论文部分内容阅读
本文以滩寒杂交羊为研究对象,利用400-1000nm可见近红外高光谱成像技术结合化学计量学方法,对冷鲜羊肉的嫩度、色度、水分含量、冷藏时间以及冷鲜-冷冻肉判别进行无损检测研究,评估冷鲜羊肉的综合品质,为畜产品的在线检测提供理论支撑和技术支持。主要研究内容和结果如下：(1)经Savitzky-Golay平滑处理后光谱建立的冷鲜羊肉嫩度PLSR预测模型效果较好,所建模型的相关系数Rc和Rp分别为0.833和0.865,优于原始光谱模型。分别经Savitzky-Golay、SNV和MSC预处理后的400-1000nm光谱所建色度L*值(亮度)、a*值(红度)和b*值(黄度)预测模型的相关系数Rc和Rp分别为0.834,0.834,0.904和0.736,0.796,0.898;模型对冷鲜羊肉色度值的预测精度均优于原始光谱所建模型。(2)400-1000nm原始光谱的PLSR模型对冷鲜羊肉水分含量的预测效果优于PCR模型,其模型相关系数Rc和Rp分别为0.867和0.749,交互验证均方根误差RMSECV为0.707;且经Savitzky-Golay平滑处理后的400-1000nm光谱建立的冷鲜羊肉水分含量PLSR预测模型效果最佳,其预测模型的相关系数Rc和Rp分别为0.888和0.784,交互验证均方根误差RMSECV为0.696,优于原始光谱及其他预处理光谱模型。(3)对400-1000rnm全波段光谱进行LDA模型建立,确定当主成分数为PC-15时,所建模型对冷鲜羊肉冷藏时间的判别效果最好,其总判别准确率为98.13%。对于一个模型在主成分数恒定的情况下,对原始光谱经.6点Peak均一化预处理后的光谱建立LDA判别模型,模型对冷鲜羊肉冷藏时间的总判别准确率达91.25%,优于其他预处理及原始光谱模型。比较最优主成分数和最佳预处理光谱的建模结果得出,主成分数对LDA判别模型的影响大于光谱预处理方法。(4)对冷鲜-冷冻肉建立PLSR-DA判别模型,确定经MSC预处理后光谱对冷鲜-冷冻肉建立的PLSR-DA模型判别效果较好,其相关系数Rc和Rp分别为0.989和0.991,均方根误差RMSEC和IMSEP分别为0.149和0.187,优于原始光谱及其他预处理光谱模型；经主成分权重系数图优选的19个特征波长(PC1+PC2+PC3)可用来替代全波段原始光谱进行冷鲜-冷冻肉的PLSR-DA模型分析,其相关系数Rc和Rp分别为0.982和0.997;均方根误差分别为0.191和0.230。利用SPA算法选出7个特征波长,结合SVM法建立全波段及特征波段下冷鲜-冷冻羊肉的鉴别分类模型,其模型对冷鲜与冷冻肉的判别准确率均为100%,说明在400-1000nm波段利用SPA方法提取的7个特征波长具有较高的有效性,基于SPA特征波长下的SVM判别模型完全可以替代全波段下的SVM模型对冷鲜-冷冻羊肉进行有效识别,且SVM判别模型相比于PLSR-DA判别模型对冷鲜与冷冻肉的鉴别精度更高,更适用于冷鲜-冷冻肉的快速判别。