冷却羊肉表面细菌总数的高光谱分析与检测平台设计

摘要

冷却羊肉的卫生质量情况可通过其表面的细菌总数(TVC)反映出来，本课题通过高光谱技术，利用波长覆盖范围为400～1100nm高光谱成像系统对85个冷却羊肉样本进行高光谱数据采集，采用多种算法建立了冷却羊肉表面TVC预测模型和冷却羊肉新鲜度分类模型，对各模型进行分析比较，选择出最优的建模方法，并结合MATLAB软件的图形用户界面(GUI)设计一款冷鲜羊肉表面细菌总数检测平台，实现了对冷却羊肉卫生安全品质检测的智能化。
　　本研究的主要成果如下:
　　(1)对冷却羊肉样本进行高光谱数据采集（波长范围为400～1100nm），采用多种方法对原始高光谱数据进行预处理，通过建立BP神经网络模型，得出最佳预处理方法是标准正态变量变换(SNV)结合小变换(WT)以及平滑法(S-G)，同时采用了主成分分析法(PCA)对高光谱数据进行降维。
　　(2)分别采用了BP-ANN，RBF-ANN，PLSR和SVM四种经典方法对冷却羊肉表面TVC建立预测模型，为了提高模型的预测精度，介绍了一种新的神经网络算法——ELM，分别实现了ELM、KELM模型，并提出了粒子群算法(PSO)和遗传算法(GA)对KELM模型进行优化。通过分析比较，基于ELM算法的4种模型预测精度优于经典方法，其中最优方法为GA-KELM模型，训练集的相关系数和均方根误差分别为0.9300和0.0016;预测集的相关系数和均方根误差分别为0.9835和0.0015。
　　(3)以TVC为参考值，对冷却羊肉建立了新鲜度分类模型，分别实现了PSO-SVM，ELM模型，以及二者的优化方法CPSO-SVM和FA-ELM模型，通过对4种方法分析比较，CPSO-SVM分类效果最优，其中，训练集的分类准确率为95.313％，预测集的分类准确率为100％。
　　(4)运用MATALB软件中的图形用户界面(GUI)设计了一款冷鲜羊肉表面细菌总数检测平台，包括TVC检测、新鲜度识别、预处理和结果分析4个模块，通过运行界面的相关功能，实现对冷却羊肉品质快速、无损以及智能化的检测分析。

目录

声明

摘要

第一章 绪论

1．1 课题来源及研究目的与意义

1．2 高光谱技术介绍

1．3 基于高光谱技术肉产品品质检测的国内外研究现状

1．4 论文研究的主要内容

第二章 高光谱数据采集及预处理

2．1 高光谱图像采集

2．2 样本表面细菌总数测定

2．3 高光谱数据预处理及降维

2．4 本章小结

第三章 冷却羊肉表面细菌总数预测模型建立

3．1 经典预测建模方法介绍

3．2 基于极限学习机的预测模型建立

3．3 基于核极限学习机融合算法预测模型建立

3．4 模型性能比较

3．5 本章小结

第四章 冷却羊肉新鲜度分类模型建立

4．1 实验样本划分

4．2 冷却羊肉新鲜度分类方法介绍

4．3 模型分析比较

4．4 本章小结

第五章 基于MATLAB GUI的检测平台设计

5．1 MATLAB图形用户界面(GUI)介绍

5．2 检测平台的GUI结构框图

5．3 检测平台的GUI设计

5．4 本章小结

第六章 总结与展望

6．1 全文总结

6．2 问题与展望

参考文献

致谢

附录

个人简介