生きた魚のアミノ酸の非破壊的検出におけるCHNSpec FS-13ハイパースペクトラルカメラの応用事例

A study published in "Food Research International" utilized visible/near-infrared hyperspectral imaging technology to achieve non-destructive prediction of muscle amino acid content in live common carpこの研究は,上海海洋大学,中国漁業科学アカデミー,および他のユニットによって共同で完了されました.CHNSpec Technologyが提供したFS-13ハイパースペクトルカメラ (FigSpec FS-13) がコア検出機器として使用されましたCHNSpec TechnologyのエンジニアであるXiajun Qiは 研究に深く参加し,生きた魚の栄養質をリアルタイムで評価するための新しい技術的な経路を提供しました

I. 研究背景と検出要件
魚肉のアミノ酸組成は,その栄養価と商業価値を測定するための重要な指標です.伝統的な検出方法 (高性能液体染色体学など) が正確であるにもかかわらず魚の生存状態を維持することを要求するアプリケーションシナリオでは,精密食材など栄養分別や親の選別などで 業界は長年 迅速で破壊的でないオンライン検出ツールが 欠けていました

この研究の出発点は,魚の殻がスペクトル信号の"窓"として機能できるかということです.近赤外線が魚の殻と皮膚に浸透できるか,筋肉から検出器へ化学成分情報を運ぶ生きた魚の栄養検出の問題を根本的に解決します.

II 実験プロトコルとコア機器
研究チームは 異なる年齢と重量範囲の 2 匹のカッパを集めました 合計 481匹の生きた魚ですMS222 麻酔薬で 暫く麻酔されましたその後,CHNSpec Technology FS-13ハイパースペクトルカメラ (スペクトル範囲400-1000nm,スペクトル解像度 2.5 nm) で,貝殻の背面フィニング領域の超スペクトル画像を取得した.各サンプルに対する関心領域は200×200ピクセルをカバーした.300帯域のスペクトル情報を含む各ピクセル.

その後,対応する背筋部位でサンプルを採取した.そして 17 アミノ酸の実際の含有量は,モデル化と検証のための高性能液体染色体撮影によって決定されました.

III. モデル構築と予測効果
研究者は5つのモデルを比較した. 部分最小平方回帰 (PLSR),最小平方支持ベクトルマシン (LS-SVM),極端な学習マシン (ELM),ランダムフォレスト (RF),そしてバックプロパガンダの人工神経ネットワーク (BP-ANN)モデリングは全帯域スペクトル信号 (400-1000nm) を用いて行われ,訓練および予測セットの異なるモデルのR2値は一般的に0以上であった.95.

これらのうち,BP-ANNモデルはほとんどのアミノ酸に対して比較的安定した予測効果を示した.独立した検証セットでは (異なる年齢と異なる飼育環境から181匹の魚),BP-ANN モデルの検証R2値は全て0を超えました.7773つの最も高い含有量のアミノ酸グルタミック酸,アスパルティック酸,リシンに対する検証R2は0に達した.8480 だった8580 となる858CARS アルゴリズムによって選択された特徴的な波長で完全な帯域を置き換えた後,予測の精度が限られていた (平均R2は約0%増加した)..013),アミノ酸関連スペクトル情報は広く分布していることを示している.

IV. 正確性 に 影響 する 主要 な 要因
この研究では,予測の正確性に対する6つの要因の影響を体系的に評価し,結果は以下を示した. 精度に影響する最も重要な要因はサンプル集団の異性差である.モデルが異なる年齢と体重の独立した集団に適用されたとき平均R2は約0減少しました182これは,2つの集団間のアミノ酸含有量の分布の違いに関連している可能性があります (例えば,最初の集団におけるほとんどのアミノ酸の中位値は,第2集団におけるものよりも著しく高かった)このにもかかわらず,BP-ANNモデルは異質な集団で依然として受け入れられる精度 (R2 > 0.777) を維持した.

一方,モデル型,アミノ酸型,波長選択方法,魚の体重,体長が精度に影響を及ぼしませんでした (平均R2変動は0.103未満です).魚を上部に分割した後BP-ANNモデルでは,R2の平均差は0.076 (特徴的な波長を使用する場合) でした.これは,スペクトル信号が主に筋肉の生化学的組成によって動いていることを示しています単に物理的なサイズ分散効果ではなく

特徴的な波長に関して,CARSアルゴリズムは516-584 nm,707-738 nm,828-834 nm,および939-1032 nmで濃縮されたグルタミン酸とリシンに敏感な帯を選択した.この領域は,C-H結合のオーバートーンと組み合わせ周波数に関連していますO-H結合とN-H結合を検証し,赤外線に近い光が肌のアミノ酸分子と相互作用する可能性を検証した.

V.空間分布と応用価値
FS-13の超スペクトルカメラから得られる それぞれのピクセルのスペクトル情報を利用して 研究チームは 生きた魚の体全体に含まれる 総アミノ酸の熱マップ分布をマッピングしました結果は,:下下下口,胸フィン,腹部の筋肉の総アミノ酸含有量は比較的高く,背のフィン地域と尾では比較的低かった. This distribution matches the functional differences in muscle fiber types (red muscle and white muscle) across different parts—the pectoral fin and abdomen are dominated by slow-twitch oxidative red muscleこのヒートマップは,消費者が栄養価の高い部分を選択するための視覚的な参照を提供することができます.

CHNSpec FS-13ハイパースペクトルカメラと ディープラーニングアルゴリズムが 成功した技術的なボトルネックを 破りました軽量化水産物の精密検知と高品質のスクリーニングのための実用的な検出ツールですモデルデータベースの継続的な改善とポータブル機器の開発水産業界が知能,標準化,栄養可視化へとアップグレードするのを助けます.

製品推奨:FigSpecFS-13 超スペクトルカメラ (ラインスキャン)

• スペクトル範囲: 400-1000nm
• スペクトル解像度: 2.5nm
• スペクトル帯: 1200
• 空間ピクセル: 1920