CN103439285B - 一种基于高光谱成像的鱼片新鲜度检测方法 - Google Patents

一种基于高光谱成像的鱼片新鲜度检测方法 Download PDF

Info

Publication number
CN103439285B
CN103439285B CN201310362936.4A CN201310362936A CN103439285B CN 103439285 B CN103439285 B CN 103439285B CN 201310362936 A CN201310362936 A CN 201310362936A CN 103439285 B CN103439285 B CN 103439285B
Authority
CN
China
Prior art keywords
fillet
freshness
sample
fillet sample
tvb
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310362936.4A
Other languages
English (en)
Other versions
CN103439285A (zh
Inventor
孙大文
成军虎
曾新安
刘丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201310362936.4A priority Critical patent/CN103439285B/zh
Publication of CN103439285A publication Critical patent/CN103439285A/zh
Application granted granted Critical
Publication of CN103439285B publication Critical patent/CN103439285B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于高光谱成像的鱼片新鲜度检测方法，首先按传统国标方法测定储藏不同天数的鱼片样本，然后利用高光谱成像系统扫描相应的鱼片样本的高光谱信息，并对高光谱图像进行预处理，建立新鲜度指标TVB-N值与高光谱的特征波长的鱼片新鲜度的回归方程，再对待测鱼片样品进行检测，计算出待测鱼片样品的新鲜度。本发明通过采用高光谱成像技术选择最优波长无损快速检测鱼片新鲜度，明显降低了传统方法所需时间，提高了检测效率，可以有效实现快速、无损、在线检测的目的。

Description

一种基于高光谱成像的鱼片新鲜度检测方法
技术领域
本发明涉及水产品新鲜度品质检测领域，特别涉及一种基于高光谱成像的鱼片新鲜度检测方法。
背景技术
鱼类是水产品重要组成部分。鱼肉味道鲜美，且营养物质含量高，鱼肉产品是人类所需的蛋白质、氨基酸、脂肪等营养物质的重要来源，是人们膳食的重要组成部分。其中蛋白质含量约为15％～24％，其不饱和脂肪酸具有防治心脑血管疾病等功效，深受广大消费者青睐。新鲜度是鱼类或鱼类制品质量的一个重要指标，对最终产品质量是十分重要的。鱼类死亡后，鱼肉发生一系列的物理和化学变化，随着鱼贮存期的延长，会很快导致微生物繁殖，在内源酶作用下使蛋白质自溶分解，从而造成鱼肉腐败变质而不能食用。因此，快速、准确评价鱼肉新鲜度，关系着人们的切身利益，也对鱼肉及其制品的运输、储藏及加工过程有着重要的科学意义和应用价值。
现已发展了一系列的指标和方法来评价鱼肉新鲜度。传统的感官评价法应用范围最广，能及时提供鱼肉品质信息，但它需要专业培训的测评小组，易受测评人员身体和心理状况影响，具有较强的主观性。实验室常用的化学方法以测量三甲胺(TMA)、挥发性盐基氮(TVB-N)和K值来评价鱼肉新鲜度。化学方法测试结果准确，但操作费时耗力，属于破坏性检测。微生物方法采用测量细菌总数或采用酶传感器进行鱼肉新鲜度检测，现有的活细胞计数方法复杂且费时，在鱼肉新鲜度判定中不实用。而正在发展的酶传感器，原料制备繁琐，测试条件苛刻，电极使用时间短。运用气相色谱和气质联用技术能得到精确的数据，但设备昂贵，检测系统复杂，难以满足当代水产品行业在线快速检测的需求。
高光谱成像技术作为一种新型技术，在农产品和食品领域品质快速检测中已经表现出极强的优越性，但用于鱼类等水产品新鲜度评价检测方面没有报道。经检索，目前国内外还没有授权的相关专利，中国专利申请号为201010262347.5、名称为“一种基于嗅觉可视化检测鱼肉新鲜度的方法和装置”的申请是利用化学显色剂与待检测气体反应前后，利用颜色变化实现对定性和定量分析，但是颜色反应易受外界条件的影响，长时间工作灵敏度下降，容易引起检测结果的误差。中国专利申请号为200710132639.5、名称为“一种快速无损鱼体鲜度检测试纸盒及其检测方法”和申请号为201010180216.2、名称为“一种快速无损伤检测淡水鱼鲜度的方法”的专利申请虽然可以实现快速，但是稳定性较差，而且不能服务于在线检测。
TVB-N值通常作为蛋白性食品新鲜度的化学指标，鱼肉在腐败过程中，由于细菌的生长繁殖和酶的作用，使蛋白质分解而产生胺类及氨等具挥发性的碱性含氮物质，这些挥发性盐基氮与鱼肉腐败程度之间有明显的对应关系。可以利用TVB-N值来判定鱼肉的新鲜度。
发明内容
为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种基于高光谱成像的鱼片新鲜度检测方法，在不破坏鱼片样品的前提下，实现鱼肉新鲜度的快速无损检测。
本发明的目的通过以下技术方案实现：
一种基于高光谱成像的鱼片新鲜度检测方法，包括以下步骤：
（1）制备鱼片样本并冷藏，获得不同冷藏天数的鱼片样本；
（2）利用可见近红外高光谱成像仪对不同储藏天数的鱼片样本进行扫描，获取鱼片样本在不同波长条件下的图像信息，得到鱼片样本的高光谱图像；
（3）对鱼片样本的高光谱图像进行分析，得到最能反映鱼片样本新鲜度的特征波长为600nm、615nm、760nm、840nm、860nm和950nm，获取鱼片样本在600nm、615nm、760nm、840nm、860nm和950nm波长下的光谱反射值X600nm、X615nm、X760nm、X840nm、X860nm和X950nm；
（4）利用偏最小二乘回归建立鱼片新鲜度的回归方程：
YTVB-N=-59.9-244.6X600nm+656.9X615nm-519.1X760nm+951.3X840nm-1547.9X860nm-884.5X950nm；
其中，YTVB-N为新鲜度指标TVB-N值，表示表示新鲜度；
（5）利用可见近红外高光谱成像仪对待测鱼片样品进行扫描，获取待测鱼片样品在600nm、615nm、760nm、840nm、860nm和950nm波长下的光谱反射值并带入步骤（4）得到的鱼片新鲜度的回归方程，计算得到待测鱼片样品的新鲜度。
步骤（3）所述对鱼片样品的高光谱图像进行分析，得到最能反映鱼片样本新鲜度的特征波长为600nm、615nm、760nm、840nm、860nm和950nm，具体包括以下步骤：
（3-1）对鱼片样本的高光谱图像进行大小校正、掩膜、平滑滤波处理和二值化处理，得到鱼片样本的灰度图像；
（3-2）利用边缘图像阈值化和局部区域分水岭分割技术对鱼片样本的灰度图像进行处理，将背景与鱼片图像分离，确定鱼片感兴趣区域，提取相应的平均光谱反射值；
（3-3）利用偏最小二乘回归建立鱼片样本平均光谱反射值与鱼片样本新鲜度指标TVB-N值YTVB-N的对应关系和最优变量数目，通过协方差回归系数和最优变量数目确定最能反映鱼片样本新鲜度的特征波长为600nm、615nm、760nm、840nm、860nm和950nm。
步骤（1）所述制备鱼片样本并冷藏，获得不同冷藏天数的鱼片样本，具体为：
制备鱼片样本并于4℃条件下冷藏，获得冷藏天数分别为0、1、2、3、4、5天的鱼片样本。
步骤（3-3）所述鱼片样本新鲜度指标TVB-N值YTVB-N根据中国水产行业标准SC/T3032-2007《水产品中挥发性盐基氮的测定》测定。
与现有技术相比，本发明具有以下优点和有益效果：
本发明在不破坏鱼片样品的前提下，实现鱼肉新鲜度的快速无损检测，与中国水产行业标准法相比，操作简便，快速，非破坏，不需要对样品进行前处理，可以实现鱼片新鲜度的快速无损在线检测，而且检测结果准确，为提高鱼类水产业智能化检测水平和技术提供理论支撑和保障，为保障鱼肉品质安全，维护消费者健康有着直接的现实意义。
附图说明
图1为本发明的实施例的基于高光谱成像的鱼片新鲜度检测方法的流程图。
具体实施方式
下面结合实施例，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例
如图1所示，本实施例的基于高光谱成像的鱼片新鲜度检测方法，包括以下步骤：
（1）制备鱼片样本并冷藏，获得不同冷藏天数的鱼片样本：将草鱼54条致死，去鳞、去内脏、去头、去尾和皮，然后分割成鱼片108个，用流动水冲洗干净，用吸水纸吸干鱼片表面的残水，装入聚乙烯保鲜袋密封并于4℃条件下冷藏0、1、2、3、4、5天，共计6天，每天随机挑选出18个鱼片作为鱼片样本；
（2）利用可见近红外高光谱成像仪对冷藏0、1、2、3、4、5天的鱼片样本（共计108个）进行扫描，获取鱼片样本在采集得到250个波长下的图像信息，得到鱼片样本的高光谱图像；其中，可见近红外高光谱成像仪的高光谱相机分辨率为512×1024像素，光谱范围为400-1100nm，光谱分辨率为2.8nm，最终得到的是250×1024×512像素的三维高光谱图像数据块；
（3）对鱼片样本的高光谱图像进行分析，得到最能反映鱼片样本新鲜度的特征波长为600nm、615nm、760nm、840nm、860nm和950nm，获取鱼片样本在600nm、615nm、760nm、840nm、860nm和950nm波长下的光谱反射值X600nm、X615nm、X760nm、X840nm、X860nm和X950nm；
其中，对鱼片样品的高光谱图像进行分析，得到最能反映鱼片样本新鲜度的特征波长为600nm、615nm、760nm、840nm、860nm和950nm，具体包括以下步骤：
（3-1）对鱼片样本的高光谱图像进行大小校正、掩膜、平滑滤波处理和二值化处理，得到鱼片样本的灰度图像；
（3-2）利用边缘图像阈值化和局部区域分水岭分割技术对鱼片样本的灰度图像进行处理，将背景与鱼片图像分离，确定鱼片感兴趣区域，提取相应的平均光谱反射值；
（3-3）利用偏最小二乘回归建立鱼片样本平均光谱反射值与鱼片样本新鲜度指标TVB-N值的对应关系和最优变量数目，通过协方差回归系数和最优变量数目确定最能反映鱼片样品新鲜度的特征波长为600nm、615nm、760nm、840nm、860nm和950nm；
鱼片样本新鲜度指标TVB-N值YTVB-N根据中国水产行业标准SC/T3032-2007《水产品中挥发性盐基氮的测定》测定，每个样品测量三次，求其平均值，共计108个。
（4）利用偏最小二乘回归建立鱼片新鲜度的回归方程：
YTVB-N=-59.9-244.6X600nm+656.9X615nm-519.1X760nm+951.3X840nm-1547.9X860nm-884.5X950nm；
其中，YTVB-N表示新鲜度；
（5）利用可见近红外高光谱成像仪对待测草鱼片样品进行扫描，获取待测草鱼片样品在600nm、615nm、760nm、840nm、860nm和950nm波长下的光谱反射值并带入步骤（4）得到的鱼片新鲜度的回归方程，计算得到待测鱼肉样品的新鲜度。
本实施例测量得到的冷藏3天的草鱼片样本的YTVB-N为16.03mg/100g，利用传统方法测量出的储藏3天的草鱼片的TVB-N值为16.11mg/100g，相对误差为0.5%，由此可见，两种方法得到的实验数据无差异。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (2)

1.一种基于高光谱成像的鱼片新鲜度检测方法，其特征在于，包括以下步骤：
(1)制备鱼片样本并于4℃条件下冷藏，获得冷藏天数为0、1、2、3、4、5天的鱼片样本；
(2)利用可见近红外高光谱成像仪对不同储藏天数的鱼片样本进行扫描，获取鱼片样本在不同波长条件下的图像信息，得到鱼片样品的高光谱图像；
(3)对鱼片样本的高光谱图像进行分析，得到最能反映鱼片样品新鲜度的特征波长为600nm、615nm、760nm、840nm、860nm和950nm，获取鱼片样本在600nm、615nm、760nm、840nm、860nm和950nm波长下的光谱反射值X600nm、X615nm、X760nm、X840nm、X860nm和X950nm，具体包括以下步骤：
(3-1)对鱼片样本的高光谱图像进行大小校正、掩膜、平滑滤波处理和二值化处理，得到鱼片样本的灰度图像；
(3-2)利用边缘图像阈值化和局部区域分水岭分割技术对鱼片样本的灰度图像进行处理，将背景与鱼片图像分离，确定鱼片感兴趣区域，提取相应的平均光谱反射值；
(3-3)利用偏最小二乘回归建立鱼片样本平均光谱反射值与鱼片样本新鲜度指标TVB-N值YTVB-N的对应关系和最优变量数目，通过协方差回归系数和最优变量数目确定最能反映鱼片样本新鲜度的特征波长为600nm、615nm、760nm、840nm、860nm和950nm；
(4)利用偏最小二乘回归建立鱼片新鲜度的回归方程：
YTVB-N＝-59.9-244.6X600nm+656.9X615nm-519.1X760nm+951.3X840nm-1547.9X860nm-884.5X950nm；
其中，YTVB-N为新鲜度指标TVB-N值，表示表示新鲜度；
(5)利用可见近红外高光谱成像仪对待测鱼片样品进行扫描，获取待测鱼片样品在600nm、615nm、760nm、840nm、860nm和950nm波长下的光谱反射值并带入步骤(4)得到的鱼片新鲜度的回归方程，计算得到待测鱼片样品的新鲜度。
2.根据权利要求1所述的基于高光谱成像的鱼片新鲜度检测方法，其特征在于，步骤(3-3)所述鱼片样本新鲜度指标TVB-N值YTVB-N根据中国水产行业标准SC/T3032-2007《水产品中挥发性盐基氮的测定》测定。
CN201310362936.4A 2013-08-19 2013-08-19 一种基于高光谱成像的鱼片新鲜度检测方法 Active CN103439285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310362936.4A CN103439285B (zh) 2013-08-19 2013-08-19 一种基于高光谱成像的鱼片新鲜度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310362936.4A CN103439285B (zh) 2013-08-19 2013-08-19 一种基于高光谱成像的鱼片新鲜度检测方法

Publications (2)

Publication Number Publication Date
CN103439285A CN103439285A (zh) 2013-12-11
CN103439285B true CN103439285B (zh) 2016-04-13

Family

ID=49692986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310362936.4A Active CN103439285B (zh) 2013-08-19 2013-08-19 一种基于高光谱成像的鱼片新鲜度检测方法

Country Status (1)

Country Link
CN (1) CN103439285B (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103900972B (zh) * 2014-04-04 2017-01-18 江南大学 基于多特征融合的肉类新鲜度高光谱图像可视化检测
CN104089925B (zh) * 2014-06-30 2016-04-13 华南理工大学 一种基于高光谱成像检测虾仁品质的目标区域提取方法
CN104374931A (zh) * 2014-08-18 2015-02-25 浙江工商大学 一种羊肉新鲜度检测装置及其检测方法
CN104655586A (zh) * 2015-02-28 2015-05-27 华南理工大学 基于高光谱数据融合快速非接触监控鱼肉脂肪氧化的方法
CN104655761B (zh) * 2015-02-28 2016-08-17 华南理工大学 一种基于多光谱成像在线测定鱼肉新鲜度指标k值的方法
CN104880427B (zh) * 2015-05-29 2017-08-25 华南理工大学 一种猪肉产品快速水分检测方法
CN105136709B (zh) * 2015-06-05 2018-09-14 华南理工大学 一种测量冷冻肉的冷冻参数的方法及装置
CN105527254B (zh) * 2015-12-01 2019-02-26 浙江大学 一种烟草花叶病感病程度的快速检测方法
CN105548029A (zh) * 2015-12-14 2016-05-04 北京农业质量标准与检测技术研究中心 基于光谱成像技术的肉制品新鲜度检测方法
CN106153576B (zh) * 2016-07-28 2019-08-20 华南理工大学 基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法
CN106404692A (zh) * 2016-11-09 2017-02-15 大连工业大学 利用高光谱成像技术检测即食海参新鲜度等级的方法
CN107036980B (zh) * 2016-11-10 2020-05-22 Tcl科技集团股份有限公司 一种检测冰箱食品新鲜度的方法及冰箱
US10902577B2 (en) 2017-06-19 2021-01-26 Apeel Technology, Inc. System and method for hyperspectral image processing to identify object
US10902581B2 (en) 2017-06-19 2021-01-26 Apeel Technology, Inc. System and method for hyperspectral image processing to identify foreign object
CN107247026A (zh) * 2017-07-26 2017-10-13 成都九维云联科技有限公司 一种易腐食品的预判方法
CN108254324B (zh) * 2017-12-18 2020-09-22 中国农业大学 一种蟹肉新鲜度快速检测方法及装置
CN108593565A (zh) * 2018-03-19 2018-09-28 河南科技学院 在线快速检测鸡肉假单胞菌含量的方法
CN109856079B (zh) * 2018-12-14 2020-12-22 华南理工大学 近红外多光谱成像快速无损评价鱼肉脂肪氧化程度的方法
CN111521580A (zh) * 2020-06-16 2020-08-11 海南大学 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法
CN111929257A (zh) * 2020-08-31 2020-11-13 怀化市明友食品有限责任公司 一种基于光谱成像技术的肉制品新鲜度检测方法
CN113008815A (zh) * 2021-02-24 2021-06-22 浙江工业大学 一种基于高光谱图像信息无损检测酸枣仁中总黄酮的方法
CN113588571B (zh) * 2021-09-29 2021-12-03 广东省农业科学院动物科学研究所 一种基于高光谱成像的水产品的腥味识别方法及系统
CN113933248A (zh) * 2021-10-12 2022-01-14 广东省科学院智能制造研究所 一种高光谱在线检测系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102323267A (zh) * 2011-08-10 2012-01-18 中国农业大学 一种快速评价生鲜肉品新鲜度的系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102323267A (zh) * 2011-08-10 2012-01-18 中国农业大学 一种快速评价生鲜肉品新鲜度的系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于高光谱成像技术的猪肉新鲜度评价;张雷蕾等;《农业工程学报》;20120430;第28卷(第7期);第254-259页 *
牛肉嫩度的高光谱法检测技术;吴建虎等;《农业机械学报》;20091231;第40卷(第12期);第135-138页 *
畜产品品质的高光谱图像无损检测研究进展;朱荣光等;《激光与红外》;20111031;第41卷(第10期);第1067-1070页 *

Also Published As

Publication number Publication date
CN103439285A (zh) 2013-12-11

Similar Documents

Publication Publication Date Title
CN103439285B (zh) 一种基于高光谱成像的鱼片新鲜度检测方法
ElMasry et al. Meat quality evaluation by hyperspectral imaging technique: an overview
Fu et al. A review of hyperspectral imaging for chicken meat safety and quality evaluation: application, hardware, and software
Khulal et al. Intelligent evaluation of total volatile basic nitrogen (TVB-N) content in chicken meat by an improved multiple level data fusion model
Cheng et al. Hyperspectral imaging as an effective tool for quality analysis and control of fish and other seafoods: Current research and potential applications
Ma et al. Applications of computer vision for assessing quality of agri-food products: a review of recent research advances
Liu et al. NIR spectroscopy and imaging techniques for evaluation of fish quality—a review
Wu et al. Prediction of beef quality attributes using VIS/NIR hyperspectral scattering imaging technique
Kamruzzaman et al. Introduction to hyperspectral imaging technology
ElMasry et al. High-speed assessment of fat and water content distribution in fish fillets using online imaging spectroscopy
Xiong et al. Potential of hyperspectral imaging for rapid prediction of hydroxyproline content in chicken meat
Ye et al. Monitoring of bacterial contamination on chicken meat surface using a novel narrowband spectral index derived from hyperspectral imagery data
CN104655586A (zh) 基于高光谱数据融合快速非接触监控鱼肉脂肪氧化的方法
US20160356704A1 (en) Nondestructive meat tenderness assessment
CN102507459A (zh) 一种生鲜牛肉新鲜度快速无损评价方法及系统
Peng et al. Optical methods and techniques for meat quality inspection
Ghasemi-Varnamkhasti et al. Application of image analysis combined with computational expert approaches for shrimp freshness evaluation
Yang et al. Rapid determination of biogenic amines in cooked beef using hyperspectral imaging with sparse representation algorithm
Feng et al. Hyperspectral imaging in tandem with R statistics and image processing for detection and visualization of pH in Japanese big sausages under different storage conditions
Wu et al. Non-destructive techniques for the analysis and evaluation of meat quality and safety: A review
Modzelewska-Kapituła et al. The application of computer vision systems in meat science and industry–A review
Kamruzzaman Optical sensing as analytical tools for meat tenderness measurements-A review
Sveinsdottir et al. Sensory characteristics of different cod products
CN109856079B (zh) 近红外多光谱成像快速无损评价鱼肉脂肪氧化程度的方法
Wu et al. Food colour measurement using computer vision

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant