本文主要研究内容
作者李东泽（2019）在《基于高光谱成像技术的牛肉品质检测研究》一文中研究指出：应用传统方法对牛肉品质进行检测不仅会影响其理化指标的测定结果,还会对样品造成污染,在检测某些标量指标时还具有一定的破坏性。因此,准确、无损、快速的检测评价很重要,且对推动肉制品企业的发展也具有重要意义。近些年,高光谱成像技术在肉品品质检测和评价中的应用已成为研究热点,该技术已被广泛应用于食品安全与农产品质量检测中,并且取得了较好的研究成果。本文主要将冷鲜牛肉作为研究对象,从肉类品质评定的感官指标、内在指标入手,结合高光谱成像技术和化学计量学方法对样品进行研究分析,具体进行了如下研究:利用高光谱成像系统对牛肉嫩度进行无损检测研究。获取不同采样部位的牛肉样品40个,提取样品高光谱图像感兴趣区域反射光谱曲线,按照国家标准进行肉品剪切力值的标量测量,用来表征牛肉的嫩度。分别以全波段的原始光谱和经SNV预处理后的光谱信息和剪切力值建立冷鲜牛肉嫩度的PLSR模型并对模型进行评估。经SNV处理过的PLSR模型具有更高预测效果,预测集相关系数Rp为0.823,均方根误差为1.494。利用高光谱成像系统对牛肉pH进行无损检测研究。分四次对120个牛肉样品进行高光谱图像和感兴趣区域反射光谱曲线的采集,试验时间间隔为一天并且按照国家标准进行肉品pH值的标量测量。分别以全波段的原始光谱和经MSC、SNV、均值中心化、标准化、Savitzky-Golay卷积平滑预处理后的光谱信息和对应的标量值建立冷鲜牛肉pH的PLSR模型。经比较,均值中心化处理过的PLSR模型具有最优的模型预测能力,预测集相关系数RP为0.7801,均方根误差RMSEP为0.1153。对原始模型进行变量的优化选择,结合GA遗传算法可将模型的变量数从472降到62,达到优化变量的效果,且预测集相关系数Rp有所提高。利用高光谱成像系统对牛肉大理石花纹进行分级预测研究。获取三个等级的牛肉样品共75个,采集牛排样品高光谱图像三维数据块,导出RGB图像,分割出有效眼肌部分图像,从中选取ROI,基于灰度共生矩阵的方法提取该区域中的纹理特征参数并建立多元线性回归模型,对大理石花纹等级进行预测。预测决定系数R2为0.81,均方根误差RMSE为0.36,分级准确率为86.7%。
Abstract
ying yong chuan tong fang fa dui niu rou pin zhi jin hang jian ce bu jin hui ying xiang ji li hua zhi biao de ce ding jie guo ,hai hui dui yang pin zao cheng wu ran ,zai jian ce mou xie biao liang zhi biao shi hai ju you yi ding de po huai xing 。yin ci ,zhun que 、mo sun 、kuai su de jian ce ping jia hen chong yao ,ju dui tui dong rou zhi pin qi ye de fa zhan ye ju you chong yao yi yi 。jin xie nian ,gao guang pu cheng xiang ji shu zai rou pin pin zhi jian ce he ping jia zhong de ying yong yi cheng wei yan jiu re dian ,gai ji shu yi bei an fan ying yong yu shi pin an quan yu nong chan pin zhi liang jian ce zhong ,bing ju qu de le jiao hao de yan jiu cheng guo 。ben wen zhu yao jiang leng xian niu rou zuo wei yan jiu dui xiang ,cong rou lei pin zhi ping ding de gan guan zhi biao 、nei zai zhi biao ru shou ,jie ge gao guang pu cheng xiang ji shu he hua xue ji liang xue fang fa dui yang pin jin hang yan jiu fen xi ,ju ti jin hang le ru xia yan jiu :li yong gao guang pu cheng xiang ji tong dui niu rou nen du jin hang mo sun jian ce yan jiu 。huo qu bu tong cai yang bu wei de niu rou yang pin 40ge ,di qu yang pin gao guang pu tu xiang gan xing qu ou yu fan she guang pu qu xian ,an zhao guo jia biao zhun jin hang rou pin jian qie li zhi de biao liang ce liang ,yong lai biao zheng niu rou de nen du 。fen bie yi quan bo duan de yuan shi guang pu he jing SNVyu chu li hou de guang pu xin xi he jian qie li zhi jian li leng xian niu rou nen du de PLSRmo xing bing dui mo xing jin hang ping gu 。jing SNVchu li guo de PLSRmo xing ju you geng gao yu ce xiao guo ,yu ce ji xiang guan ji shu Rpwei 0.823,jun fang gen wu cha wei 1.494。li yong gao guang pu cheng xiang ji tong dui niu rou pHjin hang mo sun jian ce yan jiu 。fen si ci dui 120ge niu rou yang pin jin hang gao guang pu tu xiang he gan xing qu ou yu fan she guang pu qu xian de cai ji ,shi yan shi jian jian ge wei yi tian bing ju an zhao guo jia biao zhun jin hang rou pin pHzhi de biao liang ce liang 。fen bie yi quan bo duan de yuan shi guang pu he jing MSC、SNV、jun zhi zhong xin hua 、biao zhun hua 、Savitzky-Golayjuan ji ping hua yu chu li hou de guang pu xin xi he dui ying de biao liang zhi jian li leng xian niu rou pHde PLSRmo xing 。jing bi jiao ,jun zhi zhong xin hua chu li guo de PLSRmo xing ju you zui you de mo xing yu ce neng li ,yu ce ji xiang guan ji shu RPwei 0.7801,jun fang gen wu cha RMSEPwei 0.1153。dui yuan shi mo xing jin hang bian liang de you hua shua ze ,jie ge GAwei chuan suan fa ke jiang mo xing de bian liang shu cong 472jiang dao 62,da dao you hua bian liang de xiao guo ,ju yu ce ji xiang guan ji shu Rpyou suo di gao 。li yong gao guang pu cheng xiang ji tong dui niu rou da li dan hua wen jin hang fen ji yu ce yan jiu 。huo qu san ge deng ji de niu rou yang pin gong 75ge ,cai ji niu pai yang pin gao guang pu tu xiang san wei shu ju kuai ,dao chu RGBtu xiang ,fen ge chu you xiao yan ji bu fen tu xiang ,cong zhong shua qu ROI,ji yu hui du gong sheng ju zhen de fang fa di qu gai ou yu zhong de wen li te zheng can shu bing jian li duo yuan xian xing hui gui mo xing ,dui da li dan hua wen deng ji jin hang yu ce 。yu ce jue ding ji shu R2wei 0.81,jun fang gen wu cha RMSEwei 0.36,fen ji zhun que lv wei 86.7%。
论文参考文献
论文详细介绍
论文作者分别是来自内蒙古农业大学的李东泽，发表于刊物内蒙古农业大学2019-10-08论文，是一篇关于高光谱成像论文,嫩度论文,牛肉大理石花纹论文,偏最小二乘论文,灰度共生矩阵论文,纹理分析论文,无损检测论文,内蒙古农业大学2019-10-08论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自内蒙古农业大学2019-10-08论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：高光谱成像论文; 嫩度论文; 牛肉大理石花纹论文; 偏最小二乘论文; 灰度共生矩阵论文; 纹理分析论文; 无损检测论文; 内蒙古农业大学2019-10-08论文;