MeatSpec-G：一种通用的低成本光谱成像技术，用于无处不在的肉类欺诈检测

《IEEE Transactions on Mobile Computing》：MeatSpec-G: Generalized Low-Cost Spectral Imaging for Ubiquitous Meat Fraud Inspection

肉类掺假检测系统 MeatSpec 通过低成本多光谱相机结合光谱重建技术，解决传统方法成本高、耗时长的问题，利用对比学习和知识蒸馏优化特征提取，并扩展为 MeatSpec-G 改进泛化能力。实验在347组配对光谱图像上达到91.06%检测准确率，有效推动掺假检测从实验室向终端应用延伸。

　　

摘要：

肉类掺假是一个严重的问题，可能对消费者的健康和经济造成风险。现有的检测方法由于成本高昂、功能有限或样品制备耗时，仅能在实验室中进行检测，无法保护最终用户的安全。本文介绍了一种名为MeatSpec的低成本、用户友好的系统，该系统利用光谱成像技术来检测肉类掺假，旨在将掺假检测从实验室扩展到实际应用中。MeatSpec采用多光谱相机来降低成本并快速捕捉光谱图像，但这会导致光谱分辨率和覆盖范围的下降。为了解决这一问题，系统采用了光谱重建技术和专为肉类掺假检测设计的创新方案。这包括在重建训练阶段引入与掺假相关的先验信息，并结合对比学习来增加不同掺假类型样本之间的差异。此外，我们根据重建光谱的特征为不同波段设计了专门的特征提取器，并利用知识蒸馏技术来减少全波段重建光谱中的误差，同时捕捉与掺假相关的特征。为了提高系统对各种掺假条件和未知掺杂物的一般适用性，我们将其扩展为MeatSpec-G版本。首先，我们提出了一种基于特征对齐的训练方案，以减少不同浓度和混合模式下样本之间的特征差异；然后，我们提出了一个级联的开集识别框架，将不确定性量化与异常特征区分分开，以解决softmax置信度在检测分布变化和重建伪影方面的局限性。通过对347对光谱图像的实验评估，我们的系统在检测多种掺假类型时的准确率达到91.06%...

显示更多

引言

肉类掺假是一个日益严重的问题，对健康和经济都有重大影响。肉类掺假行为包括使用动物源性成分替代、注入水分以及使用非法添加剂[1]，这些行为可能导致食物中毒、过敏反应、癌症和肾脏损伤等健康风险[2]、[3]、[4]。检测肉类中的掺杂物对于防范健康风险、追踪掺假来源和管理供应链至关重要。此外，报告显示，餐饮和零售等供应链末端环节是食品欺诈的最大受害者[5]，因此迫切需要成本效益高、使用方便且无需专业操作的掺假检测解决方案。