Resonon | 革新肉类检测：高光谱成像技术助力鸡胸肌病识别与品质监控
在禽肉工业生产中，肌病防控一直是影响鸡肉产量和品质的重要因素。尤其是鸡胸肉这种高价值的部位，常常受到木胸、意大利面肉等肌肉病变的困扰，一旦发生，会导致肉质硬化、汁液流失，严重损害产品价值。传统的肌病检测往往依赖人工触诊和视觉评估，不仅主观性强、效率低下，而且存在漏检与误判的风险。近期，IRTA西班牙农业食品研究技术研究所的团队在国际期刊《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》上发表了一项研究，提出了一种创新解决方案：通过可见-近红外高光谱成像（VIS-NIR HSI）技术，实现鸡胸肌病的检测与分类。这一研究为禽肉行业提供了新的技术手段，不仅能高效识别肌病，还能预测肉品在冷藏过程中的质量变化，帮助减少食品浪费。图1.研究框架。研究方法（1）实验设计与样本选择• 试验一 (肌病鉴别)：选取98只鸡胴体，分区域评估并标注肌病类型（N, WB, SM, WS）；• 试验二 (保质期评估)：选取77只鸡胴体，经气调包装后于4.8°C下冷藏14天，并定期采样；（2）高光谱成像数据采集研究选择Resonon Pika L型高光谱成像仪进行图像采集，其系统配置如下：ö 光谱范围：386–1016 nm；ö 光谱分辨率：2.0 nm；ö 相机类型：线扫描式，每一条线捕获900个像素，在反射传感模式下共记录1700条线；ö 照明系统：4个50 W卤钨灯；ö 采集软件：Spectronon Pro；每次扫描前均进行黑白校正，以消除环境噪声，确保数据准确性；（3）数据分析使用Matlab处理光谱数据，将鸡胸肉划分为三个区域，选取WB和SM共存区域。通过标准正态变换（SNV）消除光散射效应，利用PCA和SVM构建分类模型，并比较了全光谱与近红外波段的分类效果。图2.流程图总结了两项试验的实验设计。图3.试验1中样本（98个样本，304个光谱）按肌病存在情况划分的平均可见光-近红外吸收光谱。图4.主成分(PC)1与PC2 (A) 以及PC2与PC3 (B) 的样本得分图。前三个主成分在每个波长上的负载 (C)。表1.使用试验1的样本（98个样本，304个光谱）开发的分类模型的性能。总体准确率=76.1%。图5.A、B图为主成分（PC）评分...
2026
-
03
-
03