應用近紅外光譜技術與機器學習進行水產品冷凍解凍歷程辨識之研究
學生姓名:
孫世瑋
指導教授:
王上達
學期:
115上
摘 要:
冷凍為水產品常見的保存方式，能有效延長保存期限，但冷凍及解凍過程可能造成冰晶形成、肌肉組織損傷、水分遷移及保水能力下降，進而影響產品品質。由於冷凍解凍後的水產品在外觀上不易與未經冷凍的產品區分，可能產生將冷凍解凍產品冒充新鮮產品販售的問題。傳統冷凍解凍歷程檢測方法多具有耗時、成本較高、需要破壞性取樣或專業人員操作等限制，難以應用於現場快速檢測。因此，本專題討論以兩篇研究為基礎，探討可攜式近紅外光譜技術(Near-Infrared Spectroscopy, NIRS)結合化學計量學與機器學習模型，應用於水產品冷凍解凍歷程判別的可行。
第一篇研究以墨魚(Sepia officinalis)為對象，使用可攜式近紅外光譜儀(902– 1680 nm)收集 669 個樣品的光譜資料，並結合隨機森林(Random Forest, RF)進行特徵波長篩選，以及支持向量機(Support Vector Machine, SVM)建立分類模型，以判別新鮮、冷凍解凍及冷凍解凍後經過氧化氫處理的樣品。結果顯示，新鮮與冷凍解凍樣品的分類準確率在 Hold-out 驗證及外部驗證中分別達到 97%與 93%。然而，當同時區分三種處理狀態時，分類準確率分別降至 87%與 89%，顯示冷凍解凍所造成的光譜差異較過氧化氫處理更容易辨識。第二篇研究以鯖魚(Scomber scombrus)為對象，使用兩款低成本可攜式近紅外光譜儀，分別量測 740–1070 nm 及 600–1160 nm 的光譜範圍，並結合偏最小平方法判別分析(Partial Least Squares Discriminant Analysis, PLS-DAC，探討不同冷凍解凍次數及冷凍方式的判別能力。結果顯示，兩款儀器對新鮮及經過一次或兩次冷凍解凍樣品的正確分類率分別達到 90.3%與 94.1%；對不同冷凍方式下的冷凍樣品，正確分類率則分別達到 91.2%與 89.7%。然而，樣品解凍後，不同冷凍方式的分類正確率下降至 54.4%與 71.6%，顯示解凍後不同冷凍條件造成的光譜差異較難辨識。
綜合兩篇研究可知，冷凍解凍所造成的組織結構、水分分布及化學組成變化，能反映於近紅外光譜的吸收與散射特性，其中與水分相關的 O–H 吸收波段具有重要的判別價值。可攜式近紅外光譜技術結合適當的光譜前處理與分類模型，能有效區分新鮮與冷凍解凍水產品，具有快速、非破壞及現場檢測的應用潛力。 然而，當判別目標涉及不同加工處理條件時，模型表現可能下降，且樣品的季節性與個體差異亦可能影響分類能力。因此，未來仍須擴大樣品來源、增加不同處理條件及進行獨立驗證，以提升模型的泛化能力與穩定性，促進此技術應用於水產品品質管理、冷凍解凍歷程判別及食品標示真實性的查核。
第一篇研究以墨魚(Sepia officinalis)為對象，使用可攜式近紅外光譜儀(902– 1680 nm)收集 669 個樣品的光譜資料，並結合隨機森林(Random Forest, RF)進行特徵波長篩選，以及支持向量機(Support Vector Machine, SVM)建立分類模型，以判別新鮮、冷凍解凍及冷凍解凍後經過氧化氫處理的樣品。結果顯示，新鮮與冷凍解凍樣品的分類準確率在 Hold-out 驗證及外部驗證中分別達到 97%與 93%。然而，當同時區分三種處理狀態時，分類準確率分別降至 87%與 89%，顯示冷凍解凍所造成的光譜差異較過氧化氫處理更容易辨識。第二篇研究以鯖魚(Scomber scombrus)為對象，使用兩款低成本可攜式近紅外光譜儀，分別量測 740–1070 nm 及 600–1160 nm 的光譜範圍，並結合偏最小平方法判別分析(Partial Least Squares Discriminant Analysis, PLS-DAC，探討不同冷凍解凍次數及冷凍方式的判別能力。結果顯示，兩款儀器對新鮮及經過一次或兩次冷凍解凍樣品的正確分類率分別達到 90.3%與 94.1%；對不同冷凍方式下的冷凍樣品，正確分類率則分別達到 91.2%與 89.7%。然而，樣品解凍後，不同冷凍方式的分類正確率下降至 54.4%與 71.6%，顯示解凍後不同冷凍條件造成的光譜差異較難辨識。
綜合兩篇研究可知，冷凍解凍所造成的組織結構、水分分布及化學組成變化，能反映於近紅外光譜的吸收與散射特性，其中與水分相關的 O–H 吸收波段具有重要的判別價值。可攜式近紅外光譜技術結合適當的光譜前處理與分類模型，能有效區分新鮮與冷凍解凍水產品，具有快速、非破壞及現場檢測的應用潛力。 然而，當判別目標涉及不同加工處理條件時，模型表現可能下降，且樣品的季節性與個體差異亦可能影響分類能力。因此，未來仍須擴大樣品來源、增加不同處理條件及進行獨立驗證，以提升模型的泛化能力與穩定性，促進此技術應用於水產品品質管理、冷凍解凍歷程判別及食品標示真實性的查核。
孫世瑋.pdf