牛肉嫩度的近红外光谱法检测技术研究

利用近红外光谱技术研究了牛肉嫩度的检测方法. 在波数为4 000～10 000 cm-1范围内测定牛肉样本近红外吸收光谱, 然后用沃-布剪切仪测得牛肉样本(背长肌)的最大剪切力值并进行主观嫩度等级评价. 把剪切力值小于6 kg的牛肉归为嫩牛肉, 等级值定为1;大于9 kg的牛肉归为老牛肉, 等级值定为3;介于6和9 kg之间的牛肉归为中等嫩度的牛肉, 等级值定为2. 研究结果表明, 老牛肉吸收的近红外光一般都要比嫩牛肉多, 表现为吸光度要大;用多元线性回归法对校正集建立模型, 得到相关系数r为0.806;用此模型对牛肉预测集19个样本进行预测, 分级正确率为84.21%. 该研究说明利用近红外技术对牛肉嫩度进行预测是可行的.     

近红外光谱结合一类支持向量机算法检测鸡蛋的新鲜度

研究利用近红外光谱技术结合模式识别方法识别鸡蛋的新鲜度,在识别模型建立过程中,引入一类支持向量机(OC-SVM)算法解决新鲜蛋和非新鲜蛋训练样本数量不平衡问题。首先获取鸡蛋在10 000~4 000 cm-1范围内的近红外漫反射光谱,通过主成分分析方法提取光谱数据中的特征信息,优选了3个主成分作为模型的输入向量,然后采用OC-SVM区分新鲜蛋和非新鲜蛋。在模型建立过程中,对相关参数进行了优化,试验结果显示在相同条件下,OC-SVM模型识别结果较传统的支持向量机模型好。最优OC-SVM模型对新鲜蛋和非新鲜蛋的识别率均为80%,传统的支持向量机对新鲜度的识别率为100%,对非新鲜度的识别率却为0%。研究结果表明利用近红外光谱快速识别鸡蛋新鲜度方法是可行的;OC-SVM算法为训练样本数量不平衡提供了一种有效的解决方法。     

近红外光谱法快速检测猪肉中挥发性盐基氮的含量

为了实现快速无损地检测猪肉新鲜度的目的,应用近红外光谱法测定猪肉新鲜度重要指标一挥发性盐基氮(TVB-N)的含量.猪肉原始光谱经标准偏差归一化方法(SNV)预处理后,用联合区间偏最小二乘法(siPLS)建立猪肉预处理后光谱和TVB-N含量的校正模型并与经典偏最小二乘法(PLS)模型、间隔偏最小二乘法(iPLS)模型作比较.试验结果表明,利用联合区间偏最小二乘法所建的预测模型最佳,其校正集相关系数(Rc)和交瓦验证均方根误差(fRv)分别为0.8332和3.75,预测集的相关系数(Rp)和预测均方根误差(fRP)分别为0.8238和4.17.研究结果表明利用近红外光谱和联合区间偏最小二乘法可以快速地测定猪肉中挥发性盐基氮的含量.     

自然场景下不同成熟度柑橘的自适应识别

针对果实在未完全成熟前就需采摘以满足市场销售需求的实际情况，以及采摘机器人作业环境的复杂性，研究了自然场景下不同成熟度柑橘的识别方法。通过R与G分量间比值变换得到具有独特信息的比值图像，并在Munsell HSV颜色空间上，利用共轭激励法融合H和S分量图像，针对其与上述比值图像的弱相关性与强正交性，用其构建掩膜，来去除比值图像的背景，实现柑橘识别。实验结果表明此方法对柑橘识别精度达到92％，可以自适应地识别自然场景下不同成熟度的柑橘，且识别精度高，鲁棒性强。     

近红外光谱预测猕猴桃硬度模型的简化研究

为简化猕猴桃硬度的预测模型，利用标准正态变量变换对猕猴桃1 000～2 500 nm近红外光谱进行预处理，在优选建模波段和采用净分析物预处理（NAP）降低建模主因子数两个方面简化猕猴桃硬度偏最小二乘（PLS）模型。结果表明，优选5 189～5 370 cm^-1,4 549～4 620 cm^-1,6 049～6 230 cm^-1,6 999～7 730 cm^-1,6 249～6 614 cm^-1等5个波段进行建模，NAP/PLS模型性能最佳，主因子数为5，校正集相关系数R2和均方根误差RMSECV分别为0.819 41和0.701 77，预测集相关系数R2和均方根误差RMSEP为0.780 67和0.882 71。与简化前的PLS模型相比，模型不仅更加简洁，而且预测能力和精度均有所提高。     

光谱图像技术结合SAM算法识别自然场景下的成熟柑橘

为了实现采摘机器人在复杂的自然场景下正确识别树上果实,来完成果实采摘,研究了不同环境下柑橘的识别方法.针对复杂的自然环境的影响及传统方法的局限性,在可见光和近红外区域择选5个特征波长滤波片,采集得到5幅滤波后的图像,并利用光谱角分类算法完成柑橘识别.试验结果表明,在光照角度、光照强度等不同条件下,柑橘的识别准确度达到96%.研究表明,滤波片光谱图像技术结合光谱角分类算法可以有效地识别自然场景下的成熟柑橘.     

可见-近红外光谱用于鲜食葡萄感官偏好的检测

水果内部品质影响着消费者的感官偏好,直接决定消费者的购买倾向。为此,可见-近红外光谱技术检测巨峰葡萄内部品质以及感官偏好等级。试验比较了漫反射、透射两种光谱采集方式对葡萄内部品质的检测准确性,结果表明透射光谱更能表征巨峰葡萄的内部品质信息,偏最小二乘(PLS)模型对鲜食葡萄可溶性固形物、总酸度的预测均方根误差分别为0.598%brix,0.048g·L~(-1)。将鲜食葡萄的透射光谱主成分信息与消费者的感官偏好等级之间建立非线性分类模型,得到主成分法结合极限学习机(PCA-ELM)模型分类准确率最好,为78.7%。结果认为反映水果内部信息的光谱可用于消费者感官偏好的初步分类,但其间关系还有待进一步研究。     

基于感官品尝的柑橘糖度近红外光谱模型的简化

为评判近红外光谱技术对柑橘糖度的无损检测结果能否满足消费者感官需求并在此基础上利用变量筛选方法简化近红外光谱柑橘糖度模型。设计了近红外光谱采集与感官品尝试验。单因素方差分析感官品尝结果表明,消费者对柑橘糖度的适应度存在个体差异,但不受性别影响;剔除异常样本组并计算柑橘糖度最低感官品尝的均方根偏差(RMSED)为0.633。为使近红外光谱检测结果满足消费者需求,要求光谱模型的预测均方根误差(RMSEP)小于RMSED,并结合光谱预处理与变量筛选方法,得到SPA-MLR模型性能最佳,预测相关系数(Rp)为0.86、RMSEP为0.567,耗时仅6.8ms,其结果既可满足消费者的感官需求,也使模型得到简化,为今后在线检测提供依据。     

利用高光谱图像技术评判茶叶的质量等级

针对茶叶品质无损检测时内外品质难以同时兼顾的问题,利用高光谱图像技术检测茶叶质量.设计一套基于光谱仪的高光谱图像系统采集数据;通过主成分分析,从海量数据中优选出三个波长段的特征图像;从每个特征图像中分别提取平均灰度级、标准方差、平滑度、三阶矩、一致性和熵等6个基于统计矩的纹理特征参量,每个样本共有18个特征变量;再通过主成分分析对这18个特征变量进行压缩,提取8个主成分因子建立基于反向传播神经网络的茶叶等级判别模型.模型训练时的总体回判识别率为97%;预测时总体识别率为94%.结果表明,高光谱图像技术可以用于茶叶质量等级水平的评判.     

光谱图像技术结合SAM算法识别自然场景下的成熟柑橘

为了实现采摘机器人在复杂的自然场景下正确识别树上果实,来完成果实采摘,研究了不同环境下柑橘的识别方法.针对复杂的自然环境的影响及传统方法的局限性,在可见光和近红外区域择选5个特征波长滤波片,采集得到5幅滤波后的图像,并利用光谱角分类算法完成柑橘识别.试验结果表明,在光照角度、光照强度等不同条件下,柑橘的识别准确度达到96%.研究表明,滤波片光谱图像技术结合光谱角分类算法可以有效地识别自然场景下的成熟柑橘.