论文部分内容阅读
羊肉表面的微生物的数量可以反映出肉的新鲜程度,可以知道羊肉的腐败与否。传统检测肉类的方法一般都会将肉破坏,提取成分进行实验,以此检测出肉的好坏,这样的检测方法有着很多的缺点,如效率低、检测周期长、破坏肉品表面。不同的物体用多光谱相机拍照后,光谱信息存在差异,论文对多光谱技术进行了研究,将羊肉图像与光谱信息结合一起,综合判定其品质的优劣,这对实现准确快捷的无损检测有着重要的意义。论文以河北省唐县羊肉为实验研究的对象,利用多光谱相机获取图像数据,建立细菌总数预测模型,以生物的化学计量学方法作为对照,同时在不同波段波长范围下,开展冷鲜羊肉表面微生物活细胞数量的快速无损检测研究。利用多光谱以及图像处理技术建立了冷鲜羊肉表面细菌总数预测模型并对新鲜度的品质分级。本文通过对比分析不同的波长范围、预处理方法和建模方法,确定了冷鲜羊肉细菌总数的最佳检测方法,为冷鲜肉类快速无损系统检测的实现打下基础。主要工作如下:(1)光谱数据预处理。对冷鲜羊肉实验样本进行多光谱数据采集(波长范围为600-1000nm),针对冷鲜羊肉光谱数据存在噪声和平移问题,采用标准正态分布(SNV)、导数法、矢量归一化(VN)、多元散射校正(MSC)与平滑法结合等方法对光谱数据进行预处理,实验表明利用S-G卷积平滑法结合多元散射校正的方法效果最好。(2)羊肉细菌总数预测模型。利用一种神经网络算法-极限学习机(ELM),以ELM为建模基础,建立核极限学习机(KELM)模型,并利用遗传算法对KELM模型进行了优化。在波段600-800nm和800-1000nm的范围内验证了模型,并与BP-ANN、RBF-ANN、PLSR从相关系数、均方根、预测误差等方面进行了对比,改进的极限学习机模型均优于其他模型。(3)以冷鲜羊肉表面细菌总数为参考值,结合国家食品安全的肉类标准,设计了可新鲜度分级方法,将冷鲜羊肉分为三级,新鲜、次新鲜和腐败。(4)检测平台实现。利用Java语言开发了细菌总数检测平台,实现了对于光谱数据的预处理、细菌总数预测、新鲜度鉴别等功能。