目录
随时了解最新动态 关于 neospectra
导言
根据Allied Market Research的数据，2017年全球海鲜市场占1254.4亿美元，预计到2023年将达到1553.2亿美元，从2017年到2023年的复合年增长率为3.6％。生活方式和消费者偏好的改变，可支配收入的增加，
提高了人们对与海鲜相关的健康益处的认识，并进行了广泛的宣传
不同种类鱼类的供应推动了全球海鲜市场的增长。但是，野生鱼类种群的枯竭阻碍了市场的增长。预计在预测期内，扁鱼板块的复合年增长率将最快，为4.7％。
鱼类标签错误和鱼类替代的挑战
但是，野生鱼类种群的枯竭阻碍了市场的增长，海鲜营销中还会出现其他问题，因为海鲜产品在捕捞和加工链中被故意或意外地贴错了标签，或者因为鱼贩或餐馆老板用一种物种代替了另一种物种。在海洋倡导组织Oceana在2013年进行的一项分析中，研究人员发现，在美国销售的鱼中，多达三分之一的标签有误。
当前的识别做法：昂贵、稀缺的设备。
因此，关于鱼类物种认证的研究呈上升趋势。但是，此类活动只能由训练有素的研究小组使用几种光谱技术之一进行，即近红外（NIR）、中红外（MIR）、拉曼、荧光或吸收紫外可见光（UV-Vis）、核磁共振（NMR）光谱学以及高光谱成像（HSI），其中一些仍在开发中。
这种设备价格昂贵，通常只能在实验室使用，并且需要经过充分培训的员工。从中心实验室来回发送样本可能会浪费几天。结果是，鱼类的供应商和消费者无法始终确定他们购买或消费了什么。
用于野外鱼类识别的手持式扫描器
最近，已经开发出无线手持式扫描器，在现场和工厂车间都表现出希望。基于近红外线的手持式扫描仪的出现可能预示着有能力让更多的检查员进入港口、鱼类市场、仓库和餐馆及其周围，以防止鱼类贴错标签。德国杜伊斯堡-埃森大学物理化学系的研究人员在2019年进行了一项研究，研究小组使用了NeoSpectra-Micro传感器，通过对四种不同物种的皮肤进行测量，将高品质鱼类和低质量鱼类区分开来。
方法论
该团队使用了两对不同的鱼类，即三文鱼和三文鳟鱼，以及海底鱼和柠檬鱼，从美食和价格的角度来看，它们代表了被认为是优越的鱼种（样鱼、独鱼），以及更便宜的替代品（三文鳟和柠檬底），见图 1。
研究人员通过将传感器直接放在皮肤上来扫描鱼片（图 2）。参考扫描是使用Labsphere的99％Spectralon™ 反射标准进行的。从每个鱼片的不同位置的漫反射中记录了10张光谱，扫描时间为10秒。该团队使用Unscrambler™ 软件进行数据预处理以及PCA（主成分分析）和SIMCA（类比的软独立建模）模型的开发。
NeoSpectra 传感器
Samlet 和三文鱼鳟鱼
为了比较样本和三文鱼鳟鱼，研究人员使用了4个样本和6个三文鱼鳟鱼片。预处理后的 100 个光谱测量值如图 3 所示。使用PCA模型，研究人员能够在二维分值图中明确区分这两个鱼类（图 4）。使用基于每个鱼类的两个PCA模型的SIMCA分类，研究人员得以使用库曼图来确定未知鱼类的光谱属于哪个类别，包括法国鲑鳟鱼和德国鲑鳟鱼。
鞋底和柠檬鞋底
对于鞋底和柠檬鞋底的比较，使用了类似的方法。在这种情况下，即使从初始波长图中也可以清楚地识别出这两个物种（图 5）。在二维核心图中，鱼类物种也可以相互区分，而未知物种可以从 Coomans 图中识别出来。
EMSC（包括 PCA 的截断范围）。
结论
该研究得以清楚地表明，在基于近红外线的漫反射光谱的基础上，包括鱼类和整条鱼，个人或团队可以使用NeoSpectra传感器来正确识别外观相似的鱼类的种类。同样重要的是，使用SIMCA分析，可以将研究中两个类别中的未知鱼类准确地分配给正确的类别。
