基于可视传感器的鳊鱼新鲜度评估模型研究:BP神经网络与siPLS方法

需积分: 3 1 下载量 23 浏览量 更新于2024-09-08 收藏 303KB PDF 举报
本文主要探讨了"基于可视传感器阵列的鳊鱼新鲜度评价模型"的研究,由穆丽君、黄星奕、姚丽娅和戴煌四位作者合作完成。这项研究的目的是为了建立一种无接触式的鱼鲜度评估方法,通过利用可视传感器阵列来测量和分析鱼体的颜色变化,以此作为衡量其气味特征的指标。这种方法旨在克服传统评估方式的局限,比如可能对鱼体造成物理损伤。 研究采用了可视传感阵列技术,这种技术能够实时获取鱼体颜色变化的数据,这些数据反映的是鱼的新鲜度状况。同时,研究人员还结合了行业标准SC/T3032-2007中的挥发性盐基氮(TVB-N)含量测量,TVB-N是衡量肉类新鲜度的重要参数,因为它与蛋白质腐败有关。 作者们构建了两种模型:一种是基于BP神经网络(BP-ANN)的定性模型,该模型在训练集和预测集上的正确率分别达到了86.79%和86.43%,显示出较高的预测精度。另一种是联合间隔偏最小二乘法(siPLS)的定量模型,尽管稍逊于BP-ANN,但校正集和预测集的正确率分别为82.52%和80.67%,同样具有实用价值。 文章强调了可视传感器新技术与TVB-N之间的显著相关性,这表明通过这种技术可以快速、无损地预测鱼类在储存过程中TVB-N的变化,进而有效地评估其新鲜度。这对于食品工业和水产养殖业来说,是一种潜在的革新性工具,有助于提高产品质量控制和减少浪费。 关键词包括:鳊鱼、可视传感器阵列、挥发性盐基氮、BP神经网络和联合间隔偏最小二乘法,这些都是论文的核心内容,展示了研究的焦点和创新点。整体上,这篇论文提供了一种新颖且实用的鲜度评估方法,具有很高的学术价值和实际应用潜力。