共查询到20条相似文献,搜索用时 156 毫秒
1.
针对传统猪肉新鲜度检测中存在的操作复杂、时间久、易受人为因素影响等缺点,设计了基于多传感器数据融合的电子舌系统。该系统由电位传感器和伏安传感器两部分构成,通过分析计算传感器阵列对猪肉响应曲线的特征值来考量猪肉新鲜度的变化。采用电位传感器与伏安传感器特征融合的方法对猪肉进行了特征向量的提取,使用逐步判别法对所提取的特征向量进行了优化,使用Bayes判别法分析了猪肉的新鲜度变化情况。实验结果表明,该电子舌系统能够准确鉴别出5组测量间隔时间均为12h猪肉新鲜度的不同。该系统为猪肉新鲜度智能化检测提供了新的有效方法。 相似文献
2.
3.
4.
纸浆浓度控制过程中,需要对即时温度、浆液状态、料口状态等数据进行实时综合分析,受到不同传感器模量之间的差量的影响,实际控制调节效果与预期调节指令之间误差较大。通过对问题的分析发现,减小误差的关键在于提升多传感器之间的适应度,因此基于多传感器数据融合算法与思路,通过对常规纸浆浓度控制参数优化、多传感器控制量的浓度指标深度优化、多传感器优化量自适应优化、数据融合输出,实现提升调节精度,改善多传感器数据融合适应度的效果。实验通过3种不同函数环境的测试,证明了提出方法能够应对不同函数变量,精度调节纸浆浓度,并且在多传感器数据融合过程中,实现函数级别的自适应阈值优化,保证实际应用过程中的效果稳定。 相似文献
5.
建立了基于机器视觉和近红外光谱技术的分级概率输出,利用DS证椐融合规则,搭建适用于异源数据的无损检测分级决策模型。采用方向梯度直方图和主成分提取方法提取光谱特征,并应用支持向量机和AdaBoost分类器进行识别,在此基础上,构建了基于特征层融合的马铃薯分级模型。采用多源信息融合技术,建立了融合无损检测分级决策和特征层融合的多源信息融合农产品品质鉴别模型。仿真结果表明,相比于单一鉴别模型,多源信息融合鉴别模型识别率提高了12.7%~30.2%,达95.7% 以上。 相似文献
6.
7.
8.
9.
目的:剔除近红外光谱存在大量冗余信息以及提高猪肉品质识别的精度,建立猪肉品质快速识别方法。方法:运用主成分分析对猪肉光谱数据进行降维处理,筛选出猪肉光谱特征波长;运用樽海鞘群算法进行支持向量机(SVM)模型的参数优化,提出一种基于樽海鞘算法改进支持向量机的猪肉品质识别模型。结果:与灰狼算法(GWO)优化SVM(GWO-SVM)、网格搜索算法改进SVM(Grid-SVM)、粒子群算法改进SVM(PSO-SVM)和SVM相比,基于SSA-SVM的猪肉品质识别模型的精度最高。结论:融合主成分分析和樽海鞘算法优化SVM模型的猪肉品质识别模型可以有效提高SVM模型的猪肉品质识别精度。 相似文献
10.
电子鼻传感器阵列优化对猪肉新鲜度法的检测 总被引:3,自引:0,他引:3
《肉类研究》2015,(5):27-30
用电子鼻检测猪肉新鲜度时,传感器阵列的冗余信息会带来负面影响。为了提高识别的准确性,根据猪肉散发的气味选择初始的传感器阵列,利用方差分析方法剔除重复性和区分度不明显的传感器;再通过变异系数分析、相关系数绝对值累加和最小分析、主成分分析(principal component analysis,PCA)第2主成分系数分析,筛选出了适合检测猪肉新鲜度的传感器阵列的优化阵列。本研究采用逐步判别法筛选出合适的特征值,并用贝叶斯判别方法对传感器阵列优化前后的数据进行对比分析。结果表明:通过对传感器阵列的优化,识别率由优化前的86.8%提高到优化后的98.9%。研究表明,本实验的传感器阵列优化方法可以大大提高电子鼻对猪肉新鲜度的识别准确性。 相似文献
11.
基于近红外光谱的生鲜猪肉新鲜度实时评估 总被引:1,自引:1,他引:0
目的 运用近红外光谱对生鲜猪肉新鲜度进行实时评估。方法 利用多通道可见近红外光谱系统, 获取了猪肉表面380~1080 nm波长范围内的漫反射光谱数据, 采用多元散射校正(MSC)和变量标准化(SNV)的预处理方法, 然后使用偏最小二乘回归建立猪肉新鲜度的预测模型, 进而对猪肉新鲜度进行评价。结果 采用变量标准化处理后的偏最小二乘回归模型相对比较稳定, 建模效果比较好。对挥发性盐基氮 (TVB-N)的验证集的相关系数达到0.91, 对pH值的验证集的相关系数达到0.93。最后利用该模型对猪肉新鲜度进行评定, 评定准确率达92.9%。结论 实验中运用多点的测量方式提高了近红外检测的精度和稳定性, 对于实时检测评估生鲜猪肉的新鲜度有很大的潜力。 相似文献
12.
基于SVM方法的猪肉新鲜度分类问题研究 总被引:1,自引:0,他引:1
文中采取减压贮藏方式对新鲜猪肉进行了贮藏实验,测定了不同贮藏时间样品的挥发性盐基氮含量(TVB-N)、细菌总数、pH值及感官评价数据,并运用支持向量机(support vector machine,SVM)对这些样本数据进行训练,选取不同的核函数,得到SVM神经网络模型,随后利用此模型对测试数据进行猪肉新鲜度分类预测。实验表明,根据样本特性进行数据预处理,且选取合适的核函数后,SVM神经网络能得到极高的猪肉新鲜度正确分类率。 相似文献
13.
目的 探究电子鼻、电子舌对贮藏期间荣昌猪肉及其制品新鲜度变化的检测效果。方法 测定贮藏期间荣昌猪肉及其制品菌落总数(total viable count, TVC)、挥发性盐基氮(total volatile basic nitrogen, TVB-N)及感官特性的变化,并以此划分其新鲜度等级。同时,采用电子鼻、电子舌分别对贮藏期间荣昌猪肉及其制品进行检测,运用线性判别分析(lineardiscriminantanalysis,LDA)、传感器贡献率分析(Loading)、主成分分析(principal component analysis, PCA)识别荣昌猪肉及其制品的新鲜度。结果 电子鼻能够检测到荣昌猪肉及其制品在贮藏期间的气味变化,并能够对其新鲜度进行区分,而传感器W1W对应的硫化物类的变化是电子鼻检测其新鲜度的主要依据。电子舌能够很好地区分贮藏期间荣昌猪肉及其制品的滋味变化,并能够区分其新鲜度。结论 利用电子鼻、电子舌技术能够识别不同新鲜度的荣昌猪肉及其制品,为进一步研究荣昌猪肉及其制品新鲜度快速检测提供方法参考和理论依据。 相似文献
14.
15.
16.
电子鼻检测不同贮藏温度下猪肉新鲜度变化 总被引:12,自引:0,他引:12
采用电子鼻研究冷却猪肉在不同贮藏温度(- 18、0、4、10、20℃)条件下新鲜度变化规律。选用优化后的进样体积(1500μL)进样,对实验数据进行主成分分析(PCA)、货架期模拟及拟合感官评分的偏最小二乘回归分析(PLS)。结果表明:5 种温度条件下贮藏不同时间肉样挥发性气味差异显著,贮藏温度越高肉样新鲜度发生显著下降时刻越早,预测时间分别为336、180、72、48、18h。对4、20℃条件下电子鼻检测数据与感官评分拟合后进行PLS 分析,相关系数分别高达0.9982和0.9998,表明电子鼻能代替感官评定。逐一选取每一根传感器进行PLS 拟合后发现,TA/2、T40/1、T40/2、P30/2、P40/1、P10/2、P10/1 是对不同新鲜度肉样挥发性气味具有良好特异性响应的传感器。 相似文献
17.
质谱法评价猪肉新鲜度 总被引:1,自引:1,他引:0
目的 建立一种可用质谱法评价猪肉新鲜度的检测方法。方法 通过顶空固相微萃取–气相色谱–质谱联用(HS-SPME-GC-MS)方法对不同新鲜度猪肉的挥发性成分进行检测分析, 根据猪肉挥发性物质的特性指纹图谱, 采用欧氏距离平方计算猪肉样品间的相似系数, 采用组间平均连接距离方法进行聚类分析。结果 不同新鲜度的猪肉的挥发性成分有较大差异, 新鲜猪肉选取18个共有峰, 次新鲜猪肉选取30个共有峰, 变质猪肉选取25个共有峰。结论 通过指纹图谱技术和聚类分析检验猪肉新鲜度是一种客观可行的新技术。 相似文献
18.
电子鼻技术在猪肉新鲜度识别中的应用 总被引:11,自引:5,他引:6
根据猪肉的气味特征,建立了一套用于猪肉新鲜度识别的电子鼻系统。通过分析猪肉的腐败机理,合理选用了气敏传感器阵列。依据猪肉的新鲜度模式,确定了遗传优化的组合RBF神经网络作为模式识别方法。试验结果表明,本文的电子鼻系统对猪肉新鲜度的识别率达95%,优于其它识别系统。 相似文献
19.
20.
猪肉新鲜度指示标签的制备及应用 总被引:5,自引:0,他引:5
基于猪肉在腐败过程中产生的挥发性含氮化合物会使包装中气体酸碱性发生变化的原理,以甲基纤维素和聚乙二醇-6000为基材,添加溴甲酚紫、溴百里酚蓝等酸碱指示剂,最终制得6 种方便、无损的新鲜度指示标签。将标签置于不同质量浓度的NH3环境中,6 种标签的颜色均发生显著变化,且随NH3质量浓度的增加而差异变化明显;将标签应用于生鲜猪肉贮存中,通过测定4 ℃条件下不同贮存时间猪肉各项腐败指标以及指示标签的颜色变化,探究其用于监测生鲜猪肉新鲜度的可行性。结果表明:初始pH值为4.24的溴甲酚紫指示标签可较好地区分出猪肉的3 个新鲜度等级;利用此标签的颜色测定数据建立偏最小二乘模型,对挥发性盐基氮含量和菌落总数进行预测的回归系数(R2)均大于0.92,通过标签颜色变化可以判断猪肉新鲜度。 相似文献