论文部分内容阅读
应用传统方法检测羊肉新鲜度不仅耗时费力,对样本造成破坏,还存在一定的主观干扰因素,不能准确判定羊肉的新鲜状况。因此,应当寻求一种快速、无损且准确度较高的检测手段以推动我国羊肉产业的发展。近年来,随着高光谱成像技术的逐步发展和成熟,该技术在农畜产品品质检测领域的应用受到了国内外研究者的广泛关注。挥发性盐基氮含量是评价羊肉新鲜度的重要指标,本文尝试采用对农畜产品无损检测的高光谱图像技术预测羊肉中挥发性盐基氮的含量。为实现羊肉新鲜度的无损、快速检测,研究设计了基于高光谱成像技术的羊肉新鲜度预测系统,使用Java编程语言在Eclipse集成开发环境下对软件进行编写设计。具体进行了如下研究:(1)以内蒙古锡林郭勒羊肉为研究对象,获取羊胴体里脊部位的羊肉样品81块并进行图像数据采集。按照国家标准进行样本TVB-N含量的标量测定。使用标准正态变量方法(SNV)对原始光谱图像进行预处理。采用二维主成分分析法(2D-PCA)对原始高光谱图像数据降维,优选出1257.49 nm、1396.19 nm、1736.15 nm波长下的特征图像。(2)对特征图像提取纹理和颜色特征参数共计54个,筛选出与TVB-N含量相关性高的特征参数,作为人工神经网络(BP-ANN)和偏最小二乘回归(PLSR)模型输入量,构建羊肉TVB-N含量的预测模型。结果发现,BP-ANN模型对预测集的决定系数R2为0.86,预测均方根误差为3.33,PLSR模型对预测集的决定系数R2为0.81,预测均方根误差为3.96,BP-ANN的预测效果明显优于PLSR模型。将人工神经网络预测模型嵌入软件系统,用于预测羊肉TVB-N含量。(3)设计羊肉新鲜度预测软件系统。分析系统功能需求,设计相关功能模块,软件系统实现用户登录、主成分图像提取、纹理特征提取、保存特征值、训练、预测等基本功能。测试系统的图像降维、纹理特征提取、数据保存、模型训练和预测TNB-N含量等功能,结果表明,羊肉新鲜度预测系统针对高光谱图像数据可有效降维且能准确预测TNB-N含量,基本可以实现预期功能,符合设计要求。本研究设计了基于高光谱成像技术的羊肉新鲜度检测系统,可实现高光谱图像数据处理与TVB-N含量预测等功能,为快速、准确、无损地检测羊肉新鲜度提供了新的思路,对未来肉类品质检测的发展具有重要意义。