在許多肉類產品中，牛肉受到大多數消費者的青睞，因為其高蛋白質，低脂，維生素和礦物質含量高，這極大地滿足了現代人對肉類的營養需求。隨著人們生活的加快，傳統的烹飪牛肉產品已成為超市和熟食店中的常見食物，需求和銷量也在增加。但是，在現實生活中，市場上出售的大多數煮熟的牛肉都是批量的，並且富含高蛋白質和高水含量，因此繁殖微生物非常容易，並使在低溫存儲期間變質。因此，基於合理有效的牛肉質量分級標準和系統，尋求可靠的牛肉質量安全分級檢測方法已成為牛肉市場開發方向的重中之重。

高光譜圖像，也稱為高管，是連續波長λ下的一系列二維空間圖像（x，y）組成的三維數據塊（x，y，λ）。如下圖所示，從波長的角度來看，高光譜圖像數據（x，y，λ）是由二維圖像（x，y）組成的三維數據塊；從二維數據（x，y）的角度來看，高光譜是一系列光譜曲線。使用HSI技術檢測食物新鮮度的原理是指吸收，反射，散射，光的電磁能以及內部化學成分的峰/峰值的光譜位置以及對象的外部物理特徵進行測試，從而導致不同的數字信號特性。例如，在不同波長處的吸光度的峰值和山谷值（光譜指紋）可以代表不同化合物的物理特性，因此可以通過分析高光譜信息的分析來實現食物質量的定性或定量分析，即非 - 食物質量的破壞性測試。

（1）TVC樣品ROI和頻譜提取

對於TVC樣品，選擇了黑色和白色校正後的高光譜圖像子樣本的50 PX×50 PX肌肉子樣品ROI圖像。選定的

在特定光譜下平均煮熟的牛肉子樣品圖像，以在特定頻帶下獲得每個樣品的光譜平均值。實施了此步驟

在Envi 5.1軟件上，主要通過Envi軟件的ROI工具。

下圖顯示了Envi5.1中TVC烹飪牛肉樣品的ROI區域的提取以及獲得的光譜值。

（2）TVB-N樣品ROI和頻譜提取

ROI區域提取過程與上一段中的TVC樣本數據相同。還獲得了50px*50px的ROI區域，以預測TVB-N的煮熟牛肉樣品。可以看出，兩批煮熟的牛肉樣品的光譜曲線有一定的差異（估計兩批daoxiangcun煮熟的牛肉產品是長時間購買的，這可能是由不同的牛肉品種引起的） 。同樣，在軟件Envi5.1上也實現了TVB-N烹飪牛肉樣品的此步驟。

下圖顯示了TVB-N在Envi5.1中提取ROI區域並獲得樣品光譜​​值。

光譜預處理結果

預處理用於預測TVC的煮熟牛肉樣品的光譜信息（按SG平滑，矢量歸一化和SNV轉換的順序）。下圖顯示了光譜信息和光譜預處理結果的原始光譜。

與用於預測上一段中TVC的煮熟牛肉樣品相同的預處理方法用於預處理樣品的高光譜數據的光譜信息，以預測TVB-N值。預處理後的原始光譜和光譜如下所示：

在預處理前後，建立了支持向量回歸（SVR）的十倍的交叉驗證模型。該模型性能顯示在表中，建模結果如圖所示。該方法在多元數據分析軟件Theunscrambler X10.4中實現。 SVR方法及其模型性能指標將在第4.1節中介紹，並且不會在此處詳細描述。

從表中可以看出，預處理光譜建立的兩個指標的預測模型的性能在一定程度上有所改善。 TVC預測模型的性能相關係數r增加了16個百分點，而TVB-N預測模型的性能相關係數R則增加了9個百分點。這驗證了光譜預處理的必要性，因此隨後的分析使用了預處理數據。

摘要和前景

為了快速且無損地發現煮熟的肉類產品的新鮮度，本文將煮熟的牛肉作為研究對象，並使用高光譜成像技術為煮熟的牛肉的新鮮度創建了預測模型。研究了儲存過程中煮熟的牛肉新鮮度的變化以及影響煮熟牛肉新鮮度的主要因素，並確定了與之相關的微生物指數TVC值和化學指數TVB-N值。具體的研究結論如下：使用高光譜成像技術檢測煮熟牛肉的新鮮度的可能性，並討論了新鮮度指數TVC和TVB-N值TVC的變化趨勢在存儲期間討論了烹飪牛肉的TVC；比較了在光譜數據預處理前後構建的SVR預測模型（使用十倍的交叉驗證）的性能，並比較了使用預處理數據集構建的預測模型具有更好的性能；研究了樣本設置的分區方法。對不同樣本分配方法生成的訓練集和測試集進行了建模和分析，最後選擇了訓練集和測試集除以SPXY分區方法。