基于光谱图像信息融合技术的滩羊肉嫩度无损检测研究

摘要

嫩度主导肉品的食用品质，是影响肉的食用和商业价值的重要感官特性。传统的感官评价和理化检测方法难以满足快速在线检测需求，单一传感器无损检测技术又难以全面准确地评价肉品品质。本文以宁夏特色农产品滩羊为研究对象利用高光谱成像系统采集滩羊肉表面光谱信息和图像信息，通过多源信息融合技术融合滩羊光谱特征信息和图像特征信息，建立滩羊肉剪切力定量预测模型和嫩度等级判别模型实现滩羊嫩度品质的快速无损检测和评价。主要研究结论如下:
　　(1)基于光谱数据信息的滩羊肉嫩度检测
　　对滩羊肉400-1000nm及900-1700nm下的原始光谱数据进行预处理并建立PLSR模型，对比模型效果优选预处理方法。结果表明900-1700nm下的原始光谱数据和预处理光谱数据模型效果均不理想;400-1000nm原始光谱数据经S-G卷积平滑处理模型效果最优RC2=0.79、RMSEC=0.90，Rp2=0.72、RMSEC=0.95。
　　采用PLSR权重法基于局部最值提取了9个特征波长:444、487、564、588、636、684、756、919、953nm;分别利用全光谱波段和特征光谱波段建立羊肉嫩度PLSR预测模型和嫩度等级LDA分析模型。全波段和特征波段PLSR模型Rp分别为0.85、0.84，RMSEP均为0.95;全波段和特征波段LDA模型NER均为0.72，特征光谱数据模型和全波段光谱数据模型效果基本一致，说明所提取的特征光谱信息能够代替全波段光谱信息反映滩羊嫩度。
　　(2)基于图像数据信息的滩羊肉嫩度检测。
　　对样本进行图像算法处理计算出每个羊肉样本表面分布的脂肪块的面积和个数，按大中小三个级次划分，共提取羊肉肌间脂肪分布特征变量:总脂肪密度、大颗粒脂肪密度、中等颗粒脂肪密度、小颗粒脂肪密度、总脂肪颗粒密集度、大颗粒脂肪颗粒密集度、中等颗粒脂肪颗粒密集度、小颗粒脂肪颗粒密集度8个参数。
　　通过逐步回归的方法进一步筛选出4个有效特征变量:总脂肪密度、中等颗粒脂肪密度、总脂肪颗粒密集度、小颗粒脂肪密集度。
　　利用有效特征变量建立MLR模型和LDA模型，MLR模型Rp=0.69、RMSEP=1.10，LDA模型预测NER=0.84;通过图像处理的方法提取滩羊肉表面肌间脂肪分布特征建立滩羊肉嫩度定量预测和等级判别模型是可行的。对于滩羊肉嫩度定量预测，单一光谱信息源模型优于单一图像信息源模型;对于滩羊肉嫩度等级判别，单一图像信号源模型优于单一光谱信号源模型。
　　(3)基于光谱图像数据融合信息的滩羊肉嫩度检测。
　　设计潍羊肉光谱数据和图像数据特征层融合，建立嫩度PLSR模型和LDA模型。结果表明，特征层融合信息模型检测的准确性和稳定性较单一光谱信息模型和单一图像信息模型都有所提高，融合信息模型Rp=0.89、RMSEP=0.73;利用可见近红外高光谱成像技术结合光谱分析、图像处理、信息融合算法综合评价滩羊嫩度的方法是可行的。

目录

声明

摘要

第一章 绪论

1．1 研究目的及意义

1．2 国内外研究现状

1．3 研究内容和方法

1．4 技术路线

第二章 检测系统、材料与方法

2．1 高光谱成像系统

2．2 高光谱成像数据信号采集

2．3 羊肉嫩度及影响因素

2．4 实验材料及嫩度值标定

2．5 本章小结

第三章 基于光谱分析的羊肉嫩度预测

3．1 引言

3．2 光谱数据预处理方法

3．3 光谱特征变量选择

3．4 光谱数据定量分析

3．5 光谱数据定性分析

3．6 光谱分析模型评价

3．7 结果与分析

3．8 本章小结

第四章 基于图像信息的羊肉嫩度检测

4．1 引言

4．2 数据处理软件

4．3 图像处理算法设计和实现

4．4 结果与分析

4．5 本章小结

第五章 基于图谱融合信息的羊肉嫩度预测

5．1 引言

5．2 信息融合方式的选取

5．3 模型建立与分析

5．4 本章小结

第六章 结论与展望

6．1 结论

6．2 展望

参考文献

致谢

英文缩略表

作者简介及论文发表情况