摘 要：紅肉品質(zhì)的傳統(tǒng)檢測方法會對樣品造成污染，影響其理化指標(biāo)的測定結(jié)果，在檢測某些標(biāo)量指標(biāo)的同時還會具有一定的破壞性。因此，準(zhǔn)確、無損、快速的檢測評價對推動肉制品企業(yè)的發(fā)展具有十分重要的意義。近些年，高光譜成像技術(shù)在肉品品質(zhì)檢測和評價中的應(yīng)用已成為研究熱點，該技術(shù)已被廣泛應(yīng)用于食品安全與農(nóng)產(chǎn)品質(zhì)量檢測中，并且取得了較好的研究成果。本文主要綜述了近年來高光譜成像技術(shù)在紅肉品質(zhì)檢測中的應(yīng)用研究，分別從肉類品質(zhì)評定的感官指標(biāo)、內(nèi)在指標(biāo)2 個方面進行闡述。最后，對高光譜成像技術(shù)現(xiàn)存的一些不足和其在肉制品檢測中的發(fā)展前景進行概述。

關(guān)鍵詞：高光譜成像；紅肉；品質(zhì)評定；無損檢測

Recent Progress in Evaluation of Red Meat Quality Using Hyperspectral Imaging Technology

LI Dongze1， WU Guifang1，*， LIU Hantao2， YANG Ming1， XING Kai1

（1.College of Mechanical and Electrical Engineering， Inner Mongolia Agricultural University， Hohhot 010018， China；

2.College of Food Science and Engineering， Inner Mongolia Agricultural University， Hohhot 010018， China）

Abstract： When the quality of red meat is detected by traditional methods， the sample will be contaminated， affecting the measurement of physicochemical indexes. They are also destructive when used to measure certain scalar indexes. Therefore， accurate， non-destructive and rapid detection or evaluation of meat products is of great significance to the development of meat product industries. The application of hyperspectral imaging technology in the detection and evaluation of meat product quality has become a research hotspot in recent years. This technology has been widely used in food safety detection and quality evaluation of agricultural products with good results. This article reviews the application of hyperspectral imaging technology in the detection of red meat quality with respect to sensory and intrinsic quality parameters in recent years. Finally， an overview of some drawbacks and future prospects of hyperspectral imaging technology in the detection of meat products is presented.

Keywords： hyperspectral imaging； red meat； quality assessment； non-destructive testing

DOI：10.7506/rlyj1001-8123-201807011

中圖分類號：TS251.7 文獻標(biāo)志碼：A 文章編號：1001-8123（2018）07-0059-05

引文格式：

李東澤， 吳桂芳， 劉漢濤， 等. 基于高光譜成像技術(shù)的紅肉品質(zhì)評定研究進展[J]. 肉類研究， 2018， 32（7）： 59-63. DOI：10.7506/rlyj1001-8123-201807011. http：//www.rlyj.pub

LI Dongze， WU Guifang， LIU Hantao， et al. Recent progress in evaluation of red meat quality using hyperspectral imaging technology[J]. Meat Research， 2018， 32（7）： 59-63. DOI：10.7506/rlyj1001-8123-201807011. http：//www.rlyj.pub

紅肉主要包括豬肉、牛肉和羊肉，是餐桌上必不可少的食物。從營養(yǎng)學(xué)角度來講，紅肉具有豐富的蛋白質(zhì)、脂類、微量元素和礦物質(zhì)等[1]，不但能促進人體生長發(fā)育、還能夠滿足人體日常的營養(yǎng)需求，所以紅肉是具有較高價值的畜產(chǎn)品。隨著人們生活水平的不斷提高，肉類的品質(zhì)和食用安全性成了消費者日益關(guān)注的對象；此外，肉類的品質(zhì)等級直接決定著其在市場上的售價與銷量，關(guān)乎企業(yè)的利益，所以肉品的品質(zhì)檢測和評價也成為近些年的研究熱點。肉類品質(zhì)的評價通常會評估一些代表質(zhì)量特征的指標(biāo)，紅肉的品質(zhì)評價指標(biāo)有很多，主要分為感官指標(biāo)和內(nèi)在指標(biāo)兩大類。感官指標(biāo)，如色澤、嫩度、大理石花紋等，可作為評價肉品的首要依據(jù)；內(nèi)在指標(biāo)，如pH值、系水力、微生物等[2]，則與肉品的營養(yǎng)價值與食用安全性有著重要聯(lián)系。傳統(tǒng)的肉類品質(zhì)檢測方法主要以化學(xué)方法和感官檢測為主，前者的檢測精度比較高，但卻有著操作難、損壞樣品以及檢測周期長等缺點，后者則是主觀性比較強，重復(fù)性差，耗時又耗力[3-4]。與傳統(tǒng)方法相比，高光譜成像技術(shù)則是具有前途的方法之一，它兼具光譜和成像技術(shù)的優(yōu)點，且能夠快速無損地提取樣品的化學(xué)成分、物理性質(zhì)等相關(guān)指標(biāo)，應(yīng)用這種技術(shù)不但可以滿足消費者的需求，而且可以對我國肉品生產(chǎn)加工行業(yè)的發(fā)展起到一定促進作用。隨著高光譜成像技術(shù)的興起與快速發(fā)展，高光譜成像這種高效、安全、科學(xué)的技術(shù)已經(jīng)被廣泛

地應(yīng)用在諸多領(lǐng)域，食品安全檢測[5-6]、生物醫(yī)學(xué)[7-8]、遙感監(jiān)測[9-11]、農(nóng)林防害[12-13]、地質(zhì)污染檢測[14-15]、飛航導(dǎo)彈及航空航天[16-18]等。

1 高光譜成像技術(shù)

高光譜成像技術(shù)融合了光譜技術(shù)和圖像技術(shù)，作為一種新興且發(fā)展迅速的光電檢測融合技術(shù)，它兼具光譜分辨能力和圖像分辨能力。光譜信息反映了樣品內(nèi)部的信息，圖像信息則反映了樣品外部的信息，在獲取待測樣品指標(biāo)的同時保留了其原始的理化性質(zhì)，并且能夠彌補傳統(tǒng)方法的不足，做到對樣品的準(zhǔn)確、無損、快速檢測。通過高光譜成像技術(shù)獲取的圖像數(shù)據(jù)在可見光和近紅外區(qū)域可達幾十到數(shù)百個波段，光譜分辨率可達納米級別，因而具備了探測出樣品精細光譜的能力，能夠探測到在寬波段中無法探測到的光譜特征[19-22]。高光譜成像技術(shù)原理是利用傳統(tǒng)的二維成像和光譜學(xué)的集成硬、軟件平臺獲得待測物每個像元的空間信息和光譜信息，通過對待測物空間位置信息和光譜信息的獲得，對這些獲得的數(shù)據(jù)信息進行定性與定量分析，進而很好地反映待測物的綜合性狀與特性，因此高光譜成像技術(shù)是具備優(yōu)勢和潛在能力的技術(shù)。應(yīng)用高光譜成像系統(tǒng)進行待測物指標(biāo)檢測的主要步驟為準(zhǔn)備待測樣品、采集高光譜圖像、進行光譜曲線分析處理、建模分析與指標(biāo)預(yù)測。高光譜成像系統(tǒng)主要由光譜儀、光源、電荷耦合元件（charge coupled device，CCD）相機和計算機構(gòu)成，示意簡圖如圖1所示。

2 高光譜成像技術(shù)在紅肉品質(zhì)檢測中的應(yīng)用

2.1 高光譜成像技術(shù)在紅肉感官指標(biāo)檢測中的應(yīng)用

2.1.1 色澤

肉類的色澤對消費者的感官判斷和購買意愿具有首要影響作用，色澤的測定通常有比色板法、儀器測色法和化學(xué)測定法。其中儀器測定法是利用色度儀測取肉品表面的亮度值（L*）、紅度值（a*）和黃度值（b*）來評定肉色[23]。高光譜成像技術(shù)在肉品色澤的無損檢測中取得了一定的研究成果。梁曉燕等[24]應(yīng)用波段為400～1 000 nm的高光譜成像系統(tǒng)結(jié)合化學(xué)計量學(xué)分析方法對寧夏冷鮮灘羊肉的顏色進行無損檢測研究，結(jié)果表明，高光譜成像技術(shù)可以成為羊肉顏色無損檢測的有效手段。朱榮光等[25]利用高光譜成像技術(shù)對新疆地區(qū)的新鮮牛肉顏色進行檢測研究，選用具有樣品代表性的光譜信息，經(jīng)由多種預(yù)處理方法，建立預(yù)測各顏色參數(shù)的模型并對模型進行評價，取得了理想的模型預(yù)測效果。這些研究表明，高光譜成像技術(shù)不僅可以作為無損檢測肉品色澤的有效手段，并且可以取特定區(qū)域或品種的肉樣作為研究對象，這一點也為實際生產(chǎn)與在線檢測提供了一定的理論基礎(chǔ)。

2.1.2 嫩度

肉品的嫩度是指對碎裂的抵抗能力，可根據(jù)其易碎性、柔軟性來進行主觀判定；客觀評定則采用剪切力測定法，剪切力測定法主要為沃-布剪切力（Warner-Bratzler shear force，WBSF）測定。王婉嬌等[26]應(yīng)用高光譜成像系統(tǒng)提取樣本感興趣區(qū)域（region of interest，ROI）的反射光譜曲線，肉樣的標(biāo)準(zhǔn)嫩度值用剪切力值來表征，結(jié)合偏最小二乘回歸（partial least squares regression，PLSR）化學(xué)計量分析方法建立羊肉嫩度預(yù)測模型，預(yù)測相關(guān)系數(shù)與預(yù)測均方根誤差（root mean square error of prediction，RMSEP）值表明模型具有較好的預(yù)測穩(wěn)定性。Naganathan等[27-28]利用400～1 000 nm全波段范圍高光譜成像技術(shù)對牛肉嫩度進行建模分級研究，2 次建模的分級準(zhǔn)確率分別為77.0%和96.4%。王松磊等[29]利用近紅外高光譜成像技術(shù)與圖譜結(jié)合的方法，建立羊肉嫩度的檢測模型，優(yōu)選經(jīng)Savitzky-Golay卷積平滑法處理的特征波長下光譜信息，進行PLSR建模，模型的預(yù)測相關(guān)系數(shù)RP=0.84，RMSEP=0.95，表明模型具有可行性。趙娟等[30]利用高光譜成像技術(shù)獲取牛肉的相關(guān)信息，篩選出最能表征牛肉剪切力值的波段，建立線性和支持向量機判別模型，其中主成分紋理特征的線性判別模型預(yù)測精度可達94.44%。Elmasry等[31]利用高光譜成像技術(shù)對牛肉嫩度進行研究，基于偏最小二乘法建立模型，模型的嫩度預(yù)測相關(guān)系數(shù)R2cv與交互驗證均方根誤差（root mean square error by cross validation，RMSECV）分別為0.83、40.75。

2.1.3 大理石花紋

大理石花紋是指肉品肌纖維之間的脂肪沉積[32]。花紋越豐富，肉品的風(fēng)味越好，系水力、嫩度、口感和滑膩感越佳；花紋很少或幾乎沒有，則肉品的水分少、風(fēng)味不佳、口感差、質(zhì)地硬。肉品等級評價中將大理石花紋的豐富程度作為基礎(chǔ)參考，因此大理石花紋的分割提取對于肉品的等級評定具有重要意義。高光譜成像技術(shù)在大理石花紋的提取中也有著一定的優(yōu)勢，例如孫嘯等[33]

應(yīng)用該技術(shù)獲得了牛肉眼肌大理石花紋圖像，從肌肉區(qū)域與脂肪區(qū)域反射強度的比值曲線發(fā)現(xiàn)，在某個波長處兩區(qū)域光譜反射強度具有最大差值，確定此波長為最佳特征波長，分別對原始圖像和在最佳特征波長下的圖像進行大理石花紋提取，結(jié)果表明，后者具有更高分割精度。在確定最佳特征波長的基礎(chǔ)上，高曉東等[34]建立多元線性回歸模型和正則判定函數(shù)模型，得到各相關(guān)參數(shù)，表明預(yù)測模型在大理石花紋的分級和等級預(yù)測上具有比較理想的作用。高光譜成像技術(shù)的應(yīng)用使得大理石花紋的提取具有更高精度，這也為肉品等級的評定與劃分奠定了良好的基礎(chǔ)。

2.2 高光譜成像技術(shù)在紅肉內(nèi)在指標(biāo)檢測中的應(yīng)用

2.2.1 pH值

pH值通過影響紅肉的儲水能力和顏色，對紅肉的貯藏和質(zhì)量有很大影響。pH值的測定方法有儀器測定法、標(biāo)準(zhǔn)色管比色法和精密試紙法。Stuart等[35]提出一種非接觸式和非破壞性的方法來檢測在不同條件下貯藏的牛肉是否具有高于特定閾值的pH值，以趨向于黑干（dark firm dry，DFD）肉。pH值5.9以上的牛肉樣品分離準(zhǔn)確率為91%，pH值5.6以下的牛肉樣品分離準(zhǔn)確率高達99%，表明高光譜成像技術(shù)在篩選變質(zhì)肉品中有一定的發(fā)展前景。段宏偉等[36]對羊肉pH值進行檢測研究，通過2 種不同提取ROI的方法對羊肉pH值高光譜檢測模型進行評估與比較，結(jié)果表明，高光譜成像技術(shù)與“圖像分割法”提取ROI相結(jié)合的方法可以應(yīng)用在pH值的檢測中。陶斐斐[37]研究豬肉在4 ℃條件下貯藏數(shù)日的pH值與高光譜信息的關(guān)系，提出一種基于高光譜成像技術(shù)的豬肉新鮮度無損檢測評價方法。吳建虎等[38]應(yīng)用該技術(shù)將牛肉的pH值與對應(yīng)的高光譜數(shù)據(jù)進行預(yù)測建模，預(yù)測相關(guān)系數(shù)最高可達Rcv=0.86。朱榮光等[39]利用高光譜成像技術(shù)結(jié)合聯(lián)合區(qū)間偏最小二乘結(jié)合遺傳算法實現(xiàn)了羊肉pH值的特征波段篩選和快速準(zhǔn)確檢測?；谌ǘ蔚哪Ｐ徒肴哂嗟男畔?，為了不影響模型預(yù)測效果，選取恰當(dāng)?shù)牟ǘ魏Y選方法尤為重要。上述研究表明，高光譜成像技術(shù)可以有效地應(yīng)用在肉類pH值的快速無損檢測中。

2.2.2 系水力

系水力指是肉品在施加外力、切割、研磨、壓制或加熱過程中容納全部或部分水的能力[40]，影響肉品的嫩度、色澤、多汁性等，是決定紅肉鮮嫩度的一個主要質(zhì)量屬性。測定系水力的方法有多種，傳統(tǒng)方法一般有壓力法、重力法、離心法和烹飪損失法等[41-42]，通過模擬肉品在不同情況下的水分流失狀況，表征肉品的系水性能，這些傳統(tǒng)的方法既耗時又對肉樣具有破壞性，不適合企業(yè)生產(chǎn)中的大批量檢測。因此，引入高光譜成像這種非接觸和非破壞性的技術(shù)具有一定的可行性。Elmasry等[43]應(yīng)用高光譜成像技術(shù)對新鮮牛肉的系水力進行無損檢測，利用主成分分析方法，選取6 個特征波長，基于偏最小二乘回歸的方法進行預(yù)測模型的建立，模型的決定系數(shù)為0.87，預(yù)測標(biāo)準(zhǔn)誤差為0.28%，實驗證明，高光譜成像技術(shù)可以解決肉類系水力檢測不便的問題，為進一步開發(fā)快速檢測系水力的設(shè)備提供了理論依據(jù)。

2.2.3 微生物與化學(xué)成分

目前，用于檢測肉類微生物的傳統(tǒng)方法有基于顯微鏡的計數(shù)方法、ATP生物發(fā)光法、電現(xiàn)象的測量以及基于免疫學(xué)核酸的方法，這些方法不能實現(xiàn)肉類細菌污染的快速、準(zhǔn)確和無損檢測[44]。高光譜成像技術(shù)的發(fā)展與應(yīng)用推廣使得傳統(tǒng)方法的不足得到彌補，其在許多研究工作中已投入使用。Peng Yankun等[45]進行高光譜成像系統(tǒng)檢測豬肉細菌總數(shù)（total viable count，TVC）的研究，在對高光譜反射圖像進行采集和預(yù)處理后，采用逐步判別方法確定可表征豬肉TVC總變化的最佳波長，發(fā)現(xiàn)5 個最佳波長（480、525、650、720、765 nm）約占TVC預(yù)測總貢獻的94%；為預(yù)測豬肉的TVC，基于最小二乘支持向量機（least squares-support vector machine，LS-SVM）和5 個最佳波長進行模型的建立，模型的預(yù)測效果理想，該研究證明高光譜成像技術(shù)與LS-SVM模型相結(jié)合用于確定豬肉的腐敗程度是有效可行的。郭中華等[46]應(yīng)用近紅外高光譜成像系統(tǒng)對羊肉表面的TVC進行研究，利用多種化學(xué)計量學(xué)方法進行模型的建立與比較，最終得出徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)模型最優(yōu)，相關(guān)系數(shù)r=0.998 8，RMESP=0.250 7。田衛(wèi)新等[47]對熟牛肉新鮮度的評價指標(biāo)揮發(fā)性鹽基氮（total volatile basic-nitrogen，TVB-N）含量進行預(yù)測，應(yīng)用支持向量回歸方法建立TVB-N含量的預(yù)測模型，該模型預(yù)測準(zhǔn)確度可達85.13%。

3 結(jié) 語

高光譜成像技術(shù)融合了傳統(tǒng)成像和光譜技術(shù)的優(yōu)點，可以同時實現(xiàn)對多種質(zhì)量特性的無損檢測和可視化。然而，在商業(yè)和現(xiàn)實應(yīng)用環(huán)境中還存在一些需要解決的問題。首先，如圖像采集和后續(xù)圖像分析的高維度與時間限制，會限制高光譜成像技術(shù)在線檢測系統(tǒng)的實現(xiàn)，因此開發(fā)高效的算法顯得格外重要；其次，高光譜成像系統(tǒng)具有成本高的特點，雖然高光譜數(shù)據(jù)非常豐富，但其中也存在冗余的信息，這些冗余信息不利于后續(xù)的數(shù)據(jù)處理與分析，應(yīng)進行剔除并選取最能夠表征樣品信息的對應(yīng)光譜信息，因此，尋求最佳波段來預(yù)測紅肉的基本品質(zhì)屬性，建立多光譜成像系統(tǒng)將在產(chǎn)業(yè)應(yīng)用中具有實際意義；最后，大部分紅肉相關(guān)品質(zhì)評價指標(biāo)的研究主要運用線性方法建立預(yù)測模型，在建模時探究應(yīng)用非線性方法具有一定意義，是未來研究的方向。此外，現(xiàn)階段多數(shù)研究沒能囊括感官指標(biāo)和內(nèi)在指標(biāo)，進行品質(zhì)的綜合評定，嘗試將多種無損檢測的融合技術(shù)作為獲取樣品多元信息的有效手段以及開發(fā)、使用功能強大的智能化軟件對肉品做出綜合、全面的分析評價都將成為日后的發(fā)展趨勢。

參考文獻：

[1] 趙曉珍. 從營養(yǎng)和安全的角度看紅肉與健康[J]. 中國果菜， 2016， 36（7）： 9-12. DOI：10.3969/j.issn.1008-1038.2016.07.003.

[2] 段晨磊. 牛肉品質(zhì)的評定指標(biāo)及測定方法[J]. 飼料廣角， 2013（22）： 39-41. DOI：10.3969/j.issn.1002-8358.2013.22.014.

[3] 陳士進， 彭增起， 李景軍， 等. 光譜技術(shù)預(yù)測牛肉嫩度研究進展[J]. 食品科學(xué)， 2013， 34（1）： 333-339.

[4] 楊東， 王紀(jì)華， 陸安祥. 肉品質(zhì)量無損檢測技術(shù)研究進展[J]. 食品安全質(zhì)量檢測學(xué)報， 2015， 6（10）： 4083-4090.

[5] 孫俊， 金夏明， 毛罕平， 等. 高光譜圖像技術(shù)在摻假大米檢測中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報， 2014， 30（21）： 301-307. DOI：10.3969/j.issn.1002-6819.2014.21.036.

[6] 何加偉， 王懷文， 計宏偉. 基于近紅外高光譜成像技術(shù)的新鮮與凍融牛肉鑒別技術(shù)研究[J]. 食品工業(yè)科技， 2016， 37（9）： 304-307； 316. DOI：10.13386/j.issn1002-0306.2016.09.050.

[7] REGELING B， THIES B， GERSTNER A O H， et al. Hyperspectral imaging using flexible endoscopy for laryngeal cancer detection[J]. Sensors， 2016， 16（8）： 1288. DOI：10.3390/s16081288.

[8] 劉明， 趙靜， 李剛， 等. 高光譜成像用于中醫(yī)舌診舌苔信息提取[J].

光譜學(xué)與光譜分析， 2017， 37（1）： 162-165. DOI：10.3964/j.issn.1000-0593（2017）01-0162-04.

[9] 遲光宇， 郭楠， 陳欣. 重金屬污染農(nóng)田的高光譜遙感監(jiān)測研究[J]. 土壤與作物， 2017， 6（4）： 243-250. DOI：10.11689/j.issn.2095-2961.2017.04.001.

[10] 賀佳， 劉冰峰， 郭燕， 等. 冬小麥生物量高光譜遙感監(jiān)測模型研究[J].

植物營養(yǎng)與肥料學(xué)報， 2017， 23（2）： 313-323. DOI：10.11674/zwyy.16173.

[11] 張集民. 高光譜遙感在草原監(jiān)測中的應(yīng)用[J]. 畜牧獸醫(yī)科學(xué)（電子版）， 2017（9）： 87. DOI：10.3969/j.issn.2096-3637.2017.09.082.

[12] 王勝， 潘潔， 張衡， 等. 基于高光譜遙感影像的森林病蟲害監(jiān)測研究進展[J]. 林業(yè)資源管理， 2014（3）： 134-140. DOI：10.13466/j.cnki.lyzygl.2014.03.029.

[13] 潘潔， 廖振峰， 張衡. 基于高光譜數(shù)據(jù)的森林病蟲害監(jiān)測系統(tǒng)研制[J]. 林業(yè)科技開發(fā)， 2015， 29（5）： 125-129. DOI：10.13360/j.issn.1000-8101.2015.05.031.

[14] 屈永華， 焦思紅， 劉素紅， 等. 從高光譜衛(wèi)星數(shù)據(jù)中提取植被覆蓋區(qū)銅污染信息[J]. 光譜學(xué)與光譜分析， 2015， 35（11）： 3176-3181. DOI：10.3964/j.issn.1000-0593（2015）11-3176-06.

[15] 涂曄昕， 費騰. 從植被高光譜遙感到土壤重金屬污染診斷的研究進展[J]. 湖北農(nóng)業(yè)科學(xué)， 2016， 55（6）： 1361-1368. DOI：10.14088/j.cnki.issn0439-8114.2016.06.001.

[16] 申茜， 張兵， 李俊生， 等. 航天高光譜遙感器CHRIS的水體圖像大氣校正[J]. 測繪學(xué)報， 2008（4）： 476-481； 488. DOI：10.3321/j.issn：1001-1595.2008.04.013.

[17] 吳建峰， 黃樹彩， 康紅霞， 等. 高光譜成像技術(shù)在天基導(dǎo)彈預(yù)警探測中的應(yīng)用[J]. 飛航導(dǎo)彈， 2015（2）： 68-73. DOI：10.16338/j.issn.1009-1319.2015.02.15.

[18] 麻永平， 張煒， 劉東旭. 高光譜偵察技術(shù)特點及其對地面軍事目標(biāo)威脅分析[J]. 上海航天， 2012， 29（1）： 37-40； 59. DOI：10.3969/j.issn.1006-1630.2012.01.008.

[19] 馬本學(xué)， 應(yīng)義斌， 饒秀勤， 等. 高光譜成像在水果內(nèi)部品質(zhì)無損檢測中的研究進展[J]. 光譜學(xué)與光譜分析， 2009， 29（6）： 1611-1615. DOI：10.3964/j.issn.1000-0593（2009）06-1611-05.

[20] 張晶晶. 基于高光譜成像技術(shù)的杏成熟度判別研究[D]. 晉中： 山西農(nóng)業(yè)大學(xué)， 2015： 11.

[21] 張達， 鄭玉權(quán). 高光譜遙感的發(fā)展與應(yīng)用[J]. 光學(xué)與光電技術(shù)， 2013， 11（3）： 67-73.

[22] 許毅平. 基于高光譜圖像多特征分析的目標(biāo)提取研究[D]. 武漢： 華中科技大學(xué)， 2008： 6.

[23] 胡煌， 呂飛， 丁玉庭. 肉制品的呈色機理和色澤評定研究進展[J]. 肉類研究， 2016， 30（12）： 48-53. DOI：10.15922/j.cnki.rlyj.2016.12.009.

[24] 梁曉燕， 郭中華， 線文瑤， 等. 基于高光譜和極限學(xué)習(xí)機的冷鮮羊肉顏色無損檢測[J]. 食品工業(yè)科技， 2016， 37（24）： 69-73. DOI：10.13386/j.issn1002-0306.2016.24.005.

[25] 朱榮光， 高廣娣， 葛建兵. 基于高光譜圖像和逐步回歸的新疆新鮮牛肉顏色分析[J]. 石河子大學(xué)學(xué)報（自然科學(xué)版）， 2013， 31（2）： 253-257.

[26] 王婉嬌， 王松磊， 賀曉光， 等. NIR高光譜成像技術(shù)檢測冷鮮羊肉嫩度[J]. 食品工業(yè)科技， 2015， 36（20）： 77-79； 91. DOI：10.3969/j.issn.1007-7383.2013.02.024.

[27] NAGANATHAN G K， CRIMES L M， SUBBIAH J， et al. Partial least square analysis of near-infrared hyperspectral images for beef tenderness prediction[J]. Sensing and Instrumentation for Food Quality and Safety， 2008， 2（3）： 178-188.

[28] NAGANATHAN G K， GRIMES L M， SUBBIAH J， et al.Visible/near-infrared hyperspectral imaging for beef tenderness prediction[J]. Computers and Electronics in Agriculture， 2008， 64（2）： 225-233. DOI：10.1016/j.compag.2008.05.020.

[29] 王松磊， 吳龍國， 康寧波， 等. 基于高光譜圖譜融合技術(shù)的寧夏灘羊肉嫩度檢測方法研究[J]. 光電子·激光， 2016， 27（9）： 987-995.

[30] 趙娟， 彭彥昆. 基于高光譜圖像紋理特征的牛肉嫩度分布評價[J]. 農(nóng)業(yè)工程學(xué)報， 2015（7）： 279-286. DOI：10.3969/j.issn.1002-6819.2015.07.039.

[31] ELMASRY G， SUN D W， ALLEN P. Near-infrared hyperspectral imaging for predicting colour， pH and tenderness of fresh beef[J]. Food Engineering， 2012， 110（1）： 127-140. DOI：10.1016/j.jfoodeng.2011.11.028.

[32] 許紅喜， 孫曉玉. 提高肉牛大理石花紋等級的研究進展[J]. 中國牛業(yè)

科學(xué)， 2017， 43（4）： 50-52. DOI：10.3969/j.issn.1001-9111.2017.04.015.

[33] 孫嘯， 逄濱， 劉德營， 等. 基于高光譜圖像光譜信息的牛肉大理石花紋分割[J]. 農(nóng)業(yè)機械學(xué)報， 2013， 44（S1）： 177-181. DOI：10.6041/j.issn.1000-1298.2013.S1.032.

[34] 高曉東， 吳建虎， 彭彥昆， 等. 基于高光譜成像技術(shù)的牛肉大理石花紋的評估[J]. 農(nóng)產(chǎn)品加工（學(xué)刊）， 2009（10）： 33-37. DOI：10.3969/j.issn.1671-9646（X）.2009.10.008.

[35] STUART O J C， SASCHA M K， VICTORIA P， et al. High pH thresholding of beef with VNIR hyperspectral imaging[J]. Meat Science， 2017， 134： 14-17. DOI：10.1016/j.meatsci.2017.07.012.

[36] 段宏偉， 朱榮光， 王龍， 等. 感興趣區(qū)域?qū)ρ蛉鈖H高光譜檢測模型的影響研究[J]. 光譜學(xué)與光譜分析， 2016， 36（4）： 1145-1149. DOI：10.3964/j.issn.1000-0593（2016）04-1145-05.

[37] 陶斐斐. 基于光學(xué)技術(shù)快速無損傷綜合評價豬肉新鮮度的研究[C]//中國科學(xué)技術(shù)協(xié)會農(nóng)產(chǎn)品質(zhì)量安全與現(xiàn)代農(nóng)業(yè)發(fā)展專家論壇論文集. 北京： 中國科學(xué)技術(shù)協(xié)會， 2011： 9.

[38] 吳建虎， 彭彥昆， 陳菁菁， 等. 基于高光譜散射特征的牛肉品質(zhì)參數(shù)的預(yù)測研究[J]. 光譜學(xué)與光譜分析， 2010， 30（7）： 1815-1819. DOI：10.3964/j.issn.1000-0593（2010）07-1815-05.

[39] 朱榮光， 段宏偉， 姚雪東， 等. 基于高光譜圖像和偏最小二乘的羊肉pH值特征波段篩選研究[J]. 光譜學(xué)與光譜分析， 2016， 36（9）：

2925-2929. DOI：10.3964/j.issn.1000-0593（2016）09-2925-05.

[40] 盧智， 柳青山， 朱俊玲. 幾種蛋白酶與氯化鈣對雞肉系水力的影響[J]. 食品研究與開發(fā)， 2018， 39（5）： 24-27. DOI：10.3969/j.issn.1005-6521.2018.05.005.

[41] 徐玉婷， 董華發(fā)， 曾曉房， 等. 肉品品質(zhì)評定方法研究進展[J]. 食品安全質(zhì)量檢測學(xué)報， 2017， 8（6）： 1967-1972. DOI：10.3969/j.issn.2095-0381.2017.06.005.

[42] 劉立意， 劉影， 劉冬梅， 等. 鮮豬肉系水力與應(yīng)力松弛特性相關(guān)性的試驗研究[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報， 2015， 46（8）： 88-93. DOI：10.3969/j.issn.1005-9369.2015.08.015.

[43] ELMASRY G， SUN D W， ALLEN P. Non-destructive determination of water-holding capacity in fresh beef by using NIR hyperspectral imaging[J]. Food Research International， 2011， 44（9）： 2624-2633. DOI：10.1016/j.foodres.2011.05.001.

[44] ELMASRY G， BARBIN D F， SUN D W， et al. Meat quality evaluation by hyperspectral imaging technique： an overview[J]. Food Science and Nutrition， 2012， 52（8）： 689-711. DOI：10.1080/10408398.2010.507908.

[45] PENG Yankun，WANG Wei. Prediction of pork meat total viable bacteria count using hyperspectral imaging system and support vector machines[J]. Food Processing Automation Conference Proceedings， 2008， 6： 28-29. DOI：10.13031/2013.24558.

[46] 郭中華， 鄭彩英， 金靈. 基于近紅外高光譜成像的冷鮮羊肉表面細菌總數(shù)檢測[J]. 食品工業(yè)科技， 2014， 20（12）： 66-81. DOI：10.13386/j.issn1002-0306.2014.20.005.

[47] 田衛(wèi)新， 何丹丹， 楊東， 等. 一種基于高光譜圖像的熟牛肉TVB-N含量預(yù)測方法[J]. 食品與機械， 2016， 32（12）： 70-74. DOI：10.13652/j.issn.1003-5788.2016.12.015.