基于多光譜成像技術的牛肉干水分含量快速無損檢測研究

金濤 劉偉 劉長虹

摘要 基于多光譜成像技術對牛肉干中水分含量的快速無損檢測方法進行研究，通過對比最小二乘回歸（PLS）、最小二乘支持向量機（LS-SVM）和誤差反向傳播神經網絡（BPNN）所建預測模型的性能，發現BPNN模型對牛肉干水分含量預測效果最佳，其確定系數（Rp2）、預測集均方根誤差（RMSEP）和剩余預測偏差（RPD）分別為0.941、3.602%和4.142。結果表明，光譜吸收度是檢測牛肉干水分含量的重要特征，BPNN結合多光譜建立的預測模型精度較高，魯棒性較好，在牛肉干水分的實時無損檢測中具有良好的應用前景。

關鍵詞 牛肉干;水分含量;多光譜成像技術;無損檢測;化學計量學

中圖分類號 TS.251.7文獻標識碼 A文章編號 0517-6611（2021）02-0204-02

doi：10.3969/j.issn.0517-6611.2021.02.055

開放科學（資源服務）標識碼（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

肉品工業是關系國計民生的重要產業，對促進禽畜生產、發展農村經濟、繁榮城鄉市場、滿足人民生活需要起到重要作用[1]。牛肉干是牛肉重要的傳統加工制品，風味獨特，易于儲藏，深受消費者歡迎。水分是影響牛肉干加工、儲藏和口感的關鍵因素，是牛肉產品重要的營養和衛生指標，也是肉品加工貯藏過程中的重要參數[2-3]。目前，在農產品/食品中常用的水分檢測方法主要有電阻水分檢測法、電容水分檢測法、微波水分檢測法和核磁共振水分檢測法[4-5]。目前的傳統方法雖然檢測精度較高，但操作過程復雜，耗時長，對試驗樣品具有破壞性，難以在加工過程中對樣品進行實時檢測。

多光譜成像技術是一種新型的分析檢測技術，可同時得到被測物的光譜信息和空間信息，具有簡便、實用、檢測成本較低、無破壞性等優點。近年來，基于多光譜技術的農產品檢測受到廣泛關注，在大麥霉變識別、大米蛋白質含量的預測、牛肉品質檢測等方面均有研究報道[6-9]。

筆者以多光譜成像儀為檢測裝置，結合最小二乘回歸（PLS）、最小二乘支持向量機（LS-SVM）和誤差反向傳播神經網絡（BPNN）3種不同機器學習算法，進行牛肉干水分含量的快速無損檢測研究，通過對比不同建模方法的預測結果，獲取牛肉干水分的最佳預測模型，為牛肉干中水分的快速無損檢測提供一種新方法。

1 材料與方法

1.1 試驗原料

所選牛肉材料購置于麥德龍超市，選擇新鮮牛后腿肉，挑選白膜、筋腱組織較少的大塊牛肉，便于后期樣品處理。將買好的牛肉清洗干凈，用手術刀除去白膜、牛筋等物質，切成大小一致的3 cm×3 cm×1 cm的100個方塊并進行編號，置于冷水中大火煮沸，除去血沫，再用初煮水文火煮制1 h，撈出晾干，逐個稱重。預處理過的牛肉置于電熱恒溫烘干箱中進行干燥，前3 h溫度為75 ℃，后3 h為60 ℃，最后提高溫度至105 ℃直至烘干。

分別在干燥開始后的1、2、3、4、5、6、7和9 h取出樣品，采集牛肉干的多光譜圖像，并稱量相應時間點的牛肉干質量。在試驗過程中，為防止樣品稱量時由于內外溫差較大，影響數據結果，牛肉干干燥后從烘箱里拿出放入干燥器中使其冷卻至室溫。待采集完多光譜圖像后，將牛肉干置于105 ℃烘箱中烘至恒重，測定水分含量。

1.2 試驗設備

試驗光譜測定采用VideometerLab多光譜測量儀，其檢測采用的光譜為405、435、450、470、505、525、570、590、630、645、660、700、780、850、870、890、910、940和970 nm 的19個波長。多光譜成像系統的采集系統主要組成部分包括攝像頭、LED燈和積分球[8]。測量時將樣品置于積分球內部，積分球內涂有可使光線均勻散播的不光滑白色顏料，LED燈安裝于積分球邊緣，光譜敏感攝像頭置于積分球的頂部，如圖1所示。

1.3 試驗方法

將獲得的100個牛肉干樣品隨機分為60個建模集和40個預測集，建模集用于建立牛肉干水分預測模型，預測集用于驗證模型的性能。針對獲取的樣品多光譜圖像，首先采用典型判別分析（canonical discriminant analysis，CDA）和閾值設定完成背景剔除和感興趣區域分割，然后采用統計學方法獲取牛肉干感興趣區域的平均光譜反射率。分別采用PLS、LS-SVM和BPNN算法對獲取的樣品多光譜圖像數據進行處理，并建立相應的水分預測模型[10]。

1.4 定量模型評價標準

為評價不同方法所得模型的性能，該研究分別采用以下指標進行分析，包括確定系數（R2）、建模集的均方根誤差（RMSEC）、預測集的均方根誤差（RMSEP）和剩余預測偏差（RPD），計算方法分別如下：

R2=[ni=1（xi-）（yi-）]2

ni=1（xi-）2ni=1（yi-）2（1）

其中，xi為樣本測量值;為xi的平均值;yi為樣本預測值;為yi的平均值;n為樣本數。

RMSEC=Ici=1（i-yi）2Ic-1（2）

其中，Ic表示樣本個數，yi表示樣本i的測量值，i表示樣本i的預測值。

RMSEP=Ipi=1（i-yi-Bias）2Ip-1（3）

其中，Bias是偏差，Bias=1IpIpi=1（i-yi）;Ip是預測集樣本的樣本數;yi是預測集樣本的測量值;i是預測集樣本的預測值。

RPD=STDRMSEP（4）

其中，STD是預測集樣本測量值的標準偏差。

2 結果與分析

2.1 牛肉干干燥過程中水分含量變化

計算樣品在干燥過程中0、1、2、3、4、5、6、7和9 h共9個時間點的水分含量，得到牛肉干干燥過程中水分含量變化（圖2）。由圖2可知，牛肉干的水分含量隨干燥時間的延長而降低，干燥前期比干燥后期水分含量減少速度要緩慢，主要是因為水分由牛肉干內部向外部遷移的過程中，會在表面附著，從而使水分含量減少緩慢，而隨著時間延長，內部水分逐漸減少，表面水分減少明顯加快。由于每個樣品的重量及厚度的不同，每個樣品在后期水分含量偏差較大。

2.2 光譜曲線分析

通過多光譜測量儀所獲得的不同干燥時間點的光譜反射值提取結果如圖3所示。由圖3可知，由于水分對光有一定的吸收能力，0 h光譜反射率最高，隨著水分含量達到穩態，光譜反射率的差別逐漸減小。同時，在不同波段下，光譜反射強度也不相同，在400～525 nm波段下，光的反射強度基本不變，而在525～850 nm波段，光譜反射強度變化較為明顯。

2.3 光譜數據建模分析

通過PLS、LS-SVM和BPNN 3種不同建模方法結合所獲取的光譜特征數據建立牛肉干的水分含量預測模型，所得結果如表1所示。由表1可知，BPNN模型對牛肉干水分含量的預測效果最好，其建模集相關系數Rc2為0.950，建模集均方根誤差RMSEC為3.251%，此時，其預測集相關系數Rp2和RPD分別達到0.941和4.142。LS-SVM和BPNN這2個預測模型的RPD值超過了3（分別為3.545 和4.142），同時RMSEP/RMSEC的值小于或接近1.3，說明所建立模型魯棒性較好。綜上所述，多光譜成像技術結合合適的化學計量學方法能較好地對牛肉干加工過程中的水分含量進行定量預測，在對牛肉干進行實時在線的水分檢測中具有良好的應用前景。

3 結論

該研究基于多光譜成像技術對牛肉干加工過程中水分

含量的檢測進行研究，結果表明，牛肉干在不同光譜波段下的反射強度不同，在400～525 nm波段下，光的反射強度基本不變，而在525～850 nm波段，光譜反射強度差異較大。通過對比不同建模方法的預測結果表明，光譜特征是牛肉干水分含量檢測的重要特征，基于BPNN算法所建立的預測模型精度較高，魯棒性較好，在牛肉干水分的實時在線檢測中具有良好的應用前景。

參考文獻

[1] 李新生，黨婭，王艷龍.中國牛肉干加工技術及產業發展現狀[J].肉類研究，2012，26（4）：32-35.

[2] 王桂霞.中國牛肉產業鏈研究[D].北京：中國農業大學，2005.

[3] 謝小雷，李俠，張春暉，等.牛肉干中紅外-熱風組合干燥工藝中水分遷移規律[J].農業工程學報，2014，30（14）：322-330.

[4] 張曼玲，郭鳴灝，陳東紅.不同食品中水分測定方法探討[J].現代農業科技，2009（21）：291-293.

[5] 謝小雷，張春暉，李俠，等.中紅外-熱風組合干燥牛肉干水分預測模型研究[J].食品科學，2014，35（23）：61-66.

[6] 李江波，饒秀勤，應義斌.農產品外部品質無損檢測中高光譜成像技術的應用研究進展[J].光譜學與光譜分析，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] 劉錦霞.基于多光譜成像技術快速檢測注水肉及冷凍肉的品質安全[D].合肥：合肥工業大學，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] 劉偉，劉長虹，鄭磊.基于支持向量機的多光譜成像稻谷品種鑒別[J].農業工程學報，2014，30（10）：145-151.