食品安全质量检测学报
食品安全質量檢測學報
식품안전질량검측학보
FOOD SAFETY AND QUALITY DETECTION TECHNOLOGY
2012年
6期
649-653
,共5页
穆丽君%黄星奕%姚丽娅%戴煌
穆麗君%黃星奕%姚麗婭%戴煌
목려군%황성혁%요려아%대황
鳊鱼%可视传感器阵列%挥发性盐基氮%BP神经网络%联合间隔偏最小二乘法
鳊魚%可視傳感器陣列%揮髮性鹽基氮%BP神經網絡%聯閤間隔偏最小二乘法
편어%가시전감기진렬%휘발성염기담%BP신경망락%연합간격편최소이승법
目的 建立基于可视传感器阵列的鳊鱼新鲜度评价模型.方法 研究采用可视传感阵列与鱼体进行无接触式反应,提取阵列反应前后的颜色变化信息来表征鱼的气味特征;同时根据行业标准SC/T3032-2007测得表征鱼新鲜度的挥发性盐基氮(TVB-N)含量；将可视传感技术所得的特征信息与TVB-N指标含量进行关联,分别建立基于可视传感技术鱼新鲜度评价的定性模型BP神经网络和联合间隔偏最小二乘法(siPLS)定量模型.结果 BP神经网络模型精度较高,训练集正确率为86.79％,预测集正确率为86.43％; siPLS模型次之,模型校正集和预测集的正确率分别为82.52％和80.67％.结论 可视传感器新技术所测得指标与TVB-N相关性较大,可快速预测出鱼在储藏期间TVB-N的变化从而能够快速、无损地评价鱼类新鲜度.
目的 建立基于可視傳感器陣列的鳊魚新鮮度評價模型.方法 研究採用可視傳感陣列與魚體進行無接觸式反應,提取陣列反應前後的顏色變化信息來錶徵魚的氣味特徵;同時根據行業標準SC/T3032-2007測得錶徵魚新鮮度的揮髮性鹽基氮(TVB-N)含量；將可視傳感技術所得的特徵信息與TVB-N指標含量進行關聯,分彆建立基于可視傳感技術魚新鮮度評價的定性模型BP神經網絡和聯閤間隔偏最小二乘法(siPLS)定量模型.結果 BP神經網絡模型精度較高,訓練集正確率為86.79％,預測集正確率為86.43％; siPLS模型次之,模型校正集和預測集的正確率分彆為82.52％和80.67％.結論 可視傳感器新技術所測得指標與TVB-N相關性較大,可快速預測齣魚在儲藏期間TVB-N的變化從而能夠快速、無損地評價魚類新鮮度.
목적 건립기우가시전감기진렬적편어신선도평개모형.방법 연구채용가시전감진렬여어체진행무접촉식반응,제취진렬반응전후적안색변화신식래표정어적기미특정;동시근거행업표준SC/T3032-2007측득표정어신선도적휘발성염기담(TVB-N)함량；장가시전감기술소득적특정신식여TVB-N지표함량진행관련,분별건립기우가시전감기술어신선도평개적정성모형BP신경망락화연합간격편최소이승법(siPLS)정량모형.결과 BP신경망락모형정도교고,훈련집정학솔위86.79％,예측집정학솔위86.43％; siPLS모형차지,모형교정집화예측집적정학솔분별위82.52％화80.67％.결론 가시전감기신기술소측득지표여TVB-N상관성교대,가쾌속예측출어재저장기간TVB-N적변화종이능구쾌속、무손지평개어류신선도.
