基于多成熟度光谱信息融合的阿森泰克苹果品质预测模型研究

不同成熟度的阿森泰克苹果品质变化大,会显著影响采后贮藏与销售效益。本研究以江苏宿迁四个成熟阶段的阿森泰克苹果为研究对象,首先利用主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminant analysis,LDA)分析其色泽(L^(*)、a^(*)、b^(*)值)、硬度(firmness,FI)、可溶性固形物(soluble solid content,SSC)、可滴定酸(titratable acidity,TA)、水分含量(moisture content,MC)、干物质(dry matter content,DMC)的变化规律;同时,基于可见-近红外(visible and near-infrared,Vis-NIR)与近红外(nearinfrared,NIR)光谱技术结合连续投影(successiveprojectionsalgorithm,SPA)、竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)、无信息变量消除(uninformative variable elimination,UVE)算法进行相关特征变量筛选,基于偏最小二乘(partial least squares,PLS)与支持向量机(support vector machine,SVM)建立阿森泰克苹果品质预测模型。结果表明,SSC、a^(*)、L^(*)、b^(*)对不同成熟度阿森泰克苹果的聚类贡献率较高,510~680、1170~1270、2300 nm为高相关度特征波段。SPA-PLS、SPA-SVM模型能很好地预测不同成熟度阿森泰克的L^(*)、b^(*)、a^(*)值,相对预测偏差(relative percent deviation,RPD)均高于3.00,CARS-PLS模型可以很好地预测SSC,RPD为3.19,但FI、TA、MC、DMC的SPA-PLS模型预测精度相对较低,RPD分别为2.27、2.21、2.32、2.42。研究结果证明Vis-NIR和NIR光谱方法能够预测不同成熟度阿森泰克苹果品质,为阿森泰克苹果采收管理与质量安全控制提供技术参考。

基于可见光-近红外高光谱信息与数据融合的木质化鸡胸肉的判别模型构建

木质化鸡胸肉(wooden breast,WB)制约肉鸡行业发展,传统触诊检测方法耗时且效率低,为提升高光谱成像(hyperspectral imaging,HSI)技术检测鸡胸肉木质化程度的效果,本论文以白羽鸡鸡胸肉为研究对象,将其划分4个木质化等级,采集其在400~1000和1000~2000 nm内的HSI信息,通过不同光谱预处理算法和特征波段筛选方法,建立基于全波段、特征波段和HSI数据融合的偏最小二乘判别分析(Partial least squares-discriminant analysis,PLS-DA)模型和支持向量机(Support vector machine,SVM)模型。结果显示,SVM模型比PLSDA模型更适于判别鸡胸肉木质化程度,基于1000~2000 nm内全波段和特征波段的最佳模型预测集总体正确率均高于400~1000 nm内的模型,基于两波段HSI数据融合的木质化判别模型优于基于单一波段(包括全波段和特征波段)的模型,最佳模型预测集总体正确率为96.7%,能较好地区分出4个木质化等级,且对4个等级的判别准确率均可达90%以上。研究结果为HSI实现木质化鸡胸肉的准确无损检测提供技术支持。

敲击振动检测鸡蛋裂纹的初步研究

现代化的蛋品加工业中,传统的照蛋检测鸡蛋裂纹技术远不能满足生产的自动化要求,为了实现快速在线无损检测鸡蛋裂纹,试验通过在鸡蛋不同部位施加机械冲击,利用计算机处理产生的声音信号,分析壳裂鸡蛋和完好鸡蛋的响应频率差异。结果表明:敲击赤道不同的部位,完好鸡蛋各点的特征响应频率十分接近,而壳裂鸡蛋差别较大。根据赤道四点特征响应频率变异系数(CV),建立了初步分级算法,使得裂纹鸡蛋检出水平达到91%,对整批鸡蛋的分级准确率达到87%。

基于计算机视觉和神经网络检测鸡蛋裂纹的研究

为了提高鸡蛋裂纹检测的准确性和效率,综合运用计算机视觉技术和BP神经网络技术,实现对鸡蛋表面裂纹的无损检测和分级。首先,通过计算机视觉系统获取鸡蛋表面的图像,对图像分析处理,提取了裂纹区域和噪声区域的5个几何特征参数。其次,将5个参数作为输入,建立结构为5-10-2的BP神经网络模型,对裂纹进行识别和鸡蛋的自动分级。试验结果表明模型对裂纹鸡蛋的识别准确率达到了92.9%,对整批鸡蛋的分级准确率达到了96.8%。

冷冻保护剂对反复冻融牛肉的品质及微观结构的影响

冷冻保护剂是一种被广泛接受的食品添加剂,可以减少冷冻食品的解冻损失,保持食品结构。该文以牛肉为研究对象,测定了海藻糖、蔗糖和卡拉胶对牛肉在不同冻融次数处理下的解冻损失、蒸煮损失、水分分布、质构和微观结构等指标的影响,探讨了冷冻保护剂对反复冻融牛肉品质的保护作用。结果表明,添加冷冻保护剂可以降低牛肉的解冻损失、抑制pH增长,维持牛肉的水分和肌原纤维结构。与对照组解冻损失(36.22%)相比,经5次冻融后卡拉胶与海藻糖(CT)组、卡拉胶与蔗糖(CS)组及海藻糖与蔗糖(TS)组解冻损失分别为35.75%、35.05%和28.94%。TS组具有最低的解冻损失,水分维持能力最强。此外TS组水分迁移也较少,具有最佳的多次冻融保护效果。CT组的pH值(5.94)和硫代巴比妥酸值(0.60 mg/kg)最低,脂质氧化抑制效果最强。经5次冻融后,添加冷冻保护剂的牛肉,尤其是添加TS和CS牛肉结构更紧密。该研究结果有助于更好地了解糖类在冷冻牛肉中的冷冻保护作用,并且为冷冻保护剂在食品工业中的应用提供参考。

基于计算机视觉和声学响应信息融合的鸡蛋裂纹检测

为了提高对鸡蛋裂纹识别的准确性,建立利用计算机视觉和声学响应信息融合技术检测鸡蛋裂纹的系统,首先采集和分析鸡蛋被敲击后的声音信号,提取了4个特征频率、偏斜度平均值和崤度平均值共6个特征参数,作为人工神经网络的输入量,创建了结构为6-15-1的3层BP神经网络模型判别鸡蛋裂纹。其次,利用计算机视觉系统获取鸡蛋表面图像,提取了区域面积、圆形度、区域长径、短径和长短径之比共5个特征参数,作为BP人工神经网络的输入量,创建了结构为5-10-1的3层BP神经网络模型识别鸡蛋裂纹。最后,根据计算机视觉与声学响应技术检测鸡蛋裂纹结果的差异,融合二者的信息进行最终判断。结果表明:单独利用声学响应技术对裂纹鸡蛋判别准确率达92%,计算机视觉对裂纹鸡蛋的判别准确率只有68%。而将2种技术进行信息融合,对裂纹鸡蛋判别准确率可达98%,优于单一技术,能够发挥计算机视觉技术和声学技术检测的优势,充分保证鸡蛋的质量和安全。

基于高光谱图像的鸡种蛋孵化早期胚胎性别鉴定

为了对鸡种蛋孵化早期胚胎进行性别鉴定,构建了高光谱图像采集系统,在400~1 000 nm范围内获取94枚种蛋孵化0~12 d的高光谱透射图像。分别在胚胎的圆头、中间、尖头3个部位选择感兴趣区域（region of interest,ROI）,获取400~1 000 nm波段的响应信号,构建了支持向量机（support vector machine,SVM）、偏最小二乘判别分析（partial least squares discriminant analysis,PLSDA）和人工神经网络（artificial neural network,ANN）的鸡胚胎性别鉴定模型,并比较了不同孵化时间雌雄胚胎的鉴别准确率。试验结果表明,SVM模型、PLSDA模型和ANN模型均对孵化第10天种蛋中间部位检测效果最好。随后通过分析第10天种蛋中间部位光谱响应的差异,选取600~900 nm的光谱值构建胚胎性别鉴定模型,结果发现,3种模型的判别准确率均有上升,SVM模型和PLSDA模型预测集样本判别准确率均为75.00%,ANN模型预测集样本判别准确率达到82.86%。其中,ANN构建的种蛋孵化胚胎性别检测模型的整体效果优于SVM模型和PLSDA模型。结果表明高光谱图像技术在检测鸡种蛋孵化早期胚胎性别方面有一定效果,但种蛋蛋壳的个体差异会对鉴定准确率造成一定影响。

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明:电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA方法比PCA方法的效果好。PCA方法对掺入大豆油、玉米油超过50%和葵花籽油超过70%的芝麻油能明显区分,而LDA方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。

天然保鲜剂对牛肉贮藏期间水分和蛋白质结构变化的影响

为深入了解牛肉贮藏过程中水分和蛋白质结构变化,本研究分析了挥发性盐基氮(TVB-N)、保水性、水分分布和迁移、蛋白质二级结构、疏水性等指标,探究了不同天然保鲜剂(0.5%ε-聚赖氨酸、0.5%茶多酚、0.5%壳聚糖以及0.2%ε-聚赖氨酸+0.2%茶多酚+0.2%壳聚糖)处理对牛肉4℃贮藏期间(12 d)保鲜效果。结果显示:贮藏期间,保鲜剂能显著降低牛肉中TVB-N(P<0.05)并降低牛肉的贮藏损失,0.5%ε-聚赖氨酸、0.5%茶多酚以及0.5%壳聚糖处理对于牛肉的压力损失无显著优势,而复合保鲜剂在贮藏中期能显著降低压力损失(P<0.05);保鲜剂处理减缓了牛肉中结合水转化为不易流动水的幅度和速率以及不易流动水转化为自由水的幅度,并延迟结合水迁移的进程;保鲜剂能维持肌纤维蛋白二级结构的稳定性(P<0.05),显著降低疏水基团裸露含量(P<0.05),延缓蛋白质的降解;0.5%ε-聚赖氨酸、0.5%茶多酚以及0.5%壳聚糖处理组间对于肌纤维蛋白的维持效果没有显著性差异,复合保鲜剂对肌纤维蛋白结构维持效果显著优于单一保鲜剂处理组。综上,复合天然保鲜剂保鲜和保水效果最佳,研究结果能够为复合天然保鲜剂的保鲜保水方面应用和开发提供科学理论根据。

基于计算机视觉的稻谷霉变程度检测

为了实现无损检测稻谷储藏中的霉变,该研究以引起稻谷霉变的5种常见真菌(米曲霉、黑曲霉、构巢曲霉、桔青霉和杂色曲霉)为对象,首先进行真菌培养,制成悬浮液,然后将悬浮液接种到稻谷样品中,对稻谷样品模拟储藏,确定不同霉变程度的稻谷类型,划分为对照组(无霉变)、轻微霉变组和严重霉变组。利用计算机视觉系统对三组稻谷样品进行图像采集和图像处理,提取灰度、颜色和纹理特征,共获取68个图像特征。采用支持向量机(support vector machines,SVM)和偏最小二乘法判别分析(partial least squares discriminant analysis,PLS-DA)构建模型,分别用于无霉变稻谷与霉变稻谷的区分和稻谷霉变类型区分。为了降低模型复杂度和数据冗余,利用连续投影算法(successive projections algorithm,SPA)来消除原始数据变量间的共线性,优选特征值。结果表明:利用所有参数构建的SVM模型能够很好的区分对照组与霉变组,其中建模集和验证集总体区分准确率分别为99.7%和98.4%;SVM模型对于稻谷严重霉变类型的区分效果要优于轻微霉变稻谷,其中对稻谷轻微霉变类型建模集和验证集总体区分的准确率分别为99.3%和92.0%,对稻谷严重霉变类型区分的总体准确率分别为100%和94%,且整体上SVM模型的效果要优于PLS-DA模型。而基于SPA优选特征构建的模型区分结果表明,SVM模型区分效果优于PLS-DA模型,其中,在建模集和验证集中,对无霉变和霉变稻谷总体区分准确率分别为99.8%和99.5%,对稻谷轻微霉变种类区分总体准确率分别为99.8%和90.5%,对稻谷严重霉变种类区分总体准确率分别为100%和95.0%。因此,基于计算机视觉对稻谷霉变检测是可行的,而且SPA优选特征能够较好反映稻谷霉变特征,基于优选特征和SVM模型能够较好地稻谷霉变进行识别和区分,结果较好,可以为实际应用提供技术支持和参考。

臭氧水处理对芹菜保鲜效果的研究

对芹菜进行臭氧水处理,选用紫外分光光度法测定水中的臭氧含量。然后,将研究用的芹菜分成非臭氧水处理非包装组、臭氧水处理非包装组、非臭氧水处理包装组、臭氧水处理包装组这4组进行低温储藏。在贮藏期内,每隔7d对其颜色、失水率、黄化率、呼吸强度、维生素C含量、过氧化物酶活力这6个指标进行测定,研究臭氧水对芹菜的保鲜效果。结果表明,臭氧水处理后能够有效降低芹菜的失水率、黄化率,抑制呼吸强度,起到延长芹菜贮藏期的作用。

丁香精油对樱桃番茄保鲜作用的研究

研究了丁香精油对樱桃番茄采后主要致病菌的抑制作用及对其采后品质和生理的影响。结果表明:丁香精油可有效抑制根霉、灰霉的生长,并可诱导樱桃番茄防御性酶POD、PPO及CAT活性的升高;丁香精油处理可降低果实的腐烂指数,120μL/L丁香精油熏蒸对樱桃番茄的防腐保鲜效果最好,贮藏19d后腐烂指数比对照降低了70.6%;20℃下贮藏19d之后,丁香精油处理后樱桃番茄的果实硬度、可溶性固形物含量、颜色及可滴定酸与对照组果实相比均无显著差异。

基于声学响应和BP神经网络检测鸡蛋裂纹

为了提高鸡蛋裂纹检测的准确性,建立了声学敲击检测鸡蛋裂纹的装置,采集和分析鸡蛋被敲击后的声音信号。提取了4个特征频率、偏斜度平均值和峰度平均值共6个特征参数,并作为神经网络的输入量,创建了基于MATLAB的结构为6-15-2的3层BP神经网络模型判别鸡蛋裂纹。检测结果显示:对蛋壳受各种程度破坏后的鸡蛋判别精度可达92%以上,对蛋壳完整的鸡蛋判别精度达到96%,对鸡蛋总体的判别精度可达94%。

水蜜桃货架期内糖度的近红外光谱检测

利用傅里叶近红外光谱技术建立水蜜桃货架期糖度无损检测方法。采用多元散射校正、标准正态变量转换、Savitzky-Golay一阶导数和卷积平滑对原始光谱进行预处理,利用偏最小二乘法建立模型,并根据相关系数选取合适的建模波段。结果表明:多元散射校正、Savitzky-Golay一阶导数和卷积平滑结合处理能够有效地消除光谱基线平移和偏移等现象,提高信噪比,构建的模型预测效果较好。为了提高运算速度,设置相关系数绝对值阈值为0.55时,建模的波长数为389,构建的模型预测效果也较好,校正组模型和预测组模型的决定系数分别为0.860和0.853,内部交叉验证均方差(RMSECV)和预测均方根偏差(RMSEP)分别为0.651和0.732°Brix。同时比较了PLS-NIR、PCA-NIR、PLS-BPANN-NIR、PCA-BPANN-NIR和PCA-SVM-NIR模型对糖度的预测性能,结果表明PLS-NIR模型对货架期水蜜桃糖度预测效果最好。

果蔬光学参数测量及其在品质检测方面的研究进展

光子在果蔬组织内部的传输规律可以由吸收系数、散射系数等光学参数来表征。果蔬光学参数与果蔬组织内部的化学成分、组织结构密切相关,是分析果蔬品质的一类重要指标。果蔬光学参数的测量为了解光子在果蔬组织的传输规律,以及开发新型的果蔬品质光学无损检测方法提供了途径。为了追踪这项技术在果蔬方面的最新研究进展,本文对时间分辨、空间分辨、频域分辨和积分球技术这4种光学参数测量技术的原理和特点进行简单介绍,并着重介绍了2001—2017年期间,其在果蔬组织光学参数的测量及品质检测方面的应用进展,旨在为果蔬光学参数测量技术的研究和应用提供参考。

数据预处理在电子鼻评价鸡蛋新鲜度中的应用研究

采用电子鼻技术对鸡蛋新鲜度进行评价,采用主成分分析处理电子鼻响应数据.为选取合适的电子鼻数据预处理方法,以主成分贡献率及马氏距离分辨力为指标,比较了4种数据预处理方法对电子鼻检测鸡蛋新鲜度准确性的差异,分析了产生差异的原因.结果表明:Z-标准化对电子鼻数据预处理的方法能较好地区分鸡蛋新鲜度差异.

荸荠英提取物抑菌活性及其应用研究

为了提高荸荠的深加工附加值,本实验从荸荠加工废弃物荸荠皮中提取抑菌物质,研究其抑菌活性及其应用。结果表明,荸荠英提取物对大肠杆菌、金黄色葡萄球菌、藤黄微球菌、枯草芽孢杆菌均有抑制作用,其中对金黄色葡萄球菌的抑制作用最强,且持续性好。荸荠英提取物对大肠杆菌、金黄色葡萄球菌、藤黄微球菌的抑制作用高于1%的山梨酸钾溶液,而对枯草芽孢杆菌的抑制作用与其比较接近;利用荸荠英提取物能有效防止彩色水果番茄贮藏过程中由根霉和链格孢引起的腐烂,与根霉相比,荸荠英提取物对链格孢的抑制效果更好。

基于近红外光谱和共轭梯度神经网络的板栗褐变检测

为了实现板栗褐变的无损检测,本实验以"毛板红"板栗为样品,在12000～4000cm-1范围内采集带壳和去壳板栗4个褐变等级的近红外光谱,用Savitzky-Golay平滑和标准正态变量变换(SNV)方法对光谱原始数据进行预处理,采用主成分分析法提取光谱的特征信息,建立基于共轭梯度调整算法的BP神经网络(SBP)识别板栗褐变模型。结果表明,对去壳板栗,最佳主成分因子数为8时,网络训练集和测试集对板栗褐变识别准确率最好,分别为100%和98.7%;对带壳板栗,最佳主成分因子数为10,网络训练集和测试集对板栗褐变识别准确率最好,分别为65.3%和64.4%。最后比较了所建网络与传统的基于梯度下降算法的BP神经网络(GBP)与径向基函数(RBF)网络的性能,验证集结果表明,构建的基于共轭梯度调整算法神经网络模型(SBP)效果好于GBP和RBF,对去壳板栗和带壳板栗褐变识别准确率分别为100%和66.7%。

光学参数测量系统和原理及其在果蔬品质检测方面的研究进展

近年来,近红外光谱分析技术在果蔬品质检测方面得到广泛应用,但由于建模过程不可见、吸收与散射特性无法分离等因素的影响,常出现预测模型不稳定、精度难以提高及适应性差的问题。要解决这些问题,有必要对光子和果蔬组织的互作机制进行研究,互作过程可由光学特性参数(吸收系数和散射系数)来表征。为此,需要对果蔬组织的光学特性参数进行准确测量。本文综述了光传输理论及新兴光学特性参数测量技术(空间分辨、时间分辨、频域分辨和积分球技术)的系统(仪器设置和数学算法分析)和机制,并对这4种技术在果蔬组织光学参数测量及品质预测、缺陷识别等方面的最新应用进行重点论述,旨在为果蔬光学特性的深入研究和技术开发提供参考。

计算机视觉对青刀豆长度及弯曲度评价的初步研究

目的利用计算机视觉对青刀豆长度及弯曲度进行评价。方法本文以青刀豆为研究对象,利用计算机视觉系统获得青刀豆的表面图像,用Matlab 7.0对各个等级青刀豆图像进行处理分析,提取与青刀豆的长度及弯曲度参数,确定了计算机视觉对青刀豆长度和弯曲度的分级方法。结果计算机视觉对青刀豆的长度和弯曲度的综合分级准确率可达到95.6%。结论本研究为进一步开发青刀豆品质自动分级设备提供了参考。