Resumen

Para la identificación de la adulteración del salmón con inyección de agua, se propuso un método de identificación no destructivo basado en imágenes hiperespectrales. Las imágenes hiperespectrales de filetes de salmón en los rangos visible e infrarrojo cercano (390-1050 nm) se obtuvieron con un sistema. Los datos hiperespectrales originales se procesaron mediante el análisis de componentes principales (PCA). De acuerdo con la calidad de la imagen y los parámetros del PCA, se seleccionó una segunda imagen de componentes principales (PC2) como imagen característica, y las longitudes de onda correspondientes a los valores extremos locales de los coeficientes de ponderación de la imagen característica se extrajeron como longitudes de onda características, que fueron 454,9, 512,3 y 569,1 nm. Sobre esta base, el color combinado con espectros en longitudes de onda características, la textura combinada con espectros en longitudes de onda características, y el color-textura combinado con espectros en longitudes de onda características se establecieron independientemente como entrada, para el modelado de la identificación de la adulteración del salmón basado en la red del mapa de características autoorganizado (SOM). Se analizaron las distancias entre neuronas vecinas y los pesos de las características de los modelos para realizar la visualización de los resultados de la identificación. Los resultados mostraron que el modelo basado en SOM, con textura-color combinada con características de fusión de espectros en longitudes de onda características como entrada, fue evaluado para poseer el mejor rendimiento y la precisión de identificación es tan alta como 96,7%.

• Materias:Calidad de los alimentos Seguridad alimenticia Seguridad alimentaria Análisis de los Alimentos Química de los alimentos Manipulación de alimentos
• Subjects:Food quality Food security Food Analysis Food chemistry Food handling
• Palabras claves:longitudes de onda características, espectros, color, textura, imágenes hiperespectrales, coeficientes de ponderación de imágenes características, valores extremos locales, método de identificación no destructivo, datos hiperespectrales originales, identificación de adulteración de salmón
• Keywords:feature wavelengths, spectra, color, texture, hyperspectral images, feature image weighting coefficients, local extremum values, nondestructive identification method, original hyperspectral data, salmon adulteration identification