食品行业
本研究应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。
在肉类工业中，肉品的品质鉴别或分类是质量控制的一个至关重要的阶段。然而，在肉类工业中，品质分类和控制主要采用人工辨别，这种主观方法需要大量劳动力、成本高。因此，现代肉品工业需要寻求快速准确和无损的方法用于肉品品质的快速鉴别。高光谱成像技术是一种新兴、无损、可靠的技术，它结合了计算机视觉与传统光谱技术的优点。因此，应用高光谱成像技术进行肉类品质分级引起了科研人员的重视。
鸡肉能提供丰富的蛋白质、脂类和微量元素，是人们日常生活中一种非常重要的肉类食品。鸡肉的品质优劣受到诸多因素的影响，如品种、性别、饲养方式和饲养水平。又根据养殖方式和饲养水平，鸡的种类可以分为放养土鸡和普通肉鸡。放养土鸡是指那些放养在山林或果园中，养殖周期在6个月以上的鸡品种99。相反，普通肉鸡，又称为商品鸡，是指进行大规模工业化养殖且养殖周期较短(一般只有3个月)的鸡品种1991。与普通肉鸡对比，放养土鸡有其特殊优势，比如具有较强的环境适应能力、较高的疾病抵抗力和较好的繁殖能力。此外，在肉质上，放养土鸡的肉质更美味、更富有营养，因而市场售价也往往更高。由于放养土鸡对消费者来说价值更高，因此快速准确的鉴别放养土鸡与普通肉鸡对肉类工业进行鸡肉定价、身份验证和种类区分有着重要意义。然而，目前还没有相关文献报道将高光谱成像技术应用于区分放养土鸡与普通肉鸡。因此，本研究的目的是融合高光谱图像的特征光谱数据与纹理数据实现放养土鸡与普通肉鸡的快速鉴别。
本试验材料为四种不同类型的鸡胴体(清远土鸡、湛江土鸡、普通清远鸡和普通湛江鸡),每只全量约为1.5kg,均购于广州市番禺区新造镇菜市场，每种类型鸡胴体数量为4。为了更清晰地进行阐述，将这四种类型的鸡胴体分别命名为土鸡1号，土鸡2号，普通肉鸡1号和普通肉鸡2号。在屠宰后，所有新鲜鸡胴体需立即进行打包、贴上标签、运往实验室。采用手术刀将新鲜鸡胸脯肉从胴体中剔除出来并切成厚度为1厘米的肉片。
结果，一种获得了120个肉片样本，然后进行高光谱图像的获取。在进行数据分析前，试验样本需划分为两个子集：校正集和预测集。采用随机采样的原则随机选取三分之一(40个)样本作为预测集，剩余的80个样本作为校正集。校正集是用于建立一个校正模型而预测集是用于验证所建模型的稳健性。
图展示不同类型土鸡与普通肉鸡在400-1000 nm范围内的MSC平均光谱曲线。从图可以看出四种鸡肉光谱曲线的大致趋势是相似的。然而，光谱吸光度值的变化程度是有些不同的，一方面也许是因为肉片厚度不均匀或者表面不均匀变化引起的光散射，另一方面也可能与肌肉的生物化学特性和质构特性有关。如图所示，6个主要的吸收波段主要出现在430nm,510nm,550nm,620nm,730nm和970nm附近。具体地，970nm左右的吸收波段主要是水分子中O-H键的二级倍频吸收带,而730 nm左右的弱吸收波段主要与水分子中O-H键的三级倍频吸收带有关。此外，550 nm左右的吸收波段主要与肌红蛋白和血红蛋白中血红素吸收有关,而510nm和620 nm附近吸收波段则与高铁肌红蛋白和高铁血红蛋白中氧化血红素吸收有关。
本章节探究了基于高光谱图像的特征光谱信息与纹理信息在快速鉴别土鸡与普通肉鸡上的可能性。首先，从获取的高光谱图像中提出了平均光谱并进行MSC光谱预处理，并用SPA提取特征波长。然后，通过PCA筛选高光谱图像的特征灰度图像，并采用灰度梯度共生矩阵提取前两张灰度图像的纹理变量。最后，基于全波长光谱、特征波长光谱、纹理变量、特征波长光谱和纹理变量的融合数据分别建立LS-SVM和ANN鉴别模型。基于融合数据建立的LS-SVM和ANN的CCR分别为95%和92.5%,均高于基于特征波长光谱/纹理变量所建LS-SVM和ANN。试验结果表明基于融合数据建立的鉴别模型均优于仅依靠特征波长或纹理变量所建的鉴别模型，证明了高光谱成像技术的特征光谱与图像纹理数据的融合可实现土鸡与普通肉鸡的快速鉴别。
