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

Journals >Spectroscopy and Spectral Analysis >Volume 42 >Issue 7 >Page 1993 > Article

Spectroscopy and Spectral Analysis
Vol. 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^*;

Author Affiliations

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

show less

DOI: 10.3964/j.issn.1000-0593(2022)07-1993-06 Cite this Article

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 Copy Citation Text

show less

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

Download full size | View in the Article

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	$W_{Ψ} f (a, b) = \frac{1}{\sqrt[]{\| a \|}} \int_{-}^{\infty} f (t) Ψ^{*} (\frac{t - b}{a}) d t$		[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 1. Classification of spectral preprocessing algorithm

View in the Article

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 2. Feature information of red meat image

View in the Article

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]

Table 3. Quantitative prediction model of red meat quality

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

Tools

Save the article for my favorites

Paper Information