本文關鍵詞：羊肉揮發(fā)性鹽基氮的高光譜圖像快速檢測研究

  更多相關文章： 羊肉品質 揮發(fā)性鹽基氮 高光譜圖像 快速無損檢測

【摘要】：揮發(fā)性鹽基氮(TVB-N)通常被作為評價羊肉新鮮度的理化參考指標。為了揭示高光譜圖像技術(HSI)快速檢測羊肉新鮮度的可行性,采集了71個新鮮度具有代表性的羊肉樣品的漫反射高光譜圖像(400~1 000nm),并利用半微量定氮法測定了其揮發(fā)性鹽基氮(TVB-N)的化學值。選擇感興趣區(qū)域(ROIs)提取樣品的代表性光譜,采用含量梯度法劃分校正集和預測集,比較不同的光譜預處理方法,比較逐步多元線性回歸(SMLR)、偏最小二乘(PLSR)和主成分分析(PCR)建模方法,建立并驗證了TVB-N的校正模型。結果表明,利用多元散射校正(MSC)、一階導數(shù)、Savitzky-Golay(S-G)平滑及中心化處理結合的預處理方法,PLSR和PCR模型都可以實現(xiàn)對羊肉TVB-N的定量檢測。對于建立的PLSR模型,采用的預處理方法為MSC、15點2次S-G平滑、1階導數(shù)和中心化相結合的方法,選擇的潛變量因子數(shù)為11,獲得的校正集的相關系數(shù)(R)和校正均方根誤差(RMSEC)分別為0.92和3.00mg·(100g)-1,預測集的相關系數(shù)(r)、預測均方根誤差(RMSEP)和相對分析誤差(RPD)分別為0.92,3.46mg·(100g)-1和2.35。研究表明,高光譜圖像技術可用于準確快速地檢測分析羊肉中新鮮度關鍵指標TVB-N的含量。該研究為采用高光譜圖像技術進一步分析羊肉新鮮度其他指標、改善TVB-N的建模效果及在實際生產中應用該技術提供了基礎。
【作者單位】： 石河子大學機械電氣工程學院;石河子大學食品學院;
【關鍵詞】： 羊肉品質 揮發(fā)性鹽基氮 高光譜圖像 快速無損檢測
【基金】：國家自然科學基金項目(31460418) 高等學校博士學科點專項科研基金項目(20136518120004)資助
【分類號】：TS251.7;O657.3
【正文快照】： 引言羊肉味道鮮美、營養(yǎng)成分豐富,深受人們喜愛,而且是西北少數(shù)民族地區(qū)的主要肉類消費品。羊肉新鮮度是一項重要的安全品質指標,由于動物產品的貨架期短及易變質的特點,新鮮度也是消費者、企業(yè)與質檢部門評價肉質的最常用的指標。根據我國鮮凍畜禽肉的國家標準,肉品新鮮度的

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術在水果品質檢測中的研究進展[J];食品研究與開發(fā);2013年10期

2 朱榮光;姚雪東;高廣娣;唐明翔;盧士玲;馬本學;;不同儲存時間和取樣部位牛肉顏色的高光譜圖像檢測[J];農業(yè)機械學報;2013年07期

3 薛龍;黎靜;劉木華;;利用高光譜圖像技術檢測梨表面碰壓傷的試驗研究[J];糧油加工;2009年04期

4 付妍;徐冉冉;陳興海;;基于高光譜圖像技術的果蔬表面農藥殘留檢測研究[J];食品安全導刊;2012年05期

5 萬相梅;黃敏;朱啟兵;;基于高光譜散射圖像的蘋果壓縮硬度和汁液含量無損檢測[J];食品工業(yè)科技;2012年06期

6 徐爽;何建國;易東;賀曉光;;基于高光譜圖像技術的長棗糖度無損檢測[J];食品與機械;2012年06期

7 劉木華,趙杰文,江水泉;高光譜圖像在農畜產品品質與安全性檢測中的研究現(xiàn)狀與展望[J];糧食與食品工業(yè);2004年02期

8 劉木華,趙杰文,鄭建鴻,吳瑞梅;農畜產品品質無損檢測中高光譜圖像技術的應用進展[J];農業(yè)機械學報;2005年09期

9 陳全勝;趙杰文;蔡健榮;Vittayapadung Saritporn;;利用高光譜圖像技術評判茶葉的質量等級[J];光學學報;2008年04期

10 蔡健榮;王建黑;黃星奕;陳全勝;;高光譜圖像技術檢測柑橘果銹[J];光電工程;2009年06期

中國重要會議論文全文數(shù)據庫 前10條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識別研究[A];成像光譜技術與應用研討會論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據降維與分類技術研究[A];第八屆成像光譜技術與應用研討會暨交叉學科論壇文集[C];2010年

3 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術‘13年會論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術的獼猴桃硬度品質檢測[A];走中國特色農業(yè)機械化道路——中國農業(yè)機械學會2008年學術年會論文集（下冊）[C];2008年

6 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質量綜合評價[A];第八屆成像光譜技術與應用研討會暨交叉學科論壇文集[C];2010年

7 高東生;高連知;;基于獨立分量分析的高光譜圖像目標盲探測方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術‘13年會論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學學會2010年光學大會論文集[C];2010年

中國博士學位論文全文數(shù)據庫 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復旦大學;2014年

2 王亮亮;非線性流形結構在高光譜圖像異常檢測中的應用研究[D];國防科學技術大學;2014年

3 賀智;改進的經驗模態(tài)分解算法及其在高光譜圖像分類中的應用[D];哈爾濱工業(yè)大學;2014年

4 魏然;基于成像機理分析的高光譜圖像信息恢復研究[D];哈爾濱工業(yè)大學;2015年

5 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學;2015年

6 馮婕;基于軟計算和互信息理論的遙感圖像地物分類[D];西安電子科技大學;2014年

7 孫濤;快速多核學習分類研究及應用[D];西安電子科技大學;2015年

8 賀霖;高光譜圖像自動目標檢測技術研究[D];西北工業(yè)大學;2007年

9 周爽;蟻群算法在高光譜圖像降維和分類中的應用研究[D];哈爾濱工業(yè)大學;2010年

10 陳雨時;基于光譜特性的高光譜圖像壓縮方法研究[D];哈爾濱工業(yè)大學;2007年

中國碩士學位論文全文數(shù)據庫 前10條

1 豐爍;高光譜圖像波段選取問題的改進算法研究[D];昆明理工大學;2015年

2 趙偉彥;果蔬干燥過程中的品質無損檢測技術研究[D];江南大學;2015年

3 馬亞楠;果蔬中內部害蟲的高光譜圖像檢測技術研究[D];江南大學;2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術無損識別獼猴桃膨大果[D];西北農林科技大學;2015年

5 王坤;高光譜圖像異常目標檢測及光譜成像在偽裝評估方面的應用研究[D];南京理工大學;2015年

6 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學;2015年

7 程凱;無先驗信息的高光譜圖像小目標檢測算法研究[D];蘇州大學;2015年

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學;2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學;2015年

10 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：618553