초 분광 영상 기술은 네이티브 닭과 일반 육계를 구별 할 수 있습니다.
이 연구는 400-1000Nm의 초 분광 카메라를 적용했으며, Hangzhou Caipu Technology Co., Ltd.의 FS23 제품은 관련 연구에 사용될 수 있습니다. FIGSPEC® 시리즈 이미징 Hyperspectral 카메라는 기존의 초자연 카메라가 외부 푸시를 필요로하는 문제를 해결하기 위해 내장 스캐닝 이미징 및 보조 카메라 기술과 결합 된 고감도 변속기 분광계 모듈과 고감도 표면 어레이 카메라를 사용합니다. -Scan 이미징 메커니즘 및 복잡한 초점, 작동하기 어려운 복잡한 초점. 스펙트럼 이미지의 빠른 획득을 달성하기 위해 표준 C 마운트 이미징 렌즈 또는 현미경과 직접 통합 될 수 있습니다.
육류 산업에서 육류의 품질 식별 또는 분류는 품질 관리의 중요한 단계입니다. 그러나 육류 산업에서 품질 분류 및 제어는 주로 수동 식별을 채택하며, 이는 많은 노동이 필요하고 비용이 많이 드는 주관적인 방법입니다. 따라서 현대 육류 산업은 육류 품질의 빠른 식별을 위해 빠르고 정확하며 비파괴적인 방법을 찾아야합니다. Hyperspectral 이미징 기술은 컴퓨터 비전과 전통적인 스펙트럼 기술의 장점을 결합한 새로운 비파괴 및 신뢰할 수있는 기술입니다. 따라서 육류 품질 등급을위한 초 분광 영상 기술의 적용은 연구원의 관심을 끌었습니다.
닭고기는 풍부한 단백질, 지질 및 미량 원소를 제공하며 사람들의 일상 생활에서 매우 중요한 육류 음식입니다. 닭고기의 품질은 품종, 성별, 수유 방법 및 수유 수준과 같은 많은 요인의 영향을받습니다. 수유 방법과 사료 수준에 따르면 닭고기는 프리 레인지 치킨과 일반 브로일러로 나눌 수 있습니다. 프리 레인지 닭고기는 6 개월이 넘는 번식 주기로 산, 숲 또는 과수원에서 자란 닭 품종을 말합니다. 대조적으로, 상업용 닭으로도 알려진 일반 브로일러는 대규모로 자란 닭 품종을 말하며 1991 년에 짧은 번식주기 (보통 3 개월 밖에되지 않음). 강력한 환경 적응성, 높은 질병 저항성 및 우수한 생식 능력과 같은 특별한 장점. 또한 육류 품질 측면에서 자유 범위 닭은 더 맛있고 영양가가 높으므로 시장 가격이 종종 더 높습니다. 프리 레인지 닭은 소비자에게 더 가치가 있기 때문에 고기 산업의 치킨 가격, 신원 검증 및 종의 차별화를위한 일반 브로일러와 자유 범위 닭을 빠르고 정확하게 구별하는 것이 중요합니다. 그러나, 자유 범위 닭과 일반 육계를 구별하기 위해 초 분광 영상 기술의 적용에 관한 문헌 보고서는 없습니다. 따라서,이 연구의 목적은 프리 레인지 닭과 일반 브로일러의 빠른 식별을 달성하기 위해 초 분광 이미지의 특성 스펙트럼 데이터 및 텍스처 데이터를 융합시키는 것입니다.
테스트 자료의 구매 및 처리
실험 재료는 4 가지 종류의 치킨 시체 (Qingyuan Native Chicken, Zhanjiang Native Chicken, 일반 Qingyuan 닭고기 및 평범한 Zhanjiang Chicken)이며, 각각 약 1.5kg의 무게는 모두 약 1.5kg이며, Panyu District, Guangzhou City 및 Panyu District의 Xinzao Town 야채 시장에서 구입했습니다. 각각의 치킨 시체의 수는 4입니다. 더 명확하게 설명하기 위해이 4 가지 유형의 닭 시체는 네이티브 치킨 1 번, 네이티브 치킨 2 번, 일반 브로일러 1 번 및 일반 브로일러 2 번이라고합니다. 학살 후, 모든 신선한 치킨 시체는 즉시 포장, 라벨링 및 실험실로 운송해야합니다. 메스를 사용하여 시체에서 신선한 닭 가슴살을 제거하고 두께가 1cm의 슬라이스로 자릅니다.
결과적으로, 120 개의 고기 슬라이스 샘플을 얻은 다음, 초 분광 이미지를 획득 하였다. 데이터 분석 전에 테스트 샘플은 교정 세트 및 예측 세트라는 두 개의 서브 세트로 나누어야합니다. 랜덤 샘플링의 원리에 기초하여 예측 세트로서 3 분의 1 (40) 샘플을 무작위로 선택하고 나머지 80 개의 샘플을 교정 세트로 사용 하였다. 교정 세트는 교정 모델을 설정하는 데 사용되며 예측 세트는 확립 된 모델의 견고성을 확인하는 데 사용됩니다.
네이티브 닭과 일반 육계의 스펙트럼 특성 곡선
그림은 다양한 유형의 고유 닭 및 일반 브로일러에 대해 400-1000 nm 범위의 MSC의 평균 스펙트럼 곡선을 보여줍니다. 4 가지 유형의 닭고기의 스펙트럼 곡선의 일반적인 경향이 비슷하다는 것을 알 수 있습니다. 그러나 스펙트럼 흡수 값의 변화 정도는 다소 다릅니다. 한편으로, 그것은 고기 슬라이스의 고르지 않은 두께 또는 고르지 않은 표면 변화로 인한 광 산란으로 인한 것일 수 있으며, 다른 한편으로는 생화학 적 특성 및 근육의 질감 특성과 관련이있을 수 있습니다. 그림과 같이, 6 개의 주요 흡수 밴드는 주로 430nm, 510nm, 550nm, 620nm, 730nm 및 970nm 근처에 나타납니다. 구체적으로, 970nm 정도의 흡수 밴드는 주로 물 분자에서 OH 본드의 2 차 주파수-겹치는 흡수 밴드이며, 730nm 정도의 약한 흡수 밴드는 주로 OH OH의 3 차 주파수-겹치는 흡수 대역과 관련이 있습니다. 물 분자의 결합. 또한, 약 550nm 정도의 흡수 밴드는 주로 미오글로빈 및 헤모글로빈에서 헴의 흡수와 관련이있는 반면, 약 510nm 및 620nm의 흡수 밴드는 메 메오 글로빈 및 메트 모고 글로빈에서 산화 된 헴의 흡수와 관련이있다.
이 장에서는 특징적인 스펙트럼 정보 및 초 분광 이미지의 질감 정보를 기반으로 천연 닭 및 일반 육계의 빠른 식별 가능성을 살펴 봅니다. 먼저, 획득 한 초 전자 이미지로부터 평균 스펙트럼을 제안하고 MSC 스펙트럼 전처리를 수행하고, SPA를 사용하여 특성 파장을 추출 하였다. 이어서, 초 분광 이미지의 특징적인 회색 스케일 이미지를 PCA로 스크리닝하고, 처음 두 그레이 스케일 이미지의 텍스처 변수를 Grayscale Gradient Co-Currence 매트릭스를 사용하여 추출 하였다. 마지막으로, LS-SVM 및 ANN 식별 모델은 전체 파장 스펙트럼, 특성 파장 스펙트럼, 텍스처 변수 및 특성 파장 스펙트럼 및 텍스처 변수의 융합 데이터에 기초하여 확립되었다. 융합 데이터를 기반으로 확립 된 LS-SVM 및 ANN의 CCR은 각각 95% 및 92.5%였으며, 이는 특징적인 파장 스펙트럼/텍스처 변수에 기초하여 LS-SVM 및 ANN의 것보다 높았다. 실험 결과는 융합 데이터를 기반으로 설정된 식별 모델이 특성 파장 또는 텍스처 변수만으로 설정된 식별 모델보다 우수하다는 것을 보여줍니다. 닭과 평범한 육계.
