CN104655761A - 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 - Google Patents

Abstract

本发明公开了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，首先利用传统的高效液相色谱法测定冷藏不同天数的鱼肉样本的新鲜度指标K值，然后利用可见近红外多光谱成像系统扫描相应的鱼肉样本，得到相应的多光谱图像，并对多光谱图像进行预处理，提取中心波长为425nm、560nm、660nm、795nm和960nm处的平均反射光谱值，基于所获取的K值和平均光谱值，利用最小二乘支持向量机建立预测模型，并对待测鱼肉样品进行预测。本发明采用多光谱成像技术评价鱼肉新鲜度，提高了预测精度，降低了传统方法所需时间，可以有效实现快速、无损、非接触在线检测的目的。

Description

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

技术领域

本发明涉及水产品品质安全检测领域，特别涉及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。

背景技术

鱼类是我国最为丰富的水产资源，是促进我国渔业发展的重要来源。随着养殖技术的不断创新，鱼类产量也持续增加，由于鱼肉味道鲜美，富含动物蛋白及特殊不饱和脂肪酸，深受广大消费者青睐。然而，随之而来的鱼肉品质安全问题也不断出现。随着人们生活水平的不断提高，对鱼肉安全的要求越来越严格。

新鲜度是鱼肉安全评价的重要衡量指标。影响鱼肉新鲜度的因素很多，主要涉及到储藏温度、微生物污染、加工方法以及自身的物理化学及生物化学变化。目前，测定和评价鱼肉新鲜度的方法大致分为：感官评价法、物理特性测量、化学分析法等。其中，K值的测定是当前学者们广泛用来反映鱼肉新鲜度的一个重要指标。在鱼类屠宰后，其体内会发生复杂的生物化学变化，会引起三磷酸腺苷(ATP)的降解。ATP降解过程产生一系列的降解产物：二磷酸腺苷(ADP)、一磷酸腺苷(AMP)、肌苷酸(IMP)、次黄嘌呤核苷(HxR)和次黄嘌呤(Hx)。根据几种代谢物的浓度，K值被定义：

$K=\frac{\mathrm{Hx}+\mathrm{HxR}}{\mathrm{ATP}+\mathrm{ADP}+\mathrm{AMP}+\mathrm{IMP}+\mathrm{Hx}+\mathrm{HxR}}\×100\%$

K值的大小决定了鱼肉的新鲜程度。通常，K值≤20％，判定鱼肉为一级鲜度；当20％＜K值≤60％时，判定鱼肉为二级鲜度，仍可以食用；当K值＞60％时，鱼肉已经腐败变质，失去食用价值。研究人员在实验室通常采用高效液相色谱法(HPLC)测定鱼肉中ATP降解的产物浓度，然后按照上面公式，计算出K值的大小。很显然，在实际检测过程中，该方法存在步骤繁琐、操作要求高、耗时费力及不能实现无损快速在线检测。经检索，目前没有有关K值快速在线测定的方法。因此，发明一种快速无损在线检测鱼肉新鲜度指标K值的方法具有重要的现实意义。

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多光谱成像在线测定鱼肉新鲜度指标K值的方法，可以有效节省检测时间，节约测量成本，检测结果准确，实现工业化的实时在线监控。

本发明的目的通过以下技术方案实现：

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，包括以下步骤：

(1)制备鱼肉样本并冷藏，获取不同冷藏天数的鱼肉样本；

(2)利用高效液相色谱法测定鱼肉样本在冷藏过程中ATP降解产物浓度，按照公式计算K值；

(3)利用可见近红外多光谱成像系统对不同冷藏天数的鱼肉样本进行扫描，获取鱼肉样本的多光谱图像；

(4)对鱼肉样本的多光谱图像进行预处理，提取中心波长处对应的平均反射光谱值；所述中心波长为425nm、560nm、660nm、795nm和960nm；

(5)结合步骤(2)得到K值和步骤(4)得到的中心波长处对应的平均反射光谱值，利用最小二乘支持向量机(LS-SVM)建立鱼肉新鲜度指标K值的预测模型；

(6)利用步骤(5)得到的预测模型测定待测鱼肉样品的K值。

步骤(4)所述预测模型，模型方程具体为：

Y_K＝C₀+aX_425nm+bX_560nm+cX_660nm+dX_795nm+eX_960nm；

其中，Y_K为新鲜度指标K值；X_425nm、X_560nm、X_660nm、X_960nm分别为波长为425nm、560nm、660nm、960nm对应的平均反射光谱值；C₀、a、b、c、d、e均为常数；

当K值≤20％时，C₀＝-210.11，a＝26.35，b＝48.19，c＝44.28，d＝189.05，e＝231.44；

当20％＜K值≤60％时，C₀＝-105.88，a＝36.76，b＝42.78，c＝24.55，d＝178.61，e＝227.84；

当K值＞60％时，C₀＝-208.47，a＝29.83，b＝50.134，c＝45.27，d＝185.03，e＝233.49。

步骤(4)所述预测模型的预测均方根误差RMSEP＜0.025，预测决定系数R²＞0.925。

步骤(4)所述对鱼肉样本的多光谱图像进行预处理，具体为：

对鱼肉样本的多光谱图像进行大小校正、掩膜、去噪处理。

步骤(3)所述可见近红外多光谱成像系统的波长范围为400～1000nm，扫描速度为35～45mm/s，曝光时间为1～2ms。

与现有技术相比，本发明具有以下优点和有益效果：

(1)本发明的基于多光谱成像在线测定鱼肉新鲜度指标K值的方法，步骤简单、快速、无损非接触，无需再测量化学指标；检测时间明显缩短，可以实现实时在线监控。

(2)本发明建立的预测模型，对K值进行了具体分析，当K值位于不同的数值范围时，采用不同的波长系数，使K值的测量值更准确，误差更小，便于精确区分鱼肉到底处于何种新鲜程度，为消费者准确判定鱼肉质量和安全提供了有力参考和保障。

(3)基于K值的有区分的精确测量，可以有效定级鱼肉的质量信息，为水产品加工企业选择何种质量的鱼肉进行下一步制品的加工提供了选择和快捷。

附图说明

图1为本发明的实施例的基于多光谱成像在线测定草鱼肉新鲜度指标K值的方法的流程图。

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1

如图1所示，本实施例的基于多光谱成像在线测定草鱼肉新鲜度指标K值的方法，包括以下步骤：

(1)制备草鱼肉样本并冷藏，获得不同冷藏天数的鱼肉样本：将草鱼15条(质量大约2kg)致死，去鳞、去内脏、去头、去尾和皮，然后分割成尺寸为3cm×3cm×1cm大小的鱼块样本160个，用流动水冲洗干净，用吸水纸吸干鱼肉表面的残水，装入聚乙烯保鲜袋密封并于4℃条件下分别冷藏0、2、4、6天，分成四组，每组随机挑选出40个鱼块作为鱼肉样本；

(2)利用高效液相色谱法测定鱼肉样本在冷藏过程中ATP降解产物浓度，按照公式计算K值，K值范围为15.8％～83.4％。

(3)利用可见近红外多光谱成像系统对不同冷藏时间的鱼肉样本进行扫描，扫描速度为40mm/s，曝光时间为1ms，获取得到160个鱼肉样本的多光谱图像；

(4)对得到的160个鱼肉样本的多光谱图像进行大小校正、掩膜、去噪处理，提取中心波长425nm、560nm、660nm、795nm和960nm处对应的平均反射光谱值；

(5)基于步骤(4)所获取的中心波长的平均光谱值和步骤(2)所测得的K值，利用LS-SVM算法建立新鲜度预测模型；

Y_K＝C₀+aX_425nm+bX_560nm+cX_660nm+dX_795nm+eX_960nm；

其中，Y_K为新鲜度指标K值，C₀、a、b、c、d、e均为常数；X_425nm、X_560nm、X_660nm、X_960nm分别为波长为425nm、560nm、660nm、960nm对应的平均反射光谱值；通过对中心波长贡献比例权衡，结果如下：

当K值≤20％时，方程中的系数C₀＝-210.11，a＝26.35，b＝48.19，c＝44.28，d＝189.05，e＝231.44。

当20％＜K值≤60％时，方程中的系数C₀＝-105.88，a＝36.76，b＝42.78，c＝24.55，d＝178.61，e＝227.84。

当K值＞60％时，方程中的系数C₀＝-208.47，a＝29.83，b＝50.134，c＝45.27，d＝185.03，e＝233.49。

本实施例中所建立的预测模型精度为预测均方根误差RMSEP＝2.1％，预测决定系数R²＝0.938。

(6)利用步骤(5)得到的预测模型测定待测鱼肉样品的K值大小。

本实施例中预测得到的冷藏4天的草鱼肉样本的K值为48.2％，处于二级鲜度等级，利用传统国标方法测量出的冷藏4天的草鱼肉的K值为49.8％，处于二级鲜度等级，相对误差为0.03％，由此可见，两种方法得到的实验数据无差异。

实施例2

本实施例的一种基于多光谱成像在线测定鲢鱼鱼肉新鲜度指标K值的方法，包括以下步骤：

(1)制备鲢鱼鱼肉样本并冷藏，获得不同冷藏天数的鱼肉样本：将鲢鱼10条(质量大约2kg)致死，去鳞、去内脏、去头、去尾和皮，然后分割成尺寸为3cm×3cm×1cm大小的鱼块样本120个，用流动水冲洗干净，用吸水纸吸干鱼肉表面的残水，装入聚乙烯保鲜袋密封并于4℃条件下分别冷藏0、1、3、5天，分成四组，每组随机挑选出30个鱼块作为鱼肉样本；

(2)利用高效液相色谱法测定鱼肉样本在冷藏过程中ATP降解产物浓度，按照公式计算K值，K值范围为15.2％～71.6％。

(3)利用可见近红外多光谱成像系统对不同冷藏时间的鱼肉样本进行扫描，扫描速度为38mm/s，曝光时间为1.2ms，获取得到120个鱼肉样本的多光谱图像；

(4)对得到的120个鱼肉样本的多光谱图像进行大小校正、掩膜、去噪处理，提取中心波长425nm、560nm、660nm、795nm和960nm处对应的平均反射光谱值；

(5)基于步骤(4)所获取的中心波长的平均光谱值和步骤(2)所测得的K值，利用LS-SVM算法建立新鲜度预测模型；

Y_K＝C₀+aX_425nm+bX_560nm+cX_660nm+dX_795nm+eX_960nm；

其中，Y_K为新鲜度指标K值，C₀、a、b、c、d、e均为常数。

通过对中心波长贡献比例权衡，结果如下：

当K值≤20％时，方程中的系数C₀＝-210.11，a＝26.35，b＝48.19，c＝44.28，d＝189.05，e＝231.44。

当20％＜K值≤60％时，方程中的系数C₀＝-105.88，a＝36.76，b＝42.78，c＝24.55，d＝178.61，e＝227.84。

当K值＞60％时，方程中的系数C₀＝-208.47，a＝29.83，b＝50.134，c＝45.27，

d＝185.03，e＝233.49。

本实施例中所建立的预测模型精度为预测均方根误差RMSEP＝1.8％，预测决定系数R²＝0.962。

(6)利用步骤(5)得到的预测模型测定待测鱼肉样品的K值大小。

本实施例中预测得到的冷藏3天的鲢鱼鱼肉样本的K值为35.1％，处于二级鲜度等级，利用传统国标方法测量出的冷藏3天的鲢鱼鱼肉的K值为33.7％，处于二级鲜度等级，相对误差为0.04％，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 (5)

1.一种基于多光谱成像在线测定鱼肉新鲜度指标K值的方法，其特征在于，包括以下步骤：

(1)制备鱼肉样本并冷藏，获取不同冷藏天数的鱼肉样本；

(2)利用高效液相色谱法测定鱼肉样本在冷藏过程中ATP降解产物浓度，按照公式计算K值；

(3)利用可见近红外多光谱成像系统对不同冷藏天数的鱼肉样本进行扫描，获取鱼肉样本的多光谱图像；

(4)对鱼肉样本的多光谱图像进行预处理，提取中心波长处对应的平均反射光谱值；所述中心波长为425nm、560nm、660nm、795nm和960nm；

(5)结合步骤(2)得到K值和步骤(4)得到的中心波长处对应的平均反射光谱值，利用最小二乘支持向量机建立鱼肉新鲜度指标K值的预测模型；

(6)利用步骤(5)得到的预测模型测定待测鱼肉样品的K值。

2.根据权利要求1所述的基于多光谱成像在线测定鱼肉新鲜度指标K值的方法，其特征在于，步骤(4)所述预测模型，模型方程具体为：

Y_K＝C₀+aX_425nm+bX_560nm+cX_660nm+dX_795nm+eX_960nm；

其中，Y_K为新鲜度指标K值；X_425nm、X_560nm、X_660nm、X_960nm分别为波长为425nm、560nm、660nm、960nm对应的平均反射光谱值；C₀、a、b、c、d、e均为常数；

当K值≤20％时，C₀＝-210.11，a＝26.35，b＝48.19，c＝44.28，d＝189.05，e＝231.44；

当20％＜K值≤60％时，C₀＝-105.88，a＝36.76，b＝42.78，c＝24.55，d＝178.61，e＝227.84；

当K值＞60％时，C₀＝-208.47，a＝29.83，b＝50.134，c＝45.27，d＝185.03，e＝233.49。

3.根据权利要求1所述的基于多光谱成像在线测定鱼肉新鲜度指标K值的方法，其特征在于，步骤(4)所述预测模型的预测均方根误差RMSEP＜0.025，预测决定系数R²＞0.925。

4.根据权利要求1所述的基于多光谱成像在线测定鱼肉新鲜度指标K值的方法，其特征在于，步骤(4)所述对鱼肉样本的多光谱图像进行预处理，具体为：

对鱼肉样本的多光谱图像进行大小校正、掩膜、去噪处理。

5.根据权利要求1所述的基于多光谱成像在线测定鱼肉新鲜度指标K值的方法，其特征在于，步骤(3)所述可见近红外多光谱成像系统的波长范围为400～1000nm，扫描速度为35～45mm/s，曝光时间为1～2ms。