不同猪肉组织在太赫兹衰减全反射光谱中的特性差异

为了探讨太赫兹(THz)光谱无损检测猪肉品质的可行性,采用衰减全反射(ATR)模式采集猪脂肪、肌肉和皮肤3种新鲜组织的THz光谱,获取3种组织在0.2~2.0THz范围的折射率和消光系数。结果表明:在0.2~1.6THz低频段猪肉不同组织的THz光谱差异较明显,含水量是影响新鲜组织对THz波吸收的主要因素。利用不同组织在THz波段的光学特性差异,可以无损快速鉴别组织类型。通过建立同种猪肉组织的THz光谱与猪肉品质的关系模型,能够实现猪肉品质的无损检测。     

基于近红外光谱的生鲜猪肉新鲜度实时评估

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。     

近红外光谱技术快速检测猪肉新鲜度指标的方法研究

采用傅里叶变换近红外光谱技术建立猪肉新鲜度指标色泽（L^*,a^*,b^*值）、挥发性盐基氮（TVB-N）、酸度（pH值）的快速检测方法。实验中采集了4000～10000cm^-1范围的近红外光谱,选取4800～9350cm^-1为分析区域,描述了谱峰的归属。以常规分析测定值为建模基础数据,采用偏最小二乘（PLS）回归法建立猪肉新鲜度指标定量分析模型,并考察了近红外光谱预处理方法对模型的影响。用校正集和验证集样本分析模型预测的准确性。L^*,a^*,b^*,TVB-N,pH预测模型结果显示:预测集均方根误差（RMSEP）分别为1.84,0.812,0.355,1.31,0.163,校正集均方根误差（RMSEC）分别为1.57,0.678,0.363,1.76,0.113,相关系数分别为0.8183,0.8776,0.9256,0.8231,0.8041。样本的预测值与真实测定值之间没有显著性差异（p>0.05）。采用近红外光谱法能满足猪肉新鲜度指标的同时测定,与传统的化学分析方法相比,该方法具有快速、无损、简单等特点。     

基于光谱技术的支持向量机判别牛肉新鲜度

目的 实现生鲜牛肉新鲜度等级的无损快速判别。方法 用可见/近红外光谱检测系统, 获取储存1~18 d的36块牛肉样品的400~1600 nm范围的光谱信息, 以挥发性盐基氮理化值为分类依据。用多元散射校正(MSC)、变量标准化(SNV)、SG平滑预处理方法处理光谱数据, 分别建立牛肉新鲜度的支持向量机分类模型。结果 MSC+SG预处理后所建立的分类模型预测能力最好, 训练集和测试集的回判识别率和预测识别率分别为96.30%、100%, 验证集的识别率为88.89%。结论 可见/近红外光谱结合支持向量机, 对牛肉新鲜度进行无损快速判别是可行的。     

近红外光谱技术快速测定鹅肉新鲜度

目的：应用近红外光谱技术快速检测鹅肉的新鲜度,评价指标包括总挥发性盐基氮和pH值。方法：采集完整冷鲜鹅肉的近红外光谱（950～1 650 nm）,光谱经多种校正预处理后,采用偏最小二乘法建立鹅肉新鲜度的定量预测数学模型。结果：对于这2 种指标均采用标准常态变量结合偏最小二乘法所建立模型的预测效果最好,总挥发性盐基氮和pH值定量校正数学模型的模型决定系数分别为0.727、0.991,内部交互验证均方根误差分别为3.666、0.028。用此模型对预测集20 个样品进行预测,预测值与实测值的相关系数分别达到0.976、0.705,预测值平均偏差分别为－0.240、－0.024,预测值和实测值之间没有显著性差异（P＞0.05）。结论：近红外光谱作为一种无损快速的检测方法,可用于评价鹅肉新鲜度。     

基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化

为有效提高鸡蛋新鲜度检测效率、优化检测模型,本研究结合波长特征选择和特征提取方法各自的优点,对二者进行有效融合共同优化鸡蛋新鲜度检测模型。利用一阶微分对550～950?nm范围内鸡蛋的可见-近红外透射光谱数据进行预处理,考虑到冗余光谱信息对模型精度的影响,使用特征选择方法中的竞争性自适应重加权(competitive?adaptive?reweighted?sampling,CARS)算法融合非线性特征提取局部切空间排列(local?tangent?space?alignment,LTSA)算法最小化光谱无用信息,建立支持向量机回归(support?vector?regression,SVR)模型,结果表明单一使用CARS特征波长选择建立模型得到训练集交叉验证相关系数(Rcv)为0.880 5,交叉验证均方根误差(root?mean?square?error?of?cross?validation,RMSECV)为8.59,预测集相关系数(Rp)为0.888 9,预测集均方根误差(root?mean?square?error?of?prediction,RMSEP)为8.42,融合LTSA特征提取方法后得到Rcv为0.896 0,RMSECV为8.04,Rp为0.898 3,RMSEP为8.18,与CARS-SVR模型相比较,融合模型预测精度均有所提高,同时数据维数再次减少14个,进一步简化了预测模型。研究表明,将特征选择与特征提取二者融合共同应用于鸡蛋可见-近红外光谱数据,不仅提升了光谱检测效率,而且提高了鸡蛋新鲜度预测模型精度,可为鸡蛋新鲜度光谱检测模型优化提供参考依据。     

䥺Symbol`@@基于近红外光谱漫透射技术的苹果可溶性固形物含量在线检测

为研究苹果的内部品质,提高检测的速度和稳定性,将近红外光谱漫透射技术应用于在线检测研究,并采取偏最小二乘回归(PLSR)算法结合不同光谱预处理方法建立苹果内部的可溶性固形物含量(SSC)的定量模型。结果表明:采用一阶微分结合多元散射校正(MSC)预处理后的模型最稳定,校正集和预测集的标准差分别为0.17和0.39,校正集的相关系数也达到0.988 3。试验结果说明近红外光谱漫透射技术能够快速、无损地检测出苹果的可溶性固形物含量。     

基于近红外光谱漫透射技术的苹果可溶性固形物含量在线检测

为研究苹果的内部品质,提高检测的速度和稳定性,将近红外光谱漫透射技术应用于在线检测研究,并采取偏最小二乘回归(PLSR)算法结合不同光谱预处理方法建立苹果内部的可溶性固形物含量(SSC)的定量模型。结果表明:采用一阶微分结合多元散射校正(MSC)预处理后的模型最稳定,校正集和预测集的标准差分别为0.17和0.39,校正集的相关系数也达到0.988 3。试验结果说明近红外光谱漫透射技术能够快速、无损地检测出苹果的可溶性固形物含量。     

近红外漫反射无损检测梨果可溶性固形物的研究

应用近红外漫反射无损检测梨果可溶性固形物。通过自行设计的NIR光谱系统测定了240个梨果样品的SSC。180个梨果样品用来建模,其余60个用来验证模型的性能。采集完整梨果的近红外漫反射光谱（350～1 800 nm）,光谱经移动窗口平滑处理、一阶微分和二阶微分预处理后,再分别采用多元线性回归、主成分回归和偏最小二乘法,建立梨果可溶性固形物的定量预测数学模型。结果表明：采用一阶微分结合偏最小二乘法所建模型的预测效果较好,可溶性固形物定量预测数学模型的相关系数为0.928 5,均方根误差为0.436 4。近红外漫反射光谱作为一种无损的检测方法,可用于评价梨果的可溶性固形物。     

樱桃番茄可溶性固形物含量的可见/近红外透射光谱无损检测

基于可见/近红外透射原理,针对樱桃番茄内部品质不均,果径不同等特点,建立樱桃番茄透射检测系统,结合相关性分析和归一化处理对樱桃番茄的果径进行校正,在此基础上对樱桃番茄可溶性固形物(SSC)含量做快速无损检测。将80个样品按3∶1的比例随机分为校正集与预测集,选取波长范围600～960 nm内的光谱曲线先SG卷积平滑后进行一阶导数、二阶导数预处理,再对二者于波长903 nm和826 nm处进行归一化处理,采用偏最小二乘回归法对樱桃番茄可溶性固形物含量建立预测模型。结果显示,一阶微分和二阶微分预处理后,其预测模型的校正集和预测集相关系数与原始光谱相比均有明显提高。二阶微分光谱的预测模型校正集和预测集相关系数分别为0.8938和0.8337,均方根误差分别为0.3625°Brix和0.5793°Brix。果径归一化处理后,其预测模型的校正集和预测集相关系数进一步提高。果径归一化处理后的二阶微分光谱预测模型,其校正集和预测集相关系数分别达到0.9383和0.9360,均方根误差分别为0.2796°Brix和0.3955°Brix。结果表明,可见/近红外透射光谱结合果径归一化处理能有效预测樱桃番茄的内部品质,消除果径不同带来的误差,该检测方法的精度和稳定性较为理想,可预测樱桃番茄内部品质。     

鲫鱼新鲜度近红外定量预测模型的建立

为实现鲫鱼新鲜度的快速测定,本文基于近红外漫反射光谱定量分析技术和化学计量学方法,采集了144个鲫鱼鱼肉样品在1000~1799 nm范围内的光谱数据,测定了鲫鱼样品的p H、TVB-N含量、TBA含量和K值四种新鲜度指标;在确定近红外光谱数据最佳预处理方法和适宜波段的基础上,分别采用偏最小二乘法、主成分分析和BP人工神经网络技术、偏最小二乘法和BP人工神经网络技术建立了鲫鱼新鲜度定量预测模型。结果表明,鲫鱼样品四种指标数据范围均较大,可满足建模要求。以p H为鲜度指标时,采用偏最小二乘法和BP人工神经网络技术建立的模型最好,其定标相关系数为0.9945;以TVB-N、TBA和K值为鲜度指标时,采用偏最小二乘法建立的模型最好,其定标相关系数分别为0.9857、0.9985和0.9952。建立的四种鲜度指标定量模型均具有较好的预测能力。     

Application of linear/non-linear classification algorithms in discrimination of pork storage time using Fourier transform near infrared (FT-NIR) spectroscopy

To address the rapid and nondestructive determination of pork storage time associated with its freshness, Fourier transform near infrared (FT-NIR) spectroscopy technique, with the help of classification algorithm, was attempted in this work. To investigate the effects of different linear and non-linear classification algorithms on the discrimination results, linear discriminant analysis (LDA), K-nearest neighbors (KNN), and back propagation artificial neural network (BP-ANN) were used to develop the discrimination models, respectively. The number of principal components (PCs) and other parameters were optimized by cross-validation in developing discrimination models. Experimental results showed that the performance of BP-ANN model was superior to others, and the optimal BP-ANN model was achieved when 5 PCs were included. The discrimination rates of the BP-ANN model were 99.26% and 96.21% in the training and prediction sets, respectively. The overall results sufficiently demonstrate that the FT-NIR spectroscopy technique combined with BP-ANN classification algorithm has the potential to determine pork storage time associated with its freshness.     

基于高光谱反射特性的猪肉新鲜度和腐败程度的对比分析

为有效评价猪肉在贮藏过程中的品质变化,分析相同猪肉样品在相同环境条件下挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量与菌落总数（total viable count,TVC）的变化规律。结果显示,在4?℃冷藏15?d猪肉TVB-N含量与冷藏时间成“J”型变化规律,而TVC与冷藏时间成“S”变化规律。当TVB-N含量在第7.5天达到国家标准规定新鲜度限定值（15 mg/100 g）时,TVC已远超国家标准限定值（6（lg（CFU/g）））,达到7.92（lg（CFU/g））。当TVC在第5.5天达到国家标准限定值时,TVB-N含量仅为10.65?mg/100?g;即在相同贮藏条件下,依据国标TVC指标判定猪肉为“腐败肉”时,而根据TVB-N含量猪肉仍被判定为“新鲜肉”。在此基础上,利用可见-短波近红外高光谱反射技术采集猪肉高光谱数据,建立不同预处理的TVB-N含量与TVC偏最小二乘回归模型。结果表明,利用多元散射校正预处理建立的TVB-N含量模型与1阶导数预处理建立的TVC模型预测效果最好。Rp分别为0.957?2与0.968?2,预测集标准误差分别为2.802?5?mg/100?g与0.332?7（lg（CFU/g））,实测值的标准偏差与预测集的标准误差比值分别为3.093?7和3.434?1;外部验证集相关系数分别为0.928?3与0.930?5,标准误差分别为3.556?2?mg/100?g和0.515?7（lg（CFU/g））。本研究能为高光谱技术更好地应用于猪肉的品质检测提供一定理论依据。     

拉曼光谱技术快速检测专用煎炸油极性组分

为能够快速、无损检测专用煎炸油的极性组分含量,采集不同煎炸时间下煎炸油样本的拉曼光谱图。为建立稳定性高、误差小、精度高的模型,研究不同预处理方法对模型效果的影响,建立相应的偏最小二乘回归模型以选择最优的光谱预处理方法。结果表明：标准正态变换处理后的偏最小二乘模型最优,预测均方根误差（root mean square error of prediction,RMSEP）为1.18,决定系数R2为0.940?4。其次,将标准正态变换处理后的光谱数据分别建立误差反向传播（error back propagation,BP）算法和径向基函数算法神经网络模型,通过比较稳定性以及误差大小,得出采集到的拉曼光谱经过标准正态变换处理后采用BP神经网络建立的模型效果最好,RMSEP为0.032?6,R2为0.972。该方法可以用作专用煎炸油极性组分的快速分析。     

冷鲜猪肉的新鲜度无损检测技术现状及THz检测技术展望

综述可见/近红外光谱分析、电子鼻、电子舌、机器视觉、多传感器融合等无损检测技术在肉品新鲜度指标快速检测中的应用,从分子光谱学结合化学计量学的角度论述了基于THz波谱分析法无损检测猪肉新鲜度的可行性。     

二维相关可见-近红外光谱结合支持向量机评价猪肉新鲜度

为探究二维相关同步光谱优选生鲜肉新鲜度特征变量的可行性,采集生鲜猪肉在1～15 d共58 个样品的可见-近红外反射光谱信息,并参照国标方法测定其挥发性盐基氮值（total volatile basic nitrogen,TVB-N）。然后,以TVB-N为“外界扰动”,选择10 条代表性光谱并进行包络线去除,结合光谱差异选取了7?个子区间。通过对每个子区间作二维相关分析,解析其二维相关同步谱和自相关谱,获取与TVB-N变化密切相关的敏感变量。最后,利用所选特征变量,分别基于原始、标准正态变量变换预处理和归一化预处理的光谱,建立猪肉新鲜度的支持向量机（support vector machine,SVM）判别模型。结果表明,利用二维相关光谱分析共提取到17?个特征波长,仅占总变量个数的1.61%,建立的SVM模型总体正确率分别为94.83%、98.28%和98.28%。这表明所建立的模型具有较好的判别效果,也说明二维相关分析用于筛选与生鲜肉新鲜度相关特征变量的方法是可行的。这有利于解析生鲜肉在腐败变质过程中的光谱特征信息变化,也为近红外光谱分析中变量筛选提供了一种新的思路。     

生鲜猪肉水分含量的快速无损检测

目的 研究生鲜猪肉水分含量与1000~1680 nm范围内近红外吸收光谱之间的关系, 对生鲜肉的水分含量进行快速无损检测。方法 将原始光谱经中值平滑、多元散射校正和一阶导数复合预处理, 结合多元线性回归和偏最小二乘回归两种建模方法建立生鲜肉水分含量的预测模型。结果 应用所建立的模型对111个实际生鲜猪肉样品的水分含量进行预测, 得到较为满意的预测结果, 两种模型的预测相关系数分别为0.839和0.810。结论 所建模型适合于生鲜猪肉水分的无损快速检测。     

Iodine Value and Fatty Acids Determination on Pig Fat Samples by FT-NIR Spectroscopy: Benefits of Variable Selection in the Perspective of Industrial Applications

In this work, FT-NIR spectroscopy was employed to determine iodine value (IV) and fatty acids (FA) content of pig fat samples, through the combined use of signal preprocessing, multivariate calibration, and variable selection methods. In particular, the main focus was on the use of variable selection methods, both in order to improve the predictive performance of the calibration models, and to identify relevant wavelengths that could be subsequently used for the development of simple, fast, and cheap hand-held devices, able to measure IV and FA content directly on the fat without the need of any sample pretreatment. Firstly, for each property of interest, partial least squares (PLS) multivariate calibration models were calculated considering the whole spectral range and testing different signal preprocessing methods. Then, once chosen the optimal signal preprocessing method, a two-step variable selection procedure was applied. In the first step, the interval-PLS variable selection algorithm was used to calculate a set of calibration models, whose outcomes were considered altogether in the second step, in order to select the optimal calibration model. The variable selection procedure allowed to lower the number of spectral variables retained by the model, and often led to an increase of the performance in prediction of the external test set samples.     

基于Web的多元指标猪肉新鲜程度分级方法研究

围绕猪肉新鲜度的检测分级,提出了基于脉冲耦合神经网络(pulse coupled neural network,PCNN)点火计数的异质传感器数据融合方法,解决不同量纲的传感器数据融合的问题,并研发基于Web的多元指标猪肉新鲜程度分级原型系统。