武汉轻工大学陈季旺教授团队：近红外光谱技术让小龙虾新鲜度检测更智能

武汉轻工大学陈季旺教授团队：近红外光谱技术让小龙虾新鲜度检测更智能

武汉轻工大学陈季旺教授团队近期在小龙虾新鲜度检测方面取得重要突破，他们利用近红外光谱技术和卷积神经网络，成功开发出一种快速检测冷冻小龙虾新鲜度的方法。这一创新不仅提高了检测速度和准确性，更为保障食品安全、促进小龙虾产业发展提供了新的技术支持。

近红外光谱技术是一种快速无损的检测手段，通过分析物质对近红外光的吸收程度，来检测食品中的各种成分。这种技术具有诸多优点：

• 快速无损：无需破坏样品，几秒钟内就能完成检测
• 多成分同时检测：可以同时分析蛋白质、脂肪、水分等多种成分
• 操作简单：不需要复杂的样品预处理
• 环保经济：不使用化学试剂，降低成本

陈季旺教授团队的研究重点是利用卷积神经网络（CNN）来优化近红外光谱检测的效果。他们以TVB-N含量作为冷冻小龙虾新鲜度的评价指标，建立了基于虾仁光谱的WT-CNN模型。这个模型经过训练和验证，能够准确预测小龙虾的TVB-N含量，从而判断其新鲜度。

研究团队采用了150组小龙虾样品，TVB-N含量范围为10.8～28.8 mg/100 g。他们发现，虾糜的建模效果最好，因为虾糜较平整且均匀，光谱承载的特征信息干扰性小。最终，基于虾仁光谱的WT-CNN模型表现出最佳的预测准确度和稳定性。

这项技术突破对小龙虾产业具有重要意义：

1. 提高检测效率：传统方法耗时长、操作复杂，而近红外光谱技术可以实现快速检测，满足大批量生产需要
2. 保障食品安全：准确的新鲜度检测有助于及时发现变质产品，保障消费者健康
3. 优化产业链：通过实时监控产品质量，可以帮助企业优化生产流程，减少浪费

近年来，我国小龙虾产业快速发展，2022年养殖产量已达289.07万吨，占全国淡水养殖总产量的8.79%。产业形态也从最初的“捕捞+餐饮”模式，发展成为集苗种繁殖、生态养殖、加工出口、物流餐饮、文化节庆于一体的完整产业链。

陈季旺教授团队的研究成果，正是为这条日益壮大的产业链插上了科技翅膀。通过科技创新，不仅能够提升产品质量，还能推动产业向更高质量、更有效率、更可持续的方向发展。

随着人工智能和大数据技术的不断发展，食品检测技术也在持续升级。近红外光谱技术与深度学习的结合，为食品工业带来了新的发展机遇。未来，这种智能检测技术有望在更多领域得到应用，为食品安全和产业升级提供有力支撑。

武汉轻工大学陈季旺教授团队的这项研究，不仅解决了小龙虾产业的实际需求，更为食品检测技术的创新应用提供了新的思路。我们期待，这样的科技创新能为我们的餐桌带来更多安全、优质的美食。