(gè)樣本，共120個(gè)。參考Ali[7]等的循環(huán)凍融方法，C組真空包裝后當(dāng)天進(jìn)行分析。FT-1組在-30 ℃下冷凍30 d后解凍分析。FT-2組先在-30 ℃下冷凍15 d，后取出在4 ℃下解凍12 h，然后繼續(xù)保藏在-30 ℃條件下，第30天取出，解凍后分析。FT-3組在在第10天和第20天分別完成一次凍融，在第30天取出分析。

1.2 高光譜數(shù)據(jù)采集與校正

采用的高光譜成像系統(tǒng)主要包括高光譜相機(jī)(ImSpector V10E, Spectral Imaging Ltd, Oulu, Finland)，石英鹵素?zé)?Fiber-LiteDC-950Illuminator, Dolan-Jenner Industries Inc, America)，精密自動(dòng)平移裝置(SC30021 A, Zolix Instruments co. Ltd., China)，以及裝配了圖像采集卡的電腦(P4P800-X型號，Asus computer co. Ltd., Taiwan, China)，其中高光譜相機(jī)由一臺光譜儀和一臺CCD相機(jī)組成，光譜儀是整個(gè)高光譜成像采集系統(tǒng)最核心的部件，能夠在測試時(shí)獲取樣品面每個(gè)點(diǎn)在431～962 nm波段的光譜信息。系統(tǒng)硬件部分主要組成示意圖見圖1。

1.3 品質(zhì)指標(biāo)的測定

1.3.1 L*，a*，b*測定

儀器開機(jī)預(yù)熱之后進(jìn)行黑白板校正，校正后開始對樣品顏色進(jìn)行采集，每個(gè)樣本進(jìn)行三次顏色測定，取三次結(jié)果的平均值作為樣品的L*，a*，b*的真值。

圖1 高光譜成像系統(tǒng)Fig.1 Hyperspectral imaging system

1.3.2 剪切力測定

取3 cm×3 cm×2 cm大小的三文魚樣品，用濾紙吸除樣品表面水分后，利用TA-XY2型物性測量儀對樣品剪切力進(jìn)行測定，選用道具型號為warner-bratzler blade，選用模式為compression，剪切速度均為60 mm·min-1，目標(biāo)模式設(shè)置為distance，魚片按肌纖維垂直于刀口方向放置于刀槽上。儀器測定過程中刀具受到的最大剪切力值即樣品的剪切力測量值。

1.3.3K值的測定

(1)K值的計(jì)算方法

魚死后，機(jī)體內(nèi)的三磷酸腺苷(Adenosine-5’-triphosphate, ATP)會(huì)按順序分解為二磷酸腺苷(Adenosine 5’-diphosphate, ADP) 、 一磷酸腺苷(Adenosine monophosphate, AMP)、 肌苷酸(Inosincacid, inosinemonphosphate, IMP)、 肌苷(Inosine, HxR)、 次黃嘌呤(Hypoxhantine, Hx)。K值為魚肉中HxR和Hx總量之和與ATP，ADP，AMP，IMP，HxR和Hx總量之和的比值，K值越大說明魚新鮮度越差。計(jì)算公式如下[5]

式中：MATP，MADP，MAMP，MIMP，MHxR和MHx分別為樣品中ATP，ADP，AMP，IMP，HxR和Hx的含量，單位均為μmol·g-1。

(2) 核苷酸關(guān)聯(lián)物的測定

采用水產(chǎn)標(biāo)準(zhǔn)SC/T 3048—2014的方法對K值進(jìn)行測定。

1.4 數(shù)據(jù)處理

1.4.1 樣品光譜提取與預(yù)處理

采集的高光譜圖像是一個(gè)三維數(shù)據(jù)塊，不僅包含著樣品的光譜信息、 圖像信息，同時(shí)也含有很多背景光譜。因此合理的選取一塊有效的區(qū)域進(jìn)行研究以及對提取的光譜進(jìn)行預(yù)處理對減少數(shù)據(jù)處理運(yùn)算量和提高模型的正確率有至關(guān)重要的作用[8]。采用ENVI 4.5軟件中的矩形工具選取樣品中心附近200 pixel×200 pixel的范圍作為感興趣區(qū)域(ROI)，ROI選定后，對ROI范圍內(nèi)所有像素點(diǎn)的光譜值進(jìn)行平均，作為該樣本的光譜值，每個(gè)樣本對應(yīng)一條光譜值。采用一階導(dǎo)數(shù)(1stDer)、 二階導(dǎo)數(shù)(2ndDer)、 多元散射校正(MSC)、 標(biāo)準(zhǔn)正態(tài)變量變換(SNVT)、 歸一化(N)和均值中心化(MC)來減少光譜重現(xiàn)性差、 噪聲高等不良影響。

1.4.2 特征波長選擇

采集的的光譜信息包含618個(gè)波長的光譜值，數(shù)據(jù)繁多，其中可能會(huì)存在冗余信息和噪聲，若將每個(gè)光譜值都輸入模型進(jìn)行分析，不僅影響模型的準(zhǔn)確率，也會(huì)增大模型的運(yùn)算量，降低模型運(yùn)算速度，難以滿足光譜檢測的快捷性[9]，因此有必要通過變量篩選的方法對光譜進(jìn)行降維和特征波長篩選。故采用競爭性自適應(yīng)重加權(quán)算法(competitive adaptive reweighted sampling, CARS)[10]、 區(qū)間變量迭代空間收縮法(interval variable iterative space shrinkage approach, iVISSA)[11-12]以及iVISSA-CARS[13]篩選特征變量，并比較結(jié)果，從而確定三個(gè)品質(zhì)指標(biāo)最優(yōu)的變量選擇方法。

2 結(jié)果與討論

2.1 顏色測定結(jié)果

對冰鮮與凍融三文魚的顏色測定如表1所示，冰鮮三文魚具有較高的亮度值L*和紅度值a*，這是因?yàn)楸r的三文魚表面偏紅并具有光澤，肉色較好。凍融三文魚隨著凍融次數(shù)的增加，亮度值和紅度值均逐漸降低，可能是由于三文魚肉中的蝦青素和胡蘿卜素等物質(zhì)的降解以及隨汁液流失造成的。三文魚的黃度值在凍融后呈現(xiàn)上升趨勢，可能是由于冷凍期間魚肉表面的脂肪成分發(fā)生了酸敗與氧化，從而呈現(xiàn)了淡黃色[14]。根據(jù)顏色差異顯著性分析得到不同凍融次數(shù)三文魚的紅度值a*之間差異較顯著，因此在后續(xù)的顏色品質(zhì)檢測中選用紅度值a*作為顏色指標(biāo)進(jìn)行檢測。

表1 冰鮮與凍融三文魚的L*，a*，b*值Table 1 L*, a*, b* values of chilledand frozen-thawed salmon

2.2 剪切力與K值的測定結(jié)果

剪切力的測定結(jié)果如圖2黑色柱狀圖所示，從圖中可以看出，冰鮮三文魚的剪切力高于三組凍融樣本，并且凍融樣本的剪切力隨著凍融次數(shù)的增加呈現(xiàn)下降趨勢。其原因一方面可能是在冷凍過程中，魚肉組織受到自身機(jī)體內(nèi)冰晶的破壞，造成肌肉纖維間隙增大、 膜組織破裂等機(jī)械損傷； 另一方面，低溫凍結(jié)過程中肌肉組織可能存在冷凍不均勻現(xiàn)象從而產(chǎn)生內(nèi)應(yīng)力。受內(nèi)應(yīng)力的影響，肌纖維會(huì)發(fā)生低溫?cái)嗔?，從而造成肉品的機(jī)械強(qiáng)度降低，剪切力下降。

冰鮮與不同凍融次數(shù)三文魚K值測量結(jié)果如圖2紅色柱狀圖所示，由圖中可以看出，從市場上購入的冰鮮三文魚即C組的初始K值在11%左右，處于一級新鮮范圍； 樣本冷凍30 d后，K值有所上升，說明在冷凍過程中樣本的新鮮度在下降； 樣本經(jīng)過三次凍融循環(huán)后，其K值已經(jīng)超過了20%，變?yōu)槎壭迈r度，說明多次凍融會(huì)加速樣品的變質(zhì)。

圖2 冰鮮與凍融三文魚的剪切力和K值變化Fig.2 Changes in shear force and K values ofchilled and frozen-thawed salmon

2.3 樣本集劃分

采用SPXY方法對樣本集劃分，劃分結(jié)果見表2。由表中可以看出，基于SPXY方法劃分的校正集和預(yù)測集的品質(zhì)指標(biāo)較均勻，并且預(yù)測集的各品質(zhì)指標(biāo)值均在校正集的品質(zhì)指標(biāo)值范圍內(nèi)，有助于定量模型精度提升[15]。

表2 校正集和測試集的劃分結(jié)果Table 2 Division results of calibration set and test set

2.4 三文魚品質(zhì)指標(biāo)全光譜預(yù)測模型

樣本集劃分后，建立了基于全光譜波段范圍內(nèi)的原始光譜和不同預(yù)處理后光譜的a*、 剪切力、K值PLS預(yù)測模型，并對模型結(jié)果進(jìn)行了分析和比較，結(jié)果見表3。由表中結(jié)果可以看出，采用一階導(dǎo)數(shù)預(yù)處理，基于全光譜變量的PLS模型對a*預(yù)測效果最好，此時(shí)的Rc和Rp值分別為0.926 9和0.913 5，RMSECV和RMSEP分別為0.72和1.00。經(jīng)過二階導(dǎo)數(shù)預(yù)處理后的全光譜變量所建模型對剪切力的預(yù)測效果最優(yōu)，其Rc和Rp分別為0.874 6和0.842 1，RMSECV和RMSEP分別為0.68 N和0.82 N。在K值的預(yù)測模型中，經(jīng)過歸一化(N)預(yù)處理的光譜所建模型效果最優(yōu)，其Rc和Rp分別為0.881 7和0.846 3，RMSECV和RMSEP分別為1.75和2.27。為嘗試提高模型的預(yù)測效果和降低模型輸入變量的復(fù)雜性，分別采用CARS，iVISSA以及iVISSA-CARS方法對光譜變量進(jìn)行篩選，并將篩選后的光譜值作為變量建立a*值、 剪切力和K值的PLS定量模型，比較模型的預(yù)測效果。

表3 基于全光譜變量的三文魚a*、 剪切力、 K值預(yù)測結(jié)果

2.5 iVISSA變量篩選

使用iVISSA在431～962 nm波段范圍內(nèi)篩選出14個(gè)波段[見圖3(a)]共217個(gè)與a*值相關(guān)的特征變量，篩選出13個(gè)與剪切力、K值相關(guān)的波段以及對應(yīng)的443個(gè)和324個(gè)特征波長點(diǎn)[見圖3(b, c)]。將iVISSA篩選出的變量與對應(yīng)的三文魚品質(zhì)指標(biāo)建立預(yù)測模型。iVISSA-PLS對a*值預(yù)測模型的Rc和Rp分別為0.906 6和0.888 3，RMSECV和RMSEP分別為0.80和0.99。預(yù)測結(jié)果稍低于基于全光譜變量的PLS模型，但變量簡化了，降低了模型的運(yùn)算復(fù)雜度。iVISSA-PLS對剪切力預(yù)測模型的Rc和Rp分別為0.650 5和0.644 4，RMSECV和RMSEP分別為1.10 N和1.22 N，雖然相對于全光譜建立的模型來說變量數(shù)減少了28.31%，但是Rp也降低了23.47%。iVISSA-PLS對K值預(yù)測模型的Rc和Rp分別為0.878 4，0.878 0，RMSECV和RMSEP分別為2.07，2.29，相對于全光譜建立的模型，iVISSA-PLS對K值的預(yù)測效果得到提高。

2.6 CARS變量篩選

在簡化a*值預(yù)測PLS模型過程中，使用CARS變量篩選方法在431～962 nm波段范圍內(nèi)共篩選得到51個(gè)與a*值相關(guān)的特征波長，將120個(gè)樣本的51個(gè)波長組合為新的120×51的變量矩陣，建立三文魚a*值的PLS預(yù)測模型，模型結(jié)果如圖4(a)所示。由圖4(a)結(jié)果可以看出，PLS對a*值預(yù)測模型的Rc和Rp分別為0.931 6和0.929 7，RMSECV和RMSEP分別為0.72和0.74。CARS挑選出61個(gè)與剪切力相關(guān)的特征變量，用這61個(gè)特征變量建立的PLS預(yù)測模型得到較好的剪切力預(yù)測效果，Rc和Rp分別為0.892 1，0.887 3，RMSECV和RMSEP分別為0.67 N和0.80 N, 見圖4(b)。在簡化K值預(yù)測模型中，CARS從全光譜中篩選出了51個(gè)特征變量。建立的CARS-PLS模型對K值預(yù)測結(jié)果如圖4(c)所示，Rc=0.951 4，Rp=0.950 0，RMSECV=1.33，RMSEP=1.53。CARS-PLS對三個(gè)品質(zhì)指標(biāo)的預(yù)測結(jié)果與各自的基于全光譜變量的PLS模型效果相比有較明顯的提升。

圖3 iVISSA挑選的與a*(a)、 剪切力(b)以及K值(c)相關(guān)的波長區(qū)間位置Fig.3 Wavelength interval positions selected by iVISSA for a*(a), shear force (b) and K value (c)

圖4 CARS-PLS模型對a*(a)、 剪切力(b)以及K值(c)最佳預(yù)測結(jié)果Fig.4 The best prediction results of a* (a), shear force (b) and K value (c) obtained by CARS-PLS model

2.7 iVISSA-CARS變量篩選

為了更簡化模型數(shù)據(jù)量，提高模型的預(yù)測性能，將波段選擇方法與波長點(diǎn)選擇方法結(jié)合，先通過iVISSA波段選擇方法對特征變量進(jìn)行粗選，然后使用CARS精選波長點(diǎn)。圖5分別展示了CARS對三個(gè)品質(zhì)指標(biāo)特征變量篩選過程，在iVISSA篩選的217個(gè)變量的基礎(chǔ)上，篩選了31個(gè)與a*相關(guān)的特征變量[見圖5(a)]，以這些變量建立的對a*最佳PLS預(yù)測模型的Rc和Rp分別為0.915 4和0.906 3，RMSECV和RMSEP分別為0.79, 0.83。使用該變量選擇方法提取的變量數(shù)最少，極大的簡化了模型的數(shù)據(jù)量，并且預(yù)測效果高于iVISSA-PLS，稍低于全光譜建立的PLS及CARS-PLS。在iVISSA提取了443個(gè)與剪切力相關(guān)的變量后，CARS經(jīng)過波長點(diǎn)精選出38個(gè)變量[見圖5(b)]，以這些變量建立的對剪切力最佳PLS預(yù)測模型的Rc和Rp分別為0.885 3和0.860 9，RMSECV和RMSEP分別為0.69 N和0.90 N。相對于全光譜建立的PLS模型，iVISSA-CARS-PLS模型的變量數(shù)從618減少到38，而Rp從0.842 1增加到0.860 9； 相對于iVISSA-PLS，iVISSA-CARS-PLS模型的預(yù)測性能得到顯著提高； 但相對于CARS-PLS，iVISSA-CARS-PLS模型的變量數(shù)減少37.70%，Rp為CARS-PLS的97.02%。經(jīng)過iVISSA-CARS篩選后，31個(gè)變量用于建立預(yù)測K值的PLS模型[見圖5(c)]，以該變量建立的對K值的最佳PLS預(yù)測模型的Rc和Rp分別為0.950 7和0.940 4，RMSECV和RMSEP分別為1.35和1.56。相對于全光譜建立的PLS模型以及iVISSA-PLS模型，iVISSA-CARS-PLS采用的變量數(shù)大大較少，并且Rc和Rp也分別提高了11.1%與7.11%； 雖然iVISSA-CARS-PLS得到的Rp為CARS-PLS的98.98%，但是采用的變量數(shù)減少了39.21%。

圖5 CARS選擇與a*(a)、 剪切力(b)以及K值(c)相關(guān)特征變量的過程Fig.5 The processes of CARS selecting characteristic variables related to a* (a), shear force (b) and K value (c)

表4 基于波長篩選后建立的a*、 剪切力、 K值預(yù)測模型結(jié)果Table 4 The model results of a*, shear force and K value prediction based on screened wavelength

對上述三個(gè)品質(zhì)指標(biāo)的不同算法預(yù)測結(jié)果(見表4)比較得出，iVISSA-CARS算法篩選得到的變量數(shù)最少，較大程度減少了模型的數(shù)據(jù)量，但CARS篩選后的光譜作為變量建立的PLS模型預(yù)測效果最佳，其測試集具有較高的相關(guān)系數(shù)以及最低的RMSEP值，校正集的模型效果也高于其余三種模型。同時(shí)Rc與Rp之間差值最小，說明模型不僅具有較好的預(yù)測性能，而且具有較高的一致性，并且相對于全光譜建立的模型來說極大的減少了變量數(shù)，說明CARS變量選擇方法適合運(yùn)用于三文魚品質(zhì)指標(biāo)特征變量的提取。同時(shí)從表4中可以看出，三個(gè)指標(biāo)的CARS-PLS以及iVISSA-CARS-PLS模型均高于iVISSA-PLS，說明對于三文魚上述三個(gè)品質(zhì)指標(biāo)的預(yù)測，CARS的特征變量篩選策略優(yōu)于iVISSA的波段選擇策略。因此選擇CARS-PLS用于后續(xù)品質(zhì)指標(biāo)的可視化分析中。

2.8 三文魚品質(zhì)指標(biāo)的可視化分析

樣品生成的高光譜圖像中的每個(gè)像素點(diǎn)對應(yīng)一條光譜，可以通過所建立的品質(zhì)指標(biāo)的預(yù)測模型的相關(guān)系數(shù)將光譜值轉(zhuǎn)化為品質(zhì)指標(biāo)的預(yù)測值，再將不同顏色表示的預(yù)測值以像素的形式疊加在原始圖像中，即可得到代表指標(biāo)數(shù)值大小以及空間分布的偽彩圖[16]。

圖6 (A)，(B)，(C)分別為a*、 剪切力、 K值可視化分布圖，(a)，(b)，(c)，(d)分別代表C組、 FT-1、 FT-2、 FT-3組Fig.6 (A), (B), (C) are the visual distribution maps of a*, shear force, and K value, respectively, and (a), (b), (c), (d) represent group C, FT-1, FT-2, and FT-3

圖6(A)為a*值的分布可視圖，C組樣本的a*值分布圖中黃色像素點(diǎn)居多，代表著樣本具有較高的a*值； 凍融組FT-1，F(xiàn)T-2和FT-3樣品的a*值分布圖中黃色像素點(diǎn)個(gè)數(shù)逐漸減少，藍(lán)色像素點(diǎn)增多，說明凍融組的a*值低于冰鮮組，與表2的結(jié)果相符，其中FT-3組樣本a*分布圖中的藍(lán)色像素點(diǎn)最多，說明三文魚經(jīng)歷三次凍融后a*值明顯下降。圖6(B)為冰鮮與凍融三文魚的剪切力分布圖，通過剪切力可視化分布圖可以直觀的看出，冰鮮三文魚具有較高的剪切力； 經(jīng)歷凍融后，三文魚剪切力下降，并且隨凍融次數(shù)的增加，剪切力呈下降趨勢。圖6(C)為冰鮮與凍融三文魚的K值分布圖。K值作為表征魚類新鮮度的重要指標(biāo)，對其實(shí)時(shí)監(jiān)測具有重要意義。通過三文魚的K值分布圖，可以直觀的了解三文魚的新鮮度情況。從可視化圖中可以看出，C組三文魚具有較低的K值，凍融三文魚在凍藏期間K值有所上升，并且隨著凍融次數(shù)的增加而加快上升。以偽彩圖的形式對三文魚品質(zhì)指標(biāo)的可視化分析，可以直觀的展示品質(zhì)指標(biāo)的大小，還能展示其空間分布，有利于商家對三文魚更加精確的切割管理以及消費(fèi)者對魚體品質(zhì)的快速評估。

3 結(jié) 論

利用高光譜成像技術(shù)結(jié)合變量篩選方法對冰鮮和凍融三文魚的品質(zhì)指標(biāo)(a*、 剪切力、K值)進(jìn)行研究，結(jié)果表明，a*、 剪切力和K值的最佳預(yù)處理方法分別為一階導(dǎo)數(shù)，二階導(dǎo)數(shù)，歸一化。在a*、 剪切力以及K值預(yù)測模型中，得到CARS-PLS取得的預(yù)測效果最好。將得到的三個(gè)品質(zhì)指標(biāo)的CARS-PLS模型分別用于三種指標(biāo)的可視化分布中，可視化分布的偽彩圖與三個(gè)指標(biāo)的實(shí)際值大小吻合，為三文魚質(zhì)量提供了更詳細(xì)更直觀的信息。因此，高光譜成像技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法能夠快速準(zhǔn)確的表征三文魚品質(zhì)。