<dfn id="sb4jj"><cite id="sb4jj"></cite></dfn> 
快速無損檢測-Videometer多光譜檢測系統
牛肉因其營養豐富、食用價值高而備受國內外歡迎。水是肉類的主要成分，約占肉類總重量的75%，肉類保持水分的能力，被定義為系水力，是工業和消費者關注的一個重要質量參數。對肉類行業來說，新鮮肉類的保水力影響其技術質量，即加工產量，而對于消費者來說，低的保水力對新鮮肉類的零售減少有不利的影響，并影響肉類終產品的感官質量。肉類中的顏色與肌肉中的肌紅蛋白水平有關，并受到冷凍儲存的影響。雖然肌紅蛋白是負責肉類顏色的主要蛋白質，但其他蛋白如血紅蛋白也可能影響顏色。冷凍儲存期間的溫度波動會導致不同的物理變化，如血紅蛋白環境的變化從而導致顏色變化。肉的質量也受到肉的冷凍率和條件的影響。汁液損失會導致硫胺的損失，影響肉類的外觀。解凍后，肉類通常不會恢復到冷凍前的充氧水平，這種缺氧使肉變暗，當肉凍得更久的時候，顏色會變得更暗。液體的流失通常會降低食品的質量和結合能力，這些都是降低其經濟價值的因素。研究者廣泛研究了冷凍速率、貯藏和解凍方式對肉樣品質的影響。牛肉凍融后流失掉很多可溶性蛋白。在解凍過程中產生的流失量與凍融速率有關，也與凍肉中冰晶的大小和位置有關，也有研究表明冷凍速率增大能減少汁液損失。
多光譜成像是一種新興的技術，它將光譜學和影像學結合在一個系統中，同時從一個物體上同時獲取空間和光譜信息。多光譜成像系統捕捉到的三維圖像是由幾個特征相關的單波段圖像組成的，這些包含大量信息的三維數據可以用來分析和確定樣本中細微的和微妙的物理和化學特征。與高光譜成像相比，較少的處理時間使多光譜成像系統滿足了用于在線高通量篩選的工業生產線的速度要求，以評估肉類的質量、營養、安全性和真實性。近年來，多光譜成像技術作為一種快速無損的分析方法已被廣泛應用到魚、肉、水果、蔬菜、種子等領域。在肉制品加工和貯藏過程中，肉的化學成分和物理狀態均發生較大的變化。筆者探究多光譜技術結合優化化學計量方法鑒別不同冷凍處理牛肉的可行性，并結合水分、顏色和質構參數對不同冷凍處理牛肉進行綜合
評價。
快速無損檢測-Videometer多光譜檢測系統構成
一個典型的多光譜成像光譜系統由光源、成像光譜儀、紅外光照相機、鏡頭、移動樣本臺、計算機圖像采集系統和運動控制系統等組成，其中成像光譜儀多采用光柵進行分光。移動樣本臺由步進電動機驅動做勻速移動。有些系統為了調節方便，配制了三維運動平臺，可作x, y軸方向上的勻速移動，還可根據樣本尺寸在z軸方向上調整高度。有些成像光譜系統中樣本是固定不動的，而紅外光照相機和成像光譜儀勻速移動，完成光譜圖像的掃描。
主要特點
集成球體提供均勻和彌散光線照明
5-10秒鐘內實現光譜成像和定量分析
19-20不同波長/光源
多光譜熒光備選
顆粒產品自動進料備選
6或9.1百萬像素/波長提供1.2-3.6億像素/幀分辨率
標準設備包括易于使用設備校準
與傳統RGB技術相比具有的彩色測量功能
根據應用需求可自動切換動態范圍
光源壽命長、可達10萬小時
*LED光源技術穩定性增強
前光燈和背光燈組合、備選背光燈
相對樣品自動移動照明
研究用*探索軟件
易用常規應用配方構建工具（建模）
成像特點
快速、無損檢測
包括處理在內每樣品處理僅需10-20秒
與其它破壞性技術組合
高靈活性測量
主要專注：可重復洗、可追溯性、耐用性、可傳遞性
Videometer多光譜檢測系統的快速無損檢測技術參數
全套分析時間5-10秒/樣品
電源：100 -240 V AC, 50/60 Hz
電源功耗300 VA
環境溫度操作: 5 - 40℃，儲存；-5 - 50℃
環境濕度20-90 % RH相對濕度，非冷凝
PC 要求 低配置: Intel i7 或更佳, 16GB RAM, USB2 端口, USB3超速端口
軟件要求Microsoft Windows 7/8.1/10 Professional，l64 bit, 全新windows 版本
硬件備選暗場/明場背光 濾波輪 (用于熒光) 自動進樣 (顆粒產品)
軟件備選圖像處理工具包 (IPT) 光譜成像工具盒 (MSI) 斑點工具盒
牛肉樣本。樣本均來自同一頭牛，并保證新鮮在15min之內運回實驗室，立即剔去脂肪和筋腱，然后分成兩大塊，*塊放置在4 ℃冰箱冷藏 24h，用于后續試驗，第二塊切成40個7cm×4cm×2cm大小、約40g的長方體樣本，采集光譜信息。不同冷凍方法處理對肉類品質的影響是社會和消費者都很關注的問題。通過3種不同冷凍處理方法與對照組比較，試驗結果表明，冷凍處理后的牛肉相比于對照組的自由水含量增加，結合水含量、蒸煮損失和解凍汁液流失降低，在不破壞細胞結構的前提下，冷凍速率越高，對牛肉的物理性質影響越小。同時說明，多光譜成像技術結合傳統化學計量學方法能夠實現對不同冷凍方法處理牛肉的檢測和鑒別，建模集和預測集的準確率分別達到了86.67%和83.33%。在不同處理組中，－4 ℃處理組容易發生錯判，－20 ℃結合液氮組錯判樣本數少，表明冷凍速率越大，模型的鑒別效果越好。
