高光谱图像技术检测大曲发酵过程中的水分含量

固态酿造中水分含量是检测大曲不同发酵阶段的关键因素,为快速定量检测发酵过程中水分含量及分布情况,通过高光谱成像技术建立BP神经网络(back propagation neural network, BPNN)数据模型,实现曲块发酵水分含量快速检测。根据所采集大曲发酵高光谱数据,应用主成分分析和实验分析对比提取大曲发酵过程中水分特征光谱所对应的PC1、PC2、PC3、1 200、1 450 nm波段图像;通过图像灰度共生矩阵算法提取水分纹理特征;根据所提取图像纹理特征对曲块发酵水分含量运用偏最小二乘回归、BPNN、支持向量机回归等进行建模预测对比,选择最佳预测模型。结果表明,利用BPNN与1 450 nm特征波段光谱图像纹理特征对水含量建模预测的效果最佳,其训练集决定系数(R~2)和均方根误差(root mean square error, RMSE)分别为0.826 9和0.033 5,预测集R~2和RMSE分别为0.848 4和0.028 7。研究表明,利用高光谱特征光谱所对应图像纹理信息能够对水分含量进行关联预测,为实现对大曲发酵过程水分含量检测提供理论依据。     

基于高光谱图像技术的镇江香醋固态发酵过程研究

以发酵醋醅为研究对象,应用高光谱图像技术对其图像和光谱信息进行研究,以期对发酵状况快速预测。首先通过主成分分析(PCA)对其图像信息进行PCA;然后利用预处理后的光谱信息结合全光谱偏最小二乘(PLS)、区间偏最小二乘法(i PLS)和联合区间偏最小二乘法(si PLS)建立总酸、p H及不挥发酸含量的快速预测模型,选择最优模型。结果表明,依据图像信息的不同主成分,优选出3幅特征图像,提取每幅图像的对比度、相关性、角二阶矩和一致性等4个基于灰度共生矩阵的纹理特征变量,利用K-最邻近法(KNN)建立发酵醋醅的识别模型,预测集识别率达到90.04%,能很好的预测醋醅发酵状况;优选出si PLS模型最优,预测集总酸、p H值和不挥发酸的RMSEP分别为0.75、0.05和0.3,能够实现重要理化指标的快速预测。因此利用高光谱图像技术可快速预测醋醅发酵状况,为优化工艺操作和提高发酵质量等提供有效、快速地检测手段。     

镇江香醋醋醅微生物Bacillus circulans发酵特性的初步研究

对镇江香醋醋醅中分离的功能微生物——环状芽孢杆菌(Bacillus circulans)的发酵特性进行研究。通过耐醇性实验发现这株环状芽孢杆菌可以耐受6%的乙醇,在乙醇含量大于6%时菌体生长明显受到抑制。通过耐酸性实验发现该菌在pH大于4时菌体基本正常生长,但是pH小于4时菌体生长明显受抑制。通过对醋醅环境的模拟发酵试验发现,当醋醅浸取液的比例在20%~40%时,环状芽孢杆菌生长良好,并能促进酸性物质的产生,同时也能促进游离氨基酸和挥发性物质的产生。     

高光谱图像技术检测苹果外部损伤

利用高光谱分选仪对苹果进行图像获取,基于光谱图像信息实现对苹果的外部损伤检测。由于光谱图像间的数据巨大,具有冗余性和相关性,通过主成分降维法提取640 nm波段下的图像作为特征信息进行外部损伤检测。光谱特征图像上光斑噪声的存在是造成损伤检测效果不佳的原因,分析光谱图像光斑的图像特征,利用二阶巴特沃斯高通滤波器抑除图像频域内的光斑信号,同时增强损伤区域的边缘图像信息。对比滤波前、后的特征图像损伤检测效果,滤波后的图像数据更能真实表现出样本自身的数据特点,结果表明:经过二阶巴特沃斯高通滤波器滤波后的苹果损伤检测效果明显,正确率达到95%。     

镇江香醋醋醅中优势高产酸醋酸菌菌株的筛选

镇江香醋是中国传统发酵香醋之一,具有较高的营养价值。本实验对镇江香醋醋醅中高产酸的优势醋酸菌进行了筛选和分离鉴定。最终分离得到15株产酸菌,通过16S r DNA序列分析,鉴定出8株醋酸菌。8株醋酸菌产酸分析结果表明,醋酸菌D-3-4的产酸量达到60 g/L,为高产酸菌株。对8株醋酸菌进行耐酒精、耐温度、耐乙酸性能测试后发现:在酒精浓度不超过9%时,醋酸菌D-3-4的产酸量最高;当酒精浓度大于9%时,醋酸菌C-3-2-1的产酸量最高,酒精转化率最高;当温度为42℃时,醋酸菌D-3-4和R-4-2仍有30 g/L的产酸量;当乙酸浓度大于30 g/L时,醋酸菌D-3-4与C-3-2-2的产酸量在各菌株中最高;综合各性能比较得出醋酸菌D-3-4性能最优,为优势高产酸醋酸菌。      

高光谱图像技术检测枇杷叶片三萜酸含量及叶面分布

枇杷叶富含三萜酸类化合物,具有较高的药用价值。本研究首先建立枇杷叶高光谱信号与三萜酸含量的对应关系,然后利用高光谱图像包含每个像素点的光谱信号这一独特优势,检测枇杷叶片的三萜酸分布。通过联合区间偏最小二乘法(si PLS)建立三萜酸含量分析模型,结果表明,采用si PLS将全光谱均匀划分11个子区间,选择1、5、6、7联合,主因子数为4 h,建立的si PLS谱区筛选模型预测效果最佳,其交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为3.392 mg/g和3.731 mg/g,校正集和预测集相关系数分别为0.8449和0.8223。根据si PLS模型计算叶片上所有像素点处的三萜酸含量,并通过伪彩色方法描述叶片中三萜酸含量的分布。研究结果表明,利用高光谱图像技术分析枇杷叶片三萜酸含量及叶面分布是可行的。     

高光谱图像技术在肉品检测中的研究进展

阐述了高光谱图像技术的检测原理和硬软件系统方面的组成,从不同肉品的新鲜度检测、掺假检测、腐败菌检测和营养物质含量等几个方向,对近年来高光谱技术在肉品检测的应用研究进行了分析,重点突出了高光谱技术在肉品检测应用上的切实性;叙述了高光谱大数据中光谱预处理方法、特征波长提取方法和模型建立方法,并对未来高光谱技术在肉品检测中的发展进行了分析和总结。高光谱图像技术能够通过检测肉品嫩度、色泽、纤维结构、各种营养成分或有毒有害成分含量等,满足人们对肉品安全指标高效和高精确度检测,实现肉品内外质量分析和可视化表达。为高光谱技术在肉品检测中的广泛应用,提供理论依据。     

白酒糟醅中酸度值的高光谱检测方法

酸度值是评价白酒糟醅质量的重要指标之一,为进一步提高糟醅酸度值的检测精度,提出了一种应用高光谱成像技术检测糟醅酸度值的方法.采用高光谱成像系统,在900～1700 nm内采集糟醅样本的光谱信息,并提取全部样本的平均光谱数据.采用3种预处理方法对原始光谱进行预处理,得到多元散射校正(multiplica-tive sca...     

基于MEA-BP神经网络的大米水分含量高光谱技术检测

利用高光谱技术对储藏大米的水分含量进行检测。本实验以120个大米样本为研究对象,采集所有大米样本的高光谱图像,利用多元散射校正的预处理方法对大米样本原始光谱数据进行降噪处理。由于原始高光谱数据量大且冗余性强,故利用逐步线性回归分析方法对预处理后的数据进行特征提取。最后建立BP神经网络的大米水分定量检测模型,由于建模效果没有达到预期目标,因此引入遗传算法(genetic algorithm,GA)和思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络的权值和阈值。对BP、GA-BP、MEA-BP 3种大米水分预测模型进行比较,3种模型的预测集决定系数都达到0.86以上,其中MEA-BP模型具有最佳的预测效果,预测集决定系数达到0.966 3,且均方根误差为0.81%。     

高光谱图像技术在水果品质检测中的研究进展

高光谱图像技术结合了光谱技术和图像技术两者的优点,可实现水果内外品质同时检测,是水果品质无损检测的发展趋势。本文介绍了高光谱图像技术的基本原理,高光谱图像数据处理方法,在水果内外品质无损检测方面的国内外研究现状,分析了高光谱图像技术在水果品质检测中存在的问题及未来的研究方向。     

基于高光谱图像技术的腊肠酸价含量检测

本文以腊肠为研究对象,探讨了高光谱图像技术对其酸价检测的可行性。研究中,对高光谱成像系统获得的数据进行了MNF变换、PPI纯净指数计算、n-D Visualizer等处理,获得纯净的光谱数据信息。采用主成分分析,获得主成分图像,选取PC2作为分析对象,通过比较权重系数,选取六个特征波长943.28、1003.20、1136.53、1240.03、1326.95、1477.64 nm,并通过特征波长,选定1000~1500 nm波长范围作为光谱分析区域。利用PLS建模方法将高光谱数据与酸价实际值关联,获得腊肠酸价评价模型。采用一阶导+SG(17)+矢量归一化和二阶导+SG(21)+矢量归一化校正方法建立校正模型,校正集RMSECV和R~2分别为0.28,0.97和0.31和0.96,验证集RPD分别为2.92和2.89,一阶导+SG(17)+矢量归一化建立的PLS模型更适合酸价的定量检测,模型预测值平均重复性标准差为0.22,模型预测值平均相对误差为10.32%。研究结果表明,高光谱图像技术检测腊肠酸价含量是可行的。     

高光谱图像技术在农产品检测中的应用进展

高光谱图像技术主要是通过扫描收集信息,并对收集的数据信息进行分析以得到准确的检测结果,其极大地提高了农产品的检测效率。本文对此进行分析,介绍影响高光谱图像技术的因素并提出改进策略,以促进高光谱图像技术在农产品检测中的应用。     

高光谱图像技术在食品无损检测中的研究进展

高光谱图像技术结合了影像学和光谱学的优点,可以同时采集一个物体的图像信息和光谱信息,是食品工业无损检测的未来发展趋势。本文介绍了高光谱图像系统的基本原理,图像的采集和分析方法,在食品品质和食品卫生安全等方面的应用以及现阶段的限制和未来的发展方向。      

基于高光谱图像技术的腊肠酸价含量检测

本文以腊肠为研究对象,探讨了高光谱图像技术对其酸价检测的可行性。研究中,对高光谱成像系统获得的数据进行了MNF变换、PPI纯净指数计算、n-D Visualizer等处理,获得纯净的光谱数据信息。采用主成分分析,获得主成分图像,选取PC2作为分析对象,通过比较权重系数,选取六个特征波长943.28、1003.20、1136.53、1240.03、1326.95、1477.64 nm,并通过特征波长,选定1000¹500 nm波长范围作为光谱分析区域。利用PLS建模方法将高光谱数据与酸价实际值关联,获得腊肠酸价评价模型。采用一阶导+SG（17）+矢量归一化和二阶导+SG（21）+矢量归一化校正方法建立校正模型,校正集RMSECV和R²分别为0.28,0.97和0.31和0.96,验证集RPD分别为2.92和2.89,一阶导+SG（17）+矢量归一化建立的PLS模型更适合酸价的定量检测,模型预测值平均重复性标准差为0.22,模型预测值平均相对误差为10.32%。研究结果表明,高光谱图像技术检测腊肠酸价含量是可行的。      

干燥过程中玉米水分质量分数均匀度的高光谱图像无损检测

水分含量均匀度是干燥过程一个重要指标,它是评价干燥食品质量和干燥工艺一个重要参数。作者以干燥过程中的玉米为研究对象,研究高光谱图像技术检测水分质量分数均匀度的方法。采用均值特征和标准差特征结合偏最小二乘法(PLS)建立预测模型;并用正交信号校正法对均值特征和标准差进行预处理。结果表明:均值特征和标准差进行预处理后所建立的模型效果较好,预测相关系数为0.839,预测均方根误差为1.74%,潜在变量的数目为2个。研究表明:高光谱图像技术可用于水分质量分数均匀度的直接无损检测。     

近红外光谱技术在茅台酒酒醅检测中的应用

采用近红外光谱技术结合茅台酒生产工艺特点及抽样检验的方法,确立了一套适用于茅台酒酒醅的分析模型和分析方法,提高了酒醅理化指标检测效率,优化了近红外光谱模型预测准确度,有助于及时有效地获得理化数据,为指导生产提供了数据支撑。     

近红外光谱技术在清香型酒醅检测中的应用研究

为实现清香型酒醅理化指标的快速检测,结合清香型白酒酿造工艺同时运用近红外光谱技术,建立了入缸酒醅水分、淀粉和发酵酒醅水分、酸度、酒度、淀粉指标的快速检测模型。结果表明：通过使用不同光谱预处理方法和波数范围建立模型,使用内部交叉验证得到最优模型,各理化指标模型的相关系数(R²)值大于0.7线性良好,交叉验证均方根(RMSECV)小于1.15预测误差较小。使用盲样对各指标的模型进行外部验证,结果的相对标准偏差均在10%以内,符合生产检测的需求,可运用于酒醅的日常检测分析。     

镇江香醋: 坚持守正创新 打造高价值醋经济

酿造食醋的口感和风味与发酵微生物密切相关,为了探究镇江香醋醋酸发酵阶段细菌群落在垂直方向中的分布及其规律,并研究不同培养基对醋醅中可培养细菌的富集作用。本研究通过高通量测序对醋醅和富集培养样品的细菌多样性进行测定。结果表明,表层、中层和底层醋醅样品的OTU数量分别为66、76和111个,表层醋醅的优势细菌为Acetobacter,中层和底层醋醅的优势细菌为Lactobacillus,细菌的菌群丰富度和多样性随着发酵缸深度变深而更丰富和多样。同时,富集后的高通量测序表明,寡营养培养基比富营养培养基富集的细菌多样性更高。本研究揭示了镇江香醋醋醅在垂直方向细菌分布存在差异,同时提出一种寡营养细菌分离的培养基,为醋醅中发酵微生物的高效分离提供思路。     

基于高光谱图像技术的菜用大豆厚度检测

菜用大豆厚度是划分菜用大豆等级的重要衡量指标之一。采用高光谱图像技术对菜用大豆的厚度进行预测。实验中选取200个菜用大豆作为测试样本,获取其高光谱反射图像,同时用数字式游标卡尺测量厚度值。选取400～1 000 nm范围的光谱信息,采用多元散射校正、标准归一化和导数计算对光谱数据预处理,结合偏最小二乘和多元线性回归两种分析方法建立厚度校正模型和预测模型。研究发现基于多元散射校正的偏最小二乘方法的模型精度较优,校正模型和预测模型的相关系数分别为0.956和0.933,均方根误差分别为0.59 mm和0.70 mm。研究结果表明可以利用高光谱图像技术预测菜用大豆厚度。     

高光谱图像技术检测梨表面农药残留试验研究

以滴有不同浓度毒死蜱和炔螨特农药的水晶皇冠梨为研究对象,探讨高光谱图像技术结合人工神经网络方法检测水果表面农药残留量的可行性.分别配制不同浓度分布的毒死蜱水溶液和炔螨特水溶液样本各20个,按100μL和150μL取农药溶液滴在梨表面,在835.467 8～1 648.356 8 nm范围采集高光谱图像,提取感兴趣区域数...