王 龍，邱園園，李小波

（1.石河子大學機械電氣工程學院，新疆 石河子 832003；2.新疆原野食品有限責任公司）

基于高光譜成像技術(shù)的牛羊肉品質(zhì)無損檢測研究進展

王 龍，邱園園，李小波

（1.石河子大學機械電氣工程學院，新疆 石河子 832003；2.新疆原野食品有限責任公司）

高光譜成像技術(shù)作為一種無損的檢測技術(shù)已在農(nóng)畜產(chǎn)品的品質(zhì)檢測中得到應用，本文綜述了高光譜成像技術(shù)在牛羊肉品質(zhì)檢測中的應用進展，同時提出了現(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)檢測領(lǐng)域的應用前景。

高光譜成像技術(shù)；牛羊肉品質(zhì)；應用進展

伴隨著全球的經(jīng)濟大發(fā)展，國內(nèi)國外消費者對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)提供了一個廣闊的平臺。

從牛羊肉的總體產(chǎn)量上看，我國可以稱得上是一個牛羊肉生產(chǎn)大國，但在國際舞臺上我們卻仍然是一個小角色，我們所生產(chǎn)加工出口外銷的牛羊肉及其制品的市場競爭力遠低于其他西方發(fā)達國家，國外消費者對于我們的牛羊肉制品一直持懷疑態(tài)度。長期以來，我國所生產(chǎn)加工的牛羊肉產(chǎn)品只在國際市場中占據(jù)了很小的份額，而我們牛羊肉產(chǎn)品的價格又遠遠低于其他國家的產(chǎn)品，處在一個不利的地位。現(xiàn)階段，市場上大部分的高檔牛羊肉制品依然來自于國際市場的進口。造成我國高檔牛肉市場供應不足的因素有很多，其中最關(guān)鍵因素正是牛羊肉質(zhì)量無法得到有力保證，然而國際市場和國內(nèi)高端需求又對牛羊肉品質(zhì)的要求很高，所以這個問題一直困擾和制約著我國牛羊肉制品工業(yè)的發(fā)展。我國對牛羊肉品質(zhì)分級起步較晚，相比與西方牛羊肉產(chǎn)業(yè)發(fā)達國家技術(shù)上遠遠落后。目前，國內(nèi)反映牛羊肉質(zhì)量的牛羊肉分級體系和標準已經(jīng)建立，因此，尋求一種可靠的牛羊肉品質(zhì)安全分級檢測手段已經(jīng)成為當務(wù)之急。

現(xiàn)階段，我國大部分牛羊肉生產(chǎn)企業(yè)和檢驗部門對于牛羊肉品質(zhì)的檢測仍然依靠感官評定和理化指標檢測2種方法。其中，感官評定的方法是經(jīng)過專業(yè)訓練和考核的專業(yè)人員對牛羊肉制品進行人工的打分評定，這種方法的檢測結(jié)果受許多主觀因素的干擾，例如評價者本身的心理波動和身體上的狀態(tài)差異，所以檢測結(jié)果誤差較大；理化指標檢測的方法就是借助相關(guān)儀器設(shè)備對牛羊肉制品相關(guān)理化指標進行客觀的測定，例如，嫩度儀對牛羊肉嫩度的測定。這種方法雖然比人工的主觀評價要準確，但是該方法對肉樣不僅具有破壞性，而且其取樣過程復雜、檢測時間較長，所以也已經(jīng)無法滿足現(xiàn)在飛速發(fā)展的牛羊肉工業(yè)的檢測需求。近年來，隨著電學、光學、計算機、圖像處理等現(xiàn)代先進技術(shù)的不斷發(fā)展和創(chuàng)新，肉品品質(zhì)檢測技術(shù)正朝著非破壞性、在線實時、準確便捷的方向發(fā)展。例如超聲波分析檢測、生物仿真檢測、機器視覺檢測、近紅外光譜分析等新興檢測技術(shù)已經(jīng)逐步實現(xiàn)對于牛肉嫩度的檢測，但都存在一些不足和技術(shù)瓶頸，也暫時無法滿足對于牛肉嫩度的工業(yè)化生產(chǎn)檢測。

1 高光譜成像技術(shù)簡介

高光譜成像技術(shù)[1]是一項綜合了多門學科的一項新興技術(shù)，其包含了光譜學、圖像學、計算機編程應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)，在檢測過程中獲得的是同時包含被測樣品光譜數(shù)據(jù)曲線和外部圖像信息的三維數(shù)據(jù)塊，如此就可以同時分析被測物的可視空間信息和內(nèi)部品質(zhì)特征，從而實現(xiàn)基于多變量的可視化判別。其在農(nóng)畜產(chǎn)品的品質(zhì)鑒別和無損檢測分級中具有很大的發(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)無損檢測提供一種行之有效的方法。

2 國外研究進展

國外利用高光譜成像技術(shù)對畜禽產(chǎn)品的品質(zhì)檢測早在20世紀90年代[2]就已經(jīng)開始了，近些年來對于牛羊肉的品質(zhì)檢測也進行了研究，尤其是對牛肉品質(zhì)檢測的研究較多。

2007年，Cho等[3]進行了基于高光譜圖像系統(tǒng)對牛肉制品生產(chǎn)加工機械上遺留殘渣的檢測研究，實驗針對牛肉加工過程中的殘留物進行定性判別，選擇多個特征波段建立判別模型，最終檢測判別率可達99.7%。

2008年，Cluff等[4]利用高光譜圖像技術(shù)對牛肉嫩度進行無損檢測，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)可以進行牛肉嫩度的無損檢測，其準確率高達76%。

2008年，Naganthan G K等[5]應用高光譜圖像對對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，建立圖像預測模型，留一交叉驗證方法驗證模型的精確度達94.6%。

2009年，Peng等[6]研制組裝了一個高光譜分散系統(tǒng)，通過不同的化學計量學方法建模，最終實現(xiàn)檢測牛肉中的腐敗細菌，同時其檢測結(jié)果符合檢測精度要求。

2011年，ElMasry G等[7]研究了基于高光譜圖像對牛肉系水力進行無損檢測，利用PLS方法建立的檢測模型決定系數(shù)為0.89，交叉驗證模型的標準誤差為0.26%。并根據(jù)偏最小二乘回歸系數(shù)選擇6個特征波長 （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)和標準誤差分別為0.87和0.28%。

2011年，Mohammed.K等[8]利用高光譜成像技術(shù)分別檢測羊肉品質(zhì)、牛肉和豬肉的色澤、值、持水率、嫩度。實驗結(jié)果表明，利用偏最小二乘法建立對羊肉水分含量、脂肪含量及蛋白質(zhì)含量的預測模型均取得了良好的模型效果，完成了對肉品各項指標的檢測，實現(xiàn)了對于羊肉的無損檢測。

2012年，Kamruzzaman M等[9]開展了羔羊肉品質(zhì)無損檢測。所用高光譜檢測范圍在900～1 700 nm內(nèi)，分別對羔羊肉不同部分的pH值、顏色、持水力3個指標進行檢測，應用偏最小二乘回歸和多元散射校正建立模型，測得持水力的決定系數(shù)為0.77，同時根據(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 國內(nèi)研究進展

國內(nèi)利用高光譜圖像對肉制品品質(zhì)的研究開展略晚，研究基礎(chǔ)相對薄弱，近紅外高光譜設(shè)備擁有量也少，所以國內(nèi)高光譜成像技術(shù)應用于肉類制品檢測方向上的時間不長，但快速、無損、高效的檢測優(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)檢測這一領(lǐng)域擁有巨大潛力。為此國內(nèi)部分學者也已經(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)對牛肉大理石花紋的評估，實驗獲取3個特征參數(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大理石花紋的預測相關(guān)系數(shù)達0.92，預測標準差為0.45，分級準確率達84.8%。

2010年，吳建虎等[11]研發(fā)了一套高光譜檢測系統(tǒng)，其能在400～1 100 nm波長范圍獲取牛肉樣品的高光譜散射圖像。最終實現(xiàn)對牛肉嫩度等品質(zhì)進行無損檢測。

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)對羊肉表面腸溶物污染進行無損檢測。其對采集到的高光譜圖像數(shù)據(jù)進行主成分分析，選擇5個特征波，應用中值濾波等預處理方法對不同光譜范圍內(nèi)腸溶物進行特征提取。實驗結(jié)果表明，該方法對羊肉表明腸溶物污染的檢測率為98.5%，證明該方法對羊肉表面污染無損檢測是可行的。

2013年，朱榮光等[13]探討高光譜圖像技術(shù)對不同儲存時間和取樣部位的牛肉顏色檢測的可行性。實驗采集具有代表性的82個牛肉樣品的高光譜圖像，并使用色度計獲取牛肉樣品的顏色參數(shù)。通過選擇適宜的譜區(qū)范圍和預處理方法，利用偏最小二乘法建立牛肉顏色的檢測模型，對于各顏色指標的校正集和驗證集模型相關(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)可用于快速無損檢測不同儲存時間下、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)對羊肉蛋白質(zhì)、脂肪含量和pH值進行無損檢測研究。利用高光譜檢測系統(tǒng)獲取69個羊肉樣本的高光譜圖像數(shù)據(jù)，對原始光譜和不同預處理后光譜建立偏最小二乘回歸模型，利用模型效果對比得出最佳預處理算法。結(jié)果表明：羊肉蛋白質(zhì)、脂肪含量、pH值最佳預處理方法為基線校準、多元散射校正與S-G卷積平滑結(jié)合算法和原始光譜；三項指標其最優(yōu)預測模型決定系數(shù)分別為0.83、0.86和0.72，預測均方根誤差為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)對羊肉內(nèi)部品質(zhì)進行快速無損檢測是可行的。

2015年，鄭彩英等[15]利用不同波段范圍的高光譜成像系統(tǒng)對冷卻羊肉的表面細菌總數(shù)進行了無損檢測。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)建立預測模型。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，預測效果最佳；而900～1 700 nm波長范圍為最佳建模波長。

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

4 結(jié)束語

綜上所述，高光譜成像技術(shù)具有準確、無損、綠色與環(huán)保等特點，在牛羊肉品質(zhì)檢測的研究中所建立的模型預測效果良好，在未來牛羊肉的品質(zhì)無損檢測方向具有良好的應用前景。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，所占存儲空間大，檢測過程較慢，且數(shù)據(jù)進行處理時通常需要降維。同時利用高光譜成像技術(shù)進行檢測前需要建立模型，而模型的精度和穩(wěn)定性會受到光譜預處理方法、波段選擇和建模方法等因素的影響。在今后的研究中，需要在圖像預處理、光譜預處理和建模方法優(yōu)化等方面進行更加深入的探索。最后，加快高光譜系統(tǒng)的掃描存儲速度將使高光譜成像技術(shù)應用更加廣泛。

[1]劉燕德，張光偉.高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測中的應用[J].食品與機械，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估[J].農(nóng)產(chǎn)品加工（學刊），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)的預測研究[J].光譜學與光譜分析，2010，30（7）：1815-1819.

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

[13]朱榮光，姚雪東，高廣娣，等.不同儲存時間和取樣部位牛肉顏色的高光譜圖像檢測 [J].農(nóng)業(yè)機械學報，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)無損檢測 [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)檢測冷卻羊肉表面細菌總數(shù)[J].激光技術(shù)，2015，39（2）：284-288.

2015—04—23