嗅覺可視化及高光譜成像技術(shù)檢測(cè)雞肉新鮮度的研究.pdf

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