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
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。
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。
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