彩谱高光谱相机助力冷鲜羊肉pH值无损检测应用案例

访问量：1001 发布时间：2026-04-20

在冷鲜肉品加工与流通环节，pH值是反映肉质新鲜度、持水性、色泽与货架期的关键理化指标。传统检测依赖pH计、比色法等方式，存在耗时、耗材、破坏样品等问题，难以适配批量、在线、快速筛查的场景需求。

内蒙古农业大学相关团队采用彩谱FigSpec FS-13高光谱相机，搭建可见/近红外（400–1000 nm）高光谱成像检测平台，开展冷鲜羊肉pH值无损检测研究，为肉品品质快速评价提供了可落地的技术路径。

图片1.png

一、检测需求与设备选型

冷鲜羊肉在屠宰、排酸、贮藏过程中，pH值会发生规律性变化，直接影响肉质稳定性。研究团队需要一套非接触、无损伤、可成像的检测设备，实现：

l 快速采集羊肉表面光谱与图像信息

l 提取有效特征并建立定量预测模型

l 直观呈现pH值空间分布差异

经综合评估，选用彩谱FS-13高光谱相机作为核心采集设备，该设备可稳定获取样本的二维空间信息与连续光谱信息，适配实验室研究与小型化检测场景。

二、数据处理与模型构建

2.1 光谱预处理

原始光谱曲线在580 nm、620 nm和810 nm处存在明显的吸收峰，对应脱氧肌红蛋白、氨基团倍频及水分吸收。但原始光谱受光散射、暗电流和噪声影响，存在基线偏移和波动。

研究对比了多种预处理方法：

单一方法：平滑滤波（SG）、多元散射校正（MSC）、标准正态变量变换（SNV）、一阶导数（FD）

图片2.png

组合方法：MSC-SG、SNV-SG、FD-SG

图片3.png

结果显示，FD-SG组合预处理后的光谱曲线噪声减少、曲线平滑，能够较好保留特征信息。

2.2 预测模型

基于全波长光谱数据，分别采用偏最小二乘回归（PLSR）、支持向量回归（SVR）、随机森林（RF）和极端梯度增强回归（XGB）四种方法构建冷鲜羊肉pH值预测模型。模型评价指标包括校正集相关系数（R²C）、预测集相关系数（R²P）、校正均方根误差（RMSEC）、预测均方根误差（RMSEP）、交互验证均方根误差（RMSECV）及预测偏差比（RPD）。

图片4.png