版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近年來(lái),雞肉的消費(fèi)量逐年升高,雞肉的品質(zhì)安全也越來(lái)越受到廣大消費(fèi)者的關(guān)注。新鮮度是反映肉品質(zhì)量的主要依據(jù),而評(píng)價(jià)新鮮度的最常用的指標(biāo)是揮發(fā)性鹽基氮(TVB-N)。本研究旨在尋找快速無(wú)損檢測(cè)雞肉中TVB-N含量的手段。肉品的腐敗過(guò)程伴隨著其氣味,內(nèi)部化學(xué)組分、及紋理特征的變化,采用嗅覺可視化技術(shù)來(lái)采集肉樣的氣味信息,用高光譜成像設(shè)備采集肉樣內(nèi)部化學(xué)組分及紋理的變化信息,嗅覺可視化技術(shù)相比于傳統(tǒng)的電子鼻技術(shù)受環(huán)境影響較小,不易受溫、濕度的影
2、響。而高光譜成像技術(shù)相比于近紅外技術(shù)及計(jì)算機(jī)視覺技術(shù)有著不受單點(diǎn)檢測(cè)限制以及能同時(shí)獲取肉樣內(nèi)外部信息的優(yōu)勢(shì)。因此這兩種新型的無(wú)損檢測(cè)技術(shù)更適合用于肉品質(zhì)量快速檢測(cè)。研究分別選用嗅覺可視化技術(shù)和高光譜成像技術(shù)兩種檢測(cè)手段,以及兩種檢測(cè)技術(shù)相融合的方式來(lái)檢測(cè)雞肉的新鮮度。主要內(nèi)容有如下幾個(gè)方面:
1.采用課題組自行研制的嗅覺可視化裝置進(jìn)行對(duì)雞肉新鮮度檢測(cè)的可行性研究。篩選了對(duì)肉腐敗變質(zhì)過(guò)程中釋放的揮發(fā)性氣體敏感的12種氣敏材料(9
3、種卟啉及金屬卟啉及3種pH指示劑),通過(guò)掃描儀采集嗅覺可視化傳感器與揮發(fā)性物質(zhì)反應(yīng)前后的圖像。根據(jù)可視化傳感器陣列與不同雞肉樣本散發(fā)的揮發(fā)性物質(zhì)反應(yīng)前后的RGB顏色變化值,每個(gè)雞肉樣本均對(duì)應(yīng)36個(gè)顏色變量(12×3個(gè)),利用相關(guān)分析方法從中篩選了與TVB-N值密切相關(guān)的12個(gè)特征變量,將這些變量與TVB-N實(shí)測(cè)值分別建立偏最小二乘模型(PLS)和反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP-ANN)模型。預(yù)測(cè)集的相關(guān)系數(shù)分別達(dá)到0.791和0.908,試
4、驗(yàn)結(jié)果表明,BP-ANN模型對(duì)雞肉新鮮度的檢測(cè)性能要優(yōu)于PLS模型,為嗅覺可視化技術(shù)在雞肉新鮮度快速無(wú)損檢測(cè)中的應(yīng)用提供了理論依據(jù)。
2.探討高光譜數(shù)據(jù)中的圖像信息來(lái)檢測(cè)雞肉新鮮度的可行性。針對(duì)傳統(tǒng)的高光譜圖像數(shù)據(jù)降維的盲目性,研究提出了區(qū)間篩選和變量篩選相結(jié)合的高光譜圖像數(shù)據(jù)降維新思路。首先提取高光譜圖像數(shù)據(jù)中的光譜信息進(jìn)行多元散射校正(MSC)預(yù)處理;利用聯(lián)合區(qū)間偏最小二乘法(siPLS)算法初步篩選出100個(gè)光譜特征變量
5、,再利用遺傳算法(GA)進(jìn)一步篩選出5個(gè)與雞肉新鮮度密切相關(guān)的特征波長(zhǎng)(562.67nm,572.87nm,609.58nm,756.53nm,767.86nm);再?gòu)倪@5個(gè)特征波長(zhǎng)對(duì)應(yīng)的5幅特征圖像中分別提取基于統(tǒng)計(jì)矩陣的6個(gè)紋理特征變量。因此每個(gè)雞肉樣本包含30個(gè)紋理特征變量。將這30個(gè)紋理特征變量與TVB-N實(shí)測(cè)值進(jìn)行相關(guān)性分析,剔除冗余變量,最終得到17個(gè)與TVB-N值密切相關(guān)的特征變量,與TVB-N實(shí)測(cè)值建立BP-ANN模型。
6、預(yù)測(cè)集的相關(guān)系數(shù)達(dá)到0.803??梢娀诟吖庾V技術(shù)的圖像信息也可以實(shí)現(xiàn)對(duì)雞肉TVB-N含量的定量檢測(cè)。
3.采用多傳感器信息融合技術(shù)檢測(cè)雞肉的新鮮度。在目前單一檢測(cè)技術(shù)已成功運(yùn)用的基礎(chǔ)上,研究進(jìn)一步將兩技術(shù)相融合綜合檢測(cè)雞肉的新鮮度。試驗(yàn)利用嗅覺可視化、高光譜成像技術(shù)分別獲取雞肉的氣味信息及光譜圖像信息,分別提取出12個(gè)顏色特征變量與17個(gè)紋理特征變量,經(jīng)主成分因子數(shù)優(yōu)化,獲得的最佳得分向量作為模式識(shí)別的輸入層,采用BP-AN
7、N算法與TVB-N實(shí)測(cè)值建立定量模型。預(yù)測(cè)集中樣本的相關(guān)性達(dá)到了0.951。研究結(jié)果表明,兩技術(shù)信息融合的模型要優(yōu)于單一技術(shù)模型。所以,采用嗅覺可視化、高光譜成像兩種技術(shù)的信息融合模型綜合評(píng)價(jià)雞肉的新鮮度是可行的,且其模型精度較單一模型有很大的提升。研究結(jié)果表明多傳感器信息融合技術(shù)在雞肉新鮮度檢測(cè)方面的應(yīng)用要具有一定的可行性且優(yōu)于單一無(wú)損檢測(cè)技術(shù)。
本研究為利用多技術(shù)信息融合進(jìn)行雞肉新鮮度評(píng)價(jià)提供了理論依據(jù)和技術(shù)指導(dǎo),對(duì)嚴(yán)把肉
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 嗅覺可視化技術(shù)檢測(cè)豬肉新鮮度的研究.pdf
- 鰱魚新鮮度的可視化嗅覺檢測(cè)技術(shù)及檢測(cè)標(biāo)準(zhǔn)研究.pdf
- 基于高光譜成像技術(shù)的蔬菜新鮮度快速檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的熟牛肉新鮮度檢測(cè)方法研究.pdf
- 基于嗅覺可視化技術(shù)的魚類新鮮度評(píng)價(jià)方法及裝置研究.pdf
- 光譜和成像技術(shù)檢測(cè)豬肉及其制品新鮮度的研究.pdf
- 基于天然色素氣體可視化和高光譜圖像技術(shù)評(píng)判肴肉新鮮度研究.pdf
- 基于機(jī)器嗅覺的中華絨螯蟹新鮮度檢測(cè)技術(shù)研究.pdf
- 金屬卟啉類嗅覺可視化傳感器反應(yīng)機(jī)理及其在魚新鮮度檢測(cè)中的應(yīng)用研究.pdf
- 肉類新鮮度的近紅外光譜檢測(cè)方法研究.pdf
- 基于光譜技術(shù)的牛肉新鮮度檢測(cè)模型維護(hù)方法研究.pdf
- 羊肉新鮮度無(wú)損檢測(cè)技術(shù)研究.pdf
- 蝦新鮮度的近紅外光譜快速檢測(cè)的研究.pdf
- 雞蛋新鮮度和血斑蛋光譜技術(shù)在線檢測(cè)研究.pdf
- 利用無(wú)損檢測(cè)和多傳感器數(shù)據(jù)融合技術(shù)快速檢測(cè)雞肉新鮮度.pdf
- 融合圖像和嗅覺特征的豬肉新鮮度分級(jí).pdf
- 基于嗅覺信息圖像化的魚類新鮮度高通量在線無(wú)損檢測(cè)系統(tǒng)研發(fā).pdf
- 雞蛋新鮮度可見-近紅外光譜在線檢測(cè)技術(shù)研究.pdf
- 雞肉彈性與新鮮度關(guān)系的研究及屠宰線設(shè)計(jì)
- 基于近紅外光譜漫反射技術(shù)檢測(cè)雞蛋新鮮度的研究.pdf
評(píng)論
0/150
提交評(píng)論