今天介绍一篇来自安徽大学翁士状副教授课题组于2022年3月发表在Food Chemistry上的文章。该研究采用电子鼻和高光谱图像相结合的方法对羊肉总挥发性盐基氮(TVB-N)进行综合评价。为准确分析羊肉新鲜度提供了一种途径，并为其他肉类品质的研究提供了技术依据。
撰文（翻译）：宋方亮
编辑：肖冉
今天介绍一篇来自安徽大学翁士状副教授课题组于2022年3月发表在Food Chemistry上的文章。该研究采用电子鼻和高光谱图像相结合的方法对羊肉总挥发性盐基氮(TVB-N)进行综合评价。为准确分析羊肉新鲜度提供了一种途径，并为其他肉类品质的研究提供了技术依据。
介绍
羊肉是一种优质的肉源，富含维生素、钙、磷和铁，其钙含量明显超过牛肉和猪肉。在现代羊肉贸易和销售中，屠宰后的长途运输和冷链储存是必不可少的。在这个过程中，肉类新鲜度容易受到微生物入侵和生化反应的影响，产生腐胺、硫化氢、硫醇和其他对食用质量和商品价值产生不利影响的物质。不同新鲜度的羊肉的外观特征相似，肉眼难以区分，人们采用了各种分析方法来检测羊肉的新鲜度。因此，开发一种简便、快速、经济的羊肉新鲜度检测技术具有重要意义。
高光谱图像(HSI)和电子鼻(E-nose)常用于肉类品质的快速检测。TVB-N是评价肉类新鲜度的一个重要的综合指标。由于从光谱或传感器数据中提取精确有效的特征对卷积神经网络（CNN）来说是困难的，故本研究使用电子鼻和HSI结合改进的CNN开发了一种用于测定羊肉TVB氮的新技术(图1)。
图1.电子鼻和HSI检测羊肉TVB-N的流程图
结果和讨论
2.1.电子鼻响应法检测羊肉TVB-N
使用电子鼻反应(S1-10)，TVB-N值从8到42(mg/100g)(图2A)，结果初步证实了电子鼻可以检测羊肉的新鲜度，特别是7个传感器(S2、S4、S6、S7、S8、S9、S10)。结果证明了利用响应电子鼻数据检测羊肉TVB-N的潜力，但准确性需要提高。
2.2.羊肉TVB-N的反射光谱检测
使用不同TVB-N波长范围(400-1000 nm)的羊肉样品的平均反射光谱(图2B)。结果证明EWs的光谱对于筛选信息和提高计算效率以及增加检测准确度是有效的。
2.3.基于HSI图像特征的检测
利用色矩和GLGCM从HSI图像中提取了羊肉的9个颜色特征和60个纹理特征。使用PLSR、RF、SVR、CNN和IMCNN建立了TVB-N的评估模型。与基于电子鼻或基于光谱的模型相比，这些模型的性能明显较差。利用皮尔逊相关系数来分析羊肉TVB-N与图像特征之间的相关性，以获得重要的特征，根据这些特征可以提供一些积极的额外信息来改进TVB-N的测定。
2.4.电子鼻和HSI检测羊肉TVB-N
根据先前的检测结果依次对特征进行融合，以获得更好的检测效果。预测结果大多优于单独使用电子鼻数据或光谱开发的模型，这表明不同的传感数据提供了更全面的TVB-N分析。
表1 融合PLSR、RF、SVM、CNN和IMCNN特征的羊肉TVB-N检测结果
图3. 基于7个电子鼻传感器与EWS光谱的融合
(‘△’:基于训练数据集；‘○’:基于预测数据集)
综上所述，该方法能准确检测羊肉中的TVB-N，并有望应用于肉类或食品的其他品质特性检测。
结论
文章研究开发了一种新的方法，利用电子鼻、HSI和深度学习网络来检测羊肉样品中的TVB-N。为了最大化细胞神经网络的特征自提取能力，在网络前增加了一个输入修正层，用于构建一维向量特征的IMCNN。将PLSR、RF、SVR和CNN与所提出的IMCNN进行了比较，结果表明，电子鼻和HSI的融合可以实现更准确的羊肉TVB-N检测。该方法为肉类和其他食品的质量评价提供了一种有效的方法。进一步的研究应通过从不同地区、不同饲养方式和不同生长周期获取样品来增加样品的多样性，以提高稳健性和适用性。此外，还应设计一种集成了电子鼻传感器、反射光谱和图像的定制检测系统，以促进其工业应用。
作者简介
通讯作者：翁士状
博士，博士，副教授，硕士生导师，主要从事图谱检测与仪器研发、机器学习以及深度学习方法应用等方面研究。主持和参与安徽省重点研究与开发计划(面上攻关)、省自然科学基金、省科技强警项目、省教育厅自然科学研究项目、国家“863”项目、国家自然科学基金和国家科技支撑等多项课题的研究。
参考文献
Liu C, Chu Z, Weng S, et al. Fusion of electronic nose and hyperspectral imaging for mutton freshness detection using input-modified convolution neural network[J]. Food Chemistry, 2022, 385: 132651.
长按关注我们
微信号｜FoodAI
原创文章，作者：ifyoung，如若转载，请注明出处：https://www.drugfoodai.com/goat-cnn.html
注意：本站原创指的是原创编译，并不主张对所介绍的工作的版权，如有侵权，请联系删除！
微信扫一扫 
支付宝扫一扫 相关推荐
-
重磅干货：食品科学数据库资源汇总（国内篇）
近些年，随着各行业的数据呈现爆炸式增长，越来越多的数专业据库不断涌现，这些数据库为业内研究者提供了广泛的数据基础。在药物和食品研究领域，除了Pubchem, ChEMBL等综合性的数据库之外，也有DrugBank, Foodb等专业性的数据库。近年来，食品科学领域与人工智能的交叉越来越广泛和深入，在食品安全和食品营养等领域涌现了大量的优秀成果。但目前，食品科学领域相对于药物研发领域，数据库的类别和数量仍然还有很大差距。而获取优质的大量的数据是人工智能方法的前提，因此专业数据库的发展就显得尤为重要。
-
FOOD CHEM|海南大学云永欢课题组：高光谱成像技术结合数据融合的罗非鱼鱼片新鲜度快速检测研究
该文研究了两种波段范围的高光谱成像系统（可见-近红外光谱（Vis-NIR）和近红外光谱（NIR））在冷藏期间测定罗非鱼鱼片中挥发性盐基氮（TVB-N）含量的潜力。利用Vis-NIR和NIR数据，建立了高光谱图像中罗非鱼鱼片平均光谱与其TVB-N含量之间的校正模型，并采用数据融合和多种变量选择方法对模型进行优化。最后，采用优化的模型来实现罗非鱼鱼片中TVB-N含量的可视化分布。结果表明，高光谱成像技术结合数据融合和变量选择等化学计量学方法在罗非鱼鱼片新鲜度无损评价分析中具有可行性。
-
基于数据和结构的组合建模方法筛选数据库中潜在甜味分子
今天给大家介绍一篇由Anukrati Goel等人合作的，于前段时间发表在Food Chemistry的一篇文章，文章中作者介绍了一种基于计算机驱动的方法，可以从大型天然化合物数据库中筛选出潜在的新型甜味剂。
-
一种基于机器视觉系统和深度学习的检测姜黄粉中掺假的新方法
今天介绍一篇最近由伊朗阿达比大学生物系统工程系Ahmad Jahanbakhshi等人发表在COMPUT BIOL MED （Q1, IF: 4.589）期刊上的文章。文章研究中，采用改进的卷积神经网络(CNN)对姜黄粉末图像进行分类，以检测参假。结果表明，计算机视觉，特别是与深度学习(DL)相结合，可以成为评价姜黄粉质量和检测参假的一种有价值的方法。
-
食品质量和真伪分析评估的数据挖掘/机器学习方法
近年来，为了更好地鉴定食品，通过现代分析仪器所获得的数据种类和数量急剧增加。一些模式识别工具已经被开发来处理大量复杂的有效试验数据。应用最广泛的方法有主成分分析(PCA)、部分最小二乘判别分析(PLS-DA)、类模型方法(SIMCA)、k-最近邻分类算法(kNN)、平行因子分析(PARAFAC)和多元曲线分辨率-交替最小二乘分析(MCR-ALS)。然而，也有一些替代的数据处理方法，如支持向量机(SVM)、分类回归树(CART)和随机森林(RF)等，与传统的数据处理方法相比，显示出巨大的潜力和优势。在这篇文章中，作者解释了这些方法的背景，并回顾和讨论了这三种方法在食品质量和真实性领域的应用研究的报道。此外，作者声明清楚了在这一特定研究领域中使用的专业术语。
-
色谱与化学计量学相结合在食品鉴定中的应用
食品掺假并非我们这个时代的现象，其历史可以追溯到食品制造的开始。关注食品欺诈问题是一个迅速发展的领域，这是由于公众对经济动机驱动的掺假的认识不断提高，而这可能会给人类带来严重的公共健康风险。化学计量学为光谱和色谱数据的校准分析提供了强大的工具，可用于有明确终点和无明确终点的方法中，以识别各种食品欺诈情况或验证其地理或生物学起源。
-
FOOD CONTROL|长江大学谷惠文/尹小丽: 基于二维指纹图谱和化学计量学的茶叶产地识别及标志物筛选
该研究首次提出运用高效液相色谱-二极管阵列检测器采集样本的二维指纹图谱(2D HPLC-DAD)用于中国绿茶的原产地识别。通过多元曲线分辨-交替最小二乘算法(MCR-ALS)盲分辨提取了绿茶样本的62种化学成分，并对其进行不同尺度化(UV和Par)下的主成分分析(PCA)和正交偏最小二乘-判别分析(OPLS-DA)。结果表明，浙江、山东两产地茶叶样本具有明显的聚类趋势。最终筛选出17个特征成分可作为区分浙江茶和山东茶的化学标志物，识别准确率达92.86%。
-
食品命名实体识别的BERT模型:算法开发与验证
今天介绍一篇最近由斯科普里大学计算机科学与工程学院Riste Stojanov等人发表在医学互联网研究杂志上的文章。文章研究了最近发布的基于Transformer的双向编码表示(BERT)模型，该模型在信息提取方面提供了最先进的结果，可以对食品信息提取进行微调。
-
食品设计：基于机器学习和机制的混合建模方法
当前，食品设计是通过不断试错并由品尝小组做出感官评价完成的。为了加快新食品的开发速度，提出了一种混合机器学习和机制建模的方法。用由所需食品过往数据训练的机器学习模型进行感官评价预测。该方法基于启发法、数据库等，首先确定候选食品组分和加工中的关键操作条件。与这些组分和加工条件（设计变量）有关的像颜色、松脆度和风味这样的食品特性都用到机制模型。通过改变设计变量来优化所需的食品特性，从而获得最高感官评分。使用遗传算法解决此灰箱优化问题，将设计约束（所需食品特性）处理为罚函数。提供了一个巧克力曲奇饼干的示例以说明混合建模结构的适用性和解决方案策略。
-
李培武院士团队张兆威：通过Z型Cu2O/Cu3SnS4的智能手机驱动的光电化学POCT，用于检测邻苯二甲酸二丁酯
今天介绍一篇由中国农业科学科院油料作物研究所李培武院士团队于2023年8月发表在国际学术期刊Journal of Hazardous Materials（IF=13.6）上的题为“A smartphone-powered photoelectrochemical POCT via Z-scheme Cu2O / Cu3SnS4 for dibutyl phthalate in the environmental and food”的文章。中国农业科学院油料作物研究所张兆威研究员为论文通讯作者。
