近红外透射光谱识别鸡蛋新鲜度：SI-PLS模型优于BP-ANN

本文研究了利用可见近红外透射光谱技术对鸡蛋新鲜度进行快速无损评估的方法。鸡蛋的新鲜度通常通过哈夫单位（Haugh Unit, 表示蛋白质含量和蛋壳强度的指标）、蛋黄指数（Yolk Index, 描述蛋黄大小和形状的参数）以及失重率（Weight Loss Rate, 反映蛋壳完整性及蛋内物质流失的程度）来衡量。这些参数对于食品质量控制至关重要。 研究团队采取了先进的光谱分析技术，选择了550至985纳米的近红外光波段，因为这一区域的光谱可以反映出鸡蛋内部的化学成分变化。首先，他们运用Savitzky-Golay光谱平滑方法和一阶微分对原始光谱进行预处理，以消除噪声和提高信号质量。接着，采用了联合区间偏最小二乘法（SI-PLS），这是一种有效的特征选择和模型构建方法，它可以在众多光谱或波长区间中筛选出最具代表性的特征。 在预处理后的数据上，他们进一步利用主成分分析（PCA）提取光谱的有用信息，并将其作为输入变量输入到反向传播人工神经网络（BP-ANN）中，进行非线性建模。BP-ANN模型是人工智能领域的经典算法，能够捕捉复杂的模式关系。通过比较SI-PLS和BP-ANN两种模型的预测效果，结果显示SI-PLS模型的性能更优，这意味着其在鸡蛋新鲜度预测方面具有更高的准确性和可靠性。 实验结果显示，通过近红外透射光谱技术可以有效地测量鸡蛋的新鲜度，这为食品加工和流通领域提供了快速且无损的检测手段，有利于降低生产成本，提高产品质量控制的效率。这项研究成果对于食品行业来说具有重要的实践价值和理论意义，表明光谱学技术在食品安全监控中的潜力得到了进一步挖掘和拓展。