近红外高光谱联用Stepwise算法快速无接触评估冷鲜鸡肉色泽及嫩度

论文摘要

利用900～1700 nm近红外高光谱成像系统联用Stepwise算法快速评估鸡肉色泽和嫩度。通过采集新鲜屠宰鸡肉高光谱图像,提取试验样本感兴趣区域（Region of interests,ROI）反射光谱信息,经中值滤波平滑（Median filtering smoothing,MFS）、多元散射校正（Multiplicative scatter correction,MSC）和标准正态变量变换（Standard normal variable correction,SNV）三种预处理后,分别利用偏最小二乘（Partial Least Squares,PLS）和多元线性回归（Multiple linear regression,MLR）挖掘光谱信息与鸡肉色泽参数（L*、a*、b*）及嫩度参考值之间的定量关系。结果显示,经MFS预处理的近红外光谱（486个波长）构建的全波段PLS回归模型（F-PLS）预测L*（RP=0.904,RMSEP=2.036）、b*（RP=0.908,RMSEP=1.577）和嫩度（RP=0.948,RMSEP=1.596）效果更好。为提高预测效率,采用Stepwise算法筛选最优波长优化F-PLS模型,结果显示,从SNV预处理光谱筛选的14个最优波长构建MLR回归模型预测L*值（RP=0.894,RMSEP=2.160）效果较优,从SNV预处理光谱筛选的13最优波长构建的O-PLS回归模型预测b*值（RP=0.877,RMSEP=1.811）效果较优,从MFS预处理光谱筛选的20个最优波长构建O-PLS回归模型预测嫩度值（RP=0.888,RMSEP=2.408 N）效果较优。本试验表明,利用近红外高光谱成像技术结合Stepwise算法可实现鸡肉色泽参数L*、b*值以及嫩度的快速评估。

论文目录

• 1 材料与方法
•   1.1 材料与仪器
•   1.2 试验方法
•     1.2.1 样品预处理
•     1.2.2 高光谱数据采集
•     1.2.3 色泽和嫩度的测定
•     1.2.4 光谱提取及预处理
•     1.2.5 模型的构建及评价
•     1.2.6 最优波长的选择与模型优化
• 2 结果与分析
•   2.1 色泽和嫩度测定结果
•   2.2 鸡肉样品光谱特征
•   2.3 基于全波段光谱的PLS预测色泽及嫩度结果
•   2.4 Stepwise法筛选最优波长结果
•   2.5 基于最优波长的PLS预测色泽及嫩度结果
•   2.6 MLR和O-PLS预测色泽及嫩度效果对比
• 3 结论

文章来源

类型: 期刊论文

作者: 蒋圣启,何鸿举,王慧,马汉军,陈复生,刘玺,贾方方,康壮丽,潘润淑,朱明明,赵圣明,王正荣

关键词: 高光谱,检测,鸡肉,色泽,嫩度

来源: 食品工业科技 2019年13期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 化学,轻工业手工业

单位: 河南科技学院食品学院,河南科技学院博士后研发基地,河南工业大学粮油食品学院,商丘师范学院生物与食品学院

基金: 河南省重大科技专项项目(161100110600),中国博士后科学基金(2018M632767),河南省科技攻关项目(182102310060,182102110091,182102110404,192102110108),河南省青年人才托举工程项目(豫科协发[2017]132号,No.8),河南省高等学校重点科研项目(17A550001,18A550007),河南科技学院高层次人才引进项目(2015015),河南科技学院重大科研培育项目(2016ZD03)

分类号: TS251.55;O657.33

DOI: 10.13386/j.issn1002-0306.2019.13.021

页码: 125-133

总页数: 9

文件大小: 3563K

下载量: 231