เทคโนโลยีการถ่ายภาพไฮเปอร์สเปกตรัมช่วยให้สามารถทดสอบความสดของเนื้อหมูได้อย่างรวดเร็วและไม่ทำลาย

ในระหว่างการแปรรูป การจำหน่าย และการหมุนเวียนเนื้อหมูและผลิตภัณฑ์ ความสดเป็นตัวบ่งชี้สำคัญในการวัดคุณภาพและความปลอดภัย แม้ว่าวิธีการตรวจจับแบบดั้งเดิม เช่น การหาปริมาณไนโตรเจนพื้นฐานที่ระเหยได้ทั้งหมด (TVB-N) และจำนวนนับที่มีชีวิตทั้งหมด (TVC) จะให้ผลลัพธ์ที่เชื่อถือได้ แต่ก็ยุ่งยาก ใช้เวลานาน และเป็นอันตรายต่อตัวอย่าง ดังนั้นจึงเป็นเรื่องยากสำหรับพวกเขาที่จะตอบสนองความต้องการของอุตสาหกรรมอาหารสมัยใหม่สำหรับการทดสอบออนไลน์ ที่รวดเร็ว และไม่ทำลาย

ในช่วงไม่กี่ปีที่ผ่านมา เทคโนโลยีการถ่ายภาพไฮเปอร์สเปกตรัมได้แสดงให้เห็นถึงศักยภาพในการประยุกต์ที่สำคัญในด้านการประเมินคุณภาพอาหาร เนื่องจากมีข้อมูลครบถ้วน ลักษณะที่ไม่สัมผัส และความสามารถในการวิเคราะห์ที่รวดเร็ว กล้องไฮเปอร์สเปกตรัม FS-IQ-VISNIR (400–1000 นาโนเมตร) จาก CHNSpec ได้ให้การสนับสนุนการรับข้อมูลสำหรับการวิจัยประเภทนี้

การออกแบบการทดลองและการได้มาซึ่งข้อมูล

ในการศึกษาที่ตีพิมพ์ใน Journal of Food Composition and Analysis ทีมวิจัยจาก Zhengzhou Light Industry University ใช้กล้องไฮเปอร์สเปกตรัม FS-IQ-VISNIR ของ CHNSpec เพื่อรวบรวมข้อมูลไฮเปอร์สเปกตรัมที่มองเห็นได้ในช่วงอินฟราเรดใกล้ของเนื้อสันในหมู ซึ่งเก็บไว้ภายใต้ตู้เย็นเย็นที่อุณหภูมิ 4°C ภายใน 14 วัน มีตัวอย่างที่เกี่ยวข้องทั้งหมด 112 ตัวอย่าง ครอบคลุม 7 จุดเวลา โดยมี 16 ตัวอย่างต่อจุด กล้องใช้วิธีการถ่ายภาพด้วยไม้กวาดซึ่งมีช่วงความยาวคลื่น 400–1000 นาโนเมตร โดยมี 1200 แบนด์ ช่วงเวลาสุ่มตัวอย่างสเปกตรัมประมาณ 0.5 นาโนเมตร และความละเอียดเชิงพื้นที่ 1920×1920 พิกเซล

เพื่อปรับปรุงคุณภาพสัญญาณ ทีมวิจัยได้ออกแบบวิธีการประมวลผลภาพล่วงหน้าโดยไม่ได้รับการดูแลโดยพิจารณาจากความแตกต่างของสเปกตรัม เมื่อรวมกับการแบ่งส่วนเกณฑ์แบบปรับตัวของ Otsu และการดำเนินการทางสัณฐานวิทยา วิธีการนี้จะแยกพื้นที่ที่สนใจ (ROI) ได้อย่างมีประสิทธิภาพและลดการรบกวนในพื้นหลัง

เครือข่ายการแยกคุณลักษณะแบบสองสาขาและการสร้างแบบจำลองฟิวชั่นการเรียนรู้ของเครื่อง

การศึกษานี้เสนอเครือข่ายการสกัดคุณลักษณะไฮเปอร์สเปกตรัมแบบสองสาขาชื่อ HFE (Hybrid-FeatureExtractor) เครือข่ายนี้ประกอบด้วยช่องแยกคุณสมบัติแบบขนานสองช่อง:

• สาขาสเปกตรัม: แนะนำกลไกความสนใจแบบบีบและกระตุ้น (SE) เพื่อเรียนรู้น้ำหนักของแต่ละแบนด์แบบปรับเปลี่ยนได้ และรวมการรับรู้หลายชั้น (MLP) เพื่อแยกคุณลักษณะสเปกตรัมที่สำคัญ
• สาขาเชิงพื้นที่: ใช้โครงข่ายประสาทเทียมแบบสองมิติ (CNN) ร่วมกับโมดูลที่เหลือ (BasicBlock) และโมดูล Atrous Spatial Pyramid Pooling (ASPP) เพื่อแยกคุณสมบัติเชิงพื้นที่หลายขนาด

คุณลักษณะทั้งสองประเภทได้รับการบูรณาการผ่านกลไกฟิวชั่นที่มีรั้วรอบขอบชิด และต่อมาป้อนข้อมูลลงในโมเดล Partial Least Squares Regression (PLSR) และ Support Vector Regression (SVR) ตามลำดับ เพื่อให้การทำนายเชิงปริมาณของเนื้อหา TVB-N และ TVC สมบูรณ์

ประสิทธิภาพการทำนายและการวิเคราะห์

ผลการทดลองระบุว่าเมื่อรวมโมดูล HFE เข้ากับ PLSR และ SVR จะมีความแม่นยำสูงในการทำนายเนื้อหา TVB-N และ TVC:

• HFE + PLSR: R² สำหรับการทำนาย TVB-N คือ 0.9786 โดยมี RMSE อยู่ที่ 2.4685 R² สำหรับการทำนาย TVC คือ 0.9529 โดยมี RMSE เท่ากับ 0.3223
• HFE + SVR: TheR² สำหรับการทำนาย TVC คือ 0.9597 โดยมี RMSE เท่ากับ 0.3066
• เมื่อเปรียบเทียบกับวิธีการเคมีเมตริกแบบดั้งเดิม (เช่น SG+SPA, SNV+CARS) ความแม่นยำในการทำนายและความเสถียรของแบบจำลองของวิธีนี้ได้รับการปรับปรุงให้ดีขึ้น ในแง่ของค่าเบี่ยงเบนการทำนายตกค้าง (RPD) TVB-N และ TVC มีค่าถึง 7.1204 และ 5.1831 ตามลำดับ ซึ่งบ่งชี้ว่าแบบจำลองนี้มีความสามารถในการคาดการณ์ที่แข็งแกร่ง

การตีความแบบจำลองและการระบุวงดนตรีหลัก

ทีมวิจัยได้ทำการวิเคราะห์น้ำหนักของแถบสเปกตรัมต่างๆ ในสาขาสเปกตรัมโดยใช้กลไกความสนใจแบบ SE ผลการวิจัยพบว่าแบบจำลองกำหนดน้ำหนักที่สูงกว่าภายในช่วง 600–920 นาโนเมตร ซึ่งเป็นบริเวณที่เกี่ยวข้องอย่างใกล้ชิดกับการตอบสนองทางแสงของการออกซิเดชันของโปรตีนและสารเมตาบอไลต์ของจุลินทรีย์ (เช่น เอมีน อัลดีไฮด์ คีโตน ฯลฯ) เมื่อเวลาจัดเก็บขยายออกไป เนื้อหา TVB-N และ TVC ก็เพิ่มขึ้น และช่วงของแถบลักษณะเฉพาะเหล่านี้ก็ขยายออกไปด้วย ซึ่งบ่งชี้ว่าแบบจำลองสามารถบันทึกการเปลี่ยนแปลงสเปกตรัมเล็กน้อยที่เกี่ยวข้องกับความสดใหม่ได้

โอกาสในการสมัคร

การศึกษานี้แสดงให้เห็นว่ากล้องไฮเปอร์สเปกตรัม FS-IQ-VISNIR เมื่อรวมกับเครือข่ายการสกัดคุณลักษณะแบบสองสาขาและแบบจำลองการถดถอยของการเรียนรู้ของเครื่อง สามารถบรรลุการคาดการณ์ตัวบ่งชี้ความสดของเนื้อหมูได้อย่างมีประสิทธิภาพ โดยไม่ก่อให้เกิดความเสียหายต่อตัวอย่าง วิธีการนี้ถือเป็นค่าอ้างอิงในทางปฏิบัติสำหรับการทดสอบแบบไม่ทำลายทางออนไลน์ในการแปรรูปอาหาร การขนส่งด้วยโซ่เย็น และการเชื่อมโยงการค้าปลีก

CHNSpec จะยังคงจัดหาอุปกรณ์สร้างภาพไฮเปอร์สเปกตรัมและการสนับสนุนทางเทคนิคในด้านคุณภาพและความปลอดภัยของอาหารต่อไป ช่วยให้อุตสาหกรรมเปลี่ยนผ่านไปสู่วิธีการทดสอบที่มีประสิทธิภาพและชาญฉลาดมากขึ้น

คำแนะนำผลิตภัณฑ์: กล้องไฮเปอร์สเปกตรัมแบบพกพา FS-IQ-VISNIR

• ช่วงสเปกตรัม: 400–1,000 นาโนเมตร
• ความละเอียดสเปกตรัม: 2.5 นาโนเมตร
• ความละเอียดของภาพ: 1920*1920
• จำนวนช่องสเปกตรัม: 1200