豬肉制品是我國最受歡迎的肉類產(chǎn)品之一,豬肉的后期加工及食用安全一直是人們密切關注的問題。碎骨作為原料肉中不可避免的危害因子,不僅會損壞加工設備,同時也會對消費者造成潛在的危害。因此,豬肉中碎骨的快速無損識別對于肉類工業(yè)發(fā)展具有積極意義。本文以新鮮和凍融豬肉為研究對象,通過多光譜成像系統(tǒng)獲取樣品的多光譜圖像,利用線性判別分析（LDA）、偏最小二乘判別分析（PLS-DA）、支持向量機（SVM）、神經(jīng)網(wǎng)絡（NN）、連續(xù)投影算法（SPA）、主成分分析（PCA）等化學計量學建模方法,對新鮮和凍融豬肉進行準確分類,同時對嵌入豬肉中的碎骨進行快速無損識別。得出如下結論:1)基于光譜信息建立LDA、PCA-LDA、PLS-DA和SVM化學計量學模型識別新鮮和凍融豬肉,各模型分類精度均高于86.67%,其中基于全光譜和特征光譜建立的最優(yōu)LDA模型識別精度分別為100%和97%。利用圖像信息和光譜信息的模型系數(shù)建立新鮮和凍融豬肉的可視化分布圖,可以更直觀地對新鮮和凍融豬肉進行識別。2)基于光譜信息建立LDA、PCA-LDA、PLS-DA和SVM計量學模型識別嵌入新鮮豬肉表面和內(nèi)部的碎骨,其中基于特征光譜建... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

光譜信息圖

第一章前言5圖1.2高光譜圖像與多光譜圖像區(qū)別Fig.1.2ThedifferenceofHSIandMSI1.3.3光譜定性定量判別流程基于光譜成像技術獲得的光譜和圖像信息基本包含了樣品的基本理化性質(zhì)。因此，這些信息的有效結合可以被作為定性定量檢測理化成分的依據(jù)。基于光譜成像的定性定量判別流程如圖1.3所示。在定量檢測中，通過建立光譜數(shù)據(jù)和樣品特定組分含量間的多元回歸模型來預測樣品組分含量。多元回歸模型中主要包括多元線性回歸(PLSR、MLR、PCR)和非線性回歸（SVM、ANN等）[34]模型。YuweiLiu采用PLSR、PCR、MLR、SVM預測牛肉在微波加熱中的顏色和水分含量[35]；Eva應用HSI技術結合PLSR可以有效預測腌制豬肉的鹽分含量[36]；Juliana應用HSI技術結合PLSR算法成功預測牛肉的剪切力[37]。Mohammed通過對牛肉中不同含量雞肉的添加應用近紅外高光譜成像技術結合PLSR預測切碎的牛肉中的雞肉的摻假量[38]。Lalit結合多光譜成像技術和PLSR、SVR預測新鮮肉的水分含量、脂肪和蛋白質(zhì)含量[39]。DongYang應用高光譜成像技術結合PLSR預測五香牛肉的活菌總數(shù)[40]。QianYan應用高光譜成像技術結合PLSR在線監(jiān)測干制肉品的TVB-N含量，并實現(xiàn)了含量的可視化[41]。在定性分析中，主要通過對獲得的光譜信息和紋理信息等進行監(jiān)督分類和非監(jiān)督分類、參數(shù)分類和非參數(shù)分類[24]達到分析目的。根據(jù)有無先驗知識的判別分類可以分為監(jiān)督分類（LDA、PCA-LDA、SVM、PLS-DA、NN、KNN等）和非監(jiān)督分類(PCA、回歸分析等)；根據(jù)依賴統(tǒng)計參數(shù)與否分為非參數(shù)分類和參數(shù)分類。Ropodi等利用多光譜成像技術結合傅里葉變換紅外光譜通過PCA對新鮮和凍融切碎的牛肉進行初步分析，通過PLS-DA和SVM實現(xiàn)對新鮮和凍融樣品進行準確分類檢測[42]；HongzheJiang等應用近紅外高光?

合肥工業(yè)大學專業(yè)碩士研究生學位論文6牛肉的剪切力的可行性，結果表明通過局部感興趣區(qū)域的選擇可顯著提高預測牛肉嫩度的精度，且可以較好的建立可視化模型[37]。綜上所述，基于光譜信息和圖像信息建立化學計量學模型可以有效實現(xiàn)樣品理化性質(zhì)的定性定量分析。圖1.3光譜成像檢測原理Fig.1.3Theprincipleofspectralimagingdetection1.3.4基于光譜技術的肉制品檢測研究現(xiàn)狀光譜和圖像處理技術有效結合應用，使得光譜檢測技術也逐漸受到人們的關注。由于光譜檢測技術既可以根據(jù)樣品的光譜信息分析其化學品質(zhì)變化，同時又可以通過圖像信息分析其物理品質(zhì)的變化，使得無損在線檢測肉制品的物理化學品質(zhì)得到了廣泛的應用。國內(nèi)外的研究學者也在為實現(xiàn)其工業(yè)在線檢測不斷探索。1.3.4.1國內(nèi)研究現(xiàn)狀目前，國內(nèi)應用光譜成像技術在肉制品檢測中應用主要是通過獲得肉制品的各種質(zhì)量屬性和光譜成像，通過對它們的各種屬性進行定性、定量分析來對肉制品進行快速無損檢測�；谑袌鲋胁粩喑霈F(xiàn)的摻假現(xiàn)象，通過高光譜成像技術（400～1000nm）對羊肉肉糜中的鴨肉摻假的快速無損檢測。通過選擇最優(yōu)波長的偏最小二乘回歸模型（PLSR）對羊肉樣品的摻假進行預測，R2達到了0.98，均方根誤差為2.51%，并且通過預測模型形成羊肉摻假圖像可視化視圖，表明HSI在快速準確檢測肉糜中摻假具有巨大的應用潛力[44]。同樣，由于不同化學成分與樣品的光譜特征密切相關，可以通過建立光譜特征與化學成分間的化學模型來預測樣品中的成分含量。應用高光譜成像(900～1700nm)技術對白蝦的TVB-N含量進行預測。通過采用連續(xù)投影算法（SPA）和基于深度學習算法進行光譜特征提取，采用最小二乘支持向量機(LS-SVM)、偏最小二乘回歸(PLSR)和多元線性回歸(MLR)進行預測。從而實現(xiàn)

【參考文獻】：
期刊論文
[1]光譜數(shù)據(jù)融合技術在食品檢測中的應用研究進展[J]. 楊巧玲,鄧曉軍,孫曉東,鈕冰,古淑青,陳沁.  食品工業(yè)科技. 2020(18)
[2]2019年中國豬肉市場回顧及未來走勢[J]. 聶鳳英,梁丹輝.  豬業(yè)科學. 2020(02)
[3]近紅外光譜結合化學計量學的常見中國蜂蜜摻雜糖漿鑒別[J]. 黃富榮,宋晗,郭鎏,楊心浩,李立群,趙紅霞,楊懋勛.  光譜學與光譜分析. 2019(11)
[4]生物保鮮劑對冷卻肉保鮮的影響[J]. 王盼,何貝貝,李志成,田娜娜,馬林林.  中國食品學報. 2019(11)
[5]基于近紅外光譜的粳稻種子快速鑒別方法研究[J]. 謝歡,陳爭光,張慶華.  光譜學與光譜分析. 2019(10)
[6]基于超聲成像技術的方腿中異物檢測[J]. 張俊俊,趙號,翟曉東,胡雪桃,鄒小波,石吉勇.  中國食品學報. 2019(08)
[7]基于可見光譜和支持向量機的黃瓜葉部病害識別方法研究[J]. 李鑫星,朱晨光,白雪冰,毛富煥,傅澤田,張領先.  光譜學與光譜分析. 2019(07)
[8]冷凍儲藏對豬肉、羊肉和牛肉中脂肪酸含量變化的影響[J]. 尉立剛,柴雅婷,郭超然,張瑩,吳碧慧,劉順舟,賀麗娟.  中國科技論文. 2019(04)
[9]基于SVM的農(nóng)作物種植結構遙感提取研究[J]. 王川,常升龍,武喜紅.  現(xiàn)代農(nóng)業(yè)科技. 2018(13)
[10]高光譜成像技術在肉品品質(zhì)評價中的應用[J]. 劉海,鄭福平,熊振海,劉源.  食品科學. 2018(11)

博士論文
[1]基于多光譜成像技術的香腸多元品質(zhì)無損檢測研究[D]. 馬飛.合肥工業(yè)大學 2015

碩士論文
[1]基于超聲成像技術的火腿腸異物檢測及等級判別研究[D]. 趙號.江蘇大學 2018
[2]氣調(diào)包裝對冷卻豬肉菌相影響與貨架期預測模型[D]. 陳東杰.山東農(nóng)業(yè)大學 2017
[3]關于冷鮮豬肉的保鮮包裝技術的研究[D]. 曹丙湖.浙江農(nóng)林大學 2017
[4]不同貯藏溫度下牛肉新鮮度及品質(zhì)變化研究[D]. 張婷.陜西師范大學 2016
[5]基于人工神經(jīng)網(wǎng)絡的海島遙感影像地物分類研究[D]. 曹兆偉.上海海洋大學 2016
[6]冷鮮兔肉貯藏中微生物與理化性質(zhì)的變化及其相關性研究[D]. 楊佳藝.西南大學 2012
[7]肉及其制品中碎骨圖像處理關鍵技術研究[D]. 閆業(yè)斌.南京林業(yè)大學 2010



本文編號：3249399