《食品科學》：阜陽師范大學李鵬博士等：高光譜成像與混合波長選擇的寬度學習系統預測豬肉TVB-N含量和pH值

作為全球消費量最高的肉類之一，豬肉因其高蛋白質含量、易消化性和良好風味備受青睞。豬肉腐敗主要由微生物增殖和自身酶活性引發。這些生化變化不僅造成營養流失，更可能引發食源性疾病。目前，傳統的檢測方法雖具有一定精度，但存在樣本破壞性強、檢測周期長、操作專業性要求高等局限性，難以適應現代食品供應鏈對實時、無損、高效監控的需求。因此，亟需一種快速、無損的檢測方法。

近年來，高光譜成像技術通過同步捕捉目標物的空間分布特征與連續窄波段光譜信息，為食品品質分析提供了新型解決方案。高光譜技術可實現對食品表面理化特性的全域掃描，其像素級光譜采集能力不僅能精確定位局部缺陷區域，還可通過光譜-空間聯合建模有效克服樣品分布不均帶來的檢測偏差。因此，越來越多的研究開始將高光譜成像技術應用于食品的新鮮度、質量和安全檢測領域。寬度學習系統（BLS）是Chen等提出的一種新型人工智能模型，已有研究證明其具有獨特的優勢和廣闊的應用前景。

廣東省農業科學院設施農業研究所的羅毅智、華南農業大學工程學院的唐書奇和阜陽師范大學計算機與信息工程學院的李鵬*等采用高光譜技術結合寬度學習評估豬肉新鮮度，探討高光譜技術在豬肉TVB-N含量和pH值測定中的有效性，選取最優的預處理方法并進行特征提取，采用不同的波長選擇策略，從全波長數據中識別與豬肉TVB-N含量和pH值相關的關鍵波長，比較BLS模型與傳統機器學習算法的性能，確定最優的TVB-N含量和pH值檢測模型。以期提升豬肉鮮度評價的效率與準確性，推動智能化肉品質量監測的發展。

01

豬肉TVB-N含量和pH值變化

如圖4所示，隨著貯存時間的延長，豬肉的TVB-N含量和pH值發生變化。在第0天，TVB-N含量較低且pH值接近6，呈現弱酸性，這主要是由于屠宰后肌肉組織經歷了厭氧代謝過程，產生了乳酸等有機酸。乳酸通過糖酵解作用生成，特別是在糖分未完全代謝的情況下，乳酸在肌肉組織中的積累使得肉品保持酸性環境。這種酸性環境有助于抑制某些細菌的生長，維持肉品的新鮮度。隨著貯存時間的延長，微生物活動逐漸增強，蛋白質降解產生氨和胺類物質，導致TVB-N含量和pH值逐步升高。到第12天時，TVB-N含量接近30 mg/100 g，pH值接近7，肉品的新鮮度明顯下降。TVB-N含量和pH值的變化直接反映了微生物活動的增強，表明肉品正在經歷變質，且微生物的蛋白質降解作用不僅增加了TVB-N含量，還促使pH值上升，從而加速了肉品的腐敗與風味劣變。

如圖5所示，隨著時間的延長，肉類的色澤逐漸變暗，這一變化通常是氧化反應和細菌活動引起，進一步證實了肉類質量的下降。肉類色澤的變化與肉品中的色素變化和微生物生長密切相關，揭示了肉類腐敗過程中化學變化和物理變化的相互作用。

02

光譜曲線分析

如圖6所示，盡管不同冷藏時間的平均光譜曲線相似，但它們的反射率存在差異，這些差異主要源于豬肉在腐敗過程中微生物的生長繁殖及其代謝產物引起的化學成分變化。特別是在TVB-N水平升高時，豬肉的腐敗程度加劇，導致顏色變化。在500 nm和550 nm波長處的吸收峰與血紅蛋白和肌紅蛋白中的血紅素色素吸收有關。隨著腐敗過程的進行，豬肉的顏色逐漸暗沉，與圖4結果相印證。此外，約750 nm和980 nm波長處的弱吸收峰與N—H的三倍頻振動及O—H的二倍頻振動相關，這些吸收特征可能與TVB-N含量升高過程中蛋白質降解產生的氨類化合物和其他代謝產物的形成有關。

03

基于全光譜的預測性能

本研究評估了不同光譜預處理方法與機器學習模型的協同效應對肉品TVB-N含量和pH值的預測性能。采用SG、NOR、BL和SNV 4 種預處理方法優化光譜數據特征，構建BLS的預測模型，并與PLSR和極限學習機（extreme learning machine，ELM）進行對比分析。

如表2所示，在TVB-N含量預測方面，SG預處理提升了各模型的預測能力，其中BLS模型表現出最優異的綜合性能（RP＝0.911 4，RMSEP＝3.511 0，RPD＝2.401 5）。該結果較PLSR（SG預處理后RP＝0.885 9）提升了2.8%，其優勢可能源于BLS特有的寬度學習機制：通過構建特征節點與增強節點的雙層隨機映射網絡，在保留淺層網絡計算效率的同時，實現了對光譜數據非線性特征的深度挖掘。相比之下，PLSR受限于線性建模假設，在處理高維非線性光譜數據時易產生特征共線性問題；而ELM模型（RP＝0.859 1）表現欠佳，這與其隨機權重初始化機制導致的模型穩定性不足相關。如表3所示，pH值預測結果進一步驗證了BLS模型的優越性。經SG預處理后，BLS模型的預測精度（RP＝0.748 8，RMSEP＝0.415 8，RPD＝1.501 8）優于PLSR（RP＝0.723 3，RMSEP＝0.430 2，RPD＝1.445 8）和ELM（RP＝0.702 6，RMSEP＝0.444 1，RPD＝1.406 1）。因此，后續的分析中均采用SG預處理的光譜預測TVB-N含量和pH值。

04

特征提取

在缺乏有效知識指導的特征提取過程中，全光譜數據通常包含大量不相關或冗余的信息，這可能會降低模型的精度。本研究采用了CARS、SPA、iVISSA、iVISSA-CARS和iVISSA-SPA 5 種特征提取方法，盡管這些方法的工作原理各不相同，但它們提取的特征波段在400～500 nm（色素敏感區）和800～1 000 nm（脂肪/蛋白質敏感區）之間存在重疊（圖6）。400～500 nm波段與肌紅蛋白色素的氧化狀態密切相關，而940～980 nm波段則對應脂肪C—H三級倍頻吸收峰（940 nm）以及蛋白質N—H變形振動吸收峰（980 nm），這兩個波段的分子特征與肉類新鮮度變化密切相關。

05

基于特征波段建模

通過對不同特征提取方法與模型在TVB-N含量預測中的表現進行對比分析（表4），發現采用iVISSASPA組合特征提取的BLS模型表現最優。其測試集RP為0.942 2、RMSEP為3.007 2、RPD為2.803 8，明顯高于PLSR（RP＝0.894 6，RMSEP＝3.869 7，RPD＝2.178 8）和ELM（RP＝0.867 9，RMSEP＝4.248 8，RPD＝1.984 4）。在pH值預測的對比分析中（表5），采用iVISSA-SPA特征提取的BLS模型同樣表現出最佳性能，其測試集RP為0.817 3、RMSEP為0.367 9、RPD為1.716 4，均優于PLSR（RP＝0.787 1，RMSEP＝0.387 9，RPD＝1.610 1）和ELM（RP＝0.722 3，RMSEP＝0.432 4，RPD＝1.444 5）。

盡管iVISSA-CARS組合方法結合了CARS方法的特征選擇能力，能夠通過蒙特卡洛采樣與PLS回歸系數優化特征，但在TVB-N預測中，其表現不如iVISSA-SPA組合方法。這是因為CARS方法在特征選擇過程中，通過隨機選擇光譜子集進行訓練，并逐步縮小變量空間，其在處理大規模特征集時具有一定優勢，但在消除冗余信息方面相對較弱，可能未有效去除高冗余的波段。具體而言，由圖7可知，在TVB-N的特征波段提取中，700～800 nm的波峰波谷特征未能被提取到，而在pH值特征波段提取中，則出現了信息冗余的現象。這些冗余信息未能有效去除，影響了模型的穩定性和預測能力。相比之下，SPA法通過投影降維進一步減少冗余信息并增強特征間的區分度，以充分發揮iVISSA在特征選擇中的迭代優勢。此外，BLS通過構建特征節點與增強節點的雙層隨機映射網絡，在保留淺層網絡計算效率的同時，能夠深入挖掘光譜數據的非線性特征，不僅提升了特征的表達能力，還增強了模型對復雜數據模式的適應性，從而有效地提高了TVB-N和pH值的預測性能。

如圖8所示，BLS模型在TVB-N含量和pH值預測中均呈現出較為緊密的擬合度，進一步驗證了其預測能力。

結論

本研究結合高光譜成像技術與BLS回歸模型，提出了一種有效的豬肉新鮮度無損檢測方法。實驗結果表明，SG預處理方法對光譜數據優化效果最佳，而iVISSA-SPA特征提取方法在減少冗余和優化特征選擇方面表現突出，從而顯著提高了BLS回歸模型在TVB-N含量和pH值預測中的精度。iVISSA-SPA-BLS模型在TVB-N含量預測中RP為0.942 2、RMSEP為3.007 2、RPD為2.803 8，性能優異，在pH值預測中RP為0.817 3、RMSEP為0.367 9、RPD為1.716 4。結果表明，結合高光譜技術與BLS模型能夠快速、無損地評估豬肉的新鮮度，可為食品安全領域提供創新的技術手段，并為今后的肉類質量檢測提供新的研究路徑。

作者簡介

通信作者：

羅毅智，助理研究員，碩士生導師，畢業于華南農業大學農業機械化專業，現任廣東省農業科學院設施農業研究所助理研究員，主要從事智慧農業感知技術以及智能養殖農業裝備研究工作。主持或參與國家重點研發項目，國家基金面上項目、豬禽種業全國重點實驗室PI項目、農業裝備技術全國重點實驗室開放課題、廣東省重點研發項目以及企業橫向課題20余項，作為第一或通信作者發表SCI/EI論文10 篇，參與發明專利，實用新型等30余件，參與標準制定3 項。

第一作者：

李鵬，講師，碩士生導師，畢業于華南農業大學農業電氣化與自動化博士，現于阜陽師范大學計算機與信息工程學院任教。主要從事人工智能、圖像處理、農產品品質無損檢測等方向的研究，主持或參與多項省級以上科研項目，以第一作者在國內外期刊發表學術論文10 篇。

本文《高光譜成像與混合波長選擇的寬度學習系統預測豬肉TVB-N含量和pH值》來源于《食品科學》2025年46卷第16期345-352頁，作者：羅毅智，唐書奇，金青婷，丘廣俊，齊海軍，孟繁明，李 鵬。DOI:7506/spkx1002-6630-20250221-097。點擊下方閱讀原文即可查看文章相關信息。

實習編輯：南伊；責任編輯：張睿梅。點擊下方閱讀原文即可查看全文。圖片來源于文章原文及攝圖網