別并與鮭鱒魚區(qū)分開。
[0082] 魚片新鮮度
[0083] 對(duì)于魚片反射光譜已經(jīng)進(jìn)行過大量研究，其中眾所周知的多變量分析方法可用于 區(qū)別魚片間的不同的鮮度狀態(tài)。
[0084] 下文的表1總結(jié)了在標(biāo)準(zhǔn)臺(tái)式計(jì)算機(jī)上執(zhí)行的鯔魚和羊魚的各種替代匹配方法 與預(yù)測(cè)成功率的對(duì)應(yīng)。光譜在被傳送到多變量模式分類器之前經(jīng)過自動(dòng)調(diào)節(jié)比例。表1的 最后一列給出了創(chuàng)建預(yù)測(cè)模型所用的時(shí)間?；诂F(xiàn)有模型進(jìn)行預(yù)測(cè)的耗時(shí)一般在毫秒范圍 內(nèi)。當(dāng)需要進(jìn)行原位模型更新時(shí)，建模所用時(shí)間可以成為重要的因數(shù)。在現(xiàn)場(chǎng)，使用地點(diǎn)應(yīng) 用、測(cè)量速度和得出結(jié)果的速度非常重要，時(shí)間盡可能短。此外，結(jié)果的準(zhǔn)確度也很重要。從 表1可見，諸如SVM(帶線性內(nèi)核）的方法在最短時(shí)間給出最好的準(zhǔn)確度。
[0085] 表 1
CN 105190261 A 說明書 10/10 頁
[0087] 下面，對(duì)表1的數(shù)值法僅做簡(jiǎn)要討論，因?yàn)檫@些方法在本領(lǐng)域已為人們所熟知。每 種方法都有其優(yōu)點(diǎn)。在樸素貝葉斯方法中，假定全部特征彼此獨(dú)立，結(jié)果可以很容易解讀。 CART法也易于理解和解釋，不過，由數(shù)值數(shù)據(jù)集創(chuàng)建的樹可以很復(fù)雜，該方法往往存在過擬 合問題。TreeBagger分析和隨機(jī)森林分析法通常給出非常好的結(jié)果，并且該方法的"培訓(xùn)" 步驟相對(duì)較快。LIBLINEAR法在辨別海產(chǎn)品品類和狀態(tài)方面非常有效。帶有線性內(nèi)核的SVM 法，其包括用于定性分析的支持向量分類（SVC)和用于定量分析的支持向量回歸（SVR)，結(jié) 果是其預(yù)測(cè)成功率超過93%。在LDA法中，假定全部類別具有完全相同的協(xié)方差矩陣并且 以正態(tài)分布，判別函數(shù)總是線性的。在QDA法中，類別不必要具有完全相同的協(xié)方差矩陣， 但仍假定正態(tài)分布。偏最小二乘法（PLS)是統(tǒng)計(jì)學(xué)方法，其與主成分回歸相關(guān)；該方法通過 將預(yù)測(cè)變量和可觀測(cè)變量投射到一個(gè)新空間來認(rèn)定線性回歸模型，而不是認(rèn)定響應(yīng)變量和 自變量之間的最小方差的超平面。當(dāng)Y是絕對(duì)的時(shí)，偏最小二乘判別分析（PLS - DA)作為 變量使用。PLS - DA法導(dǎo)致85 - 87%的中等預(yù)測(cè)率。
[0088] 結(jié)果表明，樸素貝葉斯、袋裝決策樹、SVM線性、LDA、QDA、PLS - DA和SIMCA可在 以NIR反射光譜與海產(chǎn)品樣本關(guān)聯(lián)為目的的多變量分析中使用。已獲取光譜的第一和第二 導(dǎo)數(shù)也可以用于代替光譜的預(yù)處理或作為光譜的預(yù)處理的補(bǔ)充，作為輸入數(shù)據(jù)串用于多變 量分析。
[0089] 用于實(shí)現(xiàn)關(guān)于在此公布的各方面所描述的各種說明性的邏輯算法、邏輯區(qū)塊、模 塊和電路的硬件，可以由通用型處理器、數(shù)字信號(hào)處理器（DSP)、專用集成電路（ASIC)JI 場(chǎng)可編程門陣列（FPGA)或其他可編程邏輯裝置、離散門或晶體管邏輯、離散硬件組件或者 上述任意組合來實(shí)現(xiàn)或執(zhí)行。通用型處理器可以是微處理器，然而，可替代地，該處理器也 可以是任意常規(guī)處理器、控制器、微控制器或狀態(tài)機(jī)。處理器也可以以計(jì)算設(shè)備的組合的形 式來實(shí)現(xiàn)，例如DSP和微處理器的組合、多個(gè)微處理器、一個(gè)或多個(gè)微處理器結(jié)合DSP內(nèi)核， 或者任意其他類似配置。可替代地，某些步驟或方法可以由特定于給定功能的電路來執(zhí)行。
[0090] 前文中對(duì)于本發(fā)明的一個(gè)或多個(gè)實(shí)施例的描述僅以說明和描述為目的，并不意味 著本發(fā)明已經(jīng)表述窮盡或者受限于上述公開的準(zhǔn)確形式。按照上述教導(dǎo)還可能進(jìn)行許多修 正和變更。本發(fā)明的范圍不受上述詳細(xì)說明的限制，而是由后附權(quán)利要求限定。
【主權(quán)項(xiàng)】
1. 一種用于海產(chǎn)品樣本的現(xiàn)場(chǎng)鑒定的方法，所述方法包括： (a) 提供便攜式NIR近紅外光譜儀； (b) 使用步驟（a)中所述的NIR近紅外光譜儀來獲取所述海產(chǎn)品樣本的反射光譜； (c) 對(duì)步驟（b)中所獲取的所述海產(chǎn)品樣本的所述反射光譜執(zhí)行多變量模式識(shí)別分 析，以通過將所述反射光譜和與不同的海產(chǎn)品品類相對(duì)應(yīng)的已知品類光譜庫進(jìn)行比對(duì)，確 定具有最相似光譜模式的匹配光譜；并且 (d) 基于在步驟（c)中所確定的所述具有最相似光譜模式的匹配光譜，來識(shí)別所述海 產(chǎn)品樣本。2. 如權(quán)利要求1所述的方法，其中在步驟（b)，所述反射光譜在波長700nm和2500nm之間進(jìn)行測(cè)量。3. 如權(quán)利要求2所述的方法，其中在步驟（b)，所述反射光譜在波長950nm和1650nm 之間進(jìn)行測(cè)量。4. 如權(quán)利要求1所述的方法，其中步驟（b)包括在所述海產(chǎn)品樣本上的不同位置處進(jìn) 行重復(fù)性的光譜測(cè)量，并且對(duì)所述重復(fù)性測(cè)量值進(jìn)行平均計(jì)算，以減少所獲取的反射光譜 對(duì)于所述海產(chǎn)品樣本的質(zhì)地的相關(guān)性。5. 如權(quán)利要求4所述的方法，其中步驟（b)包括所述反射光譜的廣義多元散射校正。6. 如權(quán)利要求4所述的方法，還包括： (bl)計(jì)算在步驟（b)中所獲取的所述反射光譜的標(biāo)準(zhǔn)正態(tài)變量SNV， 其中步驟（bl)在步驟（C)之前執(zhí)行。7. 如權(quán)利要求4所述的方法，進(jìn)一步包括： (b2)對(duì)在步驟（b)中所獲取的所述反射光譜進(jìn)行卷積平滑Savitzky-Golay濾波；以 及 (b3)計(jì)算在步驟（b2)中經(jīng)濾波的所述反射光譜的第一導(dǎo)數(shù)， 其中步驟（b2)和（b3)在步驟（c)之前執(zhí)行。8. 如權(quán)利要求4所述的方法，進(jìn)一步包括： (b2)對(duì)在步驟（b)中所獲取的所述反射光譜進(jìn)行卷積平滑Savitzky-Golay濾波；以 及 (b4)計(jì)算在步驟（b2)中經(jīng)濾波的所述反射光譜的第二導(dǎo)數(shù)， 其中步驟（b2)和（b4)在步驟（c)之前執(zhí)行。9. 如權(quán)利要求4所述的方法，其中步驟（b)包括對(duì)所述反射光譜的抽樣方面正態(tài)化。10. 如權(quán)利要求4所述的方法，其中步驟（b)包括對(duì)所述反射光譜的通道方面自動(dòng)調(diào)節(jié) 比例。11. 如權(quán)利要求1所述的方法，其中步驟（c)的所述多變量模式識(shí)別分析包括主成分分 析PCA012. 如權(quán)利要求11所述的方法，其中步驟（c)的所述多變量模式識(shí)別分析包括軟獨(dú)立 建模分類法SIMCA。13. 如權(quán)利要求11所述的方法，其中步驟（c)的所述多變量模式識(shí)別分析包括支持 向量機(jī)SVM，其包括用于定性分析的支持向量分類SVC以及用于定量分析的支持向量回歸 SVR014. 如權(quán)利要求11所述的方法，其中步驟（c)的所述多變量模式識(shí)別分析選自由線性 判別分析LDA和二次判別分析QDA組成的組。15. 如權(quán)利要求11所述的方法，其中步驟（c)的所述多變量模式識(shí)別分析選自由袋裝 決策樹TreeBagger分析和隨機(jī)森林分析組成的組。16. 如權(quán)利要求11所述的方法，其中步驟（c)的所述多變量模式識(shí)別分析包括偏最小 二乘判別分析PLS-DA。17. 如權(quán)利要求1所述的方法，其中所述海產(chǎn)品樣本包括去皮的魚或魚產(chǎn)品。18. 如權(quán)利要求1所述的方法，其中所述光譜儀的重量小于100g，并且在步驟（b)中， 所述光譜儀被放置在所述海產(chǎn)品樣本上。19. 如權(quán)利要求1所述的方法，其中步驟（b)包括將所獲取的所述反射光譜傳送到移動(dòng) 通信設(shè)備。20. 如權(quán)利要求11所述的方法，其中在步驟（c)，在所述光譜儀與所述移動(dòng)設(shè)備之間的 通信包括無線通信。21. 如權(quán)利要求11所述的方法，其中在步驟（c)，在所述光譜儀與所述移動(dòng)設(shè)備之間的 通信包括有線通信。22. 如權(quán)利要求11所述的方法，其中步驟（c)包括將所述反射光譜從所述移動(dòng)設(shè)備傳 送到遠(yuǎn)程服務(wù)器，并且在步驟（c)中，所述多變量模式識(shí)別分析在所述遠(yuǎn)程服務(wù)器上執(zhí)行， 并且所述多變量模式識(shí)別分析的結(jié)果被傳送回所述移動(dòng)設(shè)備，以用于顯示。23. -種用于海產(chǎn)品樣本的鮮度的現(xiàn)場(chǎng)測(cè)定的方法，所述方法包括： (a) 提供便攜式NIR近紅外光譜儀； (b) 使用步驟（a)中所述的NIR近紅外光譜儀來獲取所述海產(chǎn)品樣本的反射光譜； (c) 對(duì)在步驟（b)中所獲取的所述海產(chǎn)品樣本的所述反射光譜執(zhí)行多變量模式識(shí)別分 析，以通過將所述反射光譜和與所述海產(chǎn)品樣本的鮮度相對(duì)應(yīng)的已知鮮度評(píng)估光譜庫進(jìn)行 比對(duì)，確定具有最相似光譜模式的匹配光譜，從而給出所述海產(chǎn)品樣本的所述鮮度的數(shù)量 測(cè)度。24. -種用于海產(chǎn)品樣本的現(xiàn)場(chǎng)鑒定的裝置，所述裝置包括： 便攜式NIR近紅外光譜儀，其用于獲取所述海產(chǎn)品樣本的NIR近紅外反射光譜，以及分 析器，所述分析器可操作地耦合到所述光譜儀并被配置為執(zhí)行所述海產(chǎn)品樣本反射光譜的 多變量模式識(shí)別分析，以通過將所述反射光譜和與不同的海產(chǎn)品品類相對(duì)應(yīng)的已知品類光 譜庫進(jìn)行比對(duì)，確定具有最相似光譜模式的匹配光譜，并基于所述具有最相似光譜模式的 所述匹配光譜來識(shí)別所述海產(chǎn)品樣本。25. 如權(quán)利要求24所述的裝置，其中所述NIR近紅外光譜儀具有950nm-1650nm的波長 范圍。26. 如權(quán)利要求24所述的裝置，其中所述NIR近紅外光譜儀沒有移動(dòng)的部件。27. 如權(quán)利要求26所述的裝置，其中所述NIR近紅外光譜儀包括耦合到光電二極管陣 列的光譜橫向可變光學(xué)透射濾光器。28. 如權(quán)利要求27所述的裝置，其中所述NIR近紅外光譜儀還包括耦合到所述光譜橫 向可變光學(xué)透射濾光器的錐形光管，其用以收集由所述海產(chǎn)品樣本反射的光，并且其中所 述NIR近紅外光譜儀的重量小于100g。29. 如權(quán)利要求27所述的裝置，其中所述分析器包括移動(dòng)通信設(shè)備，其被配置用于執(zhí) 行對(duì)所述反射光譜的多變量分析。30. -種在權(quán)利要求29所述的裝置中使用的非暫時(shí)性的存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)被放 置在所述移動(dòng)通信設(shè)備中，并且所述存儲(chǔ)介質(zhì)具有在其上編碼的已知品類光譜庫。
【專利摘要】本發(fā)明公開了一種用于海產(chǎn)品的現(xiàn)場(chǎng)光譜法表征的方法和儀器。便攜式NIR光譜儀與分析器連接，該分析器被配置為用于執(zhí)行反射光譜的多變量分析，從而定性地確定海產(chǎn)品樣本的真正品類或者定量地確定其新鮮度。本發(fā)明涉及材料表征和鑒別，特別是海產(chǎn)品的光譜法表征。
【IPC分類】G01J3/00
【公開號(hào)】CN105190261
【申請(qǐng)?zhí)枴緾N201480017241
【發(fā)明人】納達(dá)·A.·奧布賴恩, 查理斯·A.·赫爾斯, 海因茨·W.·西斯勒, 熊昌明
【申請(qǐng)人】Viavi科技有限公司
【公開日】2015年12月23日
【申請(qǐng)日】2014年3月20日
【公告號(hào)】EP2976605A1, US9316628, US20150204833, WO2014165331A1