猪肉新鲜度的激光散斑图像检测方法研究

摘要

冷鲜猪肉是人们日常生活主要的肉类消费品种。由于食品安全事件频频发生，人们对猪肉品质日趋重视。传统的猪肉新鲜度检测方法主要为感官评定和实验室理化检测，前者检测结果不稳定，而后者检测过程耗时费力，且不适应现场快速检测，难以满足消费者的需求。而激光散斑技术具有快速、无损、简便、成本低等优势。本研究将激光散斑技术应用于冷鲜猪肉新鲜度的检测，具体研究内容如下：　　1、基于国内外学者对激光散斑技术的研究结果，确定了冷鲜猪肉新鲜度激光散斑检测的整体试验方案，设计并搭建了激光散斑试验装置，编写了基于VS2013+MFC开发的散斑图像批量采集及处理程序，并通过预实验确定了最佳试验参数，其中激光波长为465 nm和660 nm、激光功率为15.7 mW、采集时间为60 ms、激光入射角为30°。　　2、针对散斑图像处理过程的研究发现，散斑图像不同行的选取会对IM值产生影响，且传统IM算法受异常值干扰较大，为此提出三点改进：设计了排序算法，动态选择散斑活性最高峰及周围2个相邻行，依此计算样本IM值；改进共生矩阵的修正矩阵计算方法；改进非零元素偏离对角线距离的计算方法。结果显示，排序算法能快速定位IM最高峰位置，且改进后的方法可以有效抑制异常值干扰，更能真实反映出样本的活性差异。　　3、分别对冷藏期间猪肉失水量、肉色（L*、a*、b*）及TVB-N含量变化与惯性矩IM和互相关系数Ckτ值进行分析。发现猪肉失水量变化较小（<0.14g/d）时，对样本散斑活性变化影响便较小，而失水量变化较多（>2g/d）时，水分散失导致样本散斑活性明显降低，这说明水分是影响散斑活性变化的主要原因。猪肉表面颜色与散斑活性指标均呈正相关关系，其中 a*值与散斑活性指标间的相关性最大（>0.8），说明散斑活性能反映出猪肉的新鲜度变化。猪肉冷藏期间的TVB-N含量与散斑活性指标呈负相关关系，因此仅依靠散斑活性无法对TVB-N含量做出准确预测。　　4、选取465 nm和660 nm两种波长，基于IM和Ckτ值两种散斑活性指标，建立猪肉新鲜度LDA线性判别模型。结果显示，465 nm波长下两种指标的单主成分判别模型，其识别率都要高于660 nm，说明465 nm波长更能反映猪肉新鲜度变化。当选择两种波长下的IM值和465 nm波长下第21帧及第201帧散斑图像的Ckτ值四个特征参数作为主成分建模时，模型的识别率最好。其训练集和预测集能分别达到95.31%和96.88%，且能完全识别腐败肉样本，因此利用激光散斑技术检测冷鲜猪肉新鲜度的方法具有可行性。

目录

声明

缩略词

第一章 绪论

1.1 研究背景与意义

1.2 激光散斑技术研究现状

1.3研究内容与技术路线

1.4本章小结

第二章试验平台的搭建及条件优化

2.2激光散斑图像采集系统搭建

2.3软件系统开发集成

2.4试验条件筛选优化

2.5 本章小结

第三章 激光散斑图像处理方法及算法改进

3.2激光散斑技术的原理

3.3散斑图像处理方法及算法改进

3.4 时空散斑相关性分析

3.5 本章小结

第四章猪肉特征值与散斑活性的关系

4.2含水量变化与散斑活性的关系

4.3肉色变化与散斑活性的关系

4.4 TVB-N变化与散斑活性的关系

4.5本章小结

第五章 基于猪肉散斑活性的新鲜度等级识别

5.1 引言

5.2 猪肉新鲜度等级评定

5.3猪肉新鲜度等级判别模型

5.4 本章小结

第六章 结论与展望

6.1 主要结论

6.2 展望

参考文献

致谢

在学期间发表的学术论文

附录