Hyperspectral Non-Destructive Analysis of Red Meat Quality: A Review

Xue-bing BAI; Dian-kun MA; Meng-jie ZHANG; Rui-qin MA

doi:10.3964/j.issn.1000-0593(2022)07-1993-06

Spectroscopy and Spectral Analysis, Volume. 42, Issue 7, 1993(2022)

Hyperspectral Non-Destructive Analysis of Red Meat Quality: A Review

Xue-bing BAI*... Dian-kun MA, Meng-jie ZHANG and Rui-qin MA*; |Show fewer author(s)

Author Affiliations

College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China

show less

Abstract Get PDF(in Chinese)

Figures & Tables(4)

Fig. 1. Classification and relationship of quality characteristics for red meat

Download full size

View in Article

Table 1. Classification of spectral preprocessing algorithm

View table

View in Article

Table 1. Classification of spectral preprocessing algorithm

分类	代表算法	公式	作用	文献
基线校正	一阶导	$X (i) = \frac{x (i + k) - x (i)}{k}$	消除仪器引起的信号漂移, 提高光谱曲线的稳定性	[14]
	二阶导	$X (i) = \frac{x (i + k) - 2 x (i) + x (i - k)}{k^{2}}$		[15]
	CWT	$W_{Ψ} f (a, b) = \frac{1}{\sqrt[]{\| a \|}} msubsup f (t) Ψ^{*} (\frac{t - b}{a}) d t$		[16]
散射校正	MSC	$X_{i (MSC)} = \frac{X_{i} - b_{i}}{m_{i}}$	消除光在样品固体颗粒间散射产生的光谱曲线变形	[17]
散射校正	SNV	$X_{i} = \frac{X'_{i} - μ}{σ}$	消除光在样品固体颗粒间散射产生的光谱曲线变形	[17]
平滑处理	移动平均平滑	$x_{0} = \frac{(x_{- 2} + x_{- 1} + x_{0} + x_{1} + x_{2})}{5}$	抑制仪器、环境因素造成的随机噪声, 提高信噪比	[18]
平滑处理	S-G平滑	$Y_{j}^{*} = \frac{1}{N} \overset{i = m}{\sum_{i = - m}} C_{i} Y_{j + i}$	抑制仪器、环境因素造成的随机噪声, 提高信噪比	[18]
尺度缩放	归一化	$x' = \frac{x - x_{\min}}{x_{\max} - x_{\min}}$	降低光谱信号变化幅度过大导致的信号不稳定	[19]
	中心化	x'=x-μ		[19]
	标准化	x'= $\frac{x - μ}{σ}$		[20]

Table 2. Feature information of red meat image

View table

View in Article

Table 2. Feature information of red meat image

分类	分析方法	参数	特性	文献
颜色特征	L^a^b^*颜色模型	亮度L, 颜色通道a和b	人眼感官或色泽测量仪器获取的红肉表面属性, 反映了肌红蛋白的氧化还原进程。	[24]
	RGB颜色模型	红色R, 绿色G, 蓝色B		[25]
	HSV颜色模型	色调H, 饱和度S, 明度V		[26]
纹理特征	灰度直方图统计矩	平均灰度、平均对比度、平滑度、三阶矩、一致性、平均熵	由大量微小的纹理基元组合排列而成, 反映了红肉表面的自然属性。	[12]
纹理特征	灰度共生矩阵	均值、同质性、对比度、熵、能量、相关性	由大量微小的纹理基元组合排列而成, 反映了红肉表面的自然属性。	[27]

Table 3. Quantitative prediction model of red meat quality

View table

View in Article

Table 3. Quantitative prediction model of red meat quality

类型	代表模型	核心计算公式	特点	文献
线性模型	MLR	y=β₀+β₁x₁+…+β_ix_i+…+β_mx_m+ε	适用于分析单一品质参数与特征变量之间的简单线性关系。	[32]
	PCA	$PC = \overset{n}{\sum_{j = 1}} w_{j} H_{j}$	提取对红肉质量变化解释性强的重要特征变量, 可降低数据维度, 提高模型的解析性。	[33]
	PLSR	$Y_{new} = T_{new} BQ$	有效避免冗余数据造成的模型复杂度升高, 可用于多品质参数的同时预测。	[34]
非线性模型	SVM	$y (x) = \overset{n}{\sum_{i = 1}} (α_{i} - α_{i}^{*}) K (x, x_{i}) + b$	适合样本量较小的红肉质量预测, 可以有效解决光谱数据纬度高的问题。	[35]
	LS-SVM	$y (x) = \overset{n}{\sum_{i = 1}} α_{i} K (x, x_{i}) + b$	建模的收敛性强, 适用于样本量小时的多质量同时预测建模	[36]
	BPNN	-	作为一种深度学习算法, 适合样本量较大时的质量预测建模, 对非线性关系具有较强的解释性。	[37]

Tools

Get Citation

Copy Citation Text

Xue-bing BAI, Dian-kun MA, Meng-jie ZHANG, Rui-qin MA. Hyperspectral Non-Destructive Analysis of Red Meat Quality: A Review[J]. Spectroscopy and Spectral Analysis, 2022, 42(7): 1993

Download Citation

EndNote(RIS)BibTex Plain Text

Set citation alerts for article

Save article for my favorites