食品与生物技术学报
食品與生物技術學報
식품여생물기술학보
JOURNAL OF FOOD SCIENCE AND BIOTECHNOLOGY
2015年
3期
246-252
,共7页
朱启兵%肖盼%黄敏%尹克
硃啟兵%肖盼%黃敏%尹剋
주계병%초반%황민%윤극
猪肉%高光谱图像%挥发性盐基氮%特征融合%特征降维%可视化检测
豬肉%高光譜圖像%揮髮性鹽基氮%特徵融閤%特徵降維%可視化檢測
저육%고광보도상%휘발성염기담%특정융합%특정강유%가시화검측
pork%hyperspectral image%TVB-N%feature fusion%feature dimension reduction%visual detection
利用高光谱反射图像技术研究了猪肉新鲜度的无损检测.采集了180个猪肉样本在400～1 000nm范围内的高光谱反射图像,提取了高光谱图像的光谱均值和熵两类特征;分别利用连续投影算法、主成分分析,以及连续投影算法结合主成分分析3种特征降维方法,提取了反映肉类新鲜度信息的重要特征变量;并建立了这些特征变量与挥发性盐基氮(TVB-N)的最小二乘支持向量机(LSSVM)预测模型;在此基础上提出了猪肉TVB-N含量的可视化检测方法.研究结果表明:相比于单一特征模型,利用光谱均值和熵融合特征的LSSVM模型可显著提高模型的准确度;连续投影算法结合主成分分析的特征降维方法,可显著降低模型的复杂度,提高模型准确度.利用光谱均值和熵两类特征,通过连续投影算法和主成分分析相结合的特征降维方法所建立的LSSVM预测模型,可取得最佳的预测准确度,其预测集的均方根误差RMSEP为1.96,相关系数(RP)为0.948,剩余预测偏差(RPD)为3.12,可满足实际检测需要.建立在此基础上的可视化方法,可直观显示肉类的腐败区域和程度.
利用高光譜反射圖像技術研究瞭豬肉新鮮度的無損檢測.採集瞭180箇豬肉樣本在400～1 000nm範圍內的高光譜反射圖像,提取瞭高光譜圖像的光譜均值和熵兩類特徵;分彆利用連續投影算法、主成分分析,以及連續投影算法結閤主成分分析3種特徵降維方法,提取瞭反映肉類新鮮度信息的重要特徵變量;併建立瞭這些特徵變量與揮髮性鹽基氮(TVB-N)的最小二乘支持嚮量機(LSSVM)預測模型;在此基礎上提齣瞭豬肉TVB-N含量的可視化檢測方法.研究結果錶明:相比于單一特徵模型,利用光譜均值和熵融閤特徵的LSSVM模型可顯著提高模型的準確度;連續投影算法結閤主成分分析的特徵降維方法,可顯著降低模型的複雜度,提高模型準確度.利用光譜均值和熵兩類特徵,通過連續投影算法和主成分分析相結閤的特徵降維方法所建立的LSSVM預測模型,可取得最佳的預測準確度,其預測集的均方根誤差RMSEP為1.96,相關繫數(RP)為0.948,剩餘預測偏差(RPD)為3.12,可滿足實際檢測需要.建立在此基礎上的可視化方法,可直觀顯示肉類的腐敗區域和程度.
이용고광보반사도상기술연구료저육신선도적무손검측.채집료180개저육양본재400～1 000nm범위내적고광보반사도상,제취료고광보도상적광보균치화적량류특정;분별이용련속투영산법、주성분분석,이급련속투영산법결합주성분분석3충특정강유방법,제취료반영육류신선도신식적중요특정변량;병건립료저사특정변량여휘발성염기담(TVB-N)적최소이승지지향량궤(LSSVM)예측모형;재차기출상제출료저육TVB-N함량적가시화검측방법.연구결과표명:상비우단일특정모형,이용광보균치화적융합특정적LSSVM모형가현저제고모형적준학도;련속투영산법결합주성분분석적특정강유방법,가현저강저모형적복잡도,제고모형준학도.이용광보균치화적량류특정,통과련속투영산법화주성분분석상결합적특정강유방법소건립적LSSVM예측모형,가취득최가적예측준학도,기예측집적균방근오차RMSEP위1.96,상관계수(RP)위0.948,잉여예측편차(RPD)위3.12,가만족실제검측수요.건립재차기출상적가시화방법,가직관현시육류적부패구역화정도.
