本研究應(yīng)用了400-1000nm的高光譜相機(jī)，可采用賽斯拜克(Sinespec)產(chǎn)品高光譜相機(jī)SP系列進(jìn)行相關(guān)研究。光譜范圍在400-1000nm，波長分辨率優(yōu)于2.5nm，可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz(支持多區(qū)域波段選擇)。

對蝦是中國乃至世界一種重要的水產(chǎn)品，在漁業(yè)經(jīng)濟(jì)中占有重要地位“。其中，刀額新對蝦是我國分布最廣的對蝦類，以黃海和渤海為主要產(chǎn)地。成年刀額新對蝦體長一般在 13-24 厘米之間，體重為 20-40 克，雄體為棕黃色，雌體呈青藍(lán)色，生命周期通常為一年，個(gè)別可達(dá)到兩年或三年[23)。刀額新對蝦不僅肉質(zhì)鮮嫩，味道鮮美，而且富含豐富的優(yōu)質(zhì)蛋白質(zhì)以及多種人體必需的微量元素，深受消費(fèi)者青睞在日本，顏色亮紅、神似珊瑚的熟蝦被視為長壽吉祥的象征，受到國際市場的廣泛歡迎近年來，隨著蝦青素和蝦紅素抗氧化、抗腫瘤等生理功能研究的進(jìn)一步深入，推進(jìn)了對蝦產(chǎn)品的高值化利用由于打撈上來的活蝦極易死亡，在運(yùn)輸及銷售的過程中常采用冷藏或冷凍處理。

蝦類死亡后，在酶和微生物的共同作用下，蝦肉的化學(xué)成分(蛋白質(zhì)、糖類、脂肪等)不斷被分解成氨、胺類、有機(jī)酸、CO2、脂肪酸、甘油、醛和酮等化合物間。同時(shí)蝦仁的組織結(jié)構(gòu)也逐漸被破壞，其色澤、紋理、硬度、彈性及氣味等外部特征均不斷變化，最終導(dǎo)致腐敗變質(zhì)而不能食用17.81。隨著生活水平的提高，消費(fèi)者對蝦類等水產(chǎn)品的安全品質(zhì)需求越來越高。新鮮度既是水產(chǎn)品腐敗程度的直接反映，也是水產(chǎn)品品質(zhì)安全評價(jià)的一項(xiàng)重要指標(biāo)。因此，快速、無損、準(zhǔn)確地檢測蝦仁的新鮮程度不僅與消費(fèi)者的切身利益息息相關(guān)，也對蝦仁及其制品的運(yùn)輸、儲藏和銷售有著重要的科學(xué)意義和應(yīng)用價(jià)值。

(1)應(yīng)用可見/短波近紅外高光譜成像技術(shù)實(shí)現(xiàn)了蝦仁質(zhì)構(gòu)參數(shù)和色澤參數(shù)的快速無損檢測及其可視化分布。冷藏期間，分別采用質(zhì)構(gòu)儀和色差計(jì)測定蝦仁樣本的 TPA 質(zhì)構(gòu)特性(硬度、彈性、恢復(fù)性、膠著性、咀嚼性和粘聚性)和色澤變化 (L、a和 b*)。優(yōu)選出最佳光譜預(yù)處理方法對蝦仁樣本的平均光譜進(jìn)行去噪，再采用SPA 算法提取出光譜特征波長。然后分別結(jié)合線性的偏最小二乘回歸(PLSR)，非線性的RBF人工神經(jīng)網(wǎng)絡(luò)(RBF-NN)和最小二乘支持向量機(jī)(LS-SVM)對訓(xùn)練集樣本建立特征波長與L*、a"、b*、硬度、彈性、恢復(fù)性、膠著性、咀嚼性和粘聚性的相關(guān)性模型，再對預(yù)測集樣本的相關(guān)參數(shù)值進(jìn)行預(yù)測。結(jié)果表明：

(a)冷藏期間，蝦仁樣本的色澤參數(shù)隨冷藏時(shí)間的延長呈現(xiàn)一定的變化規(guī)律。對于蝦仁色澤參數(shù) L，a，b的最優(yōu)預(yù)處理方法分別是SNV，SNV和S-G平滑。應(yīng)用SPA算法從預(yù)處理光譜提取色澤參數(shù)的特征波長。三種參數(shù)的特征波長模型中，RBF-NN 的結(jié)果較差，且存在過擬合現(xiàn)象。PLSR與LS-SVM模型的結(jié)果較為相近。其中 L-LS-SVM模型的預(yù)測集R和RMSEP分別為 0.88 和 0.716; b-LS-SVM模型的預(yù)測集R和RMSEP分別為0.85 和0.685:a -LS-SVM模型的預(yù)測集效果略差，R為0.71,RMSEP為0.450;

(b)(b)冷藏期間，蝦仁樣本的硬度、彈性、恢復(fù)性、膠著性、咀嚼性、粘聚性隨冷藏時(shí)間的延長呈現(xiàn)一定的變化規(guī)律。彈性、恢復(fù)性和咀嚼性的最優(yōu)建模數(shù)據(jù)均為原始光譜而硬度、膠著性和粘聚性的最優(yōu)預(yù)處理方法分別為MSC、SNV 和MSC?；陬A(yù)處理光譜，用SPA 算法分別提取硬度、彈性、恢復(fù)性、膠著性、咀嚼性、粘聚性的特征波長。通過比較硬度、膠著性和咀嚼性的特征波長模型，RBF-NN模型存在過擬合現(xiàn)象LS-SVM的建模與預(yù)測結(jié)果均為最優(yōu)。其中硬度LS-SVM 模型的預(yù)測集R和RMSEP分別為0.81 和0.402,膠著性LS-SVM模型的預(yù)測集R和RMSEP分別為0.80 和0.163咀嚼性LS-SVM模型的預(yù)測集 R和RMSEP分別為 0.84 和 0.174。對于彈性、恢復(fù)性和粘聚性，基于三種方法建立的預(yù)測模型結(jié)果均較差。