使用色度分析和基于机器学习的预测模型进行鱼 (Scomber japonicus) 的非破坏性新鲜度评估
Du-Min Jo1, Hyun-Soo Kang2, Ye-Bin Jang3
1National Marine Biodiversity Institute of Korea, Seochun, Chungcheongnam-do 33662, Republic of Korea.
Food chemistry
|September 4, 2025
概括
颜色分析提供了一种快速,无损的方法来评估鱼的新鲜度. 这种技术与机器学习相结合,可以准确预测海产品的质量,改善工业应用.
科学领域:
- 食品科学
- 分析化学
- 机器学习
背景情况:
- 评估海产品的质量至关重要,
- 需要客观,非破坏性的实时质量控制方法.
- 鱼的颜色变化是腐烂的标志.
研究的目的:
- 评估色度分析作为评估鱼新鲜度的非破坏性方法.
- 将颜色变化与微生物和物理化学质量指标相关联.
- 使用彩色数据和机器学习开发海鲜新鲜度的预测模型.
主要方法:
- 对鱼眼睛,腹部和背部区域进行色度分析 (RGB,HSV,实验室).
- 在4°C和10°C保存鱼.
- 微生物学 (可活细胞数,大肠杆菌总数) 和物理化学 (pH,TVBN) 评估.
- 使用多变量线性回归 (MLR) 和支持向量回归 (SVR) 的预测模型的开发.
主要成果:
- 在储存期间观察到鱼颜色逐渐变黑.
- 颜色变化与微生物负载,pH值和总挥发性基本 (TVBN) 的增加相关.
- 对于非线性新鲜度指标,如pH和总大肠杆菌,SVR模型显示出更高的预测准确度.
结论:
- 与机器学习相结合的色度分析提供了一种可行的非破坏性方法来评估海鲜的新鲜度.
- 这种方法可以集成到工业质量控制系统中进行实时评估.
- 这项研究强调了客观和有效的海产品质量监测的潜力.
更多相关视频
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.7K
08:54NMR Spectroscopy as a Robust Tool for the Rapid Evaluation of the Lipid Profile of Fish Oil Supplements
Published on: May 1, 2017
26.3K
