基于高光譜成像技術(shù)的肉品品質(zhì)無損檢測方法研究.pdf

1、本研究以牛肉為主要研究對象，采用可見-近紅外高光譜成像系統(tǒng)（400-1100nm）對103個牛肉樣本進(jìn)行數(shù)據(jù)分析。通過對多種預(yù)處理算法處理及特征波長優(yōu)選后的數(shù)據(jù)建立牛肉新鮮度和水分含量的校正集預(yù)測模型和預(yù)測集預(yù)測模型，并對模型評價指標(biāo)進(jìn)行對比，為了找出最適合牛肉品質(zhì)的快速無損檢測方法，為牛肉內(nèi)部品質(zhì)的在線檢測提供理論基礎(chǔ)。論文的主要研究結(jié)果如下：
　　首先，對已獲得的牛肉原始光譜數(shù)據(jù)進(jìn)行多種算法的預(yù)處理，再進(jìn)行多元線性回歸建模，比

2、較模型評價指標(biāo)，最終得出適合牛肉新鮮度和水分含量的預(yù)處理算法為一階差分寬度二次多項式9點(diǎn) S.Golay卷積求導(dǎo)法。其次對經(jīng)過預(yù)處理后的光譜數(shù)據(jù)進(jìn)行降維，選取牛肉新鮮度和水分含量分別所對應(yīng)的特征波長，便于后續(xù)模型建立。最后，分別采用MLR、BP-ANN和RBF-ANN對經(jīng)過上述處理后的光譜數(shù)據(jù)分別進(jìn)行牛肉新鮮度的校正集和預(yù)測集建模，結(jié)果表明，校正集建模時，RBF-ANN建模的相關(guān)系數(shù)（R）為0.9983，校正均方根誤差（RMSEC）為0

3、.0426。預(yù)測集建模時，RBF-ANN建模的相關(guān)系數(shù)（R）為0.9989，預(yù)測均方根誤差（RMSEP）為0.0256，牛肉新鮮度建模采取RBF-ANN時效果最佳。采用MLR、BP-ANN和 RBF-ANN對經(jīng)過上述處理后的光譜數(shù)據(jù)分別進(jìn)行牛肉水分含量的校正集和預(yù)測集建模，結(jié)果表明，校正集建模時，RBF-ANN建模的相關(guān)系數(shù)（R）為0.9989，校正均方根誤差（RMSEC）為0.0338。預(yù)測集建模時，RBF-ANN建模的相關(guān)系數(shù)（R）