生魚片又稱魚生，古稱魚膾，起源于中國，最早文字記錄可以追溯到周朝，有著悠久的食用歷史，后傳至日本及朝鮮半島等地，在日本稱刺身，是日本料理中最為常見的菜品。

生魚片制作簡單，食用可口，營養豐富。從營養學角度說，生魚片沒有經過傳統的炒、炸、蒸等烹飪方法，因此營養物質完全沒有流失，是一道極富營養的菜肴。
 

但是從衛生角度考慮 ... ...

生魚片是一種傳統的日本食品，在日本以外的許多國家都很流行，但嚴重的健康風險，如腹痛，腹瀉，嘔吐，以及由生魚片上常見的寄生蟲引起的器官損傷，是消費者擔心的因素。

冷凍處理是一種有效殺滅寄生蟲的方法，但由于可接受的溫度范圍窄，無法廣泛應用；過高的溫度無法完全消除所有寄生蟲，而過低的溫度會損害生魚片的風味。

因此，有必要開發一種寄生蟲檢測方法，以便清除被感染的生魚片。傳統的生魚片寄生蟲檢測方法主要有顯微鏡法、免疫熒光法、聚合酶鏈式反應法等，但這些方法耗時費力，不易實現產業化。因此，迫切需要一種快速、簡便、可靠、智能的生魚片寄生蟲檢測方法。目前，可見光和近紅外（VIS/NIR）光譜在食品質量檢測中的應用已經很成熟，包括疾病監測、害蟲檢測、蛋白質和脂肪含量評估等。然而，寄生蟲非常小，利用VIS/NIR高光譜成像技術能否檢測到生魚片上的寄生蟲仍然是一個未知的問題。
 

利用VIS/NIR高光譜成像進行生魚片寄生蟲檢測
 

基于此，在所附的文章中， 研究者們首次探討了Resonon Pika XC2高光譜成像結合化學計量建模檢測草魚生魚片上寄生蟲（異尖線蟲）的能力。為此，作者（a）比較了生魚片表面、生魚片邊緣和生魚片上存在異尖線蟲的VIS/NIR光譜特征差異，（b）選擇不同特征納入分析時，應用偏最小二乘回歸（PLSR）和概率神經網絡（PNN）測試寄生蟲檢測能力，從而確定優化的建模方法。（c）基于該優化建模方法提出了未來的應用前景。
 

【結果】
 

切片面、切片邊緣和異尖線蟲光譜的平均值；頂部異尖線蟲的原始光譜（A）；底部異尖線蟲的原始光譜（B）；頂部異尖線蟲的一階導數光譜（C）；底部異尖線蟲的一階導數光譜譜（D）
 

未來實際應用中寄生蟲檢測方案
 

【結論】

利用VIS/NIR光譜視覺上可區分切片面、切片邊緣和寄生蟲。PNN對生魚片寄生蟲的檢測能力優于PLSR。組合模型的檢測能力優于單一檢測模型。采用PNN SG + SNV+一階導數+ PNN模型（提取484.88 ~ 655.95 nm波長對切片面、切片邊緣和異尖線蟲進行分類）+ PNN模型（提取368.37 ~ 461.18 nm波長對切片面和異尖線蟲進行分類正確性檢查）的方法是目前研究的最佳生魚片寄生蟲檢測方法。結果表明，該方法對頂部和底部異尖線蟲的檢測準確率分別為91.67%和82.14%。在實際應用中，需要對生魚片像素的所有光譜進行提取、分析，并在相應位置進行標記，以顯示整個圖像上寄生蟲的分布情況。
 

請點擊下方鏈接，閱讀原文:

https://mp.weixin.qq.com/s/PQu6iiiH8PpSdgxBLVebtw