欧亚国际

摘要

海藻养殖业的扩张以及这些产品的快速腐败，使得实施快速、实时的质量评估技术变得更加重要。原产于苏格兰和爱尔兰的海藻样本在不同温度条件下储存特定时间间隔。在整个储存过程中进行微生物分析以评估总活菌数（TVC），同时进行平行的FT-IR光谱、多光谱成像（MSI）和电子鼻（e-nose）分析。机器学习模型（偏最小二乘回归（PLS-R））用于评估传感器和微生物数据之间的任何相关性。微生物计数在1.8至9.5 log CFU/g之间，而微生物生长速度受产地、收获年份和储存温度的影响。使用FT-IR数据开发的模型在外部测试数据集上显示出良好的预测性能。通过合并来自两个来源的数据开发的模型产生了令人满意的预测性能，显示出更强的稳健性，因为对微生物种群预测不了解来源。使用MSI数据开发的模型结果表明，尽管RMSE值较高，但在外部测试数据集上的预测性能相对较好，而在使用MI和SAMS的电子鼻数据时，报告的模型预测性能较差。

关键词：海藻；腐败；红外光谱；多光谱成像；电子鼻；机器学习 

Rapid Assessment of Microbial Quality in Edible Seaweeds Using Sensor Techniques Based on Spectroscopy, Imaging Analysis and Sensors Mimicking Human Senses

Sensors 2022, 22(18), 7018; http://doi.org/10.3390/s22187018

Abstract

The expansion of the seaweed aquaculture sector along with the rapid deterioration of these products escalates the importance of implementing rapid, real-time techniques for their quality assessment. Seaweed samples originating from Scotland and Ireland were stored under various temperature conditions for specific time intervals. Microbiological analysis was performed throughout storage to assess the total viable counts (TVC), while in parallel FT-IR spectroscopy, multispectral imaging (MSI) and electronic nose (e-nose) analyses were conducted. Machine learning models (partial least square regression (PLS-R)) were developed to assess any correlations between sensor and microbiological data. Microbial counts ranged from 1.8 to 9.5 log CFU/g, while the microbial growth rate was affected by origin, harvest year and storage temperature. The models developed using FT-IR data indicated a good prediction performance on the external test dataset. The model developed by combining data from both origins resulted in satisfactory prediction performance, exhibiting enhanced robustness from being origin unaware towards microbiological population prediction. The results of the model developed with the MSI data indicated a relatively good prediction performance on the external test dataset in spite of the high RMSE values, whereas while using e-nose data from both MI and SAMS, a poor prediction performance of the model was reported. View Full-Text

Keywords: marine algae; spoilage; FT-IR; multispectral imaging; e-nose; machine learning

相关阅读

丹麦Videometer Liq固/液体稳定性分析仪检测仪

丹麦VideometerSLS/SGT颗粒/粘度/口感评价测量仪

丹麦videometer多光谱颜色/质构/成分综合分析仪

食品品质光谱成像可视化：应用多光谱成像的黄油曲奇质量评估

食品品质光谱成像可视化：光谱成像应用于面食小麦籽粒真伪检测的可行性研究

食品品质光谱成像可视化：多光谱成像 (MSI)：一种检测掺有马肉的碎牛肉的有前景的方法

食品品质光谱成像可视化：色度计和多光谱图像的肉类颜色测量结果的比较

食品品质光谱成像可视化：蔬菜的多光谱成像

食品品质光谱成像可视化：利用多光谱成像进行非侵入性污染评估和肉类样品绘图

食品品质光谱成像可视化：使用多光谱成像分析快速无损识别注水牛肉样品

食品品质光谱成像可视化：具有不同亚硝酸盐和硝酸盐还原酶活性的肉相关葡萄球菌在发酵香肠中的颜色形成

食品品质光谱成像可视化：虾在冰成熟过程中的可剥性和质量变化

食品品质光谱可视化研究：长时间低温热处理的奶牛和公牛的肉韧性与结缔组织特性的关系

食品品质光谱成像可视化：使用 vis/NIR 多光谱成像对微加工苹果的每日新鲜度衰减：初步测试

食品品质光谱成像可视化：多光谱视觉系统与色度计在肉色评估中的比较

食品品质光谱成像可视化：肉品连续煎炸多维质量监控新视觉技术

食品品质光谱可视化研究：使用光谱成像和三色测量对鲑鱼虾青素颜色进行分类

食品品质光谱可视化研究：长时间低温热处理的奶牛和公牛的肉韧性与结缔组织特性的关系

食品品质光谱可视化研究：虾青素涂层分类的多光谱图像分析

食品品质光谱可视化研究：高通量多光谱图像处理在食品科学中的应用

食品品质光谱可视化研究：一种基于多光谱图像的肉类腐败检测智能决策支持系统

食品品质光谱可视化研究：多光谱成像在草莓果实品质属性和成熟期测定中的应用

食品品质光谱可视化：多光谱成像技术在阿拉比卡和罗布斯塔咖啡豆鉴别中的应用

多光谱食品品质无损检测：用于快速评估鸡肉汉堡微生物质量的光谱数据