基于高光谱和近红外信息融合的羊肉新鲜度无损检测研究.pdf

《基于高光谱和近红外信息融合的羊肉新鲜度无损检测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、StudyonNondestructiveDetectionofMuttonFreshnessBasedonInformationfusionUsingHyperspectralImageandNear-infraredSpectroscopyADissertationSubmittedtoShiheziUniversityInPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringByQiuYuan-yuan(MechatronicEngineering)DissertationSuperviso

2、r:Vice-ProfZhuRong-guangMay,2018本课题受国家自然科学基金项目（编号：31460418）和石河子大学青年创新人才培育计划项目（编号：CXRC201707）资助。摘要羊肉具有味道鲜美和营养丰富的优点，深受消费者喜爱。随着人们食品安全意识的增强，消费者对羊肉品质提出要求。新鲜度作为羊肉品质重要评价指标，决定了羊肉的经济价值和可食用性。羊肉新鲜度的准确检测可保障消费者权益和食用安全，同时可加强食品监察部门对肉类市场的监管。由于传统肉品新鲜度检测手段无法满足肉品加工企业对肉品实现大规模、高效、无损、在线的检测要求，因此寻求一种快速准确无损的羊肉新鲜度检测方

3、法是十分必要的。本研究通过开展试验测定，对真空包装冷却羊肉新鲜度指标进行相关性分析，建立其综合评价准则；基于可见短波高光谱图像技术和长波近红外光谱技术分别准确获取400~1000nm和900~2500nm的可见、短波和长波光谱信息，分别确定最优光谱预处理方法，进行特征变量筛选，确立较优的判别模型；通过信息融合方法建立基于特征层羊肉新鲜度融合判别模型，探讨信息融合对羊肉新鲜度判别模型分类准确性的改善与提高，实现羊肉新鲜度快速准确判别，为开发小型化羊肉新鲜度在线检测装置提供理论依据。具体研究内容和结论如下：（1）羊肉新鲜度指标间相关性分析与综合评价通过开展试验测定，对真空包装冷却羊

4、肉主要新鲜度指标间进行相关性分析，建立了羊肉新鲜度综合评价准则，如下：新鲜样品，储藏时间在第1~11天，TVB-N<15mg/100g，TVC<5×106CFU/g，L*>40.0，a*>19.3；次新鲜样品，储藏时间在第12~16天，15mg/100g25mg/100g，TVC>7×106CFU/g，L*<38.9，a*<18.9。（2）基于高光谱图像技术的羊肉新鲜度无损检测对于400~1000

5、nm的羊肉光谱信息，最优光谱预处理方法为1D+S-G(3)；CARS和GA算法初步筛选变量能够实现数据降维，可将光谱变量数目分别降为全波段的15%和17%，建立的羊肉新鲜度判别模型校正集和预测集判别准确率可分别达99%和98%，但筛选的变量数目仍较大；利用SPA算法进一步筛选变量能够有效解决光谱数据信息冗余的问题，将光谱变量数目分别降低为8和10，但建立的羊肉新鲜度预测模型判别准确性有所降低，预测集判别准确率分别可达91%和89%。（3）基于近红外光谱技术的羊肉新鲜度无损检测对于900~2500nm的羊肉光谱信息，最优光谱预处理方法为1D+S-G(3)；CARS和GA算法初步筛

6、选变量能够实现数据降维，可将光谱变量数目分别降为全波段的25%和22%，建立的羊肉新鲜度判别模型校正集和预测集判别准确率分别可达96%和91%，但筛选的变量数目仍较大；利用SPA算法进一步筛选变量能够有效解决光谱数据信息冗余的问题，将光谱变量数目分别降低为14和15，但建立的羊肉新鲜度判别模型判别准确性有所降低，预测集判别准确率分别可达80%和82%。（4）基于信息融合的羊肉新鲜度无损检测本研究利用信息融合方法建立羊肉新鲜度融合判别模型，比较了数据层融合和特征层融合。I研究表明，数据层融合模型判别性能较好，但包含全波段信息导致其建模效率低；特征层融合模型具有较好的判别性能，可以

7、实现羊肉新鲜度快速准确判别，较单一检测模型相比预测集判别准确率得到显著改善，可达96%。关键词：高光谱图像技术；近红外光谱技术；羊肉新鲜度；无损检测；信息融合IIAbstractMuttonhastheadvantagesofdelicioustasteandrichnutrition,soitisverypopularwithconsumers.Withtheenhancementofpeople'sawarenessoffoodsafety,themuttonqualityisrequi