食品顶刊成果|海南大学云永欢联合清华大学、英国贝尔法斯特女王大学知名学者发表重要研究成果

研究背景

    随着食品行业的快速发展和食品市场的日益全球化，消费者越来越关注食品标签的准确性。传统上以感官分析来评估食品的真实性。但由于各种人为因素，感官分析被认为是主观的、不一致的和不可预测的。

    色谱仪和气相色谱-质谱法等仪器方法被认为是准确、可重复和可再现的食品真实性评估技术。然而，这些方法成本高昂、耗时且具有破坏性，并且需要复杂的样品预处理和专业技能。

    在过去的十年中，各种成像和光谱技术已成为食品鉴定的快速、无损检测工具。特别是高光谱成像 （HSI） ，将成像和光谱学相结合以获取样品的空间和光谱信息。与计算机视觉 （CV） 等传统成像技术相比，HSI 显著增加了与样品化学属性相关的信息量，克服了光谱技术无法提供有关非均质样品空间信息的局限性。

    然而，HSI 尚未在食品认证中实现广泛和大规模的商业应用。其价格通常从数万美元到数十万美元不等，并且获取和处理高光谱图像的过程耗时较长。为了降低测量的成本和复杂性，多光谱成像 （MSI） 为 HSI提供了一种低成本替代方案，其可在多个特定波长下捕获图像。然而，MSI 的价格仍然超出用户预期，并且较少的波长数量限制了其分析性能。因此，HSI 和 MSI 目前不适合广泛地进行面向消费者的食品认证。

成果简介

    本研究提出了一种基于智能手机的低成本成像技术，即智能手机视频成像 （SVI）。此技术可用于捕获由变色屏照亮的样品短视频，并在人工智能辅助下开发出了新的功能，使 SVI 成为一种类似高光谱成像 （HSI）的多功能成像技术。此技术能对非均质含量的样品进行分类，分析物质含量的空间表示，并从视频中重建高光谱图像。当SVI与残差神经网络集成时，在人参分类任务上优于传统的计算机视觉方法。此外，此技术有效地绘制了粉末混合物（藏红花和姜黄粉）中藏红花纯度的空间分布，其预测性能与 HSI 相当。另外，当SVI 与 U-Net 深度学习模块相结合，能生成与 HSI 采集的目标图像非常相似的高质量图像。综上，SVI 技术可以作为一种面向消费者的食品认证解决方案。

1. 提出了一种基于智能手机视频的低成本成像技术。

2. 通过ResNet 提取了智能手机视频的空间和光谱信息。

3. 基于智能手机视频在空间上呈现了分析物的浓度。

4.从智能手机视频中重建了高质量的高光谱图像。

原文链接