贮期鸡蛋蛋白质含量品质的光谱无损检测方法及装置研发
发布时间：2021-07-03 01:08
有关贮藏期间鸡蛋品质的评价与预测及其与贮藏时间和条件的关系一直是食品加工和保鲜领域的研究热点问题之一,目前无损检测方法很少从鸡蛋特定蛋白质含量变化角度来考虑其食用品质和安全性。若能从鸡蛋组成的生化变化角度解释其品质变化规律,寻找引起鸡蛋品质变化的最本质特征,并且建立该特征因子的外在表征方法,对深入揭示蛋品品质变化机制,实现蛋品品质的有效无损监控具有重要的理论意义。本课题从鸡蛋组成生化变化的角度,以蛋清S-卵白蛋白含量、卵黏蛋白含量、哈夫值、蛋黄指数等多个品质指标为研究对象,利用生化方法、高光谱成像技术及可见-近红外光谱技术对鸡蛋的多个品质进行研究,建立基于光谱的贮期鸡蛋微观品质无损检测模型及相关检测装置,主要研究内容和结论如下:1)贮期鸡蛋品质和蛋清主要蛋白质含量的变化规律及相关关系为了从鸡蛋组成生化变化的角度确定引起鸡蛋品质变化的最本质特征因子,通过传统生化检测方法,统计分析了贮藏期间鸡蛋品质指标及S-卵白蛋白含量、卵黏蛋白含量的变化规律。考察了鸡蛋哈夫值、蛋黄指数、p H值等指标值与S-卵白蛋白含量、卵黏蛋白含量的相关性,发现各品质参数与S-卵白蛋白含量的相关性比与卵黏蛋白的相关性...
【文章来源】：华中农业大学湖北省 211工程院校 教育部直属院校
【文章页数】：195 页
【学位级别】：博士
【部分图文】：
波长范围划分Fig.1Divisionofwavelengthrange
华中农业大学2020届博士研究生学位论文6(iii)高光谱成像技术高光谱成像技术融合了传统成像技术获取物体空间数据信息和光谱技术获取物质原子、分子光谱特征的优点。其主要优势是可以同时获取样品光谱响应值及其空间分布信息(如图2)，能同时对物体内部品质、外部特征进行全面检测。目前高光谱成像技术在鸡蛋品质检测方面的应用较少，国内主要是利用高光谱成像技术中的光谱信息实现鸡蛋新鲜度的无损检测。国外有极少研究利用高光谱在实现鸡蛋品质无损检测的同时结合图像处理技术实现鸡蛋品质可视化。图2高光谱成像技术获得的图像Fig.2Imageobtainedbyhyper-spectralimagingtechnology张伟等利用400nm-1000nm范围内的高光谱图像采集系统采集了贮期鸡蛋的透射光谱图像，在校正图像后，以鸡蛋赤道部位的图像为感兴趣区域提取了平均光谱信息，并利用连续投影算法和支持向量机算法建立了鸡蛋哈夫值预测模型，预测集的决定系数Rp2为0.870，均方根误差RMSEP为0.040，剩余预测偏差RPD值为2.800(张伟等2015)。王巧华等以整蛋为感兴趣区域，选用500nm-1000nm范围的透射高光谱曲线，对白壳鸡蛋新鲜度进行了定量和定性分析，其基于特征波长建立的回归模型预测集相关系数为0.930，均方根误差为6.440；建立的模型判别新鲜和不新鲜白壳蛋的准确率分别为100%、88.0%(王巧华等2016)。杨晓玉等利用400nm-1000nm高光谱系统采集了鸡蛋的反射高光谱图像，对整蛋的平均光谱进行了研究，结合遗传偏最小二乘法筛选出的特征波长和最小二乘支持向量机建立了回归模型，其训练集相关系数为0.899，预测集相关系数为0.832(杨晓玉2017)。Suktanarak等利用900nm-1700nm范围内的高光谱成像系统采集了鸡蛋的反射高光谱图像，建立了鸡蛋哈夫值的预测模型，该模型预测集决定系数为0.91
017)。Soltani等在无线电频率范围内使用介电检测技术对鸡蛋新鲜度进行无损检测和分级研究，分级精度高达100%(Soltanietal2015)，由于受精鸡蛋在孵化的过程中，其生物电呈有规律地变化(吕志诚和肖蜀樨1990)，因此有学者利用受精蛋和非受精蛋的介电特性差异研究了受精蛋和非受精蛋的判别装置(沈林生等1996，肖念平和姜国栋2002，于景滨等2002)。1.2.2光谱技术在农产品品质无损检测中的研究现状(1)光谱检测模型的研究目前国内外基于光谱技术的农产品品质无损检测研究都需要建立相应的光谱检测模型，光谱数据的一般建模流程如图3所示。图3光谱数据一般建模流程Fig.3Generalmodelingprocessofspectraldata在建模的过程中，一般会对光谱数据首先进行预处理，以消除光谱噪声及其他外界因素的影响，目前常用的光谱预处理方法包括平滑处理、一阶微分、二阶微分、标准正态变换、标准化处理等(曾一凡等2008，徐惠荣等2010)，通过建模来分析各预处理方法的效果，优选出全光谱建模效果最好的预处理方式进行后续的建模分析。其次由于光谱数据一般为高维数据，因此需要通过特征波长筛选等方法来降维，从而简化模型结构，提升模型预测能力或判别能力。为了能够更好的解释降维后的数据，通常优先选择特征波长筛选方法对光谱数据进行降维，不转换数据的空间结构。目前常用的特征波长筛选方法有很多，如相关系数法、无信息变量消除算法、遗传算法、间隔偏最小二乘算法等等(胡晓男等2015，盛晓慧等2019，Huetal2019)，不同算法筛选出来的适用于同一品质参数的特征波长有所不同，因此建模效果也不
【参考文献】：
期刊论文
[1]冬枣光谱数据的灰色关联分析及叶片氮素含量预测[J]. 杨玮,孙红,郑立华,张瑶,李民赞. 光谱学与光谱分析. 2013(11)
[2]基于CARS算法的脐橙可溶性固形物近红外在线检测[J]. 刘燕德,施宇,蔡丽君,周延睿. 农业机械学报. 2013(09)
[3]鸡蛋新鲜度的可见-近红外透射光谱快速识别[J]. 赵杰文,毕夏坤,林颢,孙力,管彬彬. 激光与光电子学进展. 2013(05)
[4]蛋壳品质的近红外光谱检测分析[J]. 熊欢,徐惠荣,周万怀,姚洋,陈华瑞. 农业工程学报. 2013(S1)
[5]基于近红外漫反射光谱检测鸡蛋品质[J]. 刘燕德,周延睿,彭彦颖. 光学精密工程. 2013(01)
[6]不同品种牛肉新鲜度光谱检测模型的维护方法[J]. 文东东,李小昱,赵政,刘娇,钟雄斌. 食品安全质量检测学报. 2012(06)
[7]基于灰色关联分析的LS-SVM铁路货运量预测[J]. 耿立艳,张天伟,赵鹏. 铁道学报. 2012(03)
[8]基于计算机视觉的鸡蛋裂纹检测方法研究[J]. 欧阳静怡,刘木华. 农机化研究. 2012(03)
[9]贮存条件对蛋清S-卵白蛋白形成的影响[J]. 黄群,马美湖,金永国,邱宁,孙术国,耿放. 农业工程学报. 2012(05)
[10]辐照杀菌对鸡蛋蛋白液特性的影响[J]. 黄小波,马美湖,李文革. 农业工程学报. 2009(05)
博士论文
[1]鸡蛋新鲜度多指标融合光谱无损检测方法研究[D]. 董晓光.中国农业大学 2019
[2]基于声学的禽蛋裂纹检测关键技术及在线检测研究[D]. 王海军.浙江大学 2016
硕士论文
[1]基于可见/近红外光谱的苹果内部多品质参数一体化便携式检测设备研发[D]. 全朋坤.西北农林科技大学 2019
[2]水果可溶性固形物在线检测通用模型建立与升级方法研究[D]. 马奎荣.华东交通大学 2018
[3]鸡蛋裂纹在线检测系统的研究与试验[D]. 秦炎炎.华中农业大学 2018
[4]高光谱技术在马铃薯淀粉含量无损检测中的应用研究[D]. 李亨.东北农业大学 2018
[5]鸡蛋新鲜度可见-近红外光谱在线检测技术研究[D]. 李小明.华中农业大学 2017
[6]基于深度学习的鸡蛋外观缺陷检测算法[D]. 宋超.贵州大学 2017
[7]基于介电特性的鸡蛋品质无损检测研究[D]. 刘彬.江苏大学 2017
[8]基于近红外光谱和高光谱图像技术的配合饲料主要营养成分的检测方法[D]. 付苗苗.华中农业大学 2016
[9]基于高光谱技术的不同品种猪肉品质检测模型传递方法研究[D]. 刘娇.华中农业大学 2015
[10]红外光谱定量校正模型研究及其在医药检测中的应用[D]. 魏伟伟.广东药学院 2015
本文编号：3261552
【文章来源】：华中农业大学湖北省 211工程院校 教育部直属院校
【文章页数】：195 页
【学位级别】：博士
【部分图文】：
波长范围划分Fig.1Divisionofwavelengthrange
华中农业大学2020届博士研究生学位论文6(iii)高光谱成像技术高光谱成像技术融合了传统成像技术获取物体空间数据信息和光谱技术获取物质原子、分子光谱特征的优点。其主要优势是可以同时获取样品光谱响应值及其空间分布信息(如图2)，能同时对物体内部品质、外部特征进行全面检测。目前高光谱成像技术在鸡蛋品质检测方面的应用较少，国内主要是利用高光谱成像技术中的光谱信息实现鸡蛋新鲜度的无损检测。国外有极少研究利用高光谱在实现鸡蛋品质无损检测的同时结合图像处理技术实现鸡蛋品质可视化。图2高光谱成像技术获得的图像Fig.2Imageobtainedbyhyper-spectralimagingtechnology张伟等利用400nm-1000nm范围内的高光谱图像采集系统采集了贮期鸡蛋的透射光谱图像，在校正图像后，以鸡蛋赤道部位的图像为感兴趣区域提取了平均光谱信息，并利用连续投影算法和支持向量机算法建立了鸡蛋哈夫值预测模型，预测集的决定系数Rp2为0.870，均方根误差RMSEP为0.040，剩余预测偏差RPD值为2.800(张伟等2015)。王巧华等以整蛋为感兴趣区域，选用500nm-1000nm范围的透射高光谱曲线，对白壳鸡蛋新鲜度进行了定量和定性分析，其基于特征波长建立的回归模型预测集相关系数为0.930，均方根误差为6.440；建立的模型判别新鲜和不新鲜白壳蛋的准确率分别为100%、88.0%(王巧华等2016)。杨晓玉等利用400nm-1000nm高光谱系统采集了鸡蛋的反射高光谱图像，对整蛋的平均光谱进行了研究，结合遗传偏最小二乘法筛选出的特征波长和最小二乘支持向量机建立了回归模型，其训练集相关系数为0.899，预测集相关系数为0.832(杨晓玉2017)。Suktanarak等利用900nm-1700nm范围内的高光谱成像系统采集了鸡蛋的反射高光谱图像，建立了鸡蛋哈夫值的预测模型，该模型预测集决定系数为0.91
017)。Soltani等在无线电频率范围内使用介电检测技术对鸡蛋新鲜度进行无损检测和分级研究，分级精度高达100%(Soltanietal2015)，由于受精鸡蛋在孵化的过程中，其生物电呈有规律地变化(吕志诚和肖蜀樨1990)，因此有学者利用受精蛋和非受精蛋的介电特性差异研究了受精蛋和非受精蛋的判别装置(沈林生等1996，肖念平和姜国栋2002，于景滨等2002)。1.2.2光谱技术在农产品品质无损检测中的研究现状(1)光谱检测模型的研究目前国内外基于光谱技术的农产品品质无损检测研究都需要建立相应的光谱检测模型，光谱数据的一般建模流程如图3所示。图3光谱数据一般建模流程Fig.3Generalmodelingprocessofspectraldata在建模的过程中，一般会对光谱数据首先进行预处理，以消除光谱噪声及其他外界因素的影响，目前常用的光谱预处理方法包括平滑处理、一阶微分、二阶微分、标准正态变换、标准化处理等(曾一凡等2008，徐惠荣等2010)，通过建模来分析各预处理方法的效果，优选出全光谱建模效果最好的预处理方式进行后续的建模分析。其次由于光谱数据一般为高维数据，因此需要通过特征波长筛选等方法来降维，从而简化模型结构，提升模型预测能力或判别能力。为了能够更好的解释降维后的数据，通常优先选择特征波长筛选方法对光谱数据进行降维，不转换数据的空间结构。目前常用的特征波长筛选方法有很多，如相关系数法、无信息变量消除算法、遗传算法、间隔偏最小二乘算法等等(胡晓男等2015，盛晓慧等2019，Huetal2019)，不同算法筛选出来的适用于同一品质参数的特征波长有所不同，因此建模效果也不
【参考文献】：
期刊论文
[1]冬枣光谱数据的灰色关联分析及叶片氮素含量预测[J]. 杨玮,孙红,郑立华,张瑶,李民赞. 光谱学与光谱分析. 2013(11)
[2]基于CARS算法的脐橙可溶性固形物近红外在线检测[J]. 刘燕德,施宇,蔡丽君,周延睿. 农业机械学报. 2013(09)
[3]鸡蛋新鲜度的可见-近红外透射光谱快速识别[J]. 赵杰文,毕夏坤,林颢,孙力,管彬彬. 激光与光电子学进展. 2013(05)
[4]蛋壳品质的近红外光谱检测分析[J]. 熊欢,徐惠荣,周万怀,姚洋,陈华瑞. 农业工程学报. 2013(S1)
[5]基于近红外漫反射光谱检测鸡蛋品质[J]. 刘燕德,周延睿,彭彦颖. 光学精密工程. 2013(01)
[6]不同品种牛肉新鲜度光谱检测模型的维护方法[J]. 文东东,李小昱,赵政,刘娇,钟雄斌. 食品安全质量检测学报. 2012(06)
[7]基于灰色关联分析的LS-SVM铁路货运量预测[J]. 耿立艳,张天伟,赵鹏. 铁道学报. 2012(03)
[8]基于计算机视觉的鸡蛋裂纹检测方法研究[J]. 欧阳静怡,刘木华. 农机化研究. 2012(03)
[9]贮存条件对蛋清S-卵白蛋白形成的影响[J]. 黄群,马美湖,金永国,邱宁,孙术国,耿放. 农业工程学报. 2012(05)
[10]辐照杀菌对鸡蛋蛋白液特性的影响[J]. 黄小波,马美湖,李文革. 农业工程学报. 2009(05)
博士论文
[1]鸡蛋新鲜度多指标融合光谱无损检测方法研究[D]. 董晓光.中国农业大学 2019
[2]基于声学的禽蛋裂纹检测关键技术及在线检测研究[D]. 王海军.浙江大学 2016
硕士论文
[1]基于可见/近红外光谱的苹果内部多品质参数一体化便携式检测设备研发[D]. 全朋坤.西北农林科技大学 2019
[2]水果可溶性固形物在线检测通用模型建立与升级方法研究[D]. 马奎荣.华东交通大学 2018
[3]鸡蛋裂纹在线检测系统的研究与试验[D]. 秦炎炎.华中农业大学 2018
[4]高光谱技术在马铃薯淀粉含量无损检测中的应用研究[D]. 李亨.东北农业大学 2018
[5]鸡蛋新鲜度可见-近红外光谱在线检测技术研究[D]. 李小明.华中农业大学 2017
[6]基于深度学习的鸡蛋外观缺陷检测算法[D]. 宋超.贵州大学 2017
[7]基于介电特性的鸡蛋品质无损检测研究[D]. 刘彬.江苏大学 2017
[8]基于近红外光谱和高光谱图像技术的配合饲料主要营养成分的检测方法[D]. 付苗苗.华中农业大学 2016
[9]基于高光谱技术的不同品种猪肉品质检测模型传递方法研究[D]. 刘娇.华中农业大学 2015
[10]红外光谱定量校正模型研究及其在医药检测中的应用[D]. 魏伟伟.广东药学院 2015
本文编号：3261552
本文链接：https://www.wllwen.com/kejilunwen/huaxue/3261552.html
教材专著
