Hiperspektral Görüntüleme Teknolojisi Domuz Tazeliğinin Hızlı ve Tahribatsız Testini Güçlendiriyor

Domuz eti ve ürünlerinin işlenmesi, dağıtımı ve dolaşımı sırasında tazelik, kalitesinin ve güvenliğinin ölçülmesinde hayati bir göstergedir. Toplam uçucu bazik nitrojenin (TVB-N) ve toplam canlı sayımın (TVC) belirlenmesi gibi geleneksel tespit yöntemleri güvenilir sonuçlar vermesine rağmen, bunlar hantaldır, zaman alıcıdır ve numunelere zarar verir. Sonuç olarak, modern gıda endüstrisinin çevrimiçi, hızlı ve tahribatsız test taleplerini karşılamaları zordur.

Son yıllarda hiperspektral görüntüleme teknolojisi, zengin bilgisi, temassız yapısı ve hızlı analiz yetenekleri nedeniyle gıda kalitesi değerlendirmesi alanında önemli bir uygulama potansiyeli ortaya koymuştur. CHNSpec'in FS-IQ-VISNIR hiperspektral kamerası (400–1000 nm), bu tür araştırmalar için veri toplama desteği sağlamıştır.

Deneysel Tasarım ve Veri Toplama

Gıda Bileşimi ve Analizi Dergisi'nde yayınlanan bir çalışmada, Zhengzhou Hafif Endüstri Üniversitesi'nden bir araştırma ekibi, 4°C'de soğuk soğutma altında saklanan domuz eti bonfilesinin görünür-yakın-kızılötesi hiperspektral verilerini 14 gün içinde toplamak için CHNSpec'in FS-IQ-VISNIR hiperspektral kamerasını kullandı. Nokta başına 16 örnek olmak üzere 7 zaman noktasını kapsayan toplam 112 örnek dahil edildi. Kamera, 1200 bant içeren, 400-1000 nm dalga boyu aralığına, yaklaşık 0,5 nm spektral örnekleme aralığına ve 1920×1920 piksel uzaysal çözünürlüğe sahip bir itmeli süpürge görüntüleme yöntemini kullanır.

Sinyal kalitesini artırmak için araştırma ekibi, spektral farklılıklara dayalı, denetimsiz bir görüntü ön işleme yöntemi tasarladı. Otsu uyarlanabilir eşik segmentasyonu ve morfolojik işlemlerle bir araya getirilen bu yöntem, ilgilenilen bölgeyi (ROI) etkili bir şekilde çıkardı ve arka plan girişimini azalttı.

Çift Dallı Özellik Çıkarma Ağı ve Makine Öğrenimi Füzyon Modellemesi

Çalışma, HFE (Hybrid-FeatureExtractor) adlı çift dallı bir hiperspektral özellik çıkarma ağı önerdi. Bu ağ iki paralel özellik çıkarma kanalından oluşur:

• Spektral Dal: Her bandın ağırlıklarını uyarlanabilir bir şekilde öğrenmek için Sıkıştırma ve Uyarma (SE) dikkat mekanizmasını sunar ve önemli spektral özellikleri çıkarmak için çok katmanlı bir algılayıcıyı (MLP) birleştirir.
• Uzamsal Dal: Çok ölçekli uzamsal özellikleri çıkarmak için artık modüller (BasicBlock) ve Atrous Spatial Pyramid Pooling (ASPP) modülleriyle birleştirilmiş iki boyutlu bir evrişimli sinir ağını (CNN) kullanır.

İki tür özellik, geçitli bir füzyon mekanizması yoluyla entegre edilir ve ardından TVB-N ve TVC içeriğinin niceliksel tahminini tamamlamak için sırasıyla Kısmi En Küçük Kareler Regresyonu (PLSR) ve Destek Vektör Regresyonu (SVR) modellerine girilir.

Tahmin Performansı ve Analizi

Deneysel sonuçlar, HFE modülünün PLSR ve SVR ile birleştirildiğinde TVB-N ve TVC içeriğini tahmin etmede yüksek doğruluk sergilediğini göstermektedir:

• HFE + PLSR: TVB-N tahmini için R², 2,4685 RMSE ile 0,9786'dır; TVC tahmini için R² 0,9529 ve RMSE 0,3223'tür.
• HFE + SVR: TVC tahmini için R², 0,3066 RMSE ile 0,9597'dir.
• Geleneksel kemometrik yöntemlerle (SG+SPA, SNV+CARS gibi) karşılaştırıldığında, bu yöntemin hem tahmin doğruluğu hem de model kararlılığı iyileştirilmiştir. Artık tahmin sapması (RPD) açısından TVB-N ve TVC sırasıyla 7,1204 ve 5,1831'e ulaştı; bu da modelin güçlü tahmin yeteneklerine sahip olduğunu gösteriyor.

Model Yorumlanabilirliği ve Anahtar Bant Tanımlaması

SE dikkat mekanizması aracılığıyla araştırma ekibi, spektral daldaki farklı bantların ağırlıklarının görselleştirme analizini gerçekleştirdi. Sonuçlar, modelin, protein oksidasyonunun ve mikrobiyal metabolitlerin (aminler, aldehitler, ketonlar vb.) optik tepkisiyle yakından ilişkili bir bölge olan 600-920 nm aralığında daha yüksek ağırlıklar atadığını gösterdi. Depolama süresi uzadıkça TVB-N ve TVC içeriği arttı ve bu karakteristik bantların aralığı da genişledi; bu, modelin tazelik değişimleriyle ilgili ince spektral değişiklikleri yakalayabildiğini gösteriyor.

Uygulama Beklentileri

Bu çalışma, FS-IQ-VISNIR hiperspektral kameranın, çift dallı özellik çıkarım ağı ve makine öğrenimi regresyon modelleri ile birlikte, numunelere zarar vermeden domuz eti tazelik göstergelerinin etkili bir şekilde tahmin edilmesini sağlayabildiğini göstermektedir. Bu yöntem, gıda işleme, soğuk zincir taşımacılığı ve perakende bağlantılarında çevrimiçi, tahribatsız testler için pratik referans değeri taşır.

CHNSpec, gıda kalitesi ve güvenliği alanında hiperspektral görüntüleme ekipmanı ve teknik destek sağlamaya devam ederek sektörün daha verimli ve akıllı test yöntemlerine geçişine yardımcı olacak.

Ürün Tavsiyesi: FS-IQ-VISNIR Taşınabilir Hiperspektral Kamera

• Spektral Aralık: 400–1000 nm
• Spektral Çözünürlük: 2,5 nm
• Görüntü Çözünürlüğü: 1920*1920
• Spektral Kanal Sayısı: 1200