论文部分内容阅读
滩羊是宁夏优势特色畜种,具有肉质细嫩、无膻腥味、含脂率低等特点,倍受消费者厚爱。抗氧化因子是评估肉品抗氧化能力的重要指标,同时也可以当做肉品品质检测指标。其传统检测方法存在样品前处理复杂、费时费力及测定步骤繁琐等问题,无法满足肉品行业的快速发展需求。因此,亟需一种快速、经济、高效、全方位测量的无损定量检测方法,以实现滩羊肉抗氧化因子的快速无损检测。本文以滩羊肉为研究对象,以内源抗氧化因子(TPC、RSA和TEAC)为评价指标,利用可见/近红外(Vis/NIR)高光谱成像技术结合化学计量学以及图像颜色和纹理信息方法,建立滩羊肉内源抗氧化因子的高光谱定量检测模型,实现抗氧化因子化学信息的可视化分布,为滩羊肉品品质安全快速无损检测提供理论依据。具体研究内容如下:(1)滩羊肉TPC含量的高光谱快速检测研究基于Vis/NIR高光谱成像系统采集肉样光谱反射数据,使用分光光度计测量滩羊肉TPC含量,将样本的光谱信息和测量理化指标进行关联,利用ENVI 4.8软件提取光谱数据;按照3:1比例划分校正集和测试集样本;分别采用Normalize、Baseline、SNV、MSC、De-trending、SG及相互组合方法对原始光谱进行预处理,8种变量筛选算法(CARS、BOSS、IRIV、IVSO、MASS、IRF、iVISSA及VCPA-IRIV)用于光谱数据的降维,建立特征波长下的TPC含量的BP和LSSVM预测模型。结果表明,利用De-trending-SNV预处理后光谱建立的PLSR模型效果最好,其R2p=0.7932,R2c=0.8749,较原始光谱分别提高了 0.0814和0.0294;TPC含量的最优预测模型为 De-trending+SNV-MASS-LSSVM(R2c=0.9127,RMSEC=0.0899,R2p=0.7829,RMSEP=0.1402)。(2)滩羊肉RSA的高光谱快速检测研究采集羊肉样本的Vis/NIR光谱信息与不同部位肉样的RSA关联;提取感兴趣区域后按照3:1的比例划分样本集,通过对比多种预处理方法与特征波长提取算法的建模效果,优选最佳模型。结果表明,采用Baseline预处理后光谱建立的PLSR模型效果最佳,其R2p=0.7256,R2c=0.7956,RMSEC=0.0390,RMSEP=0.0500;基于不同特征波段筛选算法建立 BP 和 LSSVM 模型,RSA 的最优预测模型为 Baseline-IRIV-BP,其 R2c 为 0.7077,RMSEC为 0.0473,R2p 为 0.7434,RMSEP 为 0.0512。(3)滩羊肉TEAC的高光谱快速检测研究利用Vis/NIR高光谱系统采集滩羊肉样本的的光谱反射信息,建立基于Vis/NIR高光谱成像技术的滩羊肉TEAC的预测模型,利用7种不同的预处理方法(MSC、MF、Baseline、SG、De-trending、Normalize 和 SNV)和 8 种特征波长提取算法(CARS、iVISSA、BOSS、VCPA、MASS、IRF、IRIV和IVSO)对原始光谱进行优化和特征变量筛选,使用BP和LSSVM方法建立预测模型。结果表明,基于Baseline预处理后光谱建立的PLSR模型表现出较好的预测性能(R2c=0.8320,RMSEC=0.9635,R2p=0.7540,RMSEP=1.2770,R2cv=0.6550,RMSECV=1.4075,);TEAC 含量的最优预测模型为 Baseline-IVSO-LSSVM,其 R2c 为 0.8340,RMSEC 为 0.9620,R2p 为 0.7476,RMSEP 为 1.2883。(4)滩羊肉抗氧化因子图谱融合模型及可视化分布研究采用GLCM和颜色矩算法提取肉样图像外部特征(纹理、颜色);基于TPC含量和TEAC,较单一光谱信息模型而言,图谱融合模型效果较好;其中,纹理特征融合模型R2c分别为0.9141和0.7432,R2p分别为0.7947和0.7950;颜色特征融合模型中,R2C分别为0.9346和0.7748,R2p分别为0.7587和0.7911;基于RSA图谱融合模型,单一的光谱数据建模表现出更好的预测性能(R2c vs R2p=0.7077 vs 0.7434,RMSEC vs RMSEP=0.0473 vs 0.0512);将PLSR用于可视化的预测模型;通过简化模型将抗氧化指标预测值反演到肉样图像上以伪彩色的形式展现出来,实现抗氧化因子的可视化表达。