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

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。