基于近紅外光譜分析技術與嵌入式技術的豬肉品質檢測研究.pdf

1、隨著人們生活水平的提高，豬肉消耗量的逐年增加，豬肉越來越成為人們餐桌上不可或缺的一項，但是今年問題豬肉頻繁出現在人們身邊，腐敗肉、注水肉、瘦肉精豬肉等嚴重影響了人們的生活，開發(fā)一種快速、便捷，實用的豬肉品質檢測方法已經成為廣大質檢部門和廣大消費者的迫切需求。
　　本課題在北京市自然科學基金項目的資助下，認真研究檢測豬肉新鮮度的衡量指標，仔細比較檢測豬肉新鮮度的傳統方法，嘗試性開展應用近紅外技術和多數據融合技術解決檢測豬肉新鮮度的問

2、題，同時初步搭建了豬肉品質檢測便攜設備的硬件環(huán)境及構建了便攜設備的軟件環(huán)境。
　　整個課題中，選擇均勻的豬肉臀部肉在豬肉腐敗的不同時間段內，通過近紅外光譜儀的固體檢測模塊——積分球對片狀豬肉進行檢測，與此同時，采集相同時刻的相同樣本檢測PH值、TVBN值、含水量、克倫特羅值進行新鮮度等級定性分析和定量建模，同時研究是否是注水肉和“瘦肉精”豬肉的檢測方法。
　　本論文對采集的近紅外光譜按化學實驗測得的新鮮度等級分類后，進行平滑

3、預處理，然后對光譜求平均，通過對光譜所含信息量的研究證實了近紅外光譜用來檢測豬肉新鮮度的可行性。同時，也對OPUS提供的五種預處理方法和七種聚類方法進行了比較，最后選定一階導數+13點平滑進行預處理，Complete linkage進行聚類分析，建立聚類模型，取得了檢驗集6個樣本分類預測結果完全正確，為了進一步評定豬肉品質，通過波長優(yōu)化、主成分數的選擇，建立了基于PCR模型的豬肉含水量測定的近紅外校正模型，校正集樣本預測值與真值關系系數

4、為0.9320，交叉驗證均方差SECV為0.2942，預測集樣本預測值和真值測定系數為0.9812，預測均方差為0.2944，表明了該模型具有較好的預測效果和較高的預測精度。
　　為了進一步驗證該模型的實際應用能力，本課題對多組分同時分析進行了研究，并結合多數據融合，采用檢測級數據融合，數據層和決策層相結合的目標識別融合兩種數據融合結構同時使用的方法，不但能夠同時檢測豬肉的新鮮度等級，含水量，瘦肉精含量，而且大大提高了模型的通用性