为了解决传统冷鲜牛肉品质检测技术的操作繁琐、有不可逆破坏等问题,提出采用高光谱与多参数融合的冷鲜肉品质检测方法。以冷鲜牛肉品质作为研究对象,提取冷鲜牛肉感兴趣区域(ROI)光谱并测量冷鲜牛肉的质构参数:硬度、弹性、粘聚性、胶...为了解决传统冷鲜牛肉品质检测技术的操作繁琐、有不可逆破坏等问题,提出采用高光谱与多参数融合的冷鲜肉品质检测方法。以冷鲜牛肉品质作为研究对象,提取冷鲜牛肉感兴趣区域(ROI)光谱并测量冷鲜牛肉的质构参数:硬度、弹性、粘聚性、胶着度、咀嚼度、回复性。经参数精度比较,筛选出粘聚性、回复性作为建模参数。分别采用Kennard-Stone和SPXY算法对原始光谱数据进行划分,通过样本划分后所建模型的相关系数和相对标准偏差确定最优样本划分方法,最终采用SPXY(sample set partitioning based on oint X-Y distance)算法对样本进行划分得到35个训练集和7个测试集。在经过SPXY算法样本划分的基础上,分别采用一阶微分(D1_(st))、多元散射校正(MSC)、标准正态变换(SNV)、二阶微分(D2_(st))对高光谱数据进行预处理,有效消除了光谱中的噪声,提高信噪比。使用连续投影法(SPA)提取光谱特征波长,有效减小了全波段建模包含的大量噪声信息的缺点,使模型精确度得到保障的同时提高了模型的运行速度。最后,分别采用偏最小二乘法(PLSR)和主成分回归法(PCR)构建冷鲜牛肉品质预测模型。以粘聚性为参数时,SNV-SPA-PLSR模型性能最优,模型预测相关系数为0.8798;以回复性为参数时,D2_(st)-SPA-PLSR模型精度最高,模型预测相关系数为0.8806。实验结果表明,基于高光谱与多参数融合的冷鲜肉品质检测方法能够实现冷鲜牛肉品质快速检测。展开更多
文摘为了解决传统冷鲜牛肉品质检测技术的操作繁琐、有不可逆破坏等问题,提出采用高光谱与多参数融合的冷鲜肉品质检测方法。以冷鲜牛肉品质作为研究对象,提取冷鲜牛肉感兴趣区域(ROI)光谱并测量冷鲜牛肉的质构参数:硬度、弹性、粘聚性、胶着度、咀嚼度、回复性。经参数精度比较,筛选出粘聚性、回复性作为建模参数。分别采用Kennard-Stone和SPXY算法对原始光谱数据进行划分,通过样本划分后所建模型的相关系数和相对标准偏差确定最优样本划分方法,最终采用SPXY(sample set partitioning based on oint X-Y distance)算法对样本进行划分得到35个训练集和7个测试集。在经过SPXY算法样本划分的基础上,分别采用一阶微分(D1_(st))、多元散射校正(MSC)、标准正态变换(SNV)、二阶微分(D2_(st))对高光谱数据进行预处理,有效消除了光谱中的噪声,提高信噪比。使用连续投影法(SPA)提取光谱特征波长,有效减小了全波段建模包含的大量噪声信息的缺点,使模型精确度得到保障的同时提高了模型的运行速度。最后,分别采用偏最小二乘法(PLSR)和主成分回归法(PCR)构建冷鲜牛肉品质预测模型。以粘聚性为参数时,SNV-SPA-PLSR模型性能最优,模型预测相关系数为0.8798;以回复性为参数时,D2_(st)-SPA-PLSR模型精度最高,模型预测相关系数为0.8806。实验结果表明,基于高光谱与多参数融合的冷鲜肉品质检测方法能够实现冷鲜牛肉品质快速检测。