Un caso de aplicación de la cámara hiperespectral CHNSpec FS-13 en la detección no destructiva de aminoácidos en peces vivos

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 carpEste estudio fue completado conjuntamente por la Universidad del Océano de Shanghai, la Academia China de Ciencias de la Pesca y otras unidades.La cámara hiperespectral FS-13 (FigSpec FS-13) proporcionada por CHNSpec Technology se utilizó como el equipo de detección principalXiajun Qi, un ingeniero de CHNSpec Technology, participó profundamente en la investigación, proporcionando una nueva vía técnica para la evaluación en tiempo real de la calidad nutricional de los peces vivos.

I. Antecedentes de investigación y requisitos de detección
La composición de aminoácidos de la carne de pescado es un indicador importante para medir su valor nutricional y su valor comercial.Aunque los métodos de detección tradicionales (como la cromatografía líquida de alto rendimiento) son precisos, son destructivos, los peces no pueden ser vendidos más o utilizados para la cría selectiva después de su detección.como la alimentación de precisiónLa industria ha carecido durante mucho tiempo de una herramienta de detección rápida, no destructiva y en línea.

El punto de partida de este estudio es: ¿pueden las escamas de los peces servir de "ventana" para las señales espectrales? ¿Puede la luz del infrarrojo cercano penetrar las escamas y la piel de los peces,transportando información de composición química desde el músculo hasta el detectorSi es factible, resolverá fundamentalmente el problema de la detección de la nutrición de los peces vivos.

II. Protocolo experimental y equipo básico
El equipo de investigación recogió dos poblaciones de carpa común de diferentes años y rangos de peso diferentes, un total de 481 peces vivos.Primero fue anestesiado brevemente con anestésico MS222., y la superficie de las escamas en la región de la aleta dorsal se secó suavemente con papel absorbente.Resolución espectral 2.5 nm) se utilizó para obtener imágenes hiperespectral de la región de la aleta dorsal de las escamas.con cada píxel que contiene información espectral en 300 bandas.

Posteriormente, se realizó un muestreo en el sitio muscular dorsal correspondiente,y el contenido real de 17 aminoácidos se determinó mediante cromatografía líquida de alto rendimiento para modelado y validación.

III. Construcción de modelos y efectos de predicción
Los investigadores compararon cinco modelos: Regresión parcial de mínimos cuadrados (PLSR), Máquina de vector de apoyo de mínimos cuadrados (LS-SVM), Máquina de aprendizaje extremo (ELM), Bosque aleatorio (RF),y Red Neural Artificial de Replicación (BP-ANN)El modelado se realizó utilizando señales espectrales de banda completa (400-1000 nm), y los valores de R2 de diferentes modelos en los conjuntos de entrenamiento y predicción fueron generalmente superiores a 0.95.

Entre ellos, el modelo BP-ANN mostró efectos de predicción relativamente estables para la mayoría de los aminoácidos.todos los valores de validación R2 del modelo BP-ANN superaron 0.777La validación R2 para los tres aminoácidos con mayor contenido de ácido glutámico, ácido aspártico y lisina alcanzó el 0.848, 0.858, y 0.858El estudio también encontró que después de reemplazar las bandas completas con longitudes de onda características (seleccionadas por el algoritmo CARS),La mejora en la precisión de la predicción fue limitada (el R2 promedio aumentó en aproximadamente 0..013), lo que indica que la información espectral relacionada con los aminoácidos está ampliamente distribuida.

IV. Factores clave que afectan a la exactitud
El estudio evaluó sistemáticamente el impacto de seis factores en la precisión de la predicción, y los resultados mostraron que: la heterogeneidad de la población de la muestra fue el factor más significativo que afecta a la precisión.Cuando el modelo se aplicó a poblaciones independientes de diferentes años y pesos, el R2 promedio disminuyó en aproximadamente 0.182Esto puede estar relacionado con las diferencias en la distribución del contenido de aminoácidos entre las dos poblaciones (por ejemplo,la mediana de la mayoría de los aminoácidos en la primera población fue significativamente mayor que en la segunda población)A pesar de esto, el modelo BP-ANN mantuvo una exactitud aceptable (R2 > 0,777) en poblaciones heterogéneas.

Por el contrario, el tipo de modelo, el tipo de aminoácidos, el método de selección de longitud de onda, el peso corporal de los peces y la longitud del cuerpo tuvieron menos impacto en la precisión (variación media de R2 inferior a 0,103).después de dividir el pescado en partes superioresEn el caso de los grupos de los grupos de mediano y inferior según el peso corporal, la diferencia media en R2 para el modelo BP-ANN fue de sólo 0,076 (si se utilizan longitudes de onda características).Esto indica que la señal espectral es impulsada principalmente por la composición bioquímica del músculo, en lugar de simples efectos de dispersión de tamaño físico.

En términos de longitudes de onda características, el algoritmo CARS seleccionó bandas sensibles para el ácido glutámico y la lisina concentradas en 516-584 nm, 707-738 nm, 828-834 nm y 939-1032 nm.Estas regiones están asociadas con los tonos y las frecuencias de combinación de los enlaces C-H, enlaces O-H y enlaces N-H, validando la viabilidad de la luz infrarroja cercana que interactúa con moléculas de aminoácidos en el músculo después de penetrar las escamas.

V. Distribución espacial y valor de aplicación
Utilizando la información espectral de cada píxel de la cámara hiperespectral FS-13, el equipo de investigación mapeó la distribución del mapa de calor del contenido total de aminoácidos en todo el cuerpo del pez vivo.Los resultados mostraron que: el contenido total de aminoácidos en el músculo de la mandíbula inferior, la aleta pectoral y el abdomen fue relativamente alto, mientras que el contenido en la región de la aleta dorsal y la cola fue relativamente bajo. 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 muscleEste mapa de calor puede proporcionar una referencia visual para que los consumidores seleccionen partes con alto valor nutricional.

La cámara hiperespectral CHNSpec FS-13 combinada con algoritmos de aprendizaje profundo rompió con éxito el cuello de botella técnico de detección no destructiva de aminoácidos en productos acuáticos vivos,proporcionando un peso ligero, herramienta práctica de detección para la acuicultura de precisión y la detección de productos acuáticos de alta calidad.con la mejora continua de la base de datos de modelos y el desarrollo de equipos portátiles, esta solución se puede promover aún más a una variedad de especies de peces de agua dulce y marinos, ayudando a la industria acuática a actualizarse hacia la inteligencia, la estandarización y la visualización nutricional.

Recomendación del producto: FigSpecFS-13 cámara hiperespectral (escaneo en línea)

• Rango espectral: 400-1000 nm
• Resolución espectral: 2,5 nm
• Bandas espectrales: 1200
• Pixeles espaciales: 1920