重工机械网

Videometer多光谱检测系统的快速无损检测

牛肉因其营养丰富、食用价值高而备受国内外欢迎。水是肉类的主要成分，约占肉类总重量的75%，肉类保持水分的能力，被定义为系水力，是工业和消费者关注的一个重要质量参数。对肉类行业来说，新鲜肉类的保水力影响其技术质量，即加工产量，而对于消费者来说，低的保水力对新鲜肉类的零售减少有不利的影响，并影响肉类终产品的感官质量。肉类中的颜色与肌肉中的肌红蛋白水平有关，并受到冷冻储存的影响。虽然肌红蛋白是负责肉类颜色的主要蛋白质，但其他蛋白如血红蛋白也可能影响颜色。冷冻储存期间的温度波动会导致不同的物理变化，如血红蛋白环境的变化从而导致颜色变化。肉的质量也受到肉的冷冻率和条件的影响。汁液损失会导致硫胺和的损失，影响肉类的外观。解冻后，肉类通常不会恢复到冷冻前的充氧水平，这种缺氧使肉变暗，当肉冻得更久的时候，颜色会变得更暗。液体的流失通常会降低食品的质量和结合能力，这些都是降低其经济价值的因素。研究者广泛研究了冷冻速率、贮藏和解冻方式对肉样品质的影响。牛肉冻融后流失掉很多可溶性蛋白。在解冻过程中产生的流失量与冻融速率有关，也与冻肉中冰晶的大小和位置有关，也有研究表明冷冻速率增大能减少汁液损失。

多光谱成像是一种新兴的技术，它将光谱学和影像学结合在一个系统中，同时从一个物体上同时获取空间和光谱信息。多光谱成像系统捕捉到的三维图像是由几个特征相关的单波段图像组成的，这些包含大量信息的三维数据可以用来分析和确定样本中细微的和微妙的物理和化学特征。与高光谱成像相比，较少的处理时间使多光谱成像系统满足了用于在线高通量筛选的工业生产线的速度要求，以评估肉类的质量、营养、安全性和真实性。近年来，多光谱成像技术作为一种快速无损的分析方法已被广泛应用到鱼、肉、水果、蔬菜、种子等领域。在肉制品加工和贮藏过程中，肉的化学成分和物理状态均发生较大的变化。笔者探究多光谱技术结合优化化学计量方法鉴别不同冷冻处理牛肉的可行性，并结合水分、颜色和质构参数对不同冷冻处理牛肉进行综合

评价。

Videometer多光谱检测系统的构成

一个典型的多光谱成像光谱系统由光源、成像光谱仪、红外光照相机、镜头、移动样本台、计算机图像采集系统和运动控制系统等组成，其中成像光谱仪多采用光栅进行分光。移动样本台由步进电动机驱动做匀速移动。有些系统为了调节方便，配制了三维运动平台，可作x, y轴方向上的匀速移动，还可根据样本尺寸在z轴方向上调整高度。有些成像光谱系统中样本是固定不动的，而红外光照相机和成像光谱仪匀速移动，完成光谱图像的扫描。

主要特点

集成球体提供均匀和弥散光线照明

5-10秒钟内实现光谱成像和定量分析

19-20不同波长/光源

多光谱荧光备选

颗粒产品自动进料备选

6或9.1百万像素/波长提供1.2-3.6亿像素/帧分辨率

标准设备包括易于使用设备校准

与传统RGB技术相比具有的彩色测量功能

根据应用需求可自动切换动态范围

光源寿命长、可达10万小时

LED光源技术稳定性增强

前光灯和背光灯组合、备选背光灯

相对样品自动移动照明

研究用强大探索软件

易用常规应用配方构建工具（建模）

成像特点

快速、无损检测

包括处理在内每样品处理仅需10-20秒

与其它破坏性技术组合

高灵活性测量

主要专注：可重复洗、可追溯性、耐用性、可传递性

Videometer多光谱检测系统的快速无损检测技术参数

全套分析时间5-10秒/样品

电源：100 -240 V AC, 50/60 Hz

电源功耗300 VA

环境温度操作: 5 - 40℃，储存；-5 - 50℃

环境湿度20-90 % RH相对湿度，非冷凝

PC 要求 低配置: Intel i7 或更佳, 16GB RAM, USB2 端口, USB3超速端口

软件要求Microsoft Windows 7/8.1/10 Professional，l64 bit, 全新windows 版本

硬件备选暗场/明场背光 滤波轮 (用于荧光) 自动进样 (颗粒产品)

软件备选图像处理工具包 (IPT) 光谱成像工具盒 (MSI) 斑点工具盒

牛肉样本。样本均来自同一头牛，并保证新鲜在15min之内运回实验室，立即剔去脂肪和筋腱，然后分成两大块，*块放置在4 ℃冰箱冷藏 24h，用于后续试验，第二块切成40个7cm×4cm×2cm大小、约40g的长方体样本，采集光谱信息。不同冷冻方法处理对肉类品质的影响是社会和消费者都很关注的问题。通过3种不同冷冻处理方法与对照组比较，试验结果表明，冷冻处理后的牛肉相比于对照组的自由水含量增加，结合水含量、蒸煮损失和解冻汁液流失降低，在不破坏细胞结构的前提下，冷冻速率越高，对牛肉的物理性质影响越小。同时说明，多光谱成像技术结合传统化学计量学方法能够实现对不同冷冻方法处理牛肉的检测和鉴别，建模集和预测集的准确率分别达到了86.67%和83.33%。在不同处理组中，－4 ℃处理组容易发生错判，－20 ℃结合液氮组错判样本数少，表明冷冻速率越大，模型的鉴别效果越好。