基于超声成像技术的火腿肠等级判别

论文摘要

本研究通过超声成像技术实现火腿肠的等级判别,利用火腿肠的蛋白质、脂肪、淀粉等理化指标,将其分为特级、优级、普通级。分别采集3个等级的火腿肠共120份超声图像信息,提取图像的角二阶矩、熵、平均值等常见纹理特征值。然后利用主成分分析（PCA）结合K-最近邻法（KNN）和最小二乘支持向量机（LS-SVM）化学计量学方法建立基于纹理特征的火腿肠等级判别模型。结果表明:不同等级火腿肠的超声图像差异明显,且超声图像的纹理特征值差异显著（P<0.05）。建立的识别模型中,LS-SVM模型的校正集识别率为100%,预测集识别率为94.87%;KNN模型优于LS-SVM模型,当主成分数为2,K为1时,KNN模型对应的校正集识别率为97.53%,预测集识别率为97.44%。超声成像技术可实现火腿肠等级的快速准确识别,研究结果可为超声成像技术在火腿肠等级判别方面的应用提供参考。

论文目录

• 1 材料与方法
•   1.1 材料与试剂
•   1.2 火腿肠超声图像采集
•   1.3 火腿肠等级测定
•   1.4 图像纹理特征提取
•   1.5 KNN和LS-SVM模式识别基本原理
• 2 结果与分析
•   2.1 各等级火腿肠截面超声图像与纹理特征值
•   2.2 等级判别分析
•     2.2.1 主成分分析
•     2.2.2 基于KNN的等级判别
•     2.2.3 基于LS-SVM的等级判别
•     2.2.4 2种模型对比
• 3 结论

文章来源

类型: 期刊论文

作者: 邹小波,张俊俊,赵号,石吉勇,翟晓东,胡雪桃

关键词: 超声成像,火腿肠,纹理特征,主成分分析,最近邻法

来源: 中国食品学报 2019年07期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 轻工业手工业

单位: 江苏大学食品与生物工程院

基金: 国家重点研发计划重点专项(2018YFD0400803),国家自然科学基金项目(31601543,31671844,31801631),江苏省自然科学基金项目(BK20160506,BK20180865)

分类号: TS251.65

DOI: 10.16429/j.1009-7848.2019.07.030

页码: 227-233

总页数: 7

文件大小: 481K

下载量: 149