【摘要】：以背最長肌和腰大肌為對象,利用高光譜圖像(HSI)和激光共聚焦顯微鏡技術(CLSM)研究豬肉嫩度。利用CLSM結合熒光染色觀察纖維密度和直徑等組織學特性參數(shù),判斷不同部位豬肉嫩度。通過主成分分析(PCA)對其圖像信息進行PCA,然后對光譜信息進行預處理。依據(jù)圖像信息優(yōu)選出3幅特征圖像,提取對比度、相關性、角二階矩和一致性等4個基于灰度共生矩陣的紋理特征變量,利用K-最鄰近法(KNN)建立預測模型,為驗證HSI的判別度。結果表明:KNN模型校正集和預測集的識別率分別為91.24%,83.57%,識別出腰大肌較背最長肌嫩。腰大肌的纖維直徑和密度分別比背最長肌細且密,其觀察結果與HSI的判別結果相一致。利用HSI快速預測豬肉嫩度具有可行性。
【圖文】：

維，計算每根肌纖維的面積，并默認“圓”的面積。根據(jù)S=πr2（r為半徑）自動計算每根肌纖維的等效直徑，取其平均值。肌纖維密度的測量：測每個視野內(nèi)的肌纖維根數(shù)，以及這個視野內(nèi)的面積，換算成每mm2的根數(shù)，即肌纖維密度。取8~10個視野的平均值。1.3豬肉剪切力的測定豬肉嫩度的測定主要依據(jù)我國農(nóng)業(yè)行業(yè)標準NY/T1180-2006《肉嫩度的測定-剪切力測定法》來評定肉嫩度，即利用TA-X12i型質(zhì)構儀對豬肉樣本的嫩度進行細致的研究。1.4高光譜圖像的采集和標定1.4.1高光譜圖像的采集高光譜圖像數(shù)據(jù)采集系統(tǒng)如圖1所示。為了防止基線漂移，數(shù)據(jù)采集前將高光譜圖像系統(tǒng)預熱30min，然后進行黑白板校正[14]。數(shù)據(jù)采集時，將不同部位的豬肉樣品放在電控平移臺上，設定相關參數(shù)，其中傳輸帶速度經(jīng)反復試驗確定為1.25mm/s，以避免圖像尺寸和空間分辨率失真，并預先確定高光譜相機的曝光時間為45ms，圖像掃描行數(shù)為775行/幅；每行掃描個數(shù)為1628，得到的高光譜圖像分辨率為775×1628像素；光譜范圍是432~963nm，采集到618個波長下的圖像，最終得到一個775×1628×618pixel的高光譜圖像數(shù)據(jù)塊。高光譜圖像的特點：既有各波長下的圖像信息，也有各像素點對應的光譜信息。1.4.2高光譜圖像的標定高光譜圖像數(shù)據(jù)采集完成后，需要對所獲得的高光譜圖像進行黑白標定[20]。在與樣品采集相同的條件下，采集標準白色校正板得到全白的標定圖像W，關閉相機快門采集得到全黑的標定圖像B。根據(jù)式（1）完成高光譜圖像的標定，使采集的絕對圖像Io變成相對圖像I：I=（I0-B）/（W-B）（1）圖1基于圖像光譜儀的高光譜圖像采集系統(tǒng)示意圖Fig.1Hyperspectralimagingsystembasedonspectrometer對比度相關性角二階矩一致性

切時的圖片。使用DAPI染色劑對細胞核酸進行染色，可以明顯看到背最長肌的直徑大于腰大肌的，并且背最長肌比腰大肌的肌纖維分布清晰，而兩者的肌纖維組成在微觀有明顯的差異。另外，腰大肌的肌纖維密度為（295±12.84）根/mm2，，而背最長肌的纖維密度為（221±10.65）根/mm2，較腰大肌小，明顯反映腰大肌較嫩。圖3e和3f分別是圖3c和3d的熒光圖，可明顯看出豬肉細胞圍繞在肌纖維的周圍，肌內(nèi)結締組織呈交叉狀態(tài)分布。從背最長肌和腰大肌的微觀圖中可看出腰大肌肌纖維細，所能承載的垂直剪切力小，其肉質(zhì)嫩。圖2豬肉樣本的前3個主成分圖像（a-c為PC1，PC2和PC3）和3個特征波長處的圖像（d-f，660.29，695.72and730.43nm）Fig.2CharacteristicpicturesselectedbyPCA.（a-c）Firstthreeprinciplecomponent（PC1，PC2PC3）scoreimages；（d-f）threefeaturepicturesat660.29，695.72and730.43nmselectedinPC1image基于高光譜圖像和激光共聚焦顯微鏡技術快速測定豬肉嫩度241
【作者單位】： 河南農(nóng)業(yè)大學食品科學技術學院;江蘇大學食品與生物工程學院;
【基金】：高新技術發(fā)展計劃國家863項目(2011AA100807) 全國優(yōu)秀博士基金資助項目(200968) 國家自然科學基金項目(61301239) 新世紀優(yōu)秀人才項目(NCET-11-00986) 江蘇省杰出青年基金項目(BK20130010)
【分類號】：O657.3;TS251.51

【相似文獻】

相關期刊論文 前10條

1 楊勇;楊慶余;林巍;王存堂;張舵;董原;宋春麗;裴世春;李毛毛;胥紅利;;近紅外光譜技術快速測定鵝肉嫩度[J];食品科學;2014年08期

2 朱榮光;姚雪東;高廣娣;唐明翔;盧士玲;馬本學;;不同儲存時間和取樣部位牛肉顏色的高光譜圖像檢測[J];農(nóng)業(yè)機械學報;2013年07期

3 付妍;徐冉冉;陳興海;;基于高光譜圖像技術的果蔬表面農(nóng)藥殘留檢測研究[J];食品安全導刊;2012年05期

4 萬相梅;黃敏;朱啟兵;;基于高光譜散射圖像的蘋果壓縮硬度和汁液含量無損檢測[J];食品工業(yè)科技;2012年06期

5 李剛;熊嬋;林凌;佟穎;張寶菊;;復雜混合溶液成分高光譜分析的可行性[J];光譜學與光譜分析;2012年03期

6 索少增;劉翠玲;吳靜珠;陳興海;孫曉榮;吳勝男;;高光譜圖像技術檢測梨表面農(nóng)藥殘留試驗研究[J];北京工商大學學報(自然科學版);2011年06期

7 黃培賢;姚志湘;粟暉;孫闊;幸紅云;;高光譜圖像技術在食品無損檢測中的研究進展[J];食品工業(yè)科技;2012年15期

8 吳龍國;何建國;賀曉光;劉貴珊;王偉;王松磊;蘇偉東;羅陽;思振華;;高光譜圖像技術在水果無損檢測中的研究進展[J];激光與紅外;2013年09期

9 方慧;鄒強;何勇;李曉麗;;基于高光譜的番茄葉片過氧化物酶活力測定[J];光譜學與光譜分析;2012年08期

10 田喜;何紹蘭;呂強;易時來;謝讓金;鄭永強;廖秋紅;鄧烈;;高光譜圖像信息的柑橘葉片光合色素含量分析技術研究[J];光譜學與光譜分析;2014年09期

相關會議論文 前1條

1 歐陽文;江發(fā)潮;彭彥昆;張海云;趙松瑋;;基于可見/近紅外光譜技術的牛肉嫩度快速無損檢測[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

相關碩士學位論文 前1條

1 王潤博;基于高光譜圖像技術的枸杞品質(zhì)檢測方法研究[D];河南科技大學;2017年

本文編號：2525472