基于高光谱图像与光谱特征融合技术的鸡蛋新鲜度无损判别模型的建立

鸡蛋新鲜度等级评价是鸡蛋品质检测过程中的一项重要技术指标。选取了不同储藏环境的鸡蛋样本并采集其高光谱图像信息与光谱信息,提取图像特征和光谱特征;采用并行式融合方法进行图谱特征融合,基于连续投影法-灰度共生矩阵方法进行特征提取;建立支持向量机鸡蛋新鲜度判别模型。采用粒子群算法优化模型,训练集准确率达到85%,预测集准确率达到76.67%。为了解决单模型可能出现的偶然性误判问题,采用递进式特征融合方法,引入多模型共识策略和深度残差网络ResNet 50分析方法。建立基于连续投影法-方向梯度直方图特征提取方法的多模型共识策略,该模型的训练集准确率提升至89%,预测集准确率提升至88%;同时,建立基于连续投影法-方向梯度直方图特征提取方法的深度残差网络ResNet 50模型,模型的训练集准确率提升至89%,预测集的准确率提升至86.67%。图谱特征融合建模分析表明,并行式融合方法和递进式融合方法对鸡蛋新鲜度等级判别都有一定的可识别性,且递进式融合算法的多模型共识策略判别效果更佳。     

基于可见/近红外高光谱成像技术的鸡蛋新鲜度无损检测

以400~1 000nm高光谱系统获得鸡蛋样本的高光谱图像,利用蒙特卡洛法检测异常样本,采用不同预处理方法处理原始光谱;应用竞争性正自适应加权算法(Competitive Adaptive Reweighted Sampling,CARS)、遗传偏最小二乘法(Genetic Algorithms PLS,GAPLS)和间隔蛙跳法(Interval Random Frog,IRF)对预处理后光谱数据提取特征波长;分别建立基于全光谱和特征波长的偏最小二乘回归(Partial Least Squares Regression,PLSR)和最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)鸡蛋新鲜度预测模型。结果表明:标准正态变量变换(Standardized Normal Variate,SNV)法为最优预处理方法;利用CARS、GAPLS和IRF分别选出8,35,74个特征波长;基于GAPLS提取的特征波长的LS-SVM模型最优,其校正相关系数(Rc)为0.899,预测相关系数(Rp)为0.832。表明基于高光谱成像技术的鸡蛋新鲜度无损检测是可行的。     

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LT...     

基于近红外光谱禽蛋新鲜度无损检测模型研究

利用近红外光谱技术结合波长优选方法研究禽蛋新鲜度品质快速无损检测模型,采用蛋黄指数作为新鲜度评价指标。结果表明,蛋黄指数建立的检测模型效果要优于蛋白pH值和哈夫单位。通过连续投影算法(SPA)优选了4 188.6,4 593.6,4 855.9,5 311.0,5 376.6,5 935.8,6 306.1,7 243.3,7 328.2,7 343.6,8 130.4,8 531.5cm~(-1) 12个特征波谱为输入变量,建立蛋黄指数PLSR、PCR和SMLR检测模型,3种检测模型结果接近,其中,SMLR模型检测效果最好,相关系数r_(pre)=0.950,预测集均方根误差RMSEP=0.030,说明采用近红外光谱禽蛋蛋黄指数检测模型是可行的,通过波长优选后,检测精度较全光谱分析有所提高,该研究结果为进一步开发鸡蛋新鲜度的快速无损检测分级设备提供了理论依据和方法。     

基于高光谱成像的蔬菜新鲜度检测初探

目的 利用高光谱成像技术对蔬菜新鲜度检测进行了初步探讨。方法 采集了小白菜、菠菜、油菜、娃娃菜这四种蔬菜的叶片, 分别在失水0、10、24、48 h的状态下, 利用成像光谱仪采集其光谱图像, 对蔬菜叶片进行对比分析。结果 蔬菜在失水过程中, 高光谱图像能反映其外观形态及内部叶绿素的变化, SPAD值预测模型的相关系数r=0.76。结论 利用高光谱成像来辨别蔬菜叶片新鲜度是可行的。     

高光谱成像技术对羊肉新鲜度的无损检测

为探究高光谱成像技术对羊肉新鲜度无损检测的可行性,通过高光谱成像系统获取羊肉样本935～2 539 nm的高光谱图像,测定羊肉挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量并划分样本新鲜度类别。借助连续投影法(successive projection algorithm,SPA)优选的12个特征波长建立基于反向人工神经网络(back-propagation artificial neural network,BPANN)和分类回归决策树(classification and regression trees,CART)算法的羊肉新鲜度判别模型。结果表明,BPANN模型对校正集和预测集的平均分类准确率为100%和83. 33%,对3个新鲜度类别样本的识别率分别为88. 89%、75%和85. 71%;CART模型对校正集和预测集的平均分类准确率为100%和91. 67%,对3个新鲜度类别样本的识别率分别为88. 89%、87. 50%和100%。CART模型的平均分类准确率和对3个类别样本的识别率均高于BPANN模型,表明高光谱成像技术结合C...     

高光谱成像技术检测延边黄牛肉的新鲜度

为了提高黄牛肉的质量以及食用安全性,本研究采用高光谱成像技术对延边黄牛肉新鲜度进行检测。通过成像系统采集黄牛肉样品的高光谱图像,对高光谱图像做黑白校正处理,结合S-G滤波和均值滤波对处理后的高光谱图像进行去噪处理,并采用主成分分析法对高光谱数据进行降维。采用半微量定氮法测定延边黄牛肉的挥发性盐基氮含量,通过多个BP-ANN弱分类器组建强分类器,将延边黄牛肉的挥发性盐基氮含量输入强分类器中,以挥发性盐基氮含量为指标,根据分类结果实现延边黄牛肉新鲜度的检测。实验结果表明,当波长为700~750 nm时,延边黄牛肉的挥发性盐基氮含量最高,表明肉内部被破坏的程度较高,肉类的新鲜度越差;在第10~11 d时,延边黄牛肉TVB-N质量分数变化较为明显;采用所提方法对高光谱图像去噪后,信号频率由-15 d B^15 d B区间波动变为-5 dB^5 dB区间波动,信号的频率波动较小,趋于稳定,表明所提方法可有效的去除图像中存在的噪声;所提方法的检测结果准确率最高可达99%,具有较高的检测准确率,且去噪效果较好。     

高光谱成像技术检测肴肉新鲜度

建立阿胶中马和驴成分高特异、高灵敏的实时荧光聚合酶链式反应（polymerase chain reaction,PCR）检 测方法。选择马和驴线粒体基因tRNA-Thr及D-loop区为靶序列,设计合成特异引物,通过普通PCR和实时荧光PCR 检测,结果表明,这两对引物能够准确检测阿胶或动物胶中马和驴成分。     

近红外高光谱成像技术对鸡蛋种类的鉴别

为探讨近红外高光谱成像技术对鸡蛋种类判别的可行性,采用近红外高光谱(900~1700 nm)成像技术,以223个鸡蛋样本为研究对象,其中富硒鸡蛋74枚、无公害鸡蛋72枚、普通鸡蛋77枚,富硒鸡蛋和无公害鸡蛋为海兰褐鸡蛋,普通鸡蛋为洋鸡蛋。对比S-G卷积平滑、基线校准(Baseline)、标准正态变量变换(SNV)、标准化(Normalize),优选出S-G卷积平滑光谱预处理方法;连续投影算法(SPA)、无信息变量消除法(UVE)、后向间隔偏最小二乘波段选择法(BiPLS)算法提取的特征波长数分别为8、107和155,分别建立全光谱、SPA、UVE、BiPLS的PLS-DA判别模型,结果显示在4种模型中BiPLS-PLS-DA的识别性能要优于FS-PLS-DA、UVE-PLS-DA和SPA-PLS-DA,其校正集正确识别率为95.24%,预测集识别率为78.18%。近红外高光谱成像技术作为一种快速、高效的种类判别技术对鸡蛋种类的判别具有可行性。     

食源性致病菌高光谱识别模型构建

针对食源性致病菌检测过程耗时费力的问题,应用高光谱成像技术获取了12,18,24h3个生长期的5类致病菌[金黄色葡萄球菌(S.aureus)、单增李斯特菌(LM)、致泻大肠埃希氏菌(DEC)、肠炎沙门氏菌(SE)和福氏志贺菌(S.flexneri)]的高光谱图像,利用连续投影算法(SPA)结合相关分析(CA)提取不同生长期致病菌敏感波段并建立了最小二乘支持向量机(LS-SVM)判别模型。结果表明,5类致病菌对不同波长光的反射能力不同。SPA-CA筛选出的5个敏感波段(462,498,649,853,979nm)的反射率可较好地反映5类致病菌在不同生长期的波谱特性。基于该敏感波段反射率构建的LS-SVM模型能有效地判别出S.aureus、LM和DEC 3类致病菌,而SE和S.flexneri两种属容易被互相误判,SE被误判成S.flexneri的概率为11.2%,S.flexneri被误判成SE的概率为19.9%。LS-SVM模型对5类致病菌的总体识别正确率为90.9%。综上,高光谱成像技术结合化学计量学方法具有快速诊断食源性致病菌的能力。     

基于高光谱成像的马铃薯环腐病无损检测

为探讨高光谱成像技术无损检测马铃薯环腐病的可行性,采用反射高光谱（980～1 650 nm）成像技术,以120 个马铃薯样本（合格60 个,环腐60 个）为研究对象,对比多元散射校正、标准正态变换、卷积＋一阶导数等对建模的影响,优选出多元散射校正的光谱预处理方法;然后基于偏最小二乘回归系数法提取9 个特征波长（993、1 005、1 009、1 031、1 112、1 162、1 165、1 225、1 636 nm）,建立特征波长下马铃薯环腐病的2 类线性判别分析（linear discriminant analysis,LDA）模型和4 类支持向量机（support vector machine,SVM）模型,即Fisher-LDA、马氏距离-LDA、线性核SVM、径向基核SVM、多项式核SVM和S型核SVM。结果表明,LDA模型中马氏距离法最优,SVM模型中S型核SVM最优,LDA模型整体优于SVM模型,最终确定基于马氏距离LDA的马铃薯环腐病判别模型为最佳模型,校正集、验证集识别率分别为100%和93.33%。实验结果表明高光谱无损检测马铃薯环腐病具有可行性。     

阻抗法检测鸡蛋新鲜度

鸡蛋在贮存过程中会发生一系列物理化学变化。在实际生活中,多以感官来衡量鸡蛋的新鲜度。本实验通过设立不同贮存条件,对不同温度(4、25℃)、不同相对湿度(75%、85%、98%)组合下的6组不同条件贮存过程中鸡蛋的哈夫单位、蛋黄指数、pH值以及相对应的阻抗进行检测。结果表明,在不同条件贮存过程中鸡蛋新鲜度指标哈夫单位、蛋黄指数、pH值与阻抗之间表现出了较好的相关性,建立标准曲线,通过阻抗值的大小对应标准曲线可计算鸡蛋新鲜度。阻抗法检测鸡蛋新鲜度具有操木作简便、快速、结果准确等优点,可为蛋品企业鸡蛋的保存提供一定的理论依据。     

基于电子鼻的鸡蛋新鲜度检测

鸡蛋新鲜度检测十分重要,为实现无损检测鸡蛋新鲜度,该文利用电子鼻技术,通过挥发物的检测来尝试对20℃、70%RH贮藏条件下的鸡蛋新鲜度进行预测。并测量鸡蛋的理化指标(哈夫单位和蛋黄指数)作为新鲜度的衡量标准。通过线性判别分析对储藏不同天数的鸡蛋进行分类分析,发现线性判别分析能较好地区分不同储藏天数的鸡蛋,判别函数的总贡献率为75.70%;利用多元线性回归和BP神经网络分析法建立电子鼻响应信号和鸡蛋理化指标之间的关系模型,所建多元线性回归模型的相关系数达0.84以上,相对误差在8.00%左右;所建BP神经网络模型的相关系数达0.84以上,相对误差在9.00%左右。说明电子鼻技术对鸡蛋新鲜度具有一定的预测能力,该研究可为鸡蛋新鲜度的无损检测提供参考。     

采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测

为提供苹果病害在线、快速、无损检测的理论依据,采用高光谱成像技术进行了北方大面积种植的寒富苹果病害无损检测研究。寒富苹果的主要病害有炭疽病、苦痘病、黑腐病和褐斑病害。为选择较少的有效波长而利于在线快速检测,首先采集高光谱苹果图像,分割出感兴趣区域并提取光谱信息,然后采用连续投影算法(successive projections algorithm,SPA)从全波长(500~970 nm)中提取了10个特征波长SPA1(502、573、589、655、681、727、867、904、942 nm和967 nm),再对这10个特征波长采用连续投影算法提取3个特征波长SPA2(681、867 nm和942 nm)。最后利用全波长光谱信息、SPA1提取的10个特征波长的光谱信息和SPA2提取的3个特征波长的光谱信息作为输入矢量采用线性判别分析、支持向量机和BP人工神经网络(BP artificial neural network,BPANN)模型进行苹果病害的检测。通过对检测结果分析,最终选择SPA2-BPANN为最佳检测方法,训练集检测率达100%,验证集检测率达100%。结果表明,高光谱成像技术可以有效对苹果病害进行检测,所获得的特征波长可为开发多光谱成像的苹果品质检测和分级系统提供参考。