论文部分内容阅读
冷却羊肉的卫生质量情况可通过其表面的细菌总数(TVC)反映出来,本课题通过高光谱技术,利用波长覆盖范围为400-1100nm高光谱成像系统对85个冷却羊肉样本进行高光谱数据采集,采用多种算法建立了冷却羊肉表面TVC预测模型和冷却羊肉新鲜度分类模型,对各模型进行分析比较,选择出最优的建模方法,并结合MATLAB软件的图形用户界面(GUI)设计一款冷鲜羊肉表面细菌总数检测平台,实现了对冷却羊肉卫生安全品质检测的智能化。本研究的主要成果如下：(1)对冷却羊肉样本进行高光谱数据采集(波长范围为400～1100nm),采用多种方法对原始高光谱数据进行预处理,通过建立BP神经网络模型,得出最佳预处理方法是标准正态变量变换(SNV)结合小变换(WT)以及平滑法(S-G),同时采用了主成分分析法(PCA)对高光谱数据进行降维。(2)分别采用了BP-ANN, RBF-ANN, PLSR和SVM四种经典方法对冷却羊肉表面TVC建立预测模型,为了提高模型的预测精度,介绍了一种新的神经网络算法——ELM,分别实现了ELM、KELM模型,并提出了粒子群算法(PSO)和遗传算法(GA)对KELM模型进行优化。通过分析比较,基于ELM算法的4种模型预测精度优于经典方法,其中最优方法为GA-KELM模型,训练集的相关系数和均方根误差分别为0.9300和0.0016：预测集的相关系数和均方根误差分别为0.9835和0.0015。(3)以TVC为参考值,对冷却羊肉建立了新鲜度分类模型,分别实现了PSO-SVM, ELM模型,以及二者的优化方法CPSO-SVM和FA-ELM模型,通过对4种方法分析比较,CPSO-SVM分类效果最优,其中,训练集的分类准确率为95.313%,预测集的分类准确率为100%。(4)运用MATALB软件中的图形用户界面(GUI)设计了一款冷鲜羊肉表面细菌总数检测平台,包括TVC检测、新鲜度识别、预处理和结果分析4个模块,通过运行界面的相关功能,实现对冷却羊肉品质快速、无损以及智能化的检测分析。