用VIS-NIR超光谱成像和多变量分析,直接描述海底鱼类物种的特征

科学领域:

• 海洋生物学 海洋生物学
• 分析化学 分析化学
• 食品科学 食品科学 食品科学

背景情况:

• 准确的鱼类物种识别和表征对于渔业,食品研究和海洋资源管理至关重要.
• 传统的识别方法,如专家观察和DNA条形码是有效的,但劳动密集型和耗时.
• 需要客观,高效和快速的方法来识别和评估鱼类的质量.

研究的目的:

• 建议和评估使用可见近红外高光谱成像 (VIS-NIR HSI) 与多变量分析相结合,用于快速表征鱼类.
• 评估VIS-NIR HSI在物种差异化,感兴趣的形态区域 (ROI) 的评估和新鲜度评估方面的潜力.
• 为了比较不同鱼类区域的光谱特征及其与新鲜度的相关性.

主要方法:

• 采用VIS-NIR HSI捕获三种海底鱼类的光谱数据:沙丁鱼 (Strangomera bentincki),银鱼 (Odontesthes regia) 和鱼 (Engraulis ringens).
• 应用多变量技术,包括主要组件分析 (PCA),支向量机回归 (SVM-R),部分最小平方回归 (PLS-R) 和部分最小平方差异分析 (PLS-DA).
• 分析了来自特定感兴趣的形态区域 (ROI) 的光谱数据,并评估了样本内的光谱变异性.

主要成果:

• 基于它们的光谱特征,VIS-NIR HSI成功地区分了三种研究的海上鱼类物种.
• 在鱼类内的各种形态区域之间观察到显著的光谱差异.
• 使用SVM-R实现了新鲜度评估,预测"捕获后时间"的相对误差为9%,反射强度的下降与新鲜度的损失相关.

结论:

• 在多变量分析的支持下,VIS-NIR HSI为快速识别和描述鱼类物种提供了强大而高效的工具.
• 该技术显示了客观新鲜度评估的潜力,为鱼类质量提供了有价值的见解.
• 这种方法为渔业和食品工业中传统的劳动密集型方法提供了有希望的替代方案.