论文部分内容阅读
羊肉作为我国居民肉品消费的一种重要来源,因其营养价值高而受到人们的喜爱,然而羊肉在储藏过程中容易发生变质,因此针对羊肉的品质检测非常重要。传统的羊肉品质检测方式存在着检测效率低、操作繁琐等缺点,无法实现羊肉品质的快速在线无损检测。本研究以新疆羊肉为研究对象,利用400-1000 nm光谱范围的高光谱图像采集系统分别对羊肉的颜色参数(亮度L*、红度a*、黄度b*)和挥发性盐基氮含量(total volatile basic nitrogen,TVBN)进行快速无损检测研究。试验共得到140个羊肉颜色的光谱信息和颜色理化参数,得到72个TVBN含量的光谱信息和试验测定的TVBN含量值,结合图像处理技术和化学计量学知识探究羊肉颜色参数和TVBN含量使用不同的特征波长选择方法、样本集划分方法和光谱预处理方法对预测模型结果的影响,并比较了不同建模方法对羊肉颜色参数和TVBN含量预测模型的影响,以实现羊肉颜色参数和TVBN含量品质的快速无损检测。具体内容和结果如下:(1)使用相同的光谱预处理方法,比较RS法、KS法、隔三选一法和SPXY法四种样本集划分方法对羊肉L*、a*、b*和TVBN含量PLSR模型的影响。确定了L*和b*的最优样本集划分方法为SPXY法,a*和TVBN含量的最优样本集划分方法为隔三选一法。(2)比较中心化(mean-centering)、SG卷积平滑处理、多元散射校正(MSC)、标准正态变量变换法(SNV)、小波变换、一阶导数法(1D)和二阶导数法(2D)预处理方法及其组合方法对羊肉L*、a*、b*和TVBN含量PLSR模型的影响,确定了L*、a*和b*最优预处理方法均采用了2D结合17点SG平滑的组合,即2D+SG(17),不同的是b*在2D+SG(17)上组合了SNV,a*在2D+SG(17)组合SNV上增加了MC,TVBN含量的最优光谱预处理方法为1D+SG(21)+SNV+MC。(3)比较和分析了L*、a*、b*值和TVBN含量的不同建模方法对模型结果的影响。通过使用偏最小二乘回归(PLSR)、逐步多元线性回归(SMLR)和主成份回归(PCR)三种建模方法进行建模,确定L*、a*、b*和TVBN含量的最优的建模方法为PLSR。(4)通过使用siPLS和GA算法选取羊肉L*、a*、b*和TVBN含量特征波长,将选取的特征波长结合相应的理化指标建立PLSR模型。结果表明,使用GA选取特征波长建立的PLSR模型能够很好的预测颜色参数,对L*、a*、b*,校正集相关系数(RC)分别为0.98、0.93和0.81,校正集均方根误差(RMSEC)分别为0.86、0.55和1.02,预测集相关系数(RP)分别为0.98、0.87和0.81,预测集均方根误差(RMSEP)分别为0.98、0.73和1.04;使用GA所建立的PLSR模型能够很好的预测TVBN含量,其校正集相关系数和均方根误差分别为0.98和0.91,预测集相关系数和均方根误差分别为0.89和2.92。