基于高光譜成像技術(shù)的干貝水分含量快速檢測(cè)研究.pdf

1、扇貝肉作為味美、易消化、營養(yǎng)價(jià)值高的食物深受廣大消費(fèi)者青睞。因需求旺盛，大量的扇貝需要從沿海地區(qū)經(jīng)過長(zhǎng)途運(yùn)輸分銷內(nèi)陸各地。由于其水分含量豐富，肉質(zhì)結(jié)構(gòu)松軟，在長(zhǎng)途運(yùn)輸過程中容易腐敗變質(zhì)。因此，需要對(duì)扇貝進(jìn)行脫水干燥處理，延長(zhǎng)貨架期，滿足較遠(yuǎn)的內(nèi)陸食用要求。然而在扇貝的干燥過程中，水分含量的多少直接聯(lián)系著干貝的品質(zhì)，同時(shí)在市場(chǎng)上也會(huì)呈現(xiàn)價(jià)格的參差不齊。因此，在加工過程中，控制干貝的水分含量，保證干貝的品質(zhì)是非常重要的。本文研究應(yīng)用高光譜成

2、像技術(shù)實(shí)現(xiàn)干貝水分含量快速檢測(cè)及不同干燥時(shí)期干貝內(nèi)水分含量分布的可視化，并對(duì)不同品種干貝水分含量模型進(jìn)行維護(hù)研究，減弱品種差異對(duì)模型預(yù)測(cè)結(jié)果的影響。為將來水產(chǎn)品加工領(lǐng)域的生產(chǎn)自動(dòng)化、精細(xì)化奠定了基礎(chǔ)。
　　本文首先提取了6個(gè)干燥時(shí)期共270個(gè)海灣干貝樣本感興趣區(qū)域的平均光譜數(shù)據(jù)，結(jié)合隨機(jī)劃分法(RS)、Kennard-Stone法(KS)、光譜-理化值共生距離法(SPXY)和濃度梯度法(CG)樣本集劃分方法，建立海灣干貝水分含量全

3、波段下的PLSR(Partial least squares regression)和LS-SVM(Least-squares support vector machines)檢測(cè)模型，并比較了各模型預(yù)測(cè)效果，建議繼續(xù)采用RS法用于海灣干貝水分含量檢測(cè)及水分含量分布可視化研究。
　　然后基于RS法劃分的建模集數(shù)據(jù)，采用回歸系數(shù)法(RC)提取了8個(gè)特征波長(zhǎng)，建立特征波段下的PLSR和LS-SVM模型。綜合比較基于全波段和特征波段下的

4、4個(gè)模型的預(yù)測(cè)結(jié)果，考慮變量數(shù)、運(yùn)算速率及今后的開發(fā)應(yīng)用前景，優(yōu)先選擇RC-PLSR為最優(yōu)模型，其結(jié)果為:Rc=0.9339、RMSEC=4.1567％、RP=0.9673、RMSEP=3.5584％和RPD=3.7150。
　　進(jìn)一步基于所得的最優(yōu)模型RC-PLSR，計(jì)算得到預(yù)測(cè)集樣本圖像上所有像素點(diǎn)的水分含量，利用偽彩色圖像編碼技術(shù)，實(shí)現(xiàn)不同干燥時(shí)期干貝水分含量分布可視化。接著對(duì)圖像ROI內(nèi)所有像素點(diǎn)的水分含量求平均，得該干貝

5、樣本的水分含量值。水分含量實(shí)測(cè)值和預(yù)測(cè)值之間的相關(guān)系數(shù)為0.9576，說明可視化干貝水分含量的可行性，為將來的高光譜成像技術(shù)在干貝加工領(lǐng)域的自動(dòng)化應(yīng)用奠定了基礎(chǔ)。
　　最后研究了最優(yōu)模型RC-PLSR的穩(wěn)定性。分析了不同品種干貝在水分含量值和高光譜曲線上的差異，強(qiáng)調(diào)模型維護(hù)的必要性。對(duì)基于光譜修正法的模型維護(hù)結(jié)果R=0.7031和RMSE=9.7481％同VSWS-PDS(Variety sensitive wavelength