基于高光谱成像技术的羊肉品种判别实时检测系统的研究

摘要

本文对宁夏3种类型羊做了判别研究，以小尾寒羊、盐池滩羊和滩寒杂交羊为研究对象，分别用可见近红外高光谱(400～1000nm)和近红外高光谱(900～1700nm)对3种类型羊的羊肉样本的光谱信息和数据进行研究，比较可见近红外高光谱（400～1000nm）和近红外高光谱(900～1700nm)对小尾寒羊、盐池滩羊和滩寒杂交羊的判别模型和品种判别结果，选用近红外高光谱的波段900～1700nm作为羊肉品种判别实时检测系统的检测波段。并搭建了基于近红外高光谱技术的羊肉品种判别实时检测系统。本文主要完成工作及研究结果如下:
　　(1)用可见近红外高光谱（400～1000nm）和近红外高光谱(900～1700nm)采集了小尾寒羊、盐池滩羊、滩寒杂交羊3种类型羊的羊肉光谱信息，对3种羊肉的原始光谱数据进行S-G、SNV、Area normalize、Max normalize、Baseline和Deresolve的预处理。以所有样本作为校正集，在400～1000nm范围内，基于SNV的PLS模型对样本校正集的正确识别率最高，达到92.14％，判别效果最佳。在900～1700nm范围内，Area normalize的PLS模型对样本校正集的正确识别率最高，达到93.10％,判别效果最佳。
　　(2)分别对盐池滩羊羊肉样本240个（分类号为1），小尾寒羊羊肉样本90个（分类号为2），滩寒杂交羊羊肉样本90个（分类号为3），进行校正集和预测集的划分。样本根据SPXY法按照3∶1划分校正集和预测集，校正集315个用于判别模型的建立，预测集105个用于判别模型的验证。然后用SPA、UVE、CARS算法提取特征波长，在400～1000nm范围内，SPA、UVE、CARS提取特征波长数分别为19、34、48;在900-1700nm范围内，SPA、UVE、CARS提取特征波长数分别为5、60、15。
　　(3)建立全光谱、SPA、UVE、CARS的PLS-DA判别模型。在400～1000nm范围内，CARS-PLS-DA为最优判别模型，其校正集和预测集的正确识别率分别为89.21％和85.71％。;在900～1700nm范围内，UVE-PLS-DA为最优判别模型，其校正集和预测集的正确识别率分别为91.75％和92.38％。比较可见近红外高光谱(400～1000nm)与近红外高光谱(900～1700nm)的判别模型和判别结果，近红外高光谱(900～1700nm)对羊肉品种的判别效果优于可见近红外高光谱(400～1000nm)的判别效果，因此近红外高光谱900～1700nm波段所建立的模型应用于羊肉品种判别实时检测系统。
　　(4)开发了基于近红外高光谱成像技术的羊肉品种判别实时检测系统，实时检测系统包括硬件和软件两部分。硬件部分完成了光谱采集装置、样品输送装置、实时检测装置等设计;软件系统完成了通讯、光谱数据采集与处理、光谱数据与数据分析实时显示等功能设计。通过实验验证了基于近红外高光谱成像羊肉品种判别实时检测系统具有可行性。

目录

声明

摘要

1．1 课题研究目的及意义

1．2 高光谱成像技术研究现状

1．3 高光谱成像技术

1．4 本文的研究内容及技术路线

1．5 本章小结

第二章 可见近红外高光谱羊肉品种判别模型的建立

2．1 引言

2．2 实验材料与方法

2．3 结果与分析

2．4 本章小结

3．1 引言

3．2 实验材料与方法

3．3 结果与分析

3．4 本章小结

第四章 羊肉品种判别近红外光谱实时检测系统的设计与验证

4．2 系统硬件设计

4．3 系统软件设计

4．4 本章小结

5．1 结论

5．2 展望

参考文献

致谢

个人简介