彩票走势图

研究进展
当前位置:电子期刊>研究进展 >详情
华南理工大学孙大文教授:肌肉食品安全评价的最新进展:高光谱影像分析与应用
时间:2022-10-07    来源:    点击数:786    分享到:


1-首图.png

2022年9月,华南理工大学食品科学与工程学院孙大文教授团队在国际期刊Critical Reviews in Food Science and Nutrition(IF:11.208)发表了题为“Recent advances in muscle food safety evaluation: Hyperspectral imaging analyses and applications”的综述文章。

摘要


随着肉类行业对质量和安全过程控制的兴趣日益浓厚,通过将光谱和成像技术集成到一个系统中,高光谱成像,或化学或光谱成像已成为一种替代分析技术,可以提供光谱的空间分布快速无损检测肉类安全。这篇综述讨论了高光谱成像系统的配置和肌肉食品的安全指标,这些指标涉及生物、化学和物理属性以及其他相关的危害或毒物,这些危害或毒物可能会导致安全问题。重点关注高光谱成像技术在肌肉食品安全性评价中的应用,包括猪肉、牛肉、羊肉、鸡肉、鱼和其他肉制品

图像


1-图1.jpeg

图1 散射模式 HSI 系统原理图,线形 IFOV 反射模式和圆形 IFOV 反射模式

1-图2.jpeg
图2 HSI 在肉禽胴体中的在线应用
结论


这篇综述探讨肌肉类食物的高光谱影像系统和安全指标的结构,包括生物、化学和物理特性以及其他相关的危害或毒素。这次审查涵盖的肌肉食品包括猪肉、牛肉、羊肉、鸡肉、鱼肉和其他肉制品。虽然由于光源、成像光谱仪和照相机的组合,HSI 可以提供光谱的空间分布,即拥有属性泛音和 C-H、 N-H 和 O-H 基团的组合,但仍需努力克服 HSI 技术的缺点,以便在工业水平上进一步应用。

随着传感器和制造技术的进一步发展,未来可以开发更先进的高光谱核心部件,包括成像光谱仪、照相机和硬件加速器,用于微机电光学模块、高速图像采集、良好的信噪比照相机和较低的硬件成本。深度学习在图像处理领域已经取得了显著的进展,深度神经网络(DNN)、卷积神经网络(CNN)和限制性波尔兹曼机器(RBM)等更为强大的深度学习方法可以从图像中提取有意义的信息,并自动建立 HSI 特征与所需信息之间的关系,以保证肌肉食品的安全性。此外,未来的研究亦可集中于实验室原型的工业化,以便业界应用于实际的网上,并发展低成本的微机电系统高光谱影像、稳健的识别模型和便利的应用操作。




文章链接:

DOI: 10.1080/10408398.2022.2121805


你知道你的Internet Explorer是过时了吗?

为了得到我们网站最好的体验效果,我们建议您升级到最新版本的Internet Explorer或选择另一个web浏览器.一个列表最流行的web浏览器在下面可以找到.