探討機器學習結合高光譜影像用於預測肉類產品感官特性之性能

學生姓名: 徐嘉嬨
指導教授: 蕭心怡
學期: 114下
摘　　要: 肉類產品為重要蛋白質來源之一，其品質評估具高度商業價值，因口感、風味、質地與外觀等感官屬性為影響消費者購買決策之關鍵。傳統品質評估方法如感官品評、理化及微生物分析，存在具破壞性、耗時、主觀性高等限制，近年來結合機器學習 (machine learning, ML) 預測模型與高光譜影像 (hyperspectral imaging, HSI) 等技術之方法逐漸受到關注，可於不破壞樣品之條件下進行食品質地與風味之快速評估，進一步提升檢測效率。在質地特性預測研究中顯示，透過 HSI 結合 PLSR、LSSVM 等機器學習演算法可準確預測灘羊肉之硬度 (Rp²=0.986)、膠黏性 (Rp²=0.984)、與咀嚼性 (Rp2=0.987)，其中 LSSVM 模型對羊肉咀嚼性及膠黏性之預測性能又優於 PLSR 模型；HSI 結合 BP-ANN 在不同部位 (背部、胸部、腹部、臀部) 鯉魚肌肉之咀嚼性、膠黏性之預測上尤具優勢 (rP>0.90)。在感官屬性預測研究中顯示，HSI 結合 SVM、PLSDA等機器學習模型預測豬梅花肉脂肪感 (F1p = 0.73)、甜度 (F1p = 0.60) 及多汁性 (F1p = 0.59) 之性能較好，但對於整體風味評分之預測仍需優化。總言之，不同的機器學習演算法對應特定的質地參數或感官屬性參數之預測性能具有特異性，因此針對不同肉類或部位的特定指標選擇最適合的模型及高光譜資料預處理方法，能極大化預測的準確度。