【摘要】：豬肉是我國居民的最主要肉類食源之一,具有豐富的營養(yǎng)價值。豬肉p H值、含水率等品質(zhì)的好壞直接關(guān)系到豬肉產(chǎn)品的存儲時間、生產(chǎn)加工以及食用安全�；诠庾V技術(shù)的多元校正模型能實(shí)現(xiàn)對豬肉品質(zhì)的快速、無損檢測,然而這種校正模型只能對一定測量條件(儀器條件或環(huán)境溫度)、某一品種范圍的樣本進(jìn)行預(yù)測,而對不同測量條件或不同品種樣本的光譜數(shù)據(jù),則會出現(xiàn)預(yù)測誤差較大,或完全不可用的問題。因此開展模型傳遞方法研究,建立一個穩(wěn)健性好、適用性強(qiáng)、預(yù)測精度高的豬肉品質(zhì)光譜檢測模型具有重要的科學(xué)意義和良好的應(yīng)用前景。該文以杜長大豬肉、茂佳山黑豬肉和零號土豬肉3個品種豬肉為研究對象,建立了基于高光譜成像技術(shù)的豬肉品質(zhì)定量檢測模型,繼而對豬肉品質(zhì)檢測模型的適用性進(jìn)行檢驗,針對模型適用性差的問題,開展了對不同品種之間的豬肉品質(zhì)檢測模型傳遞方法的研究。主要研究結(jié)果如下:1)研究了不同樣本集劃分方法以及不同光譜預(yù)處理方法對3個品種豬肉p H值及含水率模型性能的影響,確定了豬肉p H值及含水率的較優(yōu)定量檢測模型。分別采用了RS、K/S和SPXY 3種劃分方法對3個品種豬肉樣本進(jìn)行校正集和測試集的劃分,采用了平滑(Smooth)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、多元散射校正(MSC)、平均中心化(MC)以及它們的組合方法對原始光譜進(jìn)行預(yù)處理,比較不同預(yù)處理光譜的偏最小二乘回歸(Partial Least Squares Regression,PLSR)模型結(jié)果,確定較優(yōu)的樣本集劃分方法以及光譜預(yù)處理方法,建立了較優(yōu)的豬肉p H值及含水率PLSR模型。杜長大豬肉p H值較優(yōu)定量檢測模型交互驗證相關(guān)系數(shù)Rc為0.924,預(yù)測相關(guān)系數(shù)Rp達(dá)到0.904,交互驗證均方根誤差RMSECV為0.045,預(yù)測均方根誤差RMSEP為0.046;茂佳山黑豬肉p H值定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc為0.903,Rp達(dá)到0.853,RMSECV為0.090,RMSEP為0.084;零號土豬肉p H值定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc為0.906,Rp達(dá)到0.883,RMSECV為0.133,RMSEP為0.113。杜長大豬肉含水率定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc為0.940,Rp為0.940,RMSECV為0.279%,RMSEP為0.237%;茂佳山黑豬肉含水率定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc為0.932,Rp達(dá)到0.944,RMSECV為0.512%,RMSEP為0.395%;零號土豬肉含水率定量檢測模型的較優(yōu)預(yù)測結(jié)果:Rc達(dá)到0.927,Rp達(dá)到0.923,RMSECV為0.512%,RMSEP為0.382%。3)研究了杜長大豬肉高光譜檢測模型的適用性,確定了杜長大豬肉p H值及含水率高光譜模型不能實(shí)現(xiàn)對茂佳山黑豬肉和零號土豬肉樣本PH值及含水率的預(yù)測。分別采用了平均光譜法、主成分得分空間分布法、馬氏距離法及模型驗證法對杜長大豬肉主模型的適用性進(jìn)行了檢驗,比較了杜長大豬肉樣本與茂佳山黑豬肉和零號土豬肉樣本的平均光譜圖、主成分得分空間分布圖以及馬氏距離圖之間的差異,并用杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉樣本進(jìn)行預(yù)測。結(jié)果表明:杜長大豬肉樣本平均光譜、主成分得分空間分布以及馬氏距離與茂佳山黑豬肉和零號土豬肉樣本之間均存在較大的差異,且杜長大豬肉p H值及含水率模型對茂佳山黑豬肉和零號土豬肉樣本預(yù)測結(jié)果較差:杜長大豬肉p H值模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測相關(guān)系數(shù)Rp分別為0.770和0.731,預(yù)測均方根誤差RMSEP分別為0.111和0.209,剩余預(yù)測偏差RPD僅達(dá)到1.533和1.234;杜長大豬肉含水率模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測相關(guān)系數(shù)Rp分別為0.513和0.712,RMSEP分別為1.151%和0.857%,剩余預(yù)測偏差RPD僅達(dá)到1.000和1.214。4)研究了模型更新方法對豬肉p H值高光譜檢測模型的傳遞效果,并分別提出了一種光譜和預(yù)測值同步校正(CSPV)的傳遞算法與一種分段直接校正結(jié)合線性插值(PDS-LI)傳遞算法,分析比較了3種方法對豬肉p H值高光譜檢測模型的傳遞結(jié)果,確定了較優(yōu)的豬肉p H值模型傳遞方法。采用模型更新方法對杜長大豬肉模型進(jìn)行傳遞,對于茂佳山黑豬肉樣本,當(dāng)添加的代表性樣本數(shù)為11個時,模型傳遞結(jié)果達(dá)到最優(yōu),此時Rp由傳遞前的0.770提高到0.869,提高了13%,RPD由傳遞前的1.533提高到1.934,提高了26%,滿足Rp≥0.837,且RPD≥1.9的條件,表明模型更新方法可實(shí)現(xiàn)對茂佳山黑豬肉樣本的預(yù)測。對于零號土豬肉樣本,當(dāng)添加的代表性樣本數(shù)為9個時,模型傳遞結(jié)果達(dá)到最優(yōu),此時Rp由傳遞前的0.731提高到0.845,提高了16%,RPD由傳遞前的1.234提高到1.804,提高了46%,但不滿足Rp≥0.837,且RPD≥1.9的條件,表明模型更新方法不能實(shí)現(xiàn)對零號土豬肉樣本的預(yù)測。上述結(jié)果說明模型更新法對杜長大豬肉p H值高光譜模型的傳遞效果有限。針對不同品種間的模型傳遞問題,提出了一種光譜和預(yù)測值同步校正(CSPV)的傳遞算法,該算法對杜長大豬肉p H值高光譜模型傳遞有較好的結(jié)果。對于茂佳山黑豬肉樣本,當(dāng)標(biāo)樣數(shù)為9個時,杜長大豬肉模型對茂佳山黑豬肉樣本預(yù)測結(jié)果達(dá)到最優(yōu),Rp提高到0.889,相對傳遞前提高了15%,RPD為2.071,相對傳遞前提高了35%;對于零號土豬肉樣本,當(dāng)標(biāo)樣數(shù)為10個時,杜長大豬肉模型對零號土豬肉樣本的預(yù)測結(jié)果達(dá)到最優(yōu),Rp達(dá)到0.900,相對傳遞前提高了23%,RPD達(dá)到2.213,相對傳遞前提高了79%。針對不同品種間的模型傳遞問題,提出了一種分段直接校正結(jié)合線性插值(PDS-LI)的傳遞算法,該算法對杜長大豬肉p H值高光譜模型有較好的傳遞結(jié)果。對于茂佳山黑豬肉樣本,當(dāng)標(biāo)樣數(shù)為29個時,杜長大豬肉模型對茂佳山黑豬肉樣本的預(yù)測結(jié)果達(dá)到最優(yōu),此時Rp為0.895,相對傳遞前提高了16%,RPD為2.179,相對傳遞前提高了42%;對于零號土豬肉樣本,當(dāng)標(biāo)樣數(shù)為22個時,杜長大豬肉模型對零號土豬肉樣本的預(yù)測結(jié)果達(dá)到最優(yōu),Rp達(dá)到0.892,相對傳遞前提高了22%,RPD達(dá)到2.005,相對傳遞前提高了62%。模型更新、CSPV以及PDS-LI傳遞算法對杜長大豬肉p H值高光譜模型的傳遞結(jié)果表明:CSPV和PDS-LI 2種算法的傳遞結(jié)果相似,且均優(yōu)于模型更新方法結(jié)果,因此確定CSPV和PDS-LI算法為較優(yōu)的豬肉p H值高光譜模型傳遞算法。5)研究了豬肉含水率高光譜檢測模型傳遞方法。分別采用模型更新、CSPV以及PDS-LI傳遞算法對杜長大豬肉豬肉含水率模型進(jìn)行傳遞,并比較了3種方法的模型傳遞結(jié)果,確定了較優(yōu)的豬肉含水率高光譜模型傳遞算法。模型更新方法可實(shí)現(xiàn)杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測。當(dāng)添加的茂佳山黑豬肉和零號土豬肉代表性樣本數(shù)分別為21和19個時,傳遞模型對2個品種樣本預(yù)測結(jié)果達(dá)到最優(yōu),Rp分別達(dá)到0.891和0.853,相對傳遞前分別提高了74%和20%,RPD分別為2.166和2.076,相對傳遞前分別提高了116%和71%。CSPV算法可實(shí)現(xiàn)杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測。當(dāng)茂佳山黑豬肉和零號土豬肉標(biāo)樣數(shù)分別為20和18個時,最優(yōu)預(yù)測結(jié)果Rp分別達(dá)到0.918和0.925,相對傳遞前分別提高了79%和30%,RPD分別達(dá)到2.460和2.379,相對傳遞前分別提高了146%和96%。PDS-LI算法能實(shí)現(xiàn)杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉樣本的預(yù)測。當(dāng)茂佳山黑豬肉和零號土豬肉標(biāo)樣數(shù)分別為32和22個時,最優(yōu)預(yù)測結(jié)果Rp分別達(dá)到0.912和0.921,相對傳遞前分別提高了78%和29%,,RPD分別達(dá)到2.447和2.364,相對傳遞前分別提高了145%和95%。結(jié)果表明:3種算法均在不同程度上提高了杜長大豬肉模型對茂佳山黑豬肉和零號土豬肉的預(yù)測結(jié)果,并實(shí)現(xiàn)了杜長大豬肉含水率模型傳遞,但比較最優(yōu)傳遞結(jié)果可知,CSPV和PDS-LI算法傳遞結(jié)果相似,且均優(yōu)于模型更新法的傳遞結(jié)果,因此CSPV和PDS-LI算法為較優(yōu)的豬肉含水率高光譜模型傳遞算法。
【圖文】：

圖 3-3 豬肉樣品 pH值馬氏距離分布Mahalanobis distance distribution of pH of pork Model Verification)的杜長大豬肉 pH 值 PLSR 模型，分別行預(yù)測，預(yù)測結(jié)果如表 3-1 所示，，預(yù)測

圖 3-4 分段直接校正結(jié)合線性插值算法流程圖low chart of piecewise direct standardization combine with linear interpolation (PalgorithmI 傳遞算法具體步驟如下所示：立主模型。采用（Sample Set Partitioning based on Joint X-Y DSPXY）算法將主品種樣品劃分為校正集和測試集，對應(yīng)光譜矩
【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】：2015
【分類號】：S879.2;S818.9

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王菊香;李華;邢志娜;郭恒光;;小波多尺度分段直接校正法用于近紅外光譜模型傳遞的研究[J];分析化學(xué);2011年06期

2 褚小立,袁洪福,陸婉珍;光譜多元校正中的模型傳遞[J];光譜學(xué)與光譜分析;2001年06期

3 蘆永軍;曲艷玲;馮志慶;宋敏;;多元散射校正技術(shù)用于近紅外定標(biāo)波長組合的優(yōu)選研究[J];光譜學(xué)與光譜分析;2007年01期

4 錢平;孫國琴;張存洲;;基于近紅外光譜技術(shù)的石油組分定量分析新方法[J];光譜學(xué)與光譜分析;2008年12期

5 高云;高建芹;王小天;;油菜籽品質(zhì)指標(biāo)近紅外數(shù)學(xué)模型的儀器間轉(zhuǎn)移優(yōu)化[J];江蘇農(nóng)業(yè)科學(xué);2012年03期

6 黨文新;盧曉宇;龔紅菊;;樣本集選擇對稻谷千粒重NIR模型預(yù)測精度的影響[J];江西農(nóng)業(yè)學(xué)報;2011年05期

7 高曉東;吳建虎;彭彥昆;陳菁菁;陶斐斐;;基于高光譜成像技術(shù)的牛肉大理石花紋的評估[J];農(nóng)產(chǎn)品加工(學(xué)刊);2009年10期

8 王菊香;邢志娜;申剛;劉潔;;光譜預(yù)處理和波長選擇對混胺燃料各指標(biāo)近外光譜定量分析結(jié)果的影響比較[J];計算機(jī)與應(yīng)用化學(xué);2013年01期

9 程志斌,葛長榮,李德發(fā);淺談豬肉的營養(yǎng)價值[J];肉類工業(yè);2005年05期

10 王菊香;李華;邢志娜;郭恒光;;波長篩選結(jié)合直接校正法用于近紅外光譜模型傳遞研究[J];分析測試學(xué)報;2011年01期

相關(guān)碩士學(xué)位論文 前2條

1 孫雷;利用近紅外光譜法檢測酸奶中蛋白質(zhì)和脂肪含量[D];吉林大學(xué);2008年

2 文東東;基于光譜技術(shù)的牛肉新鮮度檢測模型維護(hù)方法研究[D];華中農(nóng)業(yè)大學(xué);2013年

本文編號：2536225