Birçok et ürünü arasında sığır eti, modern insanların et için beslenme ihtiyaçlarını büyük ölçüde karşılayan yüksek protein, az yağlı, yüksek vitamin ve mineral içeriği nedeniyle çoğu tüketici tarafından tercih edilmektedir. İnsanların yaşam hızı hızlandıkça, geleneksel pişmiş sığır eti ürünleri süpermarketlerde ve lezzetlerde ortak bir gıda haline geldi ve talep ve satış hacmi de artıyor. Bununla birlikte, gerçek hayatta, piyasada satılan pişmiş sığır etinin çoğu topludur ve yüksek protein ve yüksek su içeriği açısından zengindir, bu nedenle mikroorganizmalar üretmek ve düşük sıcaklık depolama sırasında bozulmasına neden olmak çok kolaydır. Bu nedenle, makul ve etkili sığır eti kalitesi derecelendirme standartlarına ve sistemlerine dayanarak, güvenilir sığır eti kalitesi güvenliği derecelendirme algılama yöntemleri aramak, sığır piyasasının geliştirme yönü için en önemli öncelik haline gelmiştir.
Hipercubes olarak da bilinen hiperspektral görüntüler, sürekli dalga boyu λ altında bir dizi iki boyutlu uzamsal görüntüden (x, y) oluşan üç boyutlu veri bloklarıdır (x, y, λ). Aşağıdaki şekilde gösterildiği gibi, dalga boyu perspektifinden, hiperspektral görüntü verileri (x, y, λ), iki boyutlu görüntülerden (x, y) oluşan üç boyutlu bir veri bloğudur; İki boyutlu veri (x, y) perspektifinden bakıldığında, hiperspektral bir dizi spektral eğredir. Gıdaların tazeliğini tespit etmek için HSI teknolojisini kullanma prensibi, ışığın emilimi, yansıması, saçılma, elektromanyetik enerjisi ve nesnenin içsel kimyasal bileşiminin tepe/çukurunun spektral konumu ve nesnenin dış fiziksel özellikleri farkını ifade eder. Farklı dijital sinyal özelliklerine yol açan test edilebilir. Örneğin, farklı dalga boylarında absorbansın tepe ve vadi değerleri (spektral parmak izleri) farklı bileşiklerin fiziksel özelliklerini temsil edebilir, böylece gıda kalitesinin nitel veya kantitatif analizi, hiperspektral bilgilerin analizi ile gerçekleştirilebilir, yani olmayan, Gıda kalitesinin yıkıcı testi.
(1) TVC Örnek YG ve Spektrum Ekstraksiyonu
TVC örneği için, siyah beyaz düzeltme sonrası hiperspektral görüntü alt örneğinin 50 px × 50 px kas alt örneği ROI görüntüsü seçildi. Seçilen
Pişmiş sığır eti alt örnek görüntüsünün, belirli bir bant altında her bir numunenin spektral ortalamasını elde etmek için belirli bir spektrum altında ortalaması alınmıştır. Bu adım uygulandı
Envi 5.1 yazılımında, esas olarak Envi yazılımının ROI aracı aracılığıyla.
Aşağıdaki şekil, Envi5.1'deki TVC pişmiş sığır eti örneğinin ROI alanının ekstraksiyonunu ve elde edilen spektral değeri göstermektedir.
(2) TVB-N örnek YG ve Spektrum Ekstraksiyonu
ROI bölgesi ekstraksiyon işlemi, önceki paragraftaki TVC örnek verilerininkiyle aynıdır. TVB-N'nin pişmiş sığır örneğini tahmin etmek için 50px*50px'lik ROI bölgesi de elde edilir. İki grup pişmiş sığır eti örneğinin spektral eğrilerinde belirli farklılıklar olduğu görülebilir (iki grup Daoxiangcun pişmiş sığır eti ürününün, farklı sığır eti çeşitlerinden kaynaklanabilecek uzun bir aralıklarla satın alındığı tahmin edilmektedir) . Benzer şekilde, TVB-N pişmiş sığır eti örneği için bu adım Envi5.1 yazılımında da uygulanır.
Aşağıdaki şekil, TVB-N'nin Envi5.1'deki ROI alanını çıkardığını ve numune spektral değerini elde ettiğini göstermektedir.
Spektral önişleme sonuçları
TVC'yi tahmin etmek için pişmiş sığır numunesinin spektral bilgileri önceden işlenmiştir (SG yumuşatma, vektör normalizasyonu ve SNV dönüşümü sırasına göre). Spektral bilginin orijinal spektrumu ve spektrum ön işleme sonucunun aşağıdaki şekilde gösterilmiştir.
Önceki paragrafta TVC'yi tahmin etmek için pişmiş sığır numunesi için kullanılanla aynı ön işlem yöntemi, TVB-N değerini tahmin etmek için numunenin hiperspektral verilerinin spektral bilgilerini önceden işlemek için kullanılır. Ön işlemden sonraki orijinal spektrum ve spektrum aşağıdaki şekilde gösterilmiştir:
Ön işlemden önce ve sonra spektral veriler için on kat çapraz doğrulama destek vektör regresyonu (SVR) oluşturulmuştur. Model performansı tabloda gösterilmiştir ve modelleme sonuçları şekilde gösterilmiştir. Bu yöntem çok değişkenli veri analiz yazılımı theunscrambler x10.4'te uygulanır. SVR yöntemi ve model performans göstergeleri Bölüm 4.1'de tanıtılacak ve burada ayrıntılı olarak açıklanmayacaktır.
Tablodan görülebileceği gibi, önceden işlenmiş spektrumlar tarafından oluşturulan iki göstergenin tahmin modellerinin performansı bir dereceye kadar iyileşmiştir. TVC için tahmin modelinin performans korelasyon katsayısı r, TVB-N için tahmin modelinin performans korelasyon katsayısı r, yüzde 9 puan artmıştır. Bu, spektral ön işlemin gerekliliğini doğrular, böylece sonraki analiz önceden işlenmiş verileri kullanır.
Özet ve Outlook
Pişmiş et ürünlerinin tazeliğinin hızlı ve tahribatsız tespit edilmesini sağlamak için, bu makale pişmiş sığır eti araştırma nesnesi olarak alır ve pişmiş sığır eti için bir tahmin modeli oluşturmak için hiperspektral görüntüleme teknolojisini kullanır. Depolama sırasında pişmiş sığır eti tazeliğindeki değişiklikler ve pişmiş sığır etinin tazeliğini etkileyen ana faktörler incelendi ve Mikrobiyal Endeksi TVC değeri ve kimyasal indeks TVB-N değeri belirlendi. Spesifik araştırma sonuçları aşağıdaki gibidir: pişmiş sığır etinin tazeliğini tespit etmek için hiperspektral görüntüleme teknolojisinin kullanılması olasılığı incelenmiştir ve depolama sırasında pişmiş sığır eti TVC ve TVB-N değer TVC'nin değişim eğilimi tartışılmıştır; Spektral veri ön işleminden önce ve sonra oluşturulan SVR tahmin modelinin (on kat çapraz doğrulama kullanılarak) performansı karşılaştırıldı ve önceden işlenmiş veri seti ile oluşturulan tahmin modelinin daha iyi performansa sahip olduğu; Örnek set bölümleme yöntemi incelenmiştir. Farklı numune bölümleme yöntemleri tarafından üretilen eğitim seti ve test seti modellenmiştir ve analiz edilmiştir ve son olarak SPXY bölümleme yöntemine bölünen eğitim seti ve test seti seçilmiştir.
