基于高光谱成像的咸鸭蛋腌制品质快速检测

咸鸭蛋是一种中国传统腌制食品，水分和脂肪含量是评价咸鸭蛋腌制品质的重要指标。本文旨在采用高光谱成像系统结合化学计量学探究不同腌制阶段咸鸭蛋的水分和脂质含量变化及分布状态。实验采用高光谱成像技术获取432～961 nm波长范围内的咸鸭蛋剖面反射光谱。为了减小光谱信号的噪声，通过Savitzky-Golay平滑(SG)、高斯滤波(Gauss)和标准正态变换(SNV)三种方法对原始光谱进行预处理，使用竞争自适应加权采样算法(CARS)挑选最优波长，然后进一步采用偏最小二乘回归算法(PLSR)和人工神经网络(ANN)对水分和脂质含量进行定量预测。结果表明，ANN模型能够更好地对水分及脂质含量进行预测，对蛋白水分、蛋黄水分和蛋黄脂质的预测决定系数分别为0.9306,0.9552和0.8896。最后，为了更加直观、全面地对咸鸭蛋腌制过程中的水分和脂质含量进行评价，根据ANN模型绘制出咸鸭蛋剖面的水分及脂质含量分布图。可视化分布图成功显示了咸鸭蛋在不同腌制时间水分和脂质的空间分布。本研究为咸鸭蛋生产及下游食品加工企业提供了一种基于光谱技术的快速检测方法。     

基于NIR高光谱成像技术的滩羊肉内部品质无损检测

利用近红外高光谱成像技术对滩羊肉蛋白质和脂肪含量、pH值进行无损检测研究。通过高光谱系统(900~1700 nm)采集69个羊肉样本信息,先对全波段下的原始光谱和预处理后光谱建立偏最小二乘回归(PLSR)模型,对比优选出最佳预处理算法,后采用PLSR的加权β系数法提取特征波长,建立特征波长下各品质参数的PLSR模型,分析预测效果。结果表明:羊肉蛋白质、脂肪含量、pH值最佳预处理方法为基线校准(Baseline)、多元散射校正与S-G卷积平滑结合算法(MSC+SG)和原始光谱;利用特征波长建立预测模型,决定系数(RP2)分别为0.83、0.86和0.72,预测均方根误差(RMSEP)为0.57、0.09和0.12,可替代全波段建模。利用近红外高光谱成像技术对羊肉内部品质进行快速无损检测是可行的。     

近红外光谱在小尾寒羊羊肉水分预测中的应用

以南疆小尾寒羊鲜羊肉的含水量为研究对象,首先采集鲜羊肉的光谱数据和水分含量信息;然后分别采用小波变换、多元散射校正以及二者结合的方法预处理数据;最后使用偏最小二乘法对3种方法预处理过的光谱数据建立羊肉水分含量的预测模型,共制备134个样本,根据留一法选择110个样本作为训练集,剩余的24个样本作为预测集.结果表明,采用...     

基于NIR高光谱技术检测滩羊冷鲜肉颜色

试验评估了利用近红外高光谱成像系统(900~1 700 nm)快速预测滩羊冷鲜肉颜色的可行性。采集具有代表性的120个滩羊外脊肌肉样品的高光谱数据,并测量其颜色参数(L*,a*和b*)。对光谱数据进行标准正态变量变换(SNV)预处理,并用正自适应加权算法(CARS)对光谱数据进行降维处理,最后应用偏最小二乘回归对光谱数据建模。结果表明,建立的偏最小二乘回归模型能很好地预测冷鲜滩羊肉的颜色参数,利用高光谱技术预测颜色是可行的。     

基于近红外光谱的大豆水分和粗脂肪含量的快速检测

基于近红外光谱技术快速检测大豆中水分和粗脂肪含量。方法 首先采集350-2500 nm光谱范围的大豆近红外光谱,采用光谱-理化值共生距离（SPXY）算法将大豆样本划分为校正集样本与测试集样本,然后对原始光谱分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化（Nor）等9种方法进行预处理,最后使用偏最小二乘回归(PLSR)分析方法建立模型对样本进行定量分析。结果 原始光谱经过多元散射校正后建立的偏最小二乘回归模型对水分的预测精度最高,其校正集和测试集的相关系数分别为0.8964和0.9055 , 均方根误差分别为0.4211和0.5933;原始光谱经过归一化处理后建立的偏最小二乘回归模型对粗脂肪的预测精度最高,其校正集和测试集的相关系数分别为0.9084和0.9295 , 均方根误差分别为0.6897和0.6462。结论 近红外光谱（NIRS）结合预处理及偏最小二乘回归法,可以快速、准确的检测大豆水分和粗脂肪含量。     

滩羊肉中特征脂肪酸含量的高光谱检测及可视化

风味是影响肉品质和消费的重要因子,主要由一些风味前体物质经过复杂的化学反应转化而来。羊肉风味与油酸(C_(18:1))含量有显著相关性,且硬脂酸(C_(18:0))含量与羊肉膻味呈正相关。本文采用可见/近红外高光谱(400～1 000 nm)快速检测滩羊肉中风味前体特征脂肪酸含量。首先选取掩膜后光谱图像作为感兴趣区域,采用6种方法进行光谱预处理,对比分析后优选出最佳预处理方法;然后结合连续投影算法(SPA)、无信息变量消除算法(UVE)和变量组合集群分析法(VCPA)提取特征波长并建立回归预测模型;最后通过建立的最优预测模型将脂肪酸含量定量反演到样本图像上。结果表明:油酸以MSC-UVE-MLR建模效果最优,其R_C=0.9099,R_P=0.8759;硬脂酸以SNV-SPA-MLR建模效果最优,其R_C=0.8691,R_P=0.8446。利用光谱反射率值结合最优模型参数实现了脂肪酸含量在羊肉样本高光谱图像上的可视化表达,可以通过更加直观清晰的方式对羊肉品质进行快速无损检测。     

南疆鲜羊肉水分含量的近红外光谱法无损检测

本文在近红外反射光谱780~1700 nm的波长范围内采集新宰杀的同一品种的羊的后腿肉134个样本的光谱数据,来实现快速无损的南疆生鲜羊肉含水量的检测。这些光谱数据经中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等预处理方法对原始光谱进行降噪处理;然后以13:1的比例将样本分为训练集和测试集,并采用PLSR建立预测模型,使用所建模型对生鲜羊肉水分含量进行预测。结果为:训练集的预测相关系数Rc为0.94、标准差MSEC为0.04,预测成功率为97.6%,测试集的预测相关系数Rv为0.89、标准差MSEV为0.07,预测成功率为96.4%。实验结果证实结合中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等多种预处理方法建立的基于近红外光谱PLSR模型,可以对南疆鲜羊肉的水分含量进行精确的快速无损评价,并且能为南疆生鲜羊肉水分含量的快速无损检测技术的应用提供理论上的指导。     

基于变量优选和近红外光谱技术的红富士苹果产地溯源

为实现对红富士苹果的产地溯源,采集阿克苏、静宁、灵宝、烟台的红富士苹果近红外光谱数据,分别采用归一化、中心化、一阶导数、二阶导数、标准正态变换、多元散射校正(multivariate scattering correction, MSC)、小波变换、SG平滑变换、傅里叶变换等9种方法对原始光谱进行预处理,建立概率神经网络(probabilistic neural network, PNN)模型对苹果的产地进行识别。结果表明,MSC预处理之后的模型总准确率最高,为97.5%,阿克苏、静宁、灵宝、烟台4个产地的准确率分别为100%、100%、90%、100%。为简化模型,对MSC预处理之后的光谱数据分别采用主成分法、连续投影算法(successive projection algorithm, SPA)、竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)、随机蛙跳算法(random frog, RF)、CARS-SPA、RF-SPA选取特征变量建模。综合考虑正确率和模型的复杂性,最优模型MSC-CARS-SPA-PNN的测...     

冷鲜羊肉冷藏时间和水分含量的高光谱无损检测

利用可见-近红外高光谱成像技术对冷鲜羊肉的冷藏时间和水分含量进行无损检测。通过波长400～1 000 nm可见-近红外高光谱系统采集160 个羊肉样本光谱信息,优选主成分-14-线性判别法对原始光谱建立羊肉冷藏时间的判别模型,校正集对羊肉冷藏时间的判别率为99.17%,预测集为100%,模型可较好地判别羊肉的冷藏时间。其次,针对羊肉冷藏过程中水分含量的变化,优选最佳预处理方法并运用偏最小二乘回归（partial leastsquares regression,PLSR）法建立水分含量预测模型;结果表明,经过Savitzky-Golay卷积平滑预处理的PLSR模型对水分含量的建模效果最优,校正集和预测集相关系数分别为0.888和0.784,交互验证均方根误差为0.696。研究表明,采用可见-近红外高光谱成像技术对冷鲜羊肉冷藏时间的判别和冷藏过程中羊肉水分含量的快速预测是可行的。     

京郊鲜食杏白利糖度的便携式光谱快速无损检测方法研究

目的建立京郊鲜食杏白利糖度的定量分析预测模型,实现对京郊鲜食杏品质的快速无损检测。方法使用便携式近红外光谱仪采集900～1700 nm下鲜食杏的漫反射光谱信息,使用多元散射校正(multiplicative scatter correction,MSC)、标准正态变量变换(standard normal variable transformation,SNV)和Savitzky-Golay卷积平滑(Savitzky-Golay smooth,S-G)对原始光谱数据进行预处理,使用Kennard-Stone (K-S)算法以3:1比例将样本集划分成校正集和预测集,利用竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法和连续投影算法(successive projections algorithm,SPA)对光谱进行特征波长筛选,使用偏最小二乘回归(partial least squares regression,PLSR)算法建立京郊鲜食杏白利糖度的预测模型。结果以MSC+S-G+CARS+PLSR算法建立的北京鲜食杏的...     

高光谱成像技术预测香葱贮藏品质

香葱是一种保质期很短的重要调味食品,水分与叶绿素是评估香葱采后品质的重要指标。本文旨在使用无损检测技术获取香葱在采后不同存储条件下的水分及叶绿素分布情况。实验采用高光谱成像技术获取431~962 nm波段的香葱反射光谱数据,通过卷积平滑（SG）、多元散射校正（MSC）、标准正态变异（SNV）三种预处理方法对原始光谱进行相应转换,并分别建立水分和叶绿素含量预测模型,比较模型预测精度后,选用降噪效果最好的MSC作为光谱预处理方法。随后使用竞争自适应加权采样算法分别选出11个和20个特征波段用于水分与叶绿素含量的预测。基于优选特征波段,利用偏最小二乘回归算法和支持向量机回归算法建立水分和叶绿素含量的预测模型。所建水分与叶绿素含量预测模型的最高预测决定系数分别达到0.9046和0.9143。最后根据所建模型取得不同存储条件下香葱水分及叶绿素含量分布图。综上,高光谱成像技术可用于快速无损检测香葱水分及叶绿素分布情况。本研究为后续便携式果蔬水分及叶绿素分布检测仪器的开发提供了理论依据。     

基于连续投影算法的土壤全氮和碱解氮含量高光谱估测

基于高光谱数据构建土壤全氮和碱解氮含量估测模型，为准确快速检测植烟土壤全氮和碱解氮含量提供新方法。以会东县和会理市植烟土壤为研究对象，利用高光谱成像获取土壤光谱反射率数据，应用连续投影算法(SPA)和相关分析法(CA)筛选特征波段，并分别采用全波段和特征波段构建偏最小二乘回归(PLSR)、岭回归(RR)和核岭回归(KRR)模型来估测土壤全氮和碱解氮含量。结果表明：(1)原始光谱经4种预处理方法处理后，建立的估测模型精度均有提高；其中经一阶导数(D1)组合标准正态分布(SNV)预处理后，使用全波段建立的全氮和碱解氮含量估测模型精度均较高。(2)SPA筛选出了10个土壤全氮特征波段，13个土壤碱解氮特征波段，分别占全波段数量的2.58%和1.98%。(3)原始光谱经D1-SNV预处理后，用SPA筛选特征波段构建的全氮和碱解氮含量KRR估测模型性能均较好；全氮估测模型验证集决定系数(R²)为0.87，均方根误差(RMSEV)为0.23，相对分析误差(RPD)为2.77；碱解氮估测模型验证集的R²为0.91,RMSEV为14.15,RPD为3.39。...     

冷鲜羊肉品质的高光谱成像无损检测

利用400¹000 nm可见近红外高光谱成像系统对冷鲜羊肉蛋白质含量、嫩度、p H进行无损检测研究。采集冷鲜羊肉表面的高光谱散射图像,提取样本感兴趣区域的反射光谱曲线获得原始数据。先对原始光谱预处理并建立偏最小二乘回归（PLSR）模型,优选最佳预处理方法,后采用正自适应加权算法（CARS）和连续投影算法（SPA）提取特征波长,建立不同特征波长下各品质参数的PLSR预测模型。结果表明:利用原始光谱建立的冷鲜羊肉蛋白质、嫩度和p H的PLSR模型均优于经过光谱预处理所建PLSR模型;在不同波长下建立预测模型,OS-PLSR光谱模型对冷鲜羊肉蛋白质含量预测效果最佳,Rp=0.869,RMSEP=0.097;建立的SPA-PLSR光谱预测模型对p H预测效果理想,Rp=0.958,RMSEP=0.067;CARS-PLSR光谱预测模型对嫩度的预测能力较高,Rp=0.862,RMSEP=0.706。研究表明:利用可见近红外高光谱技术对冷鲜羊肉品质进行快速无损检测是可行的。      

基于VIS/NIR高光谱技术的灵武长枣SSC含量的无损检测研究

利用高光谱技术对灵武长枣可溶性固形物含量(SSC)检测进行研究,为灵武长枣内部品质无损检测提供科学方法。以灵武长枣为对象,对光谱数据进行预处理,应用连续投影算法(SPA)和正自适应加权算法(CARS)进行关键波长的选择,通过偏最小二乘回归(PLSR)和主成分回归(PCR)建立预测模型。实验结果表明:采用去趋势(Detrend)预处理算法效果最优,PLSR模型的交叉验证相关系数(Rcv)为0.809,交叉验证均方根误差(RMSECV)为1.331;通过SPA算法和CARS算法能够有效地对光谱数据进行降维处理,对SPA优选的8个和CARS优选的21个特征变量分别用PLSR和PCR建立预测模型,CARS-PLSR建模效果最优,其相关系数(Rp)为0.864,预测均方根误差(RMSEP)为1.174;研究结果表明基于高光谱成像技术采集的灵武长枣漫反射光谱进行SSC无损检测具有可行性。     

基于拉曼和近红外光谱特征层融合的食用油MUFA和PUFA含量检测

针对食用油中单不饱和脂肪酸(MUFA)和多不饱和脂肪酸(PUFA)含量的快速检测问题,研究探索应用拉曼(Raman)和近红外(NIR)光谱以及特征层数据的融合,结合化学计量学分析,建立食用油MUFA和PUFA含量预测模型。重点研究各种预处理算法对模型预测能力的影响。应用竞争性自适应重加权采样(CARS)提取Raman和NIR光谱的特征波长,应用网格搜索(GS)算法选取支持向量机回归(SVR)模型的参数组合(C,g)值,分别建立基于拉曼和近红外光谱的特征波段的SVR预测模型;建立基于特征层的多源光谱融合的SVR预测模型。试验表明,基于特征层融合建立的Raman-NIR-SVR模型能够实现食用油MUFA和PUFA含量的快速预测,且预测效果更优。其中预测MUFA含量的SG15-ALS-Nor-CARS-MSC-CARSSVR模型的预测集决定系数R2为0.977 3,与单光谱中最优含量预测模型相比增加了2.43%;而预测PUFA含量的MA11-air PLS-Nor-CARS-MSC-CARS-SVR模型的预测集R2为0.993 0,比较最优单光谱数据建立的SVR模型增加了2.57%。结果表明,采用特征层融合方法建立的含量预测模型的综合性能优于基于单光谱数据建立的模型。     

基于高光谱技术的羊肉含水率无损检测

利用高光谱成像系统(1000~2500 nm)对羊肉含水率进行无损检测研究。对108个羊肉样本进行光谱信息采集,通过标准正态变换法、归一化法、去趋势校正法、S-G卷积平滑法、导数法、多元散射校正法对原始光谱进行预处理,对全波段下的原始光谱和预处理后的光谱建立偏最小二乘回归(PLSR)模型,优选出的最佳预处理算法为去趋势校正法。原始数据经去趋势校正法预处理后,采用相关系数法选取特征波长,建立特征波长下羊肉含水率的 PLSR模型和逐步多元线性回归(SMLR)模型。结果表明,SMLR模型对含水率预测效果最好,校正集相关系数R_c为0.8597,标准误差SEC为0.0521;预测集相关系数R_p为0.8654,标准误差SEP为0.0387。研究表明,利用高光谱成像技术检测羊肉含水率是可行的。     

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。     

小麦粉品质在线无损快速检测系统设计与实现

目的:快速无损检测小麦粉的品质。方法:搭建主要包括微型近红外光谱仪集成装置、生产线可调速模拟装置、光谱在线采集控制软件和在线建模分析软件四大部分小麦粉品质在线检测系统,针对小麦粉中水分、灰分、面筋指标采用不同建模算法建立定量分析模型,并对在线定量分析模型稳健性进行优化,分析不同试验条件对建模结果的影响。结果:偏最小二乘回归(PLSR)算法对水分、灰分、面筋的定量分析模型均优于多元线性回归(MLR)和主成分回归(PCR)算法。用石英玻璃杯在线采集小麦粉样品的建模效果最佳,15档速度/积分时间6 000 ms最佳配比的建模效果最佳。结论:基于近红外光谱分析技术的小麦粉品质在线检测系统,可以实现小麦粉品质在线无损快速检测。     

基于高光谱的棉花叶片氮素检测

采用高光谱技术检测棉花叶片氮素是本次研究的主要手段。选用新疆南疆最具代表性的棉花作物作为研究对象,采用连续投影算法(successive projections algorithm,简称SPA)和标准正态变量变换方法(standard normal variate transformation,简称SNV)等算法进行光谱预处理,并利用偏最小二乘回归模型(PLS)预测棉花叶片氮素情况,探究棉花叶片氮素和高光谱之间的关系。结果显示:SPA-PLS算法的逐渐回归结果的R值最小能达到0.8032,预测精度能达到0.9647以上,RMSEP最大为0.2604,RMSECV最大为0.1414,预测参数都达到较好效果,说明利用高光谱成像技术能够快速、准确的检测棉花叶片氮素含量,为精准施肥和生态环境保护提供帮助。     

滩羊肉中油酸和亚油酸含量的近红外预测模型建立

基于近红外光谱技术结合化学计量学方法建立滩羊肉中油酸和亚油酸含量的预测模型。选取滩羊肉外脊、里脊、羊霖、羊腩共138 份样本,在900～2 500 nm波长范围内,采集滩羊肉糜样品的近红外反射光谱,利用气相色谱法作为参考,测定样品中油酸和亚油酸含量,并建立滩羊肉中油酸和亚油酸含量的偏最小二乘回归（partial least squares regression,PLSR）模型。为优化模型性能,使用间隔随机蛙跳（interval random frog,IRF）算法进行数据降维处理。结果表明：对于油酸模型,经过标准正态变量变换结合一阶导数处理后的全波长模型相关性较高,校正相关系数（Rc）和交叉验证均方根误差（root mean square error of cross-validation,RMSECV）分别为0.889 5和10.2515,预测相关系数（Rp）和预测集均方根误差（root mean square error of prediction set,RMSEP）分别为0.7357和10.2492,然而,经IRF算法提取92个特征波长后,Rc和Rp均低于全波长模型;对于亚油酸模型,使用多元散射校正处理后的全波长模型Rc最大,为0.8747,RMSECV为1.0512,但其Rp和RMSEP较小,利用IRF算法提取102 个特征波长后,建立的亚油酸模型相关性得到极大改善,其中Rc最大达到0.9912,相应的RMSECV为0.0118,Rp为0.9879,RMSEP为0.0122。因此,近红外光谱技术结合IRF算法不能较好预测滩羊肉中油酸含量,但对亚油酸含量具有较好的预测能力。