利用高光谱成像技术快速检测鸡肉挥发性盐基氮含量
184 浏览量
更新于2024-08-28
收藏 3.45MB PDF 举报
"该研究利用高光谱成像技术结合遗传联合区间偏最小二乘(GA-Si-PLS)和反向传播神经网络(BP-ANN),对鸡肉中的挥发性盐基氮(TVB-N)含量进行了无损检测。通过筛选光谱信息中的最优波长,提取灰度图像纹理特征,并用主成分分析优化后,建立TVB-N含量的定量模型。实验结果显示,模型在训练集和预测集上的均方根误差分别为6.61和9.84,相关系数分别为0.9054和0.8030,证明了这种方法的有效性。"
本文详细探讨了如何运用高光谱成像技术来检测肉类的新鲜度,具体来说,是测定鸡肉中挥发性盐基氮(TVB-N)的含量。TVB-N是衡量肉制品新鲜程度的重要指标,因为它能反映肉品在储存过程中的蛋白质降解程度。研究者采用了一种创新的方法,即结合遗传算法(Genetic Algorithm, GA)和区间偏最小二乘法(Spectral Interval Partial Least Squares, Si-PLS)来从高光谱数据中筛选出对TVB-N检测最有贡献的波长。
在高光谱数据处理中,首先通过遗传算法优化选择出最具有代表性的光谱波段,这些波段与鸡肉的化学特性关联紧密。然后,对每个选定波长对应的灰度图像进行纹理特征分析,提取出与TVB-N含量相关的图像特征。接着,利用主成分分析(PCA)进一步减少特征维度并消除冗余,以降低后续建模的复杂性。
建模阶段,研究人员采用了反向传播神经网络(Backpropagation Artificial Neural Network, BP-ANN)来构建TVB-N的定量模型。反向传播神经网络是一种广泛应用的人工智能算法,能够处理非线性关系,适合于这种复杂的数据建模任务。通过训练集和预测集的测试,模型表现出较高的预测精度,其均方根误差和相关系数表明模型具有良好的稳定性和预测能力。
这项研究成功地将高光谱成像技术与机器学习算法结合,为食品行业中快速、无损评估肉制品新鲜度提供了一种新的可能。这种方法不仅可以提高食品安全检测的效率,也为未来其他食品成分的无损检测提供了借鉴。
2021-02-09 上传
2021-02-10 上传
2021-05-20 上传
点击了解资源详情
点击了解资源详情
2021-01-01 上传
2021-09-15 上传
2020-12-14 上传
weixin_38657848
- 粉丝: 5
- 资源: 906
最新资源
- 新代数控API接口实现CNC数据采集技术解析
- Java版Window任务管理器的设计与实现
- 响应式网页模板及前端源码合集:HTML、CSS、JS与H5
- 可爱贪吃蛇动画特效的Canvas实现教程
- 微信小程序婚礼邀请函教程
- SOCR UCLA WebGis修改:整合世界银行数据
- BUPT计网课程设计:实现具有中继转发功能的DNS服务器
- C# Winform记事本工具开发教程与功能介绍
- 移动端自适应H5网页模板与前端源码包
- Logadm日志管理工具:创建与删除日志条目的详细指南
- 双日记微信小程序开源项目-百度地图集成
- ThreeJS天空盒素材集锦 35+ 优质效果
- 百度地图Java源码深度解析:GoogleDapper中文翻译与应用
- Linux系统调查工具:BashScripts脚本集合
- Kubernetes v1.20 完整二进制安装指南与脚本
- 百度地图开发java源码-KSYMediaPlayerKit_Android库更新与使用说明