论文部分内容阅读
应用传统方法对牛肉品质进行检测不仅会影响其理化指标的测定结果,还会对样品造成污染,在检测某些标量指标时还具有一定的破坏性。因此,准确、无损、快速的检测评价很重要,且对推动肉制品企业的发展也具有重要意义。近些年,高光谱成像技术在肉品品质检测和评价中的应用已成为研究热点,该技术已被广泛应用于食品安全与农产品质量检测中,并且取得了较好的研究成果。本文主要将冷鲜牛肉作为研究对象,从肉类品质评定的感官指标、内在指标入手,结合高光谱成像技术和化学计量学方法对样品进行研究分析,具体进行了如下研究:利用高光谱成像系统对牛肉嫩度进行无损检测研究。获取不同采样部位的牛肉样品40个,提取样品高光谱图像感兴趣区域反射光谱曲线,按照国家标准进行肉品剪切力值的标量测量,用来表征牛肉的嫩度。分别以全波段的原始光谱和经SNV预处理后的光谱信息和剪切力值建立冷鲜牛肉嫩度的PLSR模型并对模型进行评估。经SNV处理过的PLSR模型具有更高预测效果,预测集相关系数Rp为0.823,均方根误差为1.494。利用高光谱成像系统对牛肉pH进行无损检测研究。分四次对120个牛肉样品进行高光谱图像和感兴趣区域反射光谱曲线的采集,试验时间间隔为一天并且按照国家标准进行肉品pH值的标量测量。分别以全波段的原始光谱和经MSC、SNV、均值中心化、标准化、Savitzky-Golay卷积平滑预处理后的光谱信息和对应的标量值建立冷鲜牛肉pH的PLSR模型。经比较,均值中心化处理过的PLSR模型具有最优的模型预测能力,预测集相关系数RP为0.7801,均方根误差RMSEP为0.1153。对原始模型进行变量的优化选择,结合GA遗传算法可将模型的变量数从472降到62,达到优化变量的效果,且预测集相关系数Rp有所提高。利用高光谱成像系统对牛肉大理石花纹进行分级预测研究。获取三个等级的牛肉样品共75个,采集牛排样品高光谱图像三维数据块,导出RGB图像,分割出有效眼肌部分图像,从中选取ROI,基于灰度共生矩阵的方法提取该区域中的纹理特征参数并建立多元线性回归模型,对大理石花纹等级进行预测。预测决定系数R2为0.81,均方根误差RMSE为0.36,分级准确率为86.7%。