《表1 多光谱成像在肉类营养品质检测方面的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多光谱成像技术在食品营养品质检测方面的应用进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

近些年，多光谱成像技术被广泛地运用于对生肉和肉制品各种营养成分的预测（表1），这些成分可以影响肉品的营养、感官评价、货架期等。水分和含水量的预测是学者们关注的重点之一，Liu等[7]利用多光谱成像技术和RGB图像成功预测注水牛肉样品中的含水量，PLSR预测模型的R2高达0.946；Ma等[28]将多光谱信息与猪肉香肠的纹理信息相结合对其含水量和保水能力进行预测，预测模型的R2分别为0.948与0.832。此外，这两项研究证明，MSI信息与RGB图像信息结合，或与纹理信息结合的预测准确度要高于仅使用MSI的预测准确度。对于蛋白质、脂肪等其他营养物质，直接利用多光谱成像仪对肉类进行检测的报道较少，但是利用高光谱成像系统在特定光谱范围内采集数据，然后利用SPA、RC等变量选择方法对关键波长进行选择，从而达到建立多光谱模型的效果。Elmasry等[17]利用高光谱成像系统对牛肉的蛋白质、水分、脂肪含量进行了预测，他们利用RC在900～1700 nm光谱范围内，分别获取了水分、脂肪、蛋白质的关键波长，建立PLSR模型对其进行预测，得到的水分、脂肪、蛋白质的预测的决定系数分别为R2水分=0.89，R2脂肪=0.84，R2蛋白质=0.86，并分别伴随着0.46%、0.65%和0.29%的预测标准误差（Standard error of prediction，SEP），体现了良好的预测效果。Pu等[19]利用UVE-SPA-CSA组合在900～1700 nm的光谱带内选择了7个关键波长（1021、1084、1091、1192、1212、1269、1396 nm）并建立MLR模型，对羊肉的水分、脂肪、蛋白质含量进行预测，其预测准确性分别为R2水分=0.92，R2脂肪=0.98，R2蛋白质=0.67。