APP下载

基于成像光谱数据的猪肉新鲜度指数构建及时空特征研究

2019-05-25张辰璐朱欣然胡顺石陈子晗陈俞池李心怡

肉类工业 2019年4期
关键词:肌红蛋白新鲜度光谱

张辰璐 朱欣然 胡顺石* 陈子晗 陈俞池 李心怡

1.湖南师范大学资源与环境科学学院 湖南长沙 410081 2.中国科学院遥感与数字地球研究所 北京 100101 3.中国科学院大学 北京 100049

猪肉是我国居民最主要的食用肉种类之一,猪肉的新鲜度是保障消费者“舌尖上的安全”的重要指标。传统的猪肉新鲜度检测一般采用实验室分析检验方法,需要依靠专业、复杂的实验室进行化验分析,普通消费者无法使用[1]。近年来,由于光谱分析技术的快速、高效、无损、非接触等独特优势,为冷鲜肉新鲜度的无损、快速检测提供了新的思路[2~4]。近年来众多学者将光谱分析技术应用于猪肉新鲜度的检测,通过分析不同肉类的光谱特征,采用经验或机理模型,构建肉类新鲜度检测模型,实现对冷鲜肉新鲜度的快速、无损检测,取得了较好的实验结果[5~10]。黄长平[11](2018)等基于PSR便携式光谱采集系统,基于猪肉内肌红蛋白质含量与新鲜度变化的关系,提出在760nm光谱附近构建反映肌红蛋白质吸收特征的猪肉新鲜度指数(Fresh Index,FI),解决了基于统计学方法构建模型,缺乏明确物理意义,适用性差等问题,并通过实验证实了FI指数的有效性,为低成本、手持式简易猪肉新鲜度光谱检测设备的设计与研发提供了科学依据。

近年来采用光谱分析技术在猪肉新鲜度检测方面的研究,仍受限于光谱采集设备,由于设备的昂贵,大多数研究人员所采用的设备为点光谱设备[12],只能获取分析样本的局部点光谱数据,无法对猪肉样本整体的新鲜度分布情况进行分析,掩盖了猪肉新鲜度在空间分布上的差异性。

本文利用中国科学院遥感与数字地球研究所自主研发的地面成像光谱辐射测量系统(Field Imaging Spectrometer System,FISS),连续地采集冷鲜肉样本的成像光谱数据,并结合猪肉新鲜度指数FI,考虑猪肉新鲜度的空间特征差异,提出一种能够综合反映样本总体新鲜度特征的均一化猪肉新鲜度指数(Pork Average Fresh Index,PAFI),实现了猪肉新鲜度空间连续成像检测过程,为肉类检测在空间特征的研究提供参考。本文为高光谱成像技术在肉类食品安全检测领域的应用提供了重要的理论和方法支撑。

1 实验与方法

1.1 仪器与实验准备

实验采用中科院遥感地球所研制的地面成像光谱仪FISS系统进行成像光谱数据获取。FISS的空间分辨率可达毫米,能在可见/近红外波段处连续采集344个波段的光谱数据(光谱分辨率优于5nm),具有“图谱合一”的优势。FISS系统的详细参数见表1所示。

本文共选取4类冷鲜肉样本用于开展实验,包括:普通冷鲜猪肉(P)、黑猪肉(H)、冷鲜肥肉(F)、冷鲜鸡肉(C)。其中2种不同类型的猪肉各设置2个实验样本,分别记为P1、P2、H1、H2,选取猪后腿肉用于实验,以减少脂肪对于光谱检测结果的影响。选取鸡胸肉与猪后腿上的肥肉样本作为对比样本,用于检验本文所使用方法的可靠性。

表1 FISS系统主要参数

Table 1 The main parameters of FISS system

波段数/个Band number344光谱范围/nm Spectral wavelength410~860光谱分辨率/nm Spectral resolution>5地面分辨率/mm Ground resolution>2实验室辐射定标精度/% Laboratory Radiometric Calibration Accuracy>5成像速率/(帧s-1)imaging speed<20扫描视场/(°)field of view-20~+20信噪比 signal to noise>500(60% band)光谱采样间隔/nm Spectral sampling interval~1.4

猪肉新鲜度数据采集与检测实验环境为暗室,将制备好的冷鲜肉样本置于试验台上,暴露于室温环境,每间隔6h采集一组光谱数据,共采集36h内的7组实验数据。为降低杂散光对光谱数据的影响,实验在光学暗室内进行,光源为专用卤素灯,光谱采集设备为FISS成像系统。将FISS放置于桌面并与试验台保持相对固定直至整个实验完成,光学白板置于样本中间位置,用于后期实验数据的反射率校正过程。为避免仪器噪声、操作等对光谱数据的影响,在每次数据采集前,需将卤素灯与FISS系统提前预热5~10min。

对放置不同时间采集到的猪肉样本数据进行预处理,包括影像的裁剪、拼接、平域场校正、光谱去噪等,图1为预处理后得到的36h内的新鲜度检测影像与光谱数据。由于前34个波段数据的信噪比较低,难以应用于分析,因此本文仅应用415nm~1 000nm范围内共310个波段数据进行后续的分析。图1(a)为实验过程采集的样本照片,图1(b)~图1(h)为FISS系统采集的猪肉新鲜度成像数据,从依次为00、06、12、18、24、30、36h采集数据;图1(i)为样本H1在00h影像样本上随机选取的50条原始DN值剖面光谱数据;图1(j)为进行平域场校正后的反射率剖面数据;图1(k)为采用均值滤波进行光谱去噪后的反射率数据。

图1 FISS系统采集的猪肉成像光谱数据Fig. 1 Imaging spectral data collected by FISS system(a)0h样本照片 (b)(h)0h~36h样本FISS成像数据 (i)原始DN值数据 (j)转换反射率后剖面数据 (k)反射率去噪后的反射率数据

1.2 猪肉新鲜度指数(Fresh Index,FI)计算

黄长平[11](2018)等提出在760nm光谱附近构建反映肌红蛋白质吸收特征的猪肉新鲜度指数FI,弥补了基于统计学方法建模模型适用度不高的问题。由于肌红蛋白质是猪肉中主要的色素物质,其氧化生成氧合肌红蛋白的过程能够反映猪肉新鲜度的变化,而760nm波长附近正是肌红蛋白质的典型光谱吸收特征带[13],因此FI能够有效反映猪肉新鲜度的变化情况。

FI构建过程如公式(1)、(2):

(1)

(2)

其中,FI为猪肉新鲜度光谱特征指数,Rt为特征波段760nm处的光谱反射值,RL、RR为不受肌红蛋白影响的参考波段,分别位于742nm与815nm附近。ΩL、ΩR、Ωt分别为以RL、RR、Rt为中心波长的5邻域集合,Ri为邻域内各个波长所对应的反射值,N为邻域内波段总数。随着猪肉新鲜度的下降,肌红蛋白质含量降低,FI指数降低。

1.3 均一化猪肉新鲜度指数(Pork Average Fresh Index,PAFI)构建过程

FI是基于点光谱数据提出,其仅能够反映样本局部区域上的新鲜度水平,难以有效代表样本整体的新鲜度状态。而基于FISS系统的新鲜度检测数据属于面成像数据,其与FI结合,能够获取样本新鲜度的空间分布情况。通过综合样本各处的新鲜度指标FI,能够更为准确的对样本整体的新鲜度状态进行评估,同时也为用户提供更为直观准确的新鲜度表达方式。本文通过计算样本区域内的FI均值构建PAFI指数,构建公式(3):

(3)

其中,PAFI为均一化猪肉新鲜度指数,FIp为同一猪肉样本内各像素上的新鲜度指数FI,当FIp超出指定范围,认为该区域内数据受噪声及环境影响较大,为异常数据不参与计算。N为同一样本内FIp在区间[-5,5]内的像素个数,是参与PAFI计算的像元个数。

2 实验结果与讨论

2.1 基于FISS数据的猪肉新鲜度检测结果

图2(a)~图2(g)为0h~36h为基于FISS系统的猪肉新鲜度检测结果,各像元表示该像素区域内的样本总体新鲜度指数FI值。图示结果接近蓝色表示样本新鲜度水平越高,接近棕红表示新鲜度低,黄白区域为中等新鲜度水平,黑色为FI值超过[-2,2]区间的像元。

图2 FISS系统新鲜度检测结果

根据图2可知,在不同的检测时段,各冷鲜猪肉样本新鲜度分布均存在空间异质性,各处新鲜度值FI差异较大,因此局部单一的FI值存在较大的波动性,难以准确代表样本整体的新鲜度状态;在初始检测时刻,各冷鲜猪肉样本新鲜度指数值FI分布于区间[0.6,2.0]为多,样本整体新鲜度水平较高,随着时间的增加,各冷鲜猪肉样本FI值逐渐降低,在36h后猪肉样本FI值聚集分布于区间[-0.6,0.2],样本整体新鲜度水平较高,FI指数表现出显著的新鲜度变化过程;鸡肉、肥肉样本在36h内FI值无显著规律变化,由于该两类样本不含有肌红蛋白质,因此FI指数不适用于该两类样本的新鲜度检测过程,同时也证明了FI指数对于肌红蛋白质的敏感探测优势。

2.2 均一化猪肉新鲜度指数PAFI检测结果

通过统计各样本内FIp在[-5,5]范围内的像元值,根据式(3)得到各个猪肉样本的均一化新鲜度指数PAFI,结果如表2与图3所示。

表2 PAFI猪肉新鲜度检测结果

图3 PAFI猪肉新鲜度检测结果

根据表2与图3,各猪肉样本在初始检测时的新鲜度水平不同,样本H1与样本P1表现出较好的初始新鲜度水平,初始PAFI值分别为0.9192、1.1408,样本H2、P2相对较差。

随着放置时间的增加,猪肉样本整体开始变质,新鲜度水平下降,各个样本的均一化新鲜度指数PAFI值均逐渐降低。

样本在初始的12h内新鲜度变化较快,同时PAFI变化速率较快,在后24h内新鲜度变化过程变缓,PAFI指数变化趋势下降。

PAFI相较于FI指数能够综合样本上各处的新鲜度状况,从而对样本整体的新鲜度水平综合评价,能够更好的反映猪肉样本整体的新鲜度变化过程,避免了选取局部FI值,难以对样本进行代表,导致检测具有偶然性的问题。

2.3 基于FISS数据的猪肉新鲜度检测结果定量分析

为了更好的了解样本内各个像元FI值的变化过程,本文统计了4个猪肉样本内,不同范围FI值对应像元个数的变化过程,结果如图4。

图4 各样本内不同范围FI值对应像元个数统计结果

其中FI值被分割为7个尺度,统计各样本不同时段内属于某一FI尺度内的像元个数n,并与样本整体的像元总量N进行比值计算,求取在这一FI尺度内像元个数n占总体像元量N的比重P。

通过图4,在时间轴上,样本H1中50%以上的像元初始新鲜度值落在尺度[0.2,1.0]下,其中尺度[0.6,1.0]下的约占34%,尺度[0.2,0.6]下的约占25%。随着时间的增加,36h后,FI尺度在[0.2,0.6]下的像元比重增长为约59%,尺度[0.6,1.0]下的像元比重降低为仅9%左右,而在[-0.2,0.2]尺度下的像素增长为30%附近,表明随着时间的增加样本H1中“新鲜”像元的比例逐渐降低,“变质”像元的比例逐渐增高,样本逐渐向“变质”像元转化。

其余样本的变化趋势与H1相似,FI属于[-0.2,0.2]尺度下的“变质”像素比重分别由10%、4%、24%增加为51%、33%、72%,而“新鲜”像元比重分别由24%、20%、15%降低为4%、11%、1%。随着时间的增加,各个样本均由初始的新鲜状态向变质状态发生转化,新鲜像元所占比重下降,变质像元比重上升,样本整体新鲜度降低。

图5为各样本内特定FI尺度下像元统计数量与时间之间的关系曲线,将FI重新划定为4个尺度:[-5,0.2]、[0.2,0.6]、[0.6,1.0]、[1.0,5.0],分别记做FI-D、FI-C、FI-B、FI-A,表示猪肉样本新鲜度的4个等级。

对于A、B等级,猪肉内的像元数量随时间的增加而逐渐降低,表现为新鲜度的逐渐降低。

对于C等级,样本H1、P1表现为上升,而H2、P2表现为下降,说明该区间为新鲜度变化的主要过度区域,大量的样本在这一区间发生了跨越。

在D等级上的样本数量表现为显著的增加过程,大量的像素转化为“变质”像元。

图5 不同新鲜度等级下像元统计数量与时间的关系

2.4 基于FISS数据的猪肉、肥肉、鸡肉样本光谱特征对比分析

通过选取不同样本的光谱特征曲线(各50条并均值化处理),得到各样本的典型光谱特征曲线,如图6所示,其中横坐标为波段号,纵坐标为反射率值,不同颜色的曲线表示放置不同时间样本的典型光谱特征曲线。

图6 猪瘦肉、猪肥肉、鸡肉样本光谱特征曲线

通过图6(a)、(b)、(c)对比分析,四种类型的样本随着时间的变化,在反射率强度上均有所降低;在所有时间上,肥肉的反射率值都远高于其余两种类型的样本;同种样本的光谱特征曲线虽然在局部上发生细微的变化,然而其总体特征一般相同,而根据图6(d),不同种肉类样本的光谱特征则表现出显著的差异;猪肉在760nm附近表现出显著的吸收特征,因此FI指数能够很好地表现其新鲜度的变化过程,而鸡肉与肥肉在760nm附近并无显著的吸收特征,因此在图2上难以表达其新鲜度随时间的显著变化规律。

3 结论

本文利用自主研发的地面成像光谱辐射测量系统(Field Imaging Spectrometer System,FISS),实现了时、空、谱一体化的猪肉新鲜度检测过程,实现了检测过程的空间可视化和对样本新鲜度空间异质性的探测研究。实验表明,FISS采集的成像光谱数据能够更好地反映猪肉样本新鲜度的时空变化过程,并能够对同一猪肉样本新鲜度的空间差异性进行探测,且由于对比样本鸡肉、肥肉在肌红蛋白特征波段无显著的吸收特征,因而难以表达其新鲜度随时间的变化规律。

本文还提出了一种考虑样本整体新鲜度的均一化猪肉新鲜度指数(Pork Average Fresh Index,PAFI),相较于FI指数,PAFI指数具有更加稳健的探测效果,能够更有效地表达同一猪肉样本整体的新鲜度变化过程,有效减少了选取局部FI值所导致的偶然性误差。本文为高光谱成像技术在肉类食品安全检测领域的应用做出进一步的探究。

猜你喜欢

肌红蛋白新鲜度光谱
基于三维Saab变换的高光谱图像压缩方法
基于3D-CNN的高光谱遥感图像分类算法
稻谷新鲜度测定影响因素分析及优化
缺血修饰白蛋白和肌红蛋白对急性冠状动脉综合征的早期诊断价值
薄膜光伏组件在不同光谱分布下的测试差异
牛排“血水”不是血
牛排“血水”不是血
你在异性眼中的“新鲜度”
苦味酸与牛血清蛋白相互作用的光谱研究
基于TTI的冷鲜羊肉新鲜度研究