基于“空-谱”融合的空间聚类对草鱼高光谱降维机理及模型优化的研究

Hyperspectral imaging technology has been widely used for food quality detection, because it contains both of spectral information and spatial information. However, data redundancy, data process time consuming and low accuracy and robustness of models restrict the application of hyperspectral technology online detection. In order to reduce data dimensionality and improve models’ accuracy and robustness, the project proposed a new method - spatial cluster analysis based on spatial-spectral feature combination - to reduce hyperspectral data dimensionality. Determination of cluster methods, cluster parameters, clusters, and evaluation parameters is the key work for data reduction. Considering the uneven distribution of food quality, a new method based on spatial cluster analysis will be studied to improve prediction models’ accuracy and robustness. To support hyperspectral rapid detection technology theoretically, the mechanism of light transition in food tissue will be studied by combination of spectral information and imaging technology. Transition mechanism, optical parameters, and transmittance depth will be researched. Finally, the improved models will be input into 'spatial' reduced hyperspectral imaging and visualize food quality. This project takes frozen grass carp as an example, and the rheological parameters (E, π, η) of frozen grass carp with different frozen time will be studied by near infrared hyperspectral imaging technology. Spatial cluster analysis based on spatial-spectral feature combination will be carried out to reduce hyperspectral data dimensionality and improve grass carps models’ accuracy and robustness. Finally, distribution of rheological parameters of frozen grass carp will be visualized. Besides, the mechanism of light transition in fish tissue will be researched by combination of spectral and imaging information.

高光谱同时包含样本的“光谱”信息和“空间”图像信息，因此在食品快速检测领域得到广泛研究。然而，其数据冗余，处理时间长，且受限于模型的准确度和鲁棒性低等问题，严重制约了高光谱在线检测的应用。本项目拟提出一种基于“空-谱”融合的空间聚类方法，研究高光谱“空间”维度的降维机理；结合传统的“光谱”降维，实现“光谱”和“空间”维度的同时降维；针对食品品质空间分布不均匀的影响，提出一种新的基于空间聚类的定量模型改进方法，探索其对定量模型的优化规律；此外，本项目拟结合光谱信息和图像信息对光在食品组织内部传输机理进行研究，为光谱检测技术提供理论支持，对高光谱检测技术的推广具有重要意义；本项目拟以草鱼为例进行阐述，采用近红外高光谱技术对冷冻草鱼流变学参数(弹性模量E，应力松弛时间π，粘性模量η)进行检测。研究光在草鱼内的传输机理；研究空间聚类方法对高光谱图像的降维机理以及模型的优化，实现草鱼品质的可视化。

高光谱同时包含样本的“光谱”信息和“空间”图像信息，结合食品的光谱特征和图像特征，可以对食品的品质更加准确的预测。高光谱技术已广泛应用于鱼肉品质快速检测领域。然而，目前仍存在建立完整鱼品质预测模型的研究较少，忽略鱼肉品质空间分布不均匀对预测模型的影响以及预测模型的稳定性和准确性较差等不足。针对这几个问题，本研究分别进行了相关的研究。首先对整鱼（包括鱼鳞、鱼皮）的品质预测模型进行了研究。采集了整鱼的光谱（包括鱼鳞，鱼皮），建立了光谱与整鱼品质之间的相互关系模型。结果显示：利用偏最小二乘的方法可以建立整鱼体表光谱与其储藏时间之间的相互关系模型，交叉验证相关系数分别达到0.80（新鲜鱼）和0.84（冻融鱼）。针对鱼肉品质空间分布不均匀的特点，提出一种新的基于空间聚类的定量模型改进方法，探索其对定量模型的优化规律，结果显示：较未进行聚类分析建立的模型，聚类分类建模后，各品质的预测模型均有改进。挥发性盐基氮预测模型的校正集决定系数达到0.79, 验证集决定系数达到0.74；pH预测模型的校正集决定系数为0.88, 验证集决定系数为0.86；持水力预测模型的校正集决定系数为0.71, 验证集决定系数为0.62。其次，为了进一步改进鱼肉品质的预测模型，分别研究了光谱特征、图像特征以及两者的结合对鱼肉新鲜度以及质构参数的预测效果，结果显示：对于鱼肉新鲜度指标的预测，光谱特征能获得较好的预测模型。对于冷冻鱼质构参数的预测，图像纹理特征的预测能力比单纯光谱特征的预测能力强。此外，利用高光谱技术对鱼体内的环境污染物-微塑料进行快速鉴定。结果显示：当粒径超过0.3 mm的颗粒，精确度和召回率均为100％，这表明所有微塑料均被正确识别。该项目充分研究了基于高光谱技术的鱼肉品质（新鲜度、质构以及污染物检测）的预测模型的建立与优化。充分利用高光谱技术的空-谱相结合的特点，对预测模型进行优化。同时，首次实现了鱼体内环境污染物微塑料的快速检测。对鱼肉品质在线检测提供了有利的技术支持。