论文荐读

基于高光谱成像的非包装和PE包装冷鲜猪大排肉中热杀索丝菌的含量预测

作者：

章泽华1  刘小花1  兰维杰1  唐长波1  屠康1 吴菊清1  武杰2  潘磊庆1*

单位：

1. 南京农业大学  食品科技学院

2. 蚌埠学院  食品与生物工程学院

基金项目：

江苏省重点研发计划项目（BE2020693）；国际合作项目（2019YFE0103800）；国家重点研发项目（2021YFC2101400）；国家自然基金（32272345）；安徽省科技重大专项（201903a06020010）；安徽省长三角科技创新联合攻关专项（202004g01020009）

摘要&关键词

摘要：为探究高光谱成像技术（HSI）在包装冷鲜肉微生物检测上的适用性，提出了一种基于HSI的包装冷鲜猪大排肉中热杀索丝菌含量的预测方法。采集接种热杀索丝菌的非包装和聚乙烯（PE）包装冷鲜猪大排肉在400~1 000 nm和1 000~2 000 nm波段内的HSI数据，选择不同的预处理算法进行光谱预处理，再通过连续投影算法（SPA）和竞争性自适应重加权算法（CARS）提取特征波长，分别基于全波段和特征波长建立热杀索丝菌含量预测的偏最小二乘法（PLS）和支持向量机（SVM）模型。结果表明：PE包装组样品的光谱响应值略小于非包装组，但不影响建模效果。基于400~1 000 nm内全波段和特征波段构建的非包装和PE包装冷鲜猪大排肉中热杀索丝菌预测模型优于1 000~2 000 nm内的，其中，基于SPA算法筛选的特征波长建立的预测模型在最大限度减少波段的同时保证了较高的预测精度，非包装组最优模型为1 st-SPA-SVM（RP2 = 0.932, RPD = 3.674），PE包装组最优模型为OSC-SPA-PLS（RP2 = 0.919, RPD = 3.537），这为HSI技术应用于PE包装冷鲜肉中微生物的检测提供了方法参考和数据支撑。

关键词：PE包装冷鲜猪大排肉；热杀索丝菌；高光谱成像；支持向量机；偏最小二乘法

主要结论

本文利用可见-近红外（400~1 000 nm）和短波红外（1 000~2 000 nm）高光谱成像系统采集非包装和 PE 包装冷鲜猪大排肉的光谱信息，选择不同的光谱预处理方式结合 SPA 和 CARS 算法筛选特征波长，建立了基于全波段和特征波长的非包装和 PE 包装冷鲜猪大排肉中热杀索丝菌的定量 PLS 和SVM 模型。

结果表明，在 400~1 000 nm 和 1 000~2 000 nm 内，PE 包装组光谱值略低于非包装组，PE 保鲜膜对光谱响应的影响不明显。基于两个全波段构建的非包装和 PE 包装猪大排肉中热杀索丝菌的定量 PLS 和 SVM 模型中，PLS 模型均展现出最佳预测效果，且相比于1 000~2 000 nm，基于400~1 000 nm 内全波段光谱值更适合用于定量预测非包装和 PE 包装组的热杀索丝菌，最优预处理方式分别为 1st 和OSC，RPD 均大于 3.0，模型预测性能非常好。此外，无是基于 SPA 算法还是CARS 算法筛选的 400~1 000 nm 波段内的特征波长定量预测非包装和 PE 包装组中热杀索丝菌的效果均优于 1 000~2 000 nm 内的，其中，基于 SPA 算法筛选的特征波长建立的预测模型在最大限度减少波段的同时预测精度较高，非包装组最优模型为 1 st-SPA-SVM（RP2 = 0.932, RPD = 3.674），PE 包装组最优模型为 OSC-SPA-PLS（RP2 = 0.919, RPD = 3.537）。

图1 非包装（a1和b1）和PE包装（a2和b2）猪大排肉在不同波段下的平均光谱Fig. 1 Average spectra of unpackaged (a1and b1) and PE-packaged (a2and b2) pork chops at different wavelengths

图2 不同波段下非包装（a1和a2）和PE包装（b1和b2）猪大排肉中热杀索丝菌最佳预测结果（1：400~1 000 nm；2：1 000~2 000 nm）Fig. 2 Best prediction results of B. thermosphact in unpackaged (a1and b1) and PE-packaged (a2and b2) pork chops at different wavelengths (1: 400-1 000 nm; 2: 1 000-2 000 nm)

综上，400~1 000 nm 内的光谱值适合于定量预测非包装和 PE 包装猪大排肉中的热杀索丝菌，这为 HSI 技术在 PE 包装或者其他包装冷鲜肉中微生物的批量检测奠定了理论基础。尽管如此，1 000~2 000nm 波段下的模型预测效果差的原因仍不明朗，PE 保鲜膜及其他种类的包装对光谱响应的具体影响还有待进一步深入研究。

团队介绍

团队长期从事农畜产品品质无损检测、食品微生物、质量与安全控制方面的研究工作。在高光谱图像、近红外光谱、计算机视觉、气味传感等无损检测技术对果蔬、肉品、禽蛋品质评价方面做了较多的研究，如高光谱技术检测桃果实采后冷害、病害、萝卜糠心黑心；利用高光谱散射图像进行甜菜品质的预测；利用高光谱图像检测采后霉菌腐烂，并对腐烂类型进行区分；利用气味传感对香肠的贮藏加工品质变化进行了预测和分级；基于计算机视觉图像特征区分稻谷贮藏真菌种类；利用结构光高光谱图像检测桃的病害，区分病害的等级等多个方面。

通信作者

潘磊庆，博士，教授，博士生导师。南京农业大学食品科技学院食品质量与安全系副主任。中国机械工程学会高级会员，北京理化分析测试技术学会光谱分会食品与安全光谱分析专业委员会副主任委员、中国农业工程学会高级会员，中国畜产品加工研究会蛋品加工专业委员会会员，中国农学会农产品贮藏加工分会理事，美国农业和生物系统工程（ASABE）会员，中国仪器仪表学会近红外光谱分会理事，中国机械工程学会包装与食品工程分会委员、《食品工业科技》青年编委、江苏省冷链学会预制菜专业委员会常务委员、中国农业机械学会农副产品加工机械分会常务委员。美国华盛顿州立大学、密歇根州立大学和佐治亚大学访问学者。

主持国家自然科学基金4项，十四五重点研发子课题1项、十三五重点研发项目子课题1项，十二五国家科技支撑子课题2项，农业部行业公益项目子课题1项，省市科技项目6项，国家级外专项目2项，校级国际合作交流项目6项、参加其他国家省部级科研项目4项。近3年来，发表国内外核心期刊论文50篇，SCI/EI收录35篇，申请国家发明专利20项，已授权8项，软件著作权授权5项。

获校级优秀研究导师、优秀党务工作者、优秀共产党员等荣誉称号。参编教材《食品标准与法规》、《食品科学导论》、《食品工艺学》和《食品专业英语》。

本文图片来源于文章原文及作者团队。