為了保障廣大消費者的健康安全與合法權益,在豬肉的加工、運輸和銷售過程中,必須對其質量進行嚴格管控。傳統(tǒng)的豬肉檢驗法主要包括感官檢驗和理化檢驗方法,其存在結果主觀性強、對操作人員要求高、分析過程繁瑣、耗時長等問題。鑒于此,有必要研究基于近紅外光譜分析技術的豬肉品質快速檢測方法,主要包括豬肉光譜的恢復處理、維度約簡及定性分析模型構建等。首先,針對光譜數(shù)據(jù)采集、光譜儀的內部結構等因素帶來的光譜測量值的偏差問題,采用標準正態(tài)變量變換、多元散射校正、移動平均平滑、Savitzky-Golay卷積平滑法以及一階導數(shù)光譜方法,對豬肉光譜進行恢復去噪處理;針對因光譜數(shù)據(jù)的高維度引起的信息冗余和共線性問題,分別利用主成分分析方法和離散傅立葉變換方法,提取原始豬肉光譜數(shù)據(jù)的特征信息,并進行降維處理。其次,在對生豬肉近紅外光譜數(shù)據(jù)進行去噪和降維的基礎上,建立了基于支持向量機、BP神經網絡、隨機森林和寬度學習等4種方法的豬肉品質近紅外光譜定性分析模型。結合建模方法的原理,在相同的預處理方法和樣本集劃分條件下,對分析模型的性能進行綜合評估。4種定性分析模型的5折交叉方法的最佳預測準確率分別達到88.48%、88... 

【文章來源】：中國礦業(yè)大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

近紅外光譜波長范圍示意圖

圖 2-5 MicroNIR onsite 手持式近紅外光譜儀Figure 2-5 MicroNIR onsite hand-held near-infrared spectrometer質近紅外光譜分析主要流程近紅外光譜分析的過程主要包括：實驗樣品的采集和制分析模型構建以及未知樣本采集與預測等，如圖 2-6 所豬肉樣品采集樣品制取樣品光譜掃描光譜恢復處理降維處理校正集 測試集采集清洗未知樣品采集光譜采集數(shù)據(jù)處理校正模型未知樣品預測

對于環(huán)境溫度、濕度及抗震性的適用范圖 2-5 MicroNIR oFigure 2-5 MicroNIR onsite 2.2.3 豬肉品質近紅外光譜分析主豬肉品質近紅外光譜分析的過程主據(jù)清洗、定性分析模型構建以及未知樣豬肉樣品采集


本文編號：3534077