科研应用|高光谱检测鲜冻鱼与冷冻鲫鱼实验

一、实验背景

高光谱检测技术在食品质量评估领域，特别是在检测冰冻鱼类新鲜度方面，是一种先进且无损的检测手段。这样不仅能够快速准确地评价冰冻鱼的新鲜度，而且整个过程不需对样品造成任何物理损伤，有利于实现食品工业中快速、客观的质量控制和食品安全监管。具有无损检测、高精度和灵敏度、全面性、快速便捷、标准化和智能化、环保安全等优势。

二、实验原理

该实验原理是利用高光谱成像仪获取样本在特定波长范围内的光谱信息，通常包括可见光到近红外区域，甚至有时会延伸到中红外或短波红外区。这些设备能够捕捉到非常详细的光谱数据，每一点像素都对应一个完整的光谱曲线，反映出样本内部成分的变化情况。对于冰冻鱼类新鲜度检测来说，随着鱼类的腐败进程，肌肉组织中的蛋白质、脂肪、水分以及其他生物分子会发生分解和化学反应，导致其光谱特性发生变化。高光谱成像可以通过测量这些变化来间接判断鱼类的新鲜度。例如，腐败过程中产生的挥发性盐基氮（TVB-N）、pH值、氧化程度以及微生物活动等指标均能在光谱数据中体现。此外，高光谱成像还可以结合各种数据处理技术和化学计量学方法（如多元线性逐步回归、偏最小二乘回归等），建立模型来预测和区分不同新鲜度等级的冰冻鱼类。

三、实验设计

使用400-1000nm可见近红外高光谱相机对鲫鱼样品进行高光谱数据采集，分别对新鲜活鲫鱼，冷冻1、4、16天鲫鱼进行表面无损测量。使用高光谱数据处理和分析软件对采集的数据进行降噪和反射率计算等数据预处理。

四、实验装置

实验装置图

五、实验结论

使用主成分分析（ Principal Component Analysis ，PCA）算法，主成分分析法是一种常用的数据降维和特征提取技术，它是多元统计分析的一个重要分支，主要目的是通过线性变换将原始数据集中的多个可能相关的变量转换为一组新的、线性无关的综合变量，称为主成分（Principal Components）。这些主成分是按方差递减顺序排列的，第一个主成分具有最大的方差，反映了数据集中最重要的信息，第二个主成分尽可能多地反映剩余方差，以此类推。

通过反射率曲线和主成分分析合成彩色图能比较直观分辨出新鲜与冷冻鲫鱼，问题点：不同冷冻时间的鲫鱼曲线和主成分的差别不是很明显。