基于近紅外光譜技術的豬肉新鮮度快速預測與識別.pdf_第1頁
已閱讀1頁,還剩85頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、豬肉新鮮度的傳統(tǒng)檢測方法操作繁瑣、耗時長、難以滿足大批量樣本的快速、實時檢測。另外,市場中以冷凍肉冒充新鮮肉的情況時有發(fā)生。因此,本文基于近紅外光譜技術對揮發(fā)性鹽基氮(TVB-N)和細菌總數(shù)(TVC)這兩個代表豬肉新鮮度的指標進行了定量建模預測,并對冷凍豬肉進行了定性建模判別。具體結論如下:
   1、以完整肉塊、絞碎肉泥、滲出肉汁三種樣品預處理方法建立了不同的揮發(fā)性鹽基氮的偏最小二乘(PLS)定量預測模型,通過多種光譜預處理方

2、法獲得各自的最優(yōu)模型,將最優(yōu)模型進行比較后得出結論:絞碎肉泥的樣品預處理方法最好,其原始光譜經(jīng)過標準變量變換(SNV)后建立的模型為最優(yōu)模型,建模集相關系數(shù)和均方差為0.85412、2.65,預測集相關系數(shù)和均方差為0.82626、2.79。
   2、利用多傳感器信息融合技術將近紅外光譜、色差、pH三者的傳感器信息通過徑向基函數(shù)網(wǎng)絡(RBFN)進行數(shù)據(jù)層的融合,來預測豬肉的揮發(fā)性鹽基氮含量。比較了單個信息和不同信息組合預測的結

3、果,發(fā)現(xiàn)三者融合在一起時,揮發(fā)性鹽基氮預測模型的性能最好,訓練集相關系數(shù)和均方差為0.98、1.565、預測集相關系數(shù)和均方差為0.945、2.722。
   3、通過多種數(shù)據(jù)處理方法建立并優(yōu)化了細菌總數(shù)的定量預測模型。其中:最優(yōu)光譜預處理方法為多元散射校正(MSC);相關系數(shù)法提取特征波段為9759~8878cm-1、8756~8230cm-1、7610~7212cm-1、6766~6606cm-1、4860~4582cm-1

4、,其中第一、第四和第五個波段區(qū)間與已測定的蛋白質中的N-H在近紅外區(qū)域中的吸收譜帶較為一致,可以推斷豬肉中細菌總數(shù)含量和豬肉蛋白質的變化有一定的關系;最后將提取出的特征波段輸入誤差反向傳播人工神經(jīng)網(wǎng)絡(BP-ANN),得到最優(yōu)模型,其訓練集和預測集的相關系數(shù)在0.98左右、均方差在0.23左右。
   4、建立了-18℃下凍藏0天、10天、20天、30天的豬肉樣本的主成分分析結合馬氏距離判別模型和概率神經(jīng)網(wǎng)絡(PNN)判別模型,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論