

版權(quán)說明: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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、豬肉是我國居民的最主要肉類食源之一,具有豐富的營養(yǎng)價值。豬肉pH值、含水率等品質(zhì)的好壞直接關(guān)系到豬肉產(chǎn)品的存儲時間、生產(chǎn)加工以及食用安全?;诠庾V技術(shù)的多元校正模型能實現(xiàn)對豬肉品質(zhì)的快速、無損檢測,然而這種校正模型只能對一定測量條件(儀器條件或環(huán)境溫度)、某一品種范圍的樣本進行預(yù)測,而對不同測量條件或不同品種樣本的光譜數(shù)據(jù),則會出現(xiàn)預(yù)測誤差較大,或完全不可用的問題。因此開展模型傳遞方法研究,建立一個穩(wěn)健性好、適用性強、預(yù)測精度高的豬肉品
2、質(zhì)光譜檢測模型具有重要的科學(xué)意義和良好的應(yīng)用前景。本文以杜長大豬肉、茂佳山黑豬肉和零號土豬肉3個品種豬肉為研究對象,建立了基于高光譜成像技術(shù)的豬肉品質(zhì)定量檢測模型,繼而對豬肉品質(zhì)檢測模型的適用性進行檢驗,針對模型適用性差的問題,開展了對不同品種之間的豬肉品質(zhì)檢測模型傳遞方法的研究。主要研究內(nèi)容包括:
?、叛芯苛瞬煌瑯颖炯瘎澐址椒ㄒ约安煌庾V預(yù)處理方法對3個品種豬肉pH值及含水率模型性能的影響,確定了豬肉pH值及含水率的較優(yōu)定量檢
3、測模型。分別采用了RS、K/S和SPXY3種劃分方法對3個品種豬肉樣本進行校正集和測試集的劃分,采用了平滑(Smooth)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、多元散射校正(MSC)、平均中心化(MC)以及它們的組合方法對原始光譜進行預(yù)處理,比較不同預(yù)處理光譜的偏最小二乘回歸(Partial Least Squares Regression, PLSR)模型結(jié)果,確定較優(yōu)的樣本集劃分方法以及光譜預(yù)處理方法,建立了較優(yōu)的豬肉pH值及含水率PLSR
4、模型。杜長大豬肉pH值較優(yōu)定量檢測模型交互驗證相關(guān)系數(shù)Rc為0.924,預(yù)測相關(guān)系數(shù)Rp達到0.904,交互驗證均方根誤差RMSECV為0.045,預(yù)測均方根誤差RMSEP為0.046;茂佳山黑豬肉pH值定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc為0.903,Rp達到0.853,RMSECV為0.090,RMSEP為0.084;零號土豬肉pH值定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc為0.906,Rp達到0.883,RMSECV為0.133,RMSEP為
5、0.113。杜長大豬肉含水率定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc為0.940,Rp為0.940,RMSECV為0.279%,RMSEP為0.237%;茂佳山黑豬肉含水率定量檢測模型的較優(yōu)預(yù)測結(jié)果:RC為0.932,Rp達到0.944,RMSECV為0.512%,RMSEP為0.395%;零號土豬肉含水率定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc達到0.927,Rp達到0.923,RMSECV為0.512%,RMSEP為0.382%。
?、蒲芯?/p>
6、了杜長大豬肉高光譜檢測模型的適用性,確定了杜長大豬肉pH值及含水率高光譜模型不能實現(xiàn)對茂佳山黑豬肉和零號土豬肉樣本PH值及含水率的預(yù)測。分別采用了平均光譜法、主成分得分空間分布法、馬氏距離法及模型驗證法對杜長大豬肉主模型的適用性進行了檢驗,比較了杜長大豬肉樣本與茂佳山黑豬肉和零號土豬肉樣本的平均光譜圖、主成分得分空間分布圖以及馬氏距離圖之間的差異,并用杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉樣本進行預(yù)測。結(jié)果表明:杜長大豬肉樣本平均光譜
7、、主成分得分空間分布以及馬氏距離與茂佳山黑豬肉和零號土豬肉樣本之間均存在較大的差異,且杜長大豬肉pH值及含水率模型對茂佳山黑豬肉和零號土豬肉樣本預(yù)測結(jié)果較差:杜長大豬肉pH值模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測相關(guān)系數(shù)Rp分別為0.770和0.731,預(yù)測均方根誤差RMSEP分別為0.111和0.209,剩余預(yù)測偏差RPD僅達到1.533和1.234;杜長大豬肉含水率模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測相關(guān)系數(shù)Rp分別為0.51
8、3和0.712,RMSEP分別為1.151%和0.857%,剩余預(yù)測偏差RPD僅達到1.000和1.214。
?、茄芯苛四P透路椒▽ωi肉pH值高光譜檢測模型的傳遞效果,并分別提出了一種光譜和預(yù)測值同步校正(CSPV)的傳遞算法與一種分段直接校正結(jié)合線性插值(PDS-LI)傳遞算法,分析比較了3種方法對豬肉pH值高光譜檢測模型的傳遞結(jié)果,確定了較優(yōu)的豬肉pH值模型傳遞方法。采用模型更新方法對杜長大豬肉模型進行傳遞,對于茂佳山黑豬
9、肉樣本,當(dāng)添加的代表性樣本數(shù)為11個時,模型傳遞結(jié)果達到最優(yōu),此時Rp由傳遞前的0.770提高到0.869,提高了13%,RPD由傳遞前的1.533提高到1.934,提高了26%,滿足Rp≥0.837,且RPD≥1.9的條件,表明模型更新方法可實現(xiàn)對茂佳山黑豬肉樣本的預(yù)測。對于零號土豬肉樣本,當(dāng)添加的代表性樣本數(shù)為9個時,模型傳遞結(jié)果達到最優(yōu),此時Rp由傳遞前的0.731提高到0.845,提高了16%,RPD由傳遞前的1.234提高到1
10、.804,提高了46%,但不滿足Rp≥0.837,且RPD≥1.9的條件,表明模型更新方法不能實現(xiàn)對零號土豬肉樣本的預(yù)測。上述結(jié)果說明模型更新法對杜長大豬肉pH值高光譜模型的傳遞效果有限。針對不同品種間的模型傳遞問題,提出了一種光譜和預(yù)測值同步校正(CSPV)的傳遞算法,該算法對杜長大豬肉pH值高光譜模型傳遞有較好的結(jié)果。對于茂佳山黑豬肉樣本,當(dāng)標(biāo)樣數(shù)為9個時,杜長大豬肉模型對茂佳山黑豬肉樣本預(yù)測結(jié)果達到最優(yōu),Rp提高到0.889,相對
11、傳遞前提高了15%,RPD為2.071,相對傳遞前提高了35%;對于零號土豬肉樣本,當(dāng)標(biāo)樣數(shù)為10個時,杜長大豬肉模型對零號土豬肉樣本的預(yù)測結(jié)果達到最優(yōu),Rp達到0.900,相對傳遞前提高了23%,RPD達到2.213,相對傳遞前提高了79%。針對不同品種間的模型傳遞問題,提出了一種分段直接校正結(jié)合線性插值(PDS-LI)的傳遞算法,該算法對杜長大豬肉pH值高光譜模型有較好的傳遞結(jié)果。對于茂佳山黑豬肉樣本,當(dāng)標(biāo)樣數(shù)為29個時,杜長大豬肉
12、模型對茂佳山黑豬肉樣本的預(yù)測結(jié)果達到最優(yōu),此時Rp為0.895,相對傳遞前提高了16%,RPD為2.179,相對傳遞前提高了42%;對于零號土豬肉樣本,當(dāng)標(biāo)樣數(shù)為22個時,杜長大豬肉模型對零號土豬肉樣本的預(yù)測結(jié)果達到最優(yōu),Rp達到0.892,相對傳遞前提高了22%,RPD達到2.005,相對傳遞前提高了62%。模型更新、CSPV以及PDS-LI傳遞算法對杜長大豬肉pH值高光譜模型的傳遞結(jié)果表明:CSPV和PDS-LI2種算法的傳遞結(jié)果相
13、似,且均優(yōu)于模型更新方法結(jié)果,因此確定CSPV和PDS-LI算法為較優(yōu)的豬肉pH值高光譜模型傳遞算法。
?、妊芯苛素i肉含水率高光譜檢測模型傳遞方法。分別采用模型更新、CSPV以及PDS-LI傳遞算法對杜長大豬肉豬肉含水率模型進行傳遞,并比較了3種方法的模型傳遞結(jié)果,確定了較優(yōu)的豬肉含水率高光譜模型傳遞算法。模型更新方法可實現(xiàn)杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測。當(dāng)添加的茂佳山黑豬肉和零號土豬肉代表性樣本數(shù)分別為21
14、和19個時,傳遞模型對2個品種樣本預(yù)測結(jié)果達到最優(yōu),Rp分別達到0.891和0.853,相對傳遞前分別提高了74%和20%,RPD分別為2.166和2.076,相對傳遞前分別提高了116%和71%。CSPV算法可實現(xiàn)杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測。當(dāng)茂佳山黑豬肉和零號土豬肉標(biāo)樣數(shù)分別為20和18個時,最優(yōu)預(yù)測結(jié)果Rp分別達到0.918和0.925,相對傳遞前分別提高了79%和30%,RPD分別達到2.460和2.37
15、9,相對傳遞前分別提高了146%和96%。PDS-LI算法能實現(xiàn)杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測。當(dāng)茂佳山黑豬肉和零號土豬肉標(biāo)樣數(shù)分別為32和22個時,最優(yōu)預(yù)測結(jié)果Rp分別達到0.912和0.921,相對傳遞前分別提高了78%和29%,,RPD分別達到2.447和2.364,相對傳遞前分別提高了145%和95%。結(jié)果表明:3種算法均在不同程度上提高了杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉的預(yù)測結(jié)果,并實現(xiàn)了杜長大豬肉
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高光譜技術(shù)的不同品種豬肉品質(zhì)檢測模型維護方法研究.pdf
- 基于光譜成像技術(shù)的豬肉品質(zhì)檢測研究.pdf
- 基于高光譜成像技術(shù)的冷鮮豬肉品質(zhì)無損檢測方法研究.pdf
- 基于顯微高光譜成像技術(shù)的灘羊肉品質(zhì)檢測研究.pdf
- 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
- 基于高光譜成像技術(shù)的銅品質(zhì)檢測方法研究.pdf
- 基于計算機視覺技術(shù)的豬肉品質(zhì)檢測與分級研究.pdf
- 基于近紅外光譜分析技術(shù)與嵌入式技術(shù)的豬肉品質(zhì)檢測研究.pdf
- 不同品種及雜交組合豬肉品質(zhì)的對比研究.pdf
- 基于高光譜冷鮮羊肉品質(zhì)的無損檢測方法研究.pdf
- 基于高光譜圖像技術(shù)對牛肉品質(zhì)無損檢測的研究.pdf
- 基于高光譜和圖像技術(shù)的龍井茶葉品質(zhì)檢測方法研究.pdf
- 基于近紅外光譜分析技術(shù)和計算機視覺技術(shù)的豬肉品質(zhì)檢測的研究.pdf
- 基于圖像與光譜信息的豬肉品質(zhì)在線無損檢測研究.pdf
- 基于高光譜技術(shù)的寧夏灘羊肉內(nèi)部品質(zhì)檢測方法研究.pdf
- 解凍豬肉與注水豬肉品質(zhì)及檢測方法研究.pdf
- 基于高光譜圖像和機器視覺技術(shù)的大豆品質(zhì)檢測研究.pdf
- 基于高光譜成像技術(shù)的冷鮮羊肉品質(zhì)無損檢測研究.pdf
- 不同雜交組合豬肉品質(zhì)的比較研究.pdf
- 基于光譜診斷技術(shù)的乙醇柴油品質(zhì)檢測方法.pdf
評論
0/150
提交評論