第36卷，第9期 2016年9月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 36, No. 9 · pp2925-2929
September,2016
基于高光谱图像和偏最小二乘的羊肉pH值特征波段筛选研究
朱荣光1，段宏伟1，姚雪东1，邱园园1，马本学1，许程剑年
1，石河子大学机械电气工程学院，新疆石河子832003 2，石河子大学食品学院，新疆石河子832003
摘要波段筛选方法的选取以及随后的光谱特征波段的提取对高光谱模型效果的影响较大，为了快速准确检测羊肉的PH值，开展并讨论了利用两种特征波段筛选方法对羊肉PH值高光谱模型的影响研究，本研究采用二阶导数（2D)、多元散射校正（MSC)和中心化处理（mean-centering)相结合的方法对所提取纯肌肉部分的代表性光谱进行预处理，利用联合区间偏最小二乘(sPLS)和联合区间偏最小二乘结合遗传算法（si-PLS-GA)对全波段473～1000nm范围光谱进行特征波段的提取，并分别建立相对应特征波段范围羊肉pH 的PLS预测模型，同时与全波段的PLS模型效果相比较，结果表明采用siPLS-GA提取的特征波长建立的 PLS模型效果最优，其选取的特征波长点数为56，校正集相关系数（R。）和均方根误差（RMSEC)分别为 0.96和0.043，预测集相关系数(Rp)和均方根误差（RMSEP)分别为0.96和0.048。siP1S-GA方法既能够减少建模使用的光谱变量，文可以提高模型精度，因此利用高光谱图像技术结合SPLS-GA可以实现羊肉 PH的特征波段筛选和快速准确检测。
关键词高光谱图像；羊肉pH；特征波段；联合区间偏最小二乘（siPLS)；遗传算法（GA）
中图分类号：0657.33
引言
文献标识码：A
DOI: 10. 3964/j. issn. 10000593(2016)09292505
(biPLS）、相关系数法、方差分析法、逐步回归法和无信息变量消除法(UVE)等[6-8}，文献[9]表明siPLS是一种比较有效的特征波段筛选方法，其建模效果通常优于全波段PLS，
羊肉是我国西北地区少数民族的主要肉类消费品，近些年全国羊肉产量快速增长，至2014年已达428万吨，同比增长4.9%，然而由于肉品冷链系统不完善等因素导致的羊肉易质败问题也日益突出，pH值是肉品新鲜度评价的重要指标，而传统的理化方法很难实现其快速检测。高光谱图像技术(HSI)融合了图像和光谱两种技术，可以同时获得样品的外部特征信息和内部品质状况，因此HSI被广泛应用于农畜产品的检测研究，目前HSI在猪肉和牛肉的挥发性盐基氮(TVB-N）、嫩度、滴水损失、细菌总数、颜色等[1-5]方面的检测研究报道较多，但是针对羊肉pH值的国内高光谱检测研究报道较少，无法为羊肉新鲜度评价提供相关的技术参考。
在利用HSI进行检测时，光谱特征波段的筛选对后续建
模和预测效果的影明较大，由于利用全波段建立羊闪高光谱检测模型时，模型中存在过多与羊肉PH值无关的光谱信息，可能会影响模型效果。特征波段的筛选方法主要有联合区间偏最小二乘（siPLS)、遗传算法（GA）、连续投影算法(SPA)、常规区间偏最小二乘（iPLS)、向后区间偏最小二乘
收稿日期：2015-06-13，修订日期：2015-10-12
iPLS和biPLS，且在siPLS基础上利用GA可以对光谱信息进一步筛选，而利用HSI结合siPLS-GA提取羊肉pH特征波长的研究报道较少，
为筛选羊肉pH的特征波段和建立更准确快速的羊肉
pH检测模型，通过siPLS和siPLS-GA两种方法分别提取对应的光谱特征波段，建立这两组特征波段羊肉pH的PLS预测模型，并与全波段的PLS模型效果相比较，以选取最佳的特征波段筛选方法及对应特征波段下的羊肉pH高光谱图像检测模型。
实验部分 1
1.1材料
试验所用羊肉取自当日屠宰的9只小尾寒羊外里脊部位，购于石河子市农贸市场，使用冷藏箱运回学院农畜产品实验室，实验员对羊肉进行切片处理，并采用PE保鲜袋密封包装，冷藏于4℃恒温箱中，保存1～14d，每隔24h取
基金项目：国家自然科学基金项目（31460418），高等学校博士学科点专项科研基金项目（20136518120004)资助
作者简介：朱荣光，1982年生，石河子大学机械电气工程学院副教授
e-mail: rgzh_jd@163. com