基于高光谱成像技术的生鲜猪肉含水率无损检测
- 信息来源：彩谱品牌厂家 浏览次数：60发表时间：2023-06-08
-
本研究应用了400-1000nm的高光谱相机，可采用金宝搏官网入口 产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。
水分是猪肉的一个重要组成成分，与猪肉的食用口感、营养品质、经济效益，以及加工、运输和贮藏都密切相关"。近年来，一些不良商贩为了牟取暴利将“注水肉”掺入到市场中，严重影响着人民群众的身体健康。因此，做好猪肉含水率的检测具有重要的现实意义。传统的水分检测方法主要有感官法、试纸法、烘干失重法和电导法。其中，感官法由于个体感官的差异难以得到准确的测量结果；试纸法简单易行，但只限于定性判断，灵敏度不高；烘干失重法测量结果准确可靠、但耗时耗电，且会损伤样本；电导法测量速度快，但该方法在稳定度和准确度等方面需要进一步提高 。近年来，近红外光谱分析技术作为一种高效、快速、多组分同时检测的无损检测技术在肉品品质分析领域有着广泛的应用。基于近红外光谱技术的猪肉水分检测也有相关文献。然而，近红外光谱技术仅能得到被测样本的光谱信息，且现有的近红外光谱仪通常只能提供被测样本的表面部分点信息，对检测结果的准确性影响较大。目前，高光谱成像技术因其可以同时获取被测样本的图像信息和光谱信息、具有较高的光谱分辨率而成为农产品品质无损检测领域的有力工具。国内外已有研究表明，利用高光谱成像技术对肉品品质检测是切实可行的。
基于高光谱成像技术对生鲜猪肉含水率进行无损检测研究。比较分析了样本划分方法和光谱预处理方法对PLSR模型预测能力的影响。为了提高模型的预测精度，采用竞争性自适应重加权算法优选特征波段，并建立了生鲜猪肉含水量的CARS-PLSR 预测模型。实验结果表明∶采用CG样本集划分方法结合MSC、一阶导与标准化组合的光谱预处理方法建立的生鲜猪肉含水量全波段PLSR模型最优，其交叉验证和预测相关系数分别为0.814和0.804，均方根误差分别为0.726%和0.686%。采用CARS法优选特征波段，结合OSC光谱预处理方法建立的CARS-PLSR模型预测精度较PLSR模型有显著的提高，其交叉验证和预测相关系数分别提
100%高到0.926和0.924，均方根误差分别减小到0.467%和0.438%。由此可以得出，采用CG算法划分样本集、CARS算法优选特征波段，结合OSC光谱预处理方法可以基于高光谱技术对生鲜猪肉含水率进行无损快速检测。 - 【关闭本页】 【返回顶部】 【打印此页】 【收藏此页】
