食品行業
本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。
對蝦是中國乃至世界一種重要的水產品，在漁業經濟中占有重要地位“。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，雌體呈青藍色，生命周期通常為一年，個別可達到兩年或三年[23）。刀額新對蝦不僅肉質鮮嫩，味道鮮美，而且富含豐富的優質蛋白質以及多種人體必需的微量元素，深受消費者青睞在日本，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一步深入，推進了對蝦產品的高值化利用由于打撈上來的活蝦極易死亡，在運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，蝦肉的化學成分（蛋白質、糖類、脂肪等）不斷被分解成氨、胺類、有機酸、CO2、脂肪酸、甘油、醛和酮等化合物間。同時蝦仁的組織結構也逐漸被破壞，其色澤、紋理、硬度、彈性及氣味等外部特征均不斷變化，最終導致腐敗變質而不能食用17.81。隨著生活水平的提高，消費者對蝦類等水產品的安全品質需求越來越高。新鮮度既是水產品腐敗程度的直接反映，也是水產品品質安全評價的一項重要指標。因此，快速、無損、準確地檢測蝦仁的新鮮程度不僅與消費者的切身利益息息相關，也對蝦仁及其制品的運輸、儲藏和銷售有著重要的科學意義和應用價值。
（1）應用可見/短波近紅外高光譜成像技術實現了蝦仁質構參數和色澤參數的快速無損檢測及其可視化分布。冷藏期間，分別采用質構儀和色差計測定蝦仁樣本的 TPA 質構特性（硬度、彈性、恢復性、膠著性、咀嚼性和粘聚性）和色澤變化 （L、a和 b*）。優選出最佳光譜預處理方法對蝦仁樣本的平均光譜進行去噪，再采用SPA 算法提取出光譜特征波長。然后分別結合線性的偏最小二乘回歸（PLSR），非線性的RBF人工神經網絡（RBF-NN）和最小二乘支持向量機（LS-SVM）對訓練集樣本建立特征波長與L*、a"、b*、硬度、彈性、恢復性、膠著性、咀嚼性和粘聚性的相關性模型，再對預測集樣本的相關參數值進行預測。結果表明：
（a）冷藏期間，蝦仁樣本的色澤參數隨冷藏時間的延長呈現一定的變化規律。對于蝦仁色澤參數 L，a，b的最優預處理方法分別是SNV，SNV和S-G平滑。應用SPA算法從預處理光譜提取色澤參數的特征波長。三種參數的特征波長模型中，RBF-NN 的結果較差，且存在過擬合現象。PLSR與LS-SVM模型的結果較為相近。其中 L-LS-SVM模型的預測集R和RMSEP分別為 0.88 和 0.716; b-LS-SVM模型的預測集R和RMSEP分別為0.85 和0.685:a -LS-SVM模型的預測集效果略差，R為0.71,RMSEP為0.450;
（b）（b）冷藏期間，蝦仁樣本的硬度、彈性、恢復性、膠著性、咀嚼性、粘聚性隨冷藏時間的延長呈現一定的變化規律。彈性、恢復性和咀嚼性的最優建模數據均為原始光譜而硬度、膠著性和粘聚性的最優預處理方法分別為MSC、SNV 和MSC。基于預處理光譜，用SPA 算法分別提取硬度、彈性、恢復性、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模型存在過擬合現象LS-SVM的建模與預測結果均為最優。其中硬度LS-SVM 模型的預測集R和RMSEP分別為0.81 和0.402,膠著性LS-SVM模型的預測集R和RMSEP分別為0.80 和0.163咀嚼性LS-SVM模型的預測集 R和RMSEP分別為 0.84 和 0.174。對于彈性、恢復性和粘聚性，基于三種方法建立的預測模型結果均較差。
