基于多数据融合技术的腊肉品质分级方法

针对近年来备受关注的腊肉酸价和过氧化值超标、褪色、出油、发黏等品质问题,提出一种快速、准确、实用的检测技术。首先利用自组织特征映射网,对生化实验测得的酸价、过氧化值以及微生物菌落总数数据,在相关国家标准的基础上将样品腊肉的品质等级划分为4级:放心食用、可食用、不推荐食用和不可食用。在此基础上采用近红外光谱技术对腊肉的酸价与过氧化值进行检测,用遗传算法优选后的波长建模所得预测均方根误差分别是用优选前建模的41%、57%,所用波长数约为整个波段波长数的1/3。采用显微图像技术获得腊肉的菌斑信息,极大的改善了传统细菌总数检验方法操作复杂、主观性强、耗时长等问题。最后采用支持向量机对近红外光谱数据和显微图像数据进行多数据融合,建立腊肉可食用等级快速判别模型。

基于支持向量机及粒子群算法的腊肉品质等级检测

针对近年来备受关注的腊肉酸价和过氧化值超标、褪色、出油、发黏等品质问题,提出一种快速、准确、实用的检测技术。采用支持向量机(support vector machine,SVM)将近红外光谱(near infrared spectroscopy,NIR)检测到的酸价、过氧化值、挥发性盐基氮和显微图像处理得到的微生物菌落总数进行多数据融合,建立腊肉品质等级检测模型,并利用粒子群优化(particle swarm optimization,PSO)算法进行模型优化。结果表明:支持向量机的分类方法取得了与生化方法相同的腊肉分级预测结果,且采用粒子群优化后的分类模型准确率由97.5%提升到100%。证明粒子群优化支持向量机模型能够迅速对腊肉等级进行准确检测。

基于近红外光谱技术的猪肉新鲜度等级研究

利用近红外光谱技术检测猪肉在腐败过程中不同时刻的光谱,研究了猪肉新鲜度等级划分的可行性,并运用近红外OPUS软件建立了分析模型。为了更好地反映猪肉新鲜度等级,用SOM神经网络聚类方法重新划分了总挥发性盐基氮(TVBN)国家标准等级,由原来的3个等级划分成5个等级标准。为了提高模型预测准确度,在选用一阶导数+矢量归一化(平滑点数为13)预处理方法基础上,在聚类分析前用主成分分析方法进行降维,使预测偏差减小,使样品预测正确率得到进一步提高,预测级别偏差减少,提高了模型预测能力。

基于近红外光谱的猪肉蛋白质及脂肪含量检测

蛋白质及脂肪是猪肉的重要营养成分。随着人们对饮食健康的要求越来越高,对猪肉蛋白质及脂肪含量快速检测也成为必然。通过近红外光谱技术对猪肉进行光谱数据采集,将光谱数据分为校正集样本和预测集样本,然后,在MATLAB中利用多元散射校正(MSC)与均值中心化相结合的方法进行光谱预处理并采用联合区间偏最小二乘方法(SiPLS)获得猪肉蛋白质及脂肪含量与光谱数据特征之间的对应关系,从而定量分析猪肉蛋白质及脂肪含量。实验结果表明,建立的SiPLS检测脂肪及蛋白质含量预测模型的最优组合分别为划分为20个光谱区间并联合4个子区间和9个主成分因子,和划分19个光谱区间并联合4个子区间和10个主成分因子。其预测集的相关系数分别为0.9798、0.9788,交互验证均方根误差分别为0.228,0.241。研究结果表明,利用近红外光谱结合SiPLS算法可以快速准确检测猪肉蛋白质与脂肪含量。

基于多传感器信息融合的注水肉检测方法研究

针对近年来备受关注的注水肉问题,提出一种可以快速、准确检测出注水肉的新方法。采用近红外(NIR)光谱技术测量肉品的水分含量,并建立肉品水分含量模型。为了提高NIR光谱测量精度和准确性,克服肉品水分测量受肉品体积重量的敏感性影响,将肉品的图像信息和pH值作为模型的辅助参量,以水分、图像、pH值为特征数据,进行多传感器信息融合。最终,通过支持向量机(SVM)数据分类器对所测肉品是否为注水肉进行快速模式识别。