基于高光譜成像技術的肉品品質無損檢測方法研究.pdf

1、本研究以牛肉為主要研究對象，采用可見-近紅外高光譜成像系統(tǒng)（400-1100nm）對103個牛肉樣本進行數據分析。通過對多種預處理算法處理及特征波長優(yōu)選后的數據建立牛肉新鮮度和水分含量的校正集預測模型和預測集預測模型，并對模型評價指標進行對比，為了找出最適合牛肉品質的快速無損檢測方法，為牛肉內部品質的在線檢測提供理論基礎。論文的主要研究結果如下：
　　首先，對已獲得的牛肉原始光譜數據進行多種算法的預處理，再進行多元線性回歸建模，比

2、較模型評價指標，最終得出適合牛肉新鮮度和水分含量的預處理算法為一階差分寬度二次多項式9點 S.Golay卷積求導法。其次對經過預處理后的光譜數據進行降維，選取牛肉新鮮度和水分含量分別所對應的特征波長，便于后續(xù)模型建立。最后，分別采用MLR、BP-ANN和RBF-ANN對經過上述處理后的光譜數據分別進行牛肉新鮮度的校正集和預測集建模，結果表明，校正集建模時，RBF-ANN建模的相關系數（R）為0.9983，校正均方根誤差（RMSEC）為0

3、.0426。預測集建模時，RBF-ANN建模的相關系數（R）為0.9989，預測均方根誤差（RMSEP）為0.0256，牛肉新鮮度建模采取RBF-ANN時效果最佳。采用MLR、BP-ANN和 RBF-ANN對經過上述處理后的光譜數據分別進行牛肉水分含量的校正集和預測集建模，結果表明，校正集建模時，RBF-ANN建模的相關系數（R）為0.9989，校正均方根誤差（RMSEC）為0.0338。預測集建模時，RBF-ANN建模的相關系數（R）