【摘要】：雞蛋內(nèi)部含有豐富的營養(yǎng),是全世界最為廣泛的食品,也是很多食品的加工原料,因此,雞蛋內(nèi)部品質(zhì)關(guān)系著國家民生和人民的健康。血斑是雞蛋內(nèi)部品質(zhì)的主要檢測指標(biāo),血斑的檢測是保證雞蛋內(nèi)部品質(zhì)的基礎(chǔ)。因此,為了保證雞蛋進入流通領(lǐng)域的品質(zhì)和質(zhì)量,對于血斑蛋檢測的研究具有直接的現(xiàn)實意義和研究價值。本課題以雞蛋為研究對象,通過光學(xué)技術(shù)和模式識別方法對血斑蛋的在線判別模型進行研究,從而對雞蛋內(nèi)部的血斑進行判別。本文主要的研究內(nèi)容和結(jié)論如下:(1)在血斑蛋文獻(xiàn)的研究基礎(chǔ)上,對500nm-599nm范圍的血斑蛋和正常蛋的透過率進行分析,發(fā)現(xiàn)在這一范圍內(nèi)兩種蛋具有諸多差異性,將兩種蛋的平均透過率進行分析,本文最終選擇500nm-599nm為本課題的全波段,為后續(xù)波段特征提取與建模提供理論基礎(chǔ)。(2)采用三種算法進行異常樣本的剔除,分別是聚類、相似系數(shù)和以及箱形圖異常值檢測,若三種方法中兩種及兩種以上共同判別為異常樣本,則該樣本為異常樣本,通過打破驗證分析異常樣本特征。(3)利用多種算法進行數(shù)據(jù)的預(yù)處理,包括數(shù)據(jù)增強變換、平滑、求導(dǎo)、多元散射校正、標(biāo)準(zhǔn)正態(tài)變換,通過建模效果確定最佳的預(yù)處理方法為標(biāo)準(zhǔn)正態(tài)變換。經(jīng)過后期對于三種速度模式的光譜差異分析,采用一階導(dǎo)數(shù)和標(biāo)準(zhǔn)正態(tài)變換相結(jié)合的預(yù)處理方法,有效減小由于光譜縱向偏移產(chǎn)生的誤差。(4)為了簡化全波段光譜特征,利用三種方法篩選特征波長,基于特征波段的篩選是利用iPLS算法,基于特征波長變量的篩選是采用CARS和SPA算法,將三種方法篩選出的特征波長建立校正模型后得到CARS篩選的特征變量建模效果最佳,可代替全波段進行分析。(5)考慮在線檢測的特殊要求,選擇5種方法建立線性模型,分別是偏最小二乘判別分析(PLSDA),支持向量機(SVM),逐步貝葉斯判別分析(SBDA),二項Logistic回歸(BLR),線性判別分析(LDA),通過模型的判別準(zhǔn)確率和模型的運行時間,綜合考慮適合在線檢測的諸多因素,SBDA效果最佳,植入在線檢測程序中可以快速實現(xiàn)判別,更加適用流水線的檢測模式。因此,本文最終選擇SBDA作為的血斑蛋在線判別模型。(6)通過統(tǒng)一條件下模型的更新,尋找最佳的參數(shù)匹配設(shè)置,通過將速度條件下的樣本驗證更新后的模型,得出該參數(shù)組合更加適合2500枚/小時的檢測模式。通過更換新樣本代入模型,驗證模型的適用性,分析2500枚/小時的血斑蛋和正常蛋的判錯的樣本圖譜和打破后的雞蛋內(nèi)部情況,并將判錯的樣本加入模型的訓(xùn)練過程,對模型進行有針對性,指導(dǎo)性的優(yōu)化,得到判別模型:其中Y1代表血斑蛋,Y2代表正常蛋。Y1=0.242*X512+0.659*X531+3.482*X558+1.187*X566-2.030*X568-0.402*X580+2.359*X586+4.972*X598-6.327Y2=-1.212*X512-0.961*X531+4.888*X558+3.949*X566+1.298*X568-3.335*X580-0.239*X586+2.598*X598-9.964判別結(jié)果為:血斑蛋60枚可以全部判別正確,準(zhǔn)確率為100%,正常蛋118枚判錯9個,準(zhǔn)確率為92.4%,整體準(zhǔn)確率為94.9%。因此,考慮將優(yōu)化的模型植入實際血斑蛋在線檢測中。
[Abstract]:......
【學(xué)位授予單位】：華中農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S879.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張超;盧偉;丁天華;杜健健;丁為民;羅慧;;禽蛋品質(zhì)無損檢測的研究現(xiàn)狀及其展望[J];食品工業(yè)科技;2015年18期

2 祝志慧;謝德君;李婉清;王巧華;馬美湖;;基于光譜技術(shù)和多分類器融合的異物蛋檢測[J];農(nóng)業(yè)工程學(xué)報;2015年02期

3 胡愛琴;袁洪福;宋春風(fēng);李效玉;;近紅外離散波長光譜基線漂移校正方法研究[J];光譜學(xué)與光譜分析;2014年10期

4 徐惠榮;徐文豪;陳華瑞;姚洋;張安紅;;基于光譜技術(shù)的褐殼血斑蛋鑒別方法研究[J];農(nóng)業(yè)機械學(xué)報;2014年02期

5 劉燕德;施宇;蔡麗君;周延睿;;基于CARS算法的臍橙可溶性固形物近紅外在線檢測[J];農(nóng)業(yè)機械學(xué)報;2013年09期

6 孫通;許文麗;林金龍;劉木華;何秀文;;可見/近紅外漫透射光譜結(jié)合CARS變量優(yōu)選預(yù)測臍橙可溶性固形物[J];光譜學(xué)與光譜分析;2012年12期

7 吳靜珠;徐云;;基于CARS-PLS的食用油脂肪酸近紅外定量分析模型優(yōu)化[J];農(nóng)業(yè)機械學(xué)報;2011年10期

8 洪涯;洪添勝;代芬;張昆;陳厚文;李巖;;連續(xù)投影算法在砂糖橘總酸無損檢測中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報;2010年S2期

9 孫向東;劉擁軍;陳雯雯;賈智寧;黃保續(xù);;箱線圖法在動物衛(wèi)生數(shù)據(jù)異常值檢驗中的運用[J];中國動物檢疫;2010年07期

10 張華秀;李曉寧;范偉;梁逸曾;唐玉蓮;;近紅外光譜結(jié)合CARS變量篩選方法用于液態(tài)奶中蛋白質(zhì)與脂肪含量的測定[J];分析測試學(xué)報;2010年05期

相關(guān)博士學(xué)位論文 前3條

1 孫力;禽蛋品質(zhì)在線智能化檢測關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2013年

2 白雪;聚類分析中的相似性度量及其應(yīng)用研究[D];北京交通大學(xué);2012年

3 張巧杰;直鏈淀粉檢測方法與技術(shù)研究[D];中國農(nóng)業(yè)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前2條

1 徐文豪;血斑蛋光譜特征及實時檢測研究[D];浙江大學(xué);2013年

2 岑益科;基于機器視覺的雞蛋品質(zhì)檢測方法研究[D];浙江大學(xué);2006年

，

本文編號：2401443