Trong số nhiều sản phẩm thịt, thịt bò được hầu hết người tiêu dùng ưa chuộng vì hàm lượng protein, chất béo thấp, vitamin và khoáng chất cao, đáp ứng nhu cầu dinh dưỡng cao của người hiện đại cho thịt. Khi tốc độ cuộc sống của mọi người tăng tốc, các sản phẩm thịt bò nấu chín truyền thống đã trở thành một loại thực phẩm phổ biến trong các siêu thị và món ngon, và khối lượng nhu cầu và doanh số cũng đang tăng lên. Tuy nhiên, trong cuộc sống thực, hầu hết thịt bò nấu chín được bán trên thị trường là số lượng lớn, và nó rất giàu protein và hàm lượng nước cao, do đó, rất dễ dàng để nhân giống vi sinh vật và khiến nó bị hỏng trong quá trình lưu trữ nhiệt độ thấp. Do đó, dựa trên các tiêu chuẩn và hệ thống phân loại chất lượng thịt bò hợp lý và hiệu quả, tìm kiếm các phương pháp phát hiện phân loại an toàn chất lượng thịt bò đáng tin cậy đã trở thành ưu tiên hàng đầu cho hướng phát triển của thị trường thịt bò.

Hình ảnh siêu âm, còn được gọi là hypercubes, là các khối dữ liệu ba chiều (X, Y,) bao gồm một loạt các hình ảnh không gian hai chiều (X, Y) dưới bước sóng liên tục. Như được hiển thị trong hình dưới đây, từ quan điểm của bước sóng, dữ liệu hình ảnh siêu âm (x, y, λ) là khối dữ liệu ba chiều bao gồm các hình ảnh hai chiều (x, y); Từ quan điểm của dữ liệu hai chiều (x, y), hyperspectral là một loạt các đường cong quang phổ. Nguyên tắc sử dụng công nghệ HSI để phát hiện độ tươi của thực phẩm đề cập đến sự khác biệt trong sự hấp thụ, phản xạ, tán xạ, năng lượng điện từ của ánh sáng và vị trí quang phổ của đỉnh/máng của thành phần hóa học bên trong và các đặc tính vật lý bên ngoài của đối tượng được kiểm tra, dẫn đến các đặc điểm tín hiệu số khác nhau. Ví dụ, các giá trị cực đại và thung lũng (dấu vân tay quang phổ) của độ hấp thụ ở các bước sóng khác nhau có thể biểu thị các tính chất vật lý của các hợp chất khác nhau, do đó có thể đạt được phân tích định tính hoặc định lượng về chất lượng thực phẩm thông qua phân tích thông tin siêu âm, nghĩa là không Thử nghiệm phá hủy chất lượng thực phẩm.

(1) Trích xuất ROI mẫu TVC và Spectrum

Đối với mẫu TVC, hình ảnh ROI mẫu cơ sở cơ 50 Px × 50 PX của mẫu phụ hình ảnh siêu âm sau khi hiệu chỉnh màu đen và trắng được chọn. Được chọn

Hình ảnh mẫu thịt bò được nấu chín được tính trung bình theo một phổ cụ thể để có được giá trị phổ của từng mẫu dưới một dải cụ thể. Bước này đã được thực hiện

Trên phần mềm Envi 5.1, chủ yếu thông qua công cụ ROI của phần mềm Envi.

Hình dưới đây cho thấy sự chiết của khu vực ROI của mẫu thịt bò nấu chín trong envi5.1 và giá trị quang phổ thu được.

(2) Chở ROI mẫu TVB-N

Quá trình trích xuất vùng ROI giống như dữ liệu mẫu TVC trong đoạn trước. Vùng ROI của 50px*50px cũng thu được để dự đoán mẫu thịt bò nấu chín của TVB-N. Có thể thấy rằng có sự khác biệt nhất định trong các đường cong quang phổ của hai mẻ mẫu thịt bò nấu chín (ước tính rằng hai mẻ sản phẩm thịt bò nấu chín Daoxiangcun đã được mua trong một khoảng thời gian dài, có thể là do các loại thịt bò khác nhau) . Tương tự, bước này cho mẫu thịt bò nấu chín TVB-N cũng được triển khai trên phần mềm Envi5.1.

Hình dưới đây cho thấy TVB-N trích xuất vùng ROI trong envi5.1 và thu được giá trị phổ mẫu.

Kết quả tiền xử lý quang phổ

Thông tin quang phổ của mẫu thịt bò nấu chín để dự đoán TVC đã được xử lý trước (theo thứ tự làm mịn SG, chuẩn hóa vector và biến đổi SNV). Phổ ban đầu của thông tin phổ và kết quả tiền xử lý phổ được hiển thị trong hình dưới đây.

Phương pháp tiền xử lý tương tự như được sử dụng cho mẫu thịt bò nấu chín để dự đoán TVC trong đoạn trước được sử dụng để xử lý thông tin phổ của dữ liệu siêu âm của mẫu để dự đoán giá trị TVB-N. Phổ ban đầu và phổ sau khi tiền xử lý được hiển thị trong hình dưới đây:

Một mô hình xác nhận chéo mười lần của hồi quy vectơ hỗ trợ (SVR) đã được thiết lập cho dữ liệu quang phổ trước và sau khi xử lý trước. Hiệu suất mô hình được hiển thị trong bảng và kết quả mô hình hóa được hiển thị trong hình. Phương pháp này được triển khai trong phần mềm phân tích dữ liệu đa biến TheunCrambler x10.4. Phương pháp SVR và các chỉ số hiệu suất mô hình của nó sẽ được giới thiệu trong Phần 4.1 và sẽ không được mô tả chi tiết ở đây.

Như có thể thấy từ bảng, hiệu suất của các mô hình dự đoán của hai chỉ số được thiết lập bởi phổ được xử lý trước đã được cải thiện ở một mức độ nhất định. Hệ số tương quan hiệu suất r của mô hình dự đoán cho TVC đã tăng 16 điểm phần trăm, trong khi hệ số tương quan hiệu suất r của mô hình dự đoán cho TVB-N đã tăng 9 điểm phần trăm. Điều này xác minh sự cần thiết của tiền xử lý quang phổ, do đó phân tích tiếp theo sử dụng dữ liệu được xử lý trước.

Tóm tắt và triển vọng

Để đạt được sự phát hiện nhanh chóng và không phá hủy độ tươi của các sản phẩm thịt nấu chín, bài báo này lấy thịt bò nấu chín làm đối tượng nghiên cứu và sử dụng công nghệ hình ảnh siêu âm để tạo ra một mô hình dự đoán cho độ tươi của thịt bò nấu chín. Những thay đổi về độ tươi của thịt bò nấu chín trong quá trình lưu trữ và các yếu tố chính ảnh hưởng đến độ tươi của thịt bò nấu chín đã được nghiên cứu, và giá trị TVC chỉ số vi sinh vật và giá trị chỉ số hóa học TVB-N liên quan đến nó đã được xác định. Các kết luận nghiên cứu cụ thể như sau: Khả năng sử dụng công nghệ hình ảnh siêu âm để phát hiện độ tươi của thịt bò nấu chín đã được nghiên cứu, và xu hướng thay đổi của chỉ số tươi TVC và TVB-N giá trị TVC của thịt bò nấu chín trong quá trình lưu trữ đã được thảo luận; Hiệu suất của mô hình dự đoán SVR (sử dụng xác thực chéo mười lần) được xây dựng trước và sau khi xử lý tiền dữ liệu quang phổ được so sánh và mô hình dự đoán được xây dựng với bộ dữ liệu được xử lý trước có hiệu suất tốt hơn; Phương pháp phân vùng mẫu được nghiên cứu. Bộ đào tạo và tập kiểm tra được tạo bởi các phương pháp phân vùng mẫu khác nhau đã được mô hình hóa và phân tích, và cuối cùng bộ đào tạo và tập kiểm tra chia cho phương pháp phân vùng SPXY đã được chọn.