基于高光譜冷鮮羊肉品質的無損檢測方法研究.pdf

1、冷鮮羊肉的衛(wèi)生安全質量能夠由其品質參數反映出來，傳統(tǒng)檢測方法存在效率較低、周期較長并且會破壞樣本的問題。隨著高光譜技術的發(fā)展，利用不同物質的光譜不同的特點來揭示其品質的方法逐漸成為研究熱點。
　　本文研究對象是冷鮮羊肉，在不同波長范圍下，使用高光譜成像技術，對冷鮮羊肉品質參數開展快速無損檢測研究。分別建立了冷鮮羊肉品質參數（L*、a*、b*、PH值、TVB-N值）的全波段和特征波段的預測模型。首先確定最佳預處理方法，然后通過對照比

2、較不同波長范圍、不同波段下，不同的建模方法，確定了冷鮮羊肉品質參數無損檢測的最佳方法，為冷鮮羊肉的在線快速無損檢測系統(tǒng)打下了基礎。研究成果如下:
　　(1)檢測冷鮮羊肉樣本品質參數的標準值，經過處理得到肉色參數L*在400-1100nm范圍下的最佳預處理方法是FD+MC，在900-1700nm范圍下的最佳預處理方法是MC。肉色參數a*在400-1100nm范圍下的最佳預處理方法是FD+MSC，在900-1700nm范圍下的最佳預處

3、理方法是MC。肉色參數b*在400-1100nm范圍下的最佳預處理方法是SNV+MSC，在900-1700nm范圍下樣品原始光譜有最佳預測結果。參數PH值在400-1100nm范圍下最佳預處理方法是FD，在900-1700nm范圍下最佳的預處理方法是MC。參數TVB-N值在400-1100nm范圍下最佳預處理方法是S-G卷積平滑，在900-1700nm范圍下最佳預處理方法是FD。
　　(2)在400-1100nm波長范圍下建立的預

4、測模型優(yōu)于在900-1700nm波長范圍下建立的預測模型。
　　(3)基于全波段利用PLSR和BP神經網絡法對冷鮮羊肉樣本品質參數建立預測模型，參數a*、b*、PH值的PLSR預測模型效果更好，參數L*，TVB-N值的BP神經網絡預測模型效果更好。
　　(4)基于特征波段L*、a*、b*、PH值、TVB-N值均是PLSR預測模型的效果好，并且優(yōu)于全波段的預測模型。參數L*校正集的相關系數為Rc=0.958，均方根誤差為RMS

5、EC=0.650，預測集的相關系數為Rp=0.924，均方根誤差為RMSEP=0.890。參數a*校正集的相關系數為Rc=0.932，均方根誤差為RMSEC=1.352，預測集的相關系數為Rp=0.909，均方根誤差為RMSEP=1.374;參數b*校正集的相關系數為Rc=0.952，均方根誤差為RMSEC=0.658，預測集的相關系數為Rp=0.892，均方根誤差為RMSEP=0.669;參數PH值校正集的相關系數為Rc=0.913，