Меѓу многу производи од месо, говедското месо е фаворизирано од повеќето потрошувачи заради неговата висока протеин, малку маснотии, висока содржина на витамин и минерали, кои високо ги задоволуваат хранливите потреби на современите луѓе за месо. Како што забрзува темпото на животот на луѓето, традиционалните производи за готвење говедско месо станаа вообичаена храна во супермаркетите и деликатесните, а побарувачката и обемот на продажба исто така се зголемуваат. Како и да е, во реалниот живот, поголемиот дел од зготвеното говедско месо што се продава на пазарот е на големо, и е богат со висока протеин и висока содржина на вода, така што е многу лесно да се одгледуваат микроорганизми и да се предизвика да се расипе за време на складирањето на ниска температура. Затоа, врз основа на разумни и ефективни стандарди и системи за оценување на квалитетот на говедско месо, барањето сигурни методи за откривање на оценување на безбедноста на говедско месо стана главен приоритет за развојната насока на пазарот на говедско месо.
Хиперспектралните слики, познати и како хиперкуби, се тродимензионални блокови на податоци (x, y, λ) составени од серија на дводимензионални просторни слики (x, y) под континуирана бранова должина λ. Како што е прикажано на сликата подолу, од гледна точка на бранова должина, податоците за хиперспектрална слика (x, y, λ) е тродимензионален блок на податоци составен од дводимензионални слики (x, y); Од гледна точка на дводимензионални податоци (x, y), хиперспектралниот е серија спектрални криви. Принципот на користење на HSI технологија за откривање на свежината на храната се однесува на разликата во апсорпцијата, одразот, расејувањето, електромагнетната енергија на светлината и спектралната позиција на врвот/коритото на внатрешниот хемиски состав и надворешните физички карактеристики на предметот до предметот на предметот да се тестира, што доведува до различни карактеристики на дигиталниот сигнал. На пример, вредностите на врв и долина (спектрални отпечатоци од прсти) на апсорпција на различни бранови должини можат да претставуваат физички својства на различни соединенија, така што квалитативната или квантитативната анализа на квалитетот на храната може да се постигне преку анализа на хиперспектрални информации, т.е. Деструктивно тестирање на квалитетот на храната.
(1) ТВЦ примерок ROI и екстракција на спектар
За примерокот на ТВЦ, избран е 50 px × 50 PX мускулен примерок на мускулите на мускулите на хиперспектралната слика по корекцијата на црна и бела корекција. Избраниот
Сликата на варен говедско месо беше просечно под одреден спектар за да се добие спектралното средство на секој примерок под одреден опсег. Овој чекор беше имплементиран
На софтверот ENVI 5.1, главно преку алатката ROI на софтверот ENVI.
На сликата подолу е прикажана екстракцијата на областа на ROI на примерокот за готвење говедско месо во ENVI5.1 и добиена спектрална вредност.
(2) TVB-N примерок ROI и екстракција на спектар
Процесот на екстракција на регионот на ROI е ист како оној на податоците за примерокот на ТВЦ во претходниот став. Регионот ROI од 50px*50px е исто така добиен за да се предвиди варениот примерок од говедско месо на ТВБ-Н. Може да се види дека постојат одредени разлики во спектралните криви на двете серии варени примероци од говедско месо (се проценува дека двете серии на производи за готвење на говедско месо Daoxiangcun беа купени во долг интервал, што може да биде предизвикано од различни сорти на говедско месо) . Слично на тоа, овој чекор за примерокот за готвење говедско месо TVB-N се спроведува и на софтверот ENVI5.1.
На сликата подолу е прикажана TVB-N извлекување на областа на ROI во ENVI5.1 и добивање на спектрална вредност на примерокот.
Резултати од спектрално преработка
Спектралните информации на варениот примерок од говедско месо за предвидување на ТВЦ беа преработени (по редослед на измазнување на SG, нормализација на векторот и трансформација на SNV). Оригиналниот спектар на спектралните информации и резултатот од преработката на спектарот се прикажани на сликата подолу.
Истиот метод за преработка како оној што се користи за варениот примерок од говедско месо за предвидување на ТВЦ во претходниот пасус се користи за преработка на спектралните информации на хиперспектралните податоци на примерокот за предвидување на вредноста TVB-N. Оригиналниот спектар и спектарот по преработката се прикажани на сликата подолу:
Беше воспоставен десеткратен модел на вкрстена валидација на регресија на векторот за поддршка (SVR) за спектралните податоци пред и по преработката. Перформансите на моделот се прикажани во табелата и резултатите од моделирањето се прикажани на сликата. Овој метод се спроведува во мултиваријалниот софтвер за анализа на податоци TheunScrambler x10.4. Методот SVR и неговите индикатори за перформанси на моделот ќе бидат воведени во Дел 4.1 и нема да бидат опишани детално овде.
Како што може да се види од табелата, перформансите на моделите за предвидување на двата индикатори утврдени со преработените спектар се подобриле до одреден степен. Коефициентот на корелација на перформансите R на моделот за предвидување за ТВЦ се зголеми за 16 процентни поени, додека коефициентот на корелација на перформансите Р на моделот за предвидување за ТВБ-Н се зголеми за 9 процентни поени. Ова ја потврдува потребата од спектрално преработка, така што последователната анализа ги користи преработените податоци.
Резиме и перспектива
За да се постигне брзо и не-деструктивно откривање на свежината на варените производи од месо, овој труд зема варено говедско месо како истражувачки предмет и користи хиперспектрална технологија за сликање за да создаде модел за предвидување за свежината на варено говедско месо. Студирани се промените во свежината на зготвеното говедско месо за време на складирањето и беа изучувани главните фактори кои влијаат на свежината на варено говедско месо, а беа утврдени и вредноста на TVC на Microbial Index TVC и хемиски индекс ТВБ-N вредност поврзана со неа. Специфичните заклучоци за истражување се следниве: се изучува можноста за користење на хиперспектрална технологија за сликање за откривање на свежината на варено говедско месо, а се дискутираше за трендот на промена на индексот на свежина ТВЦ и ТВБ-Н Вредност на варено говедско месо за време на складирањето; Перформансите на моделот за предвидување на SVR (користејќи десеткратна валидација на вкрстената валидација) изградени пред и по преработката на спектралните податоци, а моделот за предвидување изграден со преработениот сет на податоци имаше подобри перформанси; Студиран е методот за поделба на примерокот. Сетот за обука и сетот за тестирање генерирани со различни методи за поделба на примерокот беа моделирани и анализирани, и конечно се избрани сетот за обука и сетот за тестирање поделени со методот на поделба на SPXY.
