基于计算机视觉与浅层卷积神经网络的南极磷虾粉虾青素在线监测技术研究

为解决传统色谱法检测虾青素(astaxanthin)效率低、成本高的问题，研究人员开发了结合计算机视觉(CV)与浅层卷积神经网络(SCNN)的在线检测系统。通过阈值分割算法自动采集13,995张磷虾粉图像，建立预测模型(R2=0.934)，实现2.5 m/min传送带速度下虾青素的快速(误差±3.73 mg/kg)、无损检测，为工业化生产质量控制提供新方案。

　　

南极磷虾(Euphausia superba)作为南极海域关键生物资源，其加工产物磷虾粉因富含强抗氧化剂虾青素(astaxanthin)被广泛应用于饲料和保健品。然而，这种类胡萝卜素结构不稳定，传统高效液相色谱(HPLC)检测耗时耗力，而新兴的光谱技术又存在设备昂贵、难以集成的问题。中国水产科学研究院的研究团队在《Journal of Food Composition and Analysis》发表研究，首次将计算机视觉(CV)与浅层卷积神经网络(SCNN)结合，开发出虾青素在线定量系统。

研究团队采用阈值分割算法实现图像自动采集，通过液相色谱标定311份磷虾粉样本的虾青素含量，构建包含13,995张增强图像的数据库。模型部署采用多线程程序集成图像获取、预处理和预测功能。

Krill meal images and astaxanthin contents
在2.5-4.5 m/min传送速度下采集图像，经预处理获得224²像素的感兴趣区域(ROI)。HPLC测定显示样本虾青素含量差异显著，为模型训练提供数据基础。

Discussion
相比张氏团队的高光谱成像(R2=0.960)和沈氏的可见光谱技术(R2=0.947)，本研究的SCNN模型在2.5 m/min速度下达到R2=0.934，MAE=2.42 mg/kg，且设备成本降低80%。系统绝对误差(-2.40~3.73 mg/kg)满足工业检测需求。

Conclusion
该研究突破传统检测瓶颈，建立的CV-SCNN系统实现虾青素含量在线自动分析(相对误差1.31%-8.60%)，为水产加工质量控制提供创新技术。中央公益性科研院所基本科研业务费(2023TD73)等项目的资助保障了研究的顺利开展。