鱼类产品新鲜度的高光谱图像响应机理和无损检测方法研究

Rapid non-destructive testing of fish freshness based on hyperspectral imaging technology provides the basis for the realization of the fish product processing digitized and fine, which improve the quality and the quality of fish products, and enhance the level of development and application of digital Fisheries. Traditional detection methods of fish freshness are slow and need to destroy the samples which can not simultaneously obtain the information of physic-chemistry, microorganism indices,and sense organ indices relevant to freshness,resulting in difficultly detecting freshness of fish rapidly, non-destructively, and accuratly. The implementation of this project can be fully tap the potential of hyperspectral imaging techniques in the detection of fish freshness, in-depth analysis of the storage, circulation process fish freshness hyperspectral image characteristics.The fingerprint image features will be extracted for expressing the information of chemical,microbiological,sensory indicators,establishing quantitative models for freshness prediction and application of chemometrics methods and image processing methods to extract spectral information and texture information of the images or characteristics of the principal component band image, to study the relationship of spectral and image information with fish freshness in order to establishfish fresh detection model.At the same time, the combination of fish internal structure and changes in the content of the chemical composition and texture information which explore fish freshness quality change mechanism and principle, to provide the theoretical basis and methodological basis for the development of fish fresh high spectral imaging detection equipment.

基于高光谱成像技术的鱼类新鲜度快速无损检测为实现鱼产品加工全过程的数字化和精细化提供了基础，对提高鱼产品的品质和质量，提升数字渔业技术开发、应用的水平和层次具有重要意义。常规检测方法测定速度慢，需破坏样品，且不能同步获取与新鲜度相关的理化、微生物和感官指标信息，无法实现鱼类新鲜度的快速无损准确检测。本项目的实施可充分挖掘高光谱成像技术在鱼类新鲜度检测上的潜力，深入分析贮藏、流通过程中鱼类新鲜度的高光谱图像特性，并准确提取能表达理化、微生物、感官指标信息的高光谱-图像特征指纹参数，应用化学计量学方法和图像处理方法提取主成分图像或特征波段图像的光谱信息和纹理信息，研究光谱、图像信息与鱼类新鲜度的相互关系，建立鱼肉新鲜度检测模型，同时，结合鱼肉内部结构、化学成分含量和纹理信息的变化，探究鱼类新鲜度品质变化的机制和原理，为研制鱼类新鲜度高光谱成像检测仪器设备提供理论依据和方法基础。

项目的背景和科学意义：解决鱼类新鲜度的快速无损准确检测问题，这对于实现贮藏、流通过程中鱼类新鲜度动态评估、等级标注、实时监控及保障鱼类水产品消费安全具有重要的现实意义。在本项目理论方法研究基础上，开发出了基于高光谱成像技术的鱼类新鲜度专用检测仪器，直接应用于水产品质量检测实践，具有广阔的应用前景。主要研究内容：(1)鱼类新鲜度的高光谱图像特性研究；(2)鱼类新鲜度的高光谱-图像特征指纹参数融合提取方法研究；(3)鱼类新鲜度检测多水平影响因素相互关系研究；(4)基于高光谱-图像特征指纹参数的鱼类新鲜度检测模型研究。.采用LS-SVM模型和 PLS模型建立TVB-N预测模型，预测决定系数(R2)分别为0.918和0.907，预测均方根误差(RMSEP)分别为2.312%和2.751%。为了简化模型，对全谱利用SPA提取到8个特征波长，基于8个特征波长分别建立SPA-LS-SVM和SPA-PLS模型，模型预测决定系数(R2)分别为0.903和0.901， RMSEP分别为2.761%和2.801%，SPA-LS-SVM模型的结果最优。.采用LS-SVM模型和PLS模型建立TVC预测模型，对全谱数据应用CARS算法提取了11个特征波 长，基于11个特征波长的光谱变量分别建立CARS-LS-SVM和CARS-PLS 预测模型，模型预测集决定系数(R2)分别为0.926和0.911，RMSEP分别为0.367和0.461。基于特征波长变量建立的两种模型预测效果较好，CARS-PLS模型比CARS-LS-SVM模型具有更好的稳定性。.采集不同水分和脂肪含量的共100个鱼肉样本样本感兴趣区域(ROI)的平均光谱。采用连续投影算法(successive projections algorithm,SPA)提取特征波长，取75个建模集样本的特征波长光谱数据与其相应的水分含量建立偏最小二乘回归(PLSR)模型，对25个预测集样本的水分含量进行预测，预测决定系数(R2)为0.904，预测均方根误差(RMSEP)为1.169%，获得了满意的预测精度。对鱼类产品脂肪含量PLS模型结果为预测决定系数(R2)为0.913，预测均方根误差(RMSEP)为0.921%。基于特征波长建立的PLS模型，模型预测集的R2为0.913， RMSEP为0.920%。