第35卷，第1期 2015年1月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol.35,No.1-pp93-98
January,2015
基于可见-近红外光谱与稀疏表示的注水肉识别
郝冬梅，周亚男，王玉，张松，杨益民，林凌，李刚，王修力
1.北京工业大学生命科学与生物工程学院，北京100124
2.天津大学，精密测试技术及仪器国家重点实验室，天津300072 3，安徽大学健康科学研究院，安微合肥230601
摘要为了能快速准确的识别原料肉与注水肉，提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本（包括猪皮、脂肪层和肌肉层）注水的方法建立注水肉模型，采集未注水的原料肉利 6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的元余信息并提高分类效果，对光谱数据进行光调制和归一化等预处理并截取有效波段，根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库（字典），通过7最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差，将最小投影误差对应的类作为测试样本的所属类别，并应用留一法进行交叉检验，比较了稀疏表示法与支持向量机的识别结果。实验结果表明，利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上，获得了较好的分类效果，优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取，适用于高维、小样本量数据的处理，计算成本低，将其用于注水肉的光谱数据识别具有一定的创新
性，并取得了较满意的结果，为原料肉和注水肉的无损识别提供了一种有效方法。关键词可见-近红外光谱；稀疏表示；注水肉；原料肉
中图分类号：0657.3
引言
文献标识码：A
DOI : 10., 3964 /j. issn. 1000-0593 (2015 )01-0093-06
检测猪肉水分含量的研究[2.3]，但这些研究大都是选择特殊部位的猪肉并非完整猪肉（包括猪皮、脂肪层和肌肉层），并将其加工成肉廉，无法实现现场快速无损测定，所采用的传
注水肉不仅是降低肉类品质、扰乱肉类市场的经济间
题，更是涉及公共健康的食品安全间题，因而准确而快速的鉴别注水肉具有重要意义。检测猪肉水含量的常用方法有感官判断法、试纸法、恒温十燥法、电导法及低场核磁共振法等，前两种方法的识别效果不佳，后几种方法测量较准确，但干燥法操作紧项耗时，电导法则严重依赖磨宰后肉晶的摘置时间、测试位置和激励源的驱动方向等，且需要向样本中插人电极，可能会给猪肉带来外源性感染，而核磁其振法对于设备要求高、花费大。可见-近红外光谱分析技术可以弥补这些缺陷，可见-近红外光可穿过人和动物的表皮，透过不同物质散射回到皮肤表面的光强不同，是一种快速的分析检测技术，具有样品制备简单、成本低、无损伤等特点，已被广泛应用于许多农产品和食品的检测，包括测定食品成分（蛋白质、脂肪等）、判别小麦质量、判断谷物的产地及年份、区分新鲜与冷冻牛肉以及肉鸡和本地鸡的鸡肉等1，也被用于
收稿日期：2013-12-12，修订日期：2014-04-07
基金项目：国家自然科学基金项目(30973964)资助
统的模式识别方法大都需要进行前期的学习，并且在样本量较少时识别性能不佳。
稀疏表示4是近年来数学界、统计学界与模式识别领域
蓬勃发展起来的一种新方法，其基本思想是用一组基原子进行线性组合从而得到目标函数，所有基原子构成的数据集被称为数据字典"}。稀疏表示不需要进行前期的学习过程，也不需要对数据进行特征提取，可以为高维空间提供鲁棒的低维表示。而本工作采集的猪肉样本具有高维度、小样本、多类别的数据特点，可以发挥稀疏表示分类器的优势，与人工神经网络和支持向量机（supportvectormachine，SVM）")等算法相比，显著地降低了计算成本，具有较好的分类性能。
针对上述情况，根据实际所采集的光谱数据的特点，利
用可见-近红外光谱技术及稀疏表示方法，建立未注水原料肉与注水肉的分类模型以及不同注水量的注水肉分类模型考虑到生物软组织对于600～1300nm波段可见-近红外光
作者简介：郝冬梅，女，1967年生，北京工业大学生命科学与生物工程学院副教授
e-mail : haodongmei@ bjut, edu. cen