基于多光谱成像技术的牛肉干水分含量快速无损检测研究

金涛 刘伟 刘长虹

摘要 基于多光谱成像技术对牛肉干中水分含量的快速无损检测方法进行研究，通过对比最小二乘回归（PLS）、最小二乘支持向量机（LS-SVM）和误差反向传播神经网络（BPNN）所建预测模型的性能，发现BPNN模型对牛肉干水分含量预测效果最佳，其确定系数（Rp2）、预测集均方根误差（RMSEP）和剩余预测偏差（RPD）分别为0.941、3.602%和4.142。结果表明，光谱吸收度是检测牛肉干水分含量的重要特征，BPNN结合多光谱建立的预测模型精度较高，鲁棒性较好，在牛肉干水分的实时无损检测中具有良好的应用前景。

关键词 牛肉干;水分含量;多光谱成像技术;无损检测;化学计量学

中图分类号 TS.251.7文献标识码 A文章编号 0517-6611（2021）02-0204-02

doi：10.3969/j.issn.0517-6611.2021.02.055

开放科学（资源服务）标识码（OSID）：

Research on Rapid Nondestructive Detection of Moisture Content of Beef Jerky Based on Multispectral Imaging Technology

JIN Tao1， LIU Wei1，2， LIU Changhong1

（1. School of Food and Biological Engineering， Hefei University of Technology， Hefei，Anhui 230009;2. Intelligent Control and Computer Vision Lab， Hefei University， Hefei，Anhui 230601）

Abstract The rapid and nondestructive detection of moisture content in beef jerky based on multispectral imaging was performed. By comparing the results of different chemometrics methods such as partial least square （PLS）， least squaresupport vector machine （LSSVM） and back propagation neural network （BPNN）， the best model was from BPNN method with the determination coefficients （Rp2） ， the root mean square error of prediction （RMSEP） and the residual prediction deviation （RPD） was 0.941， 3.602% and 4.142. The results showed that spectral absorbance was an important feature for detecting the moisture content of beef jerky. The prediction model established by BPNN combined with multispectral had high accuracy and good robustness. It had a good application prospect in the realtime nondestructive detection of beef jerky moisture.

Key words Beef jerky;Moisture content;Multispectral imaging technology;Nondestructive detection;Chemometrics

肉品工业是关系国计民生的重要产业，对促进禽畜生产、发展农村经济、繁荣城乡市场、满足人民生活需要起到重要作用[1]。牛肉干是牛肉重要的传统加工制品，风味独特，易于储藏，深受消費者欢迎。水分是影响牛肉干加工、储藏和口感的关键因素，是牛肉产品重要的营养和卫生指标，也是肉品加工贮藏过程中的重要参数[2-3]。目前，在农产品/食品中常用的水分检测方法主要有电阻水分检测法、电容水分检测法、微波水分检测法和核磁共振水分检测法[4-5]。目前的传统方法虽然检测精度较高，但操作过程复杂，耗时长，对试验样品具有破坏性，难以在加工过程中对样品进行实时检测。

多光谱成像技术是一种新型的分析检测技术，可同时得到被测物的光谱信息和空间信息，具有简便、实用、检测成本较低、无破坏性等优点。近年来，基于多光谱技术的农产品检测受到广泛关注，在大麦霉变识别、大米蛋白质含量的预测、牛肉品质检测等方面均有研究报道[6-9]。

笔者以多光谱成像仪为检测装置，结合最小二乘回归（PLS）、最小二乘支持向量机（LS-SVM）和误差反向传播神经网络（BPNN）3种不同机器学习算法，进行牛肉干水分含量的快速无损检测研究，通过对比不同建模方法的预测结果，获取牛肉干水分的最佳预测模型，为牛肉干中水分的快速无损检测提供一种新方法。

1 材料与方法

1.1 试验原料

所选牛肉材料购置于麦德龙超市，选择新鲜牛后腿肉，挑选白膜、筋腱组织较少的大块牛肉，便于后期样品处理。将买好的牛肉清洗干净，用手术刀除去白膜、牛筋等物质，切成大小一致的3 cm×3 cm×1 cm的100个方块并进行编号，置于冷水中大火煮沸，除去血沫，再用初煮水文火煮制1 h，捞出晾干，逐个称重。预处理过的牛肉置于电热恒温烘干箱中进行干燥，前3 h温度为75 ℃，后3 h为60 ℃，最后提高温度至105 ℃直至烘干。

分别在干燥开始后的1、2、3、4、5、6、7和9 h取出样品，采集牛肉干的多光谱图像，并称量相应时间点的牛肉干质量。在试验过程中，为防止样品称量时由于内外温差较大，影响数据结果，牛肉干干燥后从烘箱里拿出放入干燥器中使其冷却至室温。待采集完多光谱图像后，将牛肉干置于105 ℃烘箱中烘至恒重，测定水分含量。

1.2 试验设备

试验光谱测定采用VideometerLab多光谱测量仪，其检测采用的光谱为405、435、450、470、505、525、570、590、630、645、660、700、780、850、870、890、910、940和970 nm 的19个波长。多光谱成像系统的采集系统主要组成部分包括摄像头、LED灯和积分球[8]。测量时将样品置于积分球内部，积分球内涂有可使光线均匀散播的不光滑白色颜料，LED灯安装于积分球边缘，光谱敏感摄像头置于积分球的顶部，如图1所示。

1.3 试验方法

将获得的100个牛肉干样品随机分为60个建模集和40个预测集，建模集用于建立牛肉干水分预测模型，预测集用于验证模型的性能。针对获取的样品多光谱图像，首先采用典型判别分析（canonical discriminant analysis，CDA）和阈值设定完成背景剔除和感兴趣区域分割，然后采用统计学方法获取牛肉干感兴趣区域的平均光谱反射率。分别采用PLS、LS-SVM和BPNN算法对获取的样品多光谱图像数据进行处理，并建立相应的水分预测模型[10]。

1.4 定量模型评价标准

为评价不同方法所得模型的性能，该研究分别采用以下指标进行分析，包括确定系数（R2）、建模集的均方根误差（RMSEC）、预测集的均方根误差（RMSEP）和剩余预测偏差（RPD），计算方法分别如下：

R2=[ni=1（xi-）（yi-）]2

ni=1（xi-）2ni=1（yi-）2（1）

其中，xi为样本测量值;为xi的平均值;yi为样本预测值;为yi的平均值;n为样本数。

RMSEC=Ici=1（i-yi）2Ic-1（2）

其中，Ic表示样本个数，yi表示样本i的测量值，i表示样本i的预测值。

RMSEP=Ipi=1（i-yi-Bias）2Ip-1（3）

其中，Bias是偏差，Bias=1IpIpi=1（i-yi）;Ip是预测集样本的样本数;yi是预测集样本的测量值;i是预测集样本的预测值。

RPD=STDRMSEP（4）

其中，STD是预测集样本测量值的标准偏差。

2 结果与分析

2.1 牛肉干干燥过程中水分含量变化

计算样品在干燥过程中0、1、2、3、4、5、6、7和9 h共9个时间点的水分含量，得到牛肉干干燥过程中水分含量变化（图2）。由图2可知，牛肉干的水分含量随干燥时间的延长而降低，干燥前期比干燥后期水分含量减少速度要缓慢，主要是因为水分由牛肉干内部向外部迁移的过程中，会在表面附着，从而使水分含量减少缓慢，而随着时间延长，内部水分逐渐减少，表面水分减少明显加快。由于每个样品的重量及厚度的不同，每个样品在后期水分含量偏差较大。

2.2 光谱曲线分析

通过多光谱测量仪所获得的不同干燥时间点的光谱反射值提取结果如图3所示。由图3可知，由于水分对光有一定的吸收能力，0 h光谱反射率最高，随着水分含量达到稳态，光谱反射率的差别逐渐减小。同时，在不同波段下，光谱反射强度也不相同，在400～525 nm波段下，光的反射强度基本不变，而在525～850 nm波段，光谱反射强度变化较为明显。

2.3 光谱数据建模分析

通过PLS、LS-SVM和BPNN 3种不同建模方法结合所获取的光谱特征数据建立牛肉干的水分含量预测模型，所得结果如表1所示。由表1可知，BPNN模型对牛肉干水分含量的预测效果最好，其建模集相关系数Rc2為0.950，建模集均方根误差RMSEC为3.251%，此时，其预测集相关系数Rp2和RPD分别达到0.941和4.142。LS-SVM和BPNN这2个预测模型的RPD值超过了3（分别为3.545 和4.142），同时RMSEP/RMSEC的值小于或接近1.3，说明所建立模型鲁棒性较好。综上所述，多光谱成像技术结合合适的化学计量学方法能较好地对牛肉干加工过程中的水分含量进行定量预测，在对牛肉干进行实时在线的水分检测中具有良好的应用前景。

3 结论

该研究基于多光谱成像技术对牛肉干加工过程中水分

含量的检测进行研究，结果表明，牛肉干在不同光谱波段下的反射强度不同，在400～525 nm波段下，光的反射强度基本不变，而在525～850 nm波段，光谱反射强度差异较大。通过对比不同建模方法的预测结果表明，光谱特征是牛肉干水分含量检测的重要特征，基于BPNN算法所建立的预测模型精度较高，鲁棒性较好，在牛肉干水分的实时在线检测中具有良好的应用前景。

参考文献

[1] 李新生，党娅，王艳龙.中国牛肉干加工技术及产业发展现状[J].肉类研究，2012，26（4）：32-35.

[2] 王桂霞.中国牛肉产业链研究[D].北京：中国农业大学，2005.

[3] 谢小雷，李侠，张春晖，等.牛肉干中红外-热风组合干燥工艺中水分迁移规律[J].农业工程学报，2014，30（14）：322-330.

[4] 张曼玲，郭鸣灏，陈东红.不同食品中水分测定方法探讨[J].现代农业科技，2009（21）：291-293.

[5] 谢小雷，张春晖，李侠，等.中红外-热风组合干燥牛肉干水分预测模型研究[J].食品科学，2014，35（23）：61-66.

[6] 李江波，饶秀勤，应义斌.农产品外部品质无损检测中高光谱成像技术的应用研究进展[J].光谱学与光谱分析，2011，31（8）：2021-2026.

[7] KAMRUZZAMAN M，MAKINO Y，OSHITA S.Parsimonious model development for realtime monitoring of moisture in red meat using hyperspectral imaging[J].Food chemistry，2016，196（4）：1084-1091.

[8] 刘锦霞.基于多光谱成像技术快速检测注水肉及冷冻肉的品质安全[D].合肥：合肥工业大学，2016.

[9] MA F，QIN H，ZHOU C L，et al.Rapid and nondestructive detection of iron porphyrin content in pork using multispectral imaging approach[J].Food analytical methods，2016，9（5）：1180-1187.

[10] 刘伟，刘长虹，郑磊.基于支持向量机的多光谱成像稻谷品种鉴别[J].农业工程学报，2014，30（10）：145-151.