استفاده از سامانه تصویربرداری فراطیفی به منظور تشخیص کیفیت و تازگی ماهی قزل آلا

ماهی قزل آلای رنگین کمان یکی از محصولات شیلاتی است که تولید و مصرف بالایی از بازار ماهی را به خود اختصاص داده است. طبق هر صنعت دیگری، کنترل کیفیت محصولات کشاورزی و مواد غذایی در مشتری پسندی و بازاریابی آن نقش به سزایی دارد. در این میان روش های رایج و متداول کنترل کیفی به دلیل مخرب و زمان بر بودن و همچنین نیاز به نیروی کارگری، نمی توانند به صورت صنعتی بر روی خط تولیدی استفاده شوند. تصویربرداری فراطیفی به عنوان یک روش غیر مخرب و سریع، که تلفیقی از ماشین بینایی و طیف سنجی است، کاربردهای فراوانی را در زمینه کنترل کیفیت محصولات غذایی داشته است. در آزمایش مقدماتی20 عدد ماهی قزل آلا به منظور بررسی اختلاف طیف های پوست و گوشت ماهی با سامانه طیف سنجی در محدوده nm 1000-400 مورد بررسی قرار گرفت. سپس جهت انجام آزمایش های اصلی، از دو سامانه تصویربرداری فراطیفی به نام های مرئی– فروسرخ نزدیک (vis-nir) در محدوده طیفی nm 1000-400 و فروسرخ موج کوتاه (swir) در محدوده طیفی nm 2500-1000 به منظور تعیین پارامترهای کیفی (تازگی، تردی بافت، میزان رطوبت، ph، چربی و پروتئین) ماهی قزل آلا استفاده شد. ابتدا سامانه تصویربرداری متناسب با ابعاد مورد نیاز که شامل قسمت نورپردازی، تسمه نقاله و قاب و شاسی بود طراحی و ساخته شد. برای انجام آزمایش های اصلی، 80 عدد ماهی تازه در 4 کلاس 20 تایی 1، 3، 5 و 7 روزه براساس زمان نگهداری بعد از کشتار، در داخل یخ، تهیه شده و با دو سامانه مذکور تصاویر طیفی از ماهی کامل تهیه شد. با روش های متداول آزمایشگاهی پارامترهای کیفی تعیین گردیدند. با حذف زمینه، باله و نقاط اشباع شده از تصاویر تهیه شده، طیف میانگین هر نمونه در دو سامانه استخراج گردید. با اعمال پیش پردازش های مختلف و انجام مدل سازی های متفاوت، دقت هر سامانه در آزمایش های مقدماتی و اصلی بررسی شده و بهترین پیش پردازش و مدل انتخاب گردید. نتایج آزمایش طیف سنجی نشان دادند که r2 پیشگوئی میزان رطوبت و ph به ترتیب برابر 88/0 و 85/0 با استفاده از مدل حداقل مربعات جزئی (pls) و تحت دو پیش پردازش ساویتزکی- گولای (sg) و تصحیح کننده پخش افزاینده (msc) به دست آمد. حال اینکه برای دیگر پارامترها نتایج قابل قبولی حاصل نشد. در مورد سامانه های تصویربرداری فراطیفی، نتایج نشان داد که در بررسی تشخیص کلاس تازگی ماهی، سامانه vis-nir عملکرد بهتری نسبت به سامانه swir داشت که نرخ جداسازی صحیح کلا س های تازگی با این سامانه، 100% حاصل گردید. در بررسی تردی بافت عملکرد هر دو سامانه مشابه یکدیگر بود. مقادیر r2 برای حالت پیشگویی در تعیین پارامترهای میزان رطوبت، ph و چربی با استفاده از مدل pls در سامانه swir به ترتیب برابر با 70/0، 68/0 و 57/0 به دست آمد که بهتر از نتایج سامانه vis-nir بود. برای پارامتر پروتئین نتایج قابل قبولی حاصل نشد. در بررسی تازگی و تردی بافت ترکیب پیش پردازش های sg، مشتق دوم (d2) و یکی از msc یا توزیع نرمال استاندارد (snv) بهترین نتیجه را در بر داشتند (sg+d2+msc/snv). در پارامترهای میزان رطوبت، ph و چربی به جای پیش پردازش msc، مدل توسعه یافته آن یعنی emsc بهترین نتیجه را حاصل نمود (sg+d2+emsc). با توجه به نتایج حاصل می توان بیان نمود برای تشخیص تازگی ماهی سامانه vis-nir، برای تعیین پارامتر تردی بافت هر دو سامانه، و برای تعیین میزان رطوبت، ph و چربی سامانه swir عملکرد بهتری را داشته اند. در تمامی حالات مدل pls نسبت به دیگر مدل ها دارای دقت بیشتر بود.