贮藏期内亚硝酸盐腌羊肉色泽变化的高光谱预测

发布时间：2020-07-13 23:12

【摘要】：肉色是评判羊肉感官品质及其新鲜度的视觉指标。在肉类生产过程中,亚硝酸钠是一种常用的食品添加剂,它可以使肉品保持诱人的粉红色,抑制食品腐败菌的生长,有利于改善肉制品的色泽。亚硝酸盐腌肉肌红蛋白含量是影响肉制品色泽变化的关键因素。针对不同贮藏期内亚硝酸盐腌肉色泽快速精准预测问题及其光谱特征变化尚不清楚的现状,本文基于可见近红外(visible/near-infrared,VIS/NIR)和近红外(near-infrared,NIR)高光谱成像技术对不同贮藏期内亚硝酸盐腌肉样本的色泽进行分析,以色度(L,a,b)和肌红蛋白(DeoMb,MbO2和MetMb)为检测指标,建立基于全波段的腌肉色泽变化的偏最小二乘(partial least squares wavelength regression,PLSR)预测模型;采用竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)、间隔随机蛙跳(interval Random Frog,IRF)、变量组合集群分析(variable combination population analysis,VCPA)及区间变量迭代空间收缩法(interval variable iterative space shrinkage approach,iVISSA)特征波长提取方法降维,建立特征波段下的腌肉色泽变化的PLSR和(least-squares support vector machines,LSSVM)预测模型,优选最佳模型。具体研究内容及结论如下:(1)分别建立VIS/NIR和NIR光谱的亚硝酸钠添加量的偏最小二乘判别分析(partial least squares discriminant analysis,PLSDA)模型,比较VIS/NIR和NIR波段建模效果。结果显示:基于NIR高光谱的PLSDA判别模型准确率高于VIS/NIR高光谱的PLSDA模型,其校正集准确率为88%,预测集准确率为82%;(2)建立基于VIS/NIR高光谱成像技术的腌肉色泽预测模型,分析对比不同预处理方法、特征波长提取算法和模型构建方法。结果表明,在色度预测方面,iVISSA-CARS-LSSVM模型在预测L值方面效果较好(Rc=0.9017,Rp=0.8562),CARS-LSSVM模型在预测a值方面效果更佳(Rc=0.9133,Rp=0.8983),而VCPA-LSSVM模型在预测b值方面效果较好(Rc=0.8380,Rp=0.7605);在肌红蛋白预测方面,CARS-PLSR 模型在预测 MetMb(Rc=0.9042,Rp=0.9092)方面效果较好,VCPA-PLSR在预测MbO2(Rc=0.9506,Rp=0.9707)方面效果更佳;而iVISSA-CARS-LSSVM 模型在预测 DeoMb(Rc=0.9166,Rp=0.9099)方面效果最佳。(3)建立基于NIR高光谱成像技术的腌肉色泽预测模型,分析对比不同预处理方法、特征波长提取算法和模型构建方法。结果表明,CARS-PLSR模型在预测亮度值L(Rc=0.7628,Rp=0.8003)和黄度值b(Rc=0.8512,Rp=0.8606)方面效果较好,iVISSA-PLSR在预测红度值a(Rc=0.9033,Rp=0.8985)方面效果更佳;在肌红蛋白预测方面,iVISSA-PLSR模型在预测DeoMb(Rc=0.8897,Rp=0.9017)和 MetMb(Rc=0.9157,Rp=0.8972)方面效果较好,而 CARS-PLSR在预测Mb02(Rc=0.9629,Rp=0.9661)方面效果更佳。
【学位授予单位】：宁夏大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS251.53
【图文】：

逦第三章＆光谱技彳：：对腌肉中彳Ｋｆｉ酸钠添加Ｍ的判R%分析逡逑谱，如图３－１邋（ａ）所示。经过光谱数据的处理，得到其吸收光谱曲线，如图３－１邋（ｂ）所示。在逡逑４００－１０００邋ｎｍ波段主要为分子基团的三倍频及可见光吸收，由３－１邋（ａ）显示出２４０个样本在Ｖ１Ｓ／ＮＩＲ逡逑区的原始反射光谱，观察到不同肌红蛋白含量的样本的光谱变化趋势相似，但整个光谱区反射率逡逑不同，４００？６３０邋ｎｍ与６３０？１０００邋ｎｍ范围相比，其反射率较低。在可见光区域，肉中的肌红蛋白逡逑与血红蛋白相互作用，使其肉色呈现红色［６１］。逡逑由３－１邋（ｂ）可以看出，通过对被测样品的光谱观察，发现腌肉在４３０、５５０、５７０、６１０、７８０、逡逑９７０ｎｍ处有主要的吸收带，主要是因为腌肉结构中的化学键在特定波长下吸收了能量，其中４３０逡逑ｎｍ处的吸收与Ｓｏｒｅｔ吸收带有关，是由于肌红蛋白中的血红素辅基引起的这种色素主要负责逡逑肉的颜色［６３］

腌肉亚硝酸钠的添加量及贮藏过程中腌肉品质的变化与光谱反射曲线关系密切，为反映腌肉逡逑样本光谱曲线随亚硝酸钠添加量的变化，将同一添加量的腌肉样本的光谱再均值化，得到不同亚逡逑硝酸钠添加量的（鲜肉、0、５０、】００、１５０邋ｎｉｇ／Ｋｇ）腌肉样本平均反射光谱。由图３－５可看出，逡逑样本在９００－１７００邋ｎｍ范围内的原始反射光谱变化趋势相似，但整个光谱区反射率不同，９００－１４００逡逑ｎｍ与１４００－１７００邋ｎｍ范围相比，其反射率较高。腌制后的样本的光谱曲线总体趋势相似，随着亚逡逑硝酸钠量的增加，光谱反射逐渐增强，但腌制后样本的反射率均低于鲜肉样本。通过对被测样品逡逑的光谱观察，发现腌肉在丨000、１１４０、１３〗０ｎｍ处有主要的反射带，而在１０５０、１２５５、１４４０ｎｍ逡逑处有主要的吸收带。光谱曲线在９００－１０００邋ｎｎｉ波段内包含大量的噪音和杂乱波，对光谱建模效果逡逑有一定的干扰；由图３－５可看出，腌肉样本光谱曲线在９００－１邋０００邋ｉｉｍ波段走势相近，虽然在９００－１０２０逡逑ｎｍ波段范围内存在交叉和重叠现象，但在１０５０－１２００，】２００－］４００邋ｎｍ波段范围内反射率差异较明逡逑显

ｇ．－ｓｃｒｍｎａｎｍｏｅｓ邋ｏｅｒｅｎｓｏｕｍ邋ｎｒｅ邋ａｔｏｎｓｎ邋ｃｕｒｅｍｕｏｎ邋ｓａｍｐｅｓ逡逑３．４本章小结逡逑本章选用Ｖ１Ｓ／ＮＩＲ和ＮＩＲ高光谱成像系统获取了亚硝酸盐腌肉样本的光谱图像，通过提取感逡逑兴趣区域得到原始光谱曲线，建立亚硝酸钠添加量的ＰＬＳＤＡ判别模型。得到以下结论：逡逑（１）逦４００－１０００邋ｎｍ波段范围内亚硝酸钠添加量的ＰＬＳＤＡ模型校正集准确率为８１％，预测集逡逑

【相似文献】

相关期刊论文 前10条

1 马江丽;;基于高光谱成像技术的艺术品鉴定研究[J];文物保护与考古科学;2018年03期

2 桂江生;吴子娴;顾敏;迟元峰;包晓安;;高光谱成像技术在农业中的应用概述[J];浙江农业科学;2017年07期

3 于宏威;王强;刘丽;石爱民;胡晖;刘红芝;;粮油品质安全高光谱成像检测技术的研究进展[J];光谱学与光谱分析;2016年11期

4 刘燕德;邓清;;高光谱成像技术在水果无损检测中的应用[J];农机化研究;2015年07期

5 王龙;邱园园;李小波;;基于高光谱成像技术的牛羊肉品质无损检测研究进展[J];新疆农垦科技;2015年06期

6 张保华;李江波;樊书祥;黄文倩;张驰;王庆艳;肖广东;;高光谱成像技术在果蔬品质与安全无损检测中的原理及应用[J];光谱学与光谱分析;2014年10期

7 孙佳馨;;农产品外部品质无损检测中高光谱成像技术的应用研究进展[J];黑龙江科技信息;2014年27期

8 罗阳;何建国;贺晓光;王松磊;刘贵珊;;农产品无损检测中高光谱成像技术的应用研究[J];农机化研究;2013年06期

9 曲佳欢;马骥;孙大文;吴迪;曾新安;;高光谱成像在食品质量评估方面的研究进展与应用(一)[J];肉类研究;2012年04期

10 马骥;曲佳欢;孙大文;吴迪;曾新安;;高光谱成像在食品质量评估方面的研究进展与应用(二)[J];肉类研究;2012年05期

相关会议论文 前10条

1 张馨月;张旭东;;基于分类的高光谱压缩成像评价[A];第十三届全国信号和智能信息处理与应用学术会议论文集[C];2019年

2 成诚;;高光谱成像技术在公安业务中的应用展望[A];2017年光学技术研讨会暨交叉学科论坛论文集[C];2017年

3 柏财勋;李建欣;沈燕;;基于双折射偏振干涉的高光谱成像方法[A];第十六届全国光学测试学术交流会摘要集[C];2016年

4 刘德芳;孟鑫;李建欣;;基于色散剪切干涉的高光谱成像方法[A];第十五届全国光学测试学术交流会论文摘要集[C];2014年

5 颜昌翔;;星载高光谱成像及数据应用[A];第十届全国光电技术学术交流会论文集[C];2012年

6 杨暄;亓洪兴;刘敏;王义坤;刘毓博;汪磊;;机载摆扫式宽幅高光谱成像技术研究[A];2016年红外、遥感技术与应用研讨会暨交叉学科论坛论文集[C];2016年

7 何宝琨;;使用曲面棱镜的高光谱成像系统设计[A];中国空间科学学会空间探测专业委员会第二十六届全国空间探测学术研讨会会议论文集[C];2013年

8 向明顺;杨武年;杨尽;任金铜;温玉雯;周思琪;;基于高光谱成像技术的灾毁土地作物生长状况研究[A];资源环境与地学空间信息技术新进展学术会议论文集[C];2016年

9 巩梦婷;冯萍莉;;高光谱成像技术用于书画颜料的无损分析——以张大千临摹敦煌壁画《隋藻井》为例[A];中国文物保护技术协会第九次学术年会论文集[C];2016年

10 王静禹;杨良;孟留伟;李绍佳;傅霞萍;杜小强;吴迪;黄凌霞;;可见-近红外高光谱成像技术检测桑螟幼虫及其对桑叶损害的潜力研究[A];中国蚕学会2018年学术年会论文集[C];2018年

相关重要报纸文章 前3条

1 本报记者 袁一雪;高光谱成像 一双慧眼“看”透千年壁画[N];中国科学报;2018年

2 本报记者 于德福;擦亮找矿“天眼”[N];中国国土资源报;2012年

3 记者 聂可 秦华江;环保产业“蓝海”仍需技术“落地”[N];经济参考报;2015年

相关博士学位论文 前10条

1 司梦婷;火焰中碳黑形貌特征及其辐射特性检测研究[D];华中科技大学;2019年

2 谢正超;基于高光谱成像的火焰三维温度场、烟黑浓度场和气体浓度场重建研究[D];浙江大学;2018年

3 杜剑;基于医学高光谱影像分析的肿瘤组织分类方法研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2018年

4 吴威;基于高光谱成像的家禽胴体表面污染检测方法研究[D];南京农业大学;2017年

5 王彩玲;干涉高光谱成像中的信息提取技术[D];中国科学院研究生院(西安光学精密机械研究所);2011年

6 郭辉;牛肉主要品质参数无损光学检测装置的研究[D];中国农业大学;2014年

7 王鹏冲;声光调制型可见光高光谱成像技术研究[D];哈尔滨工业大学;2017年

8 葛明锋;基于轻小型无人机的高光谱成像系统研究[D];中国科学院研究生院(上海技术物理研究所);2015年

9 朱逢乐;基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D];浙江大学;2014年

10 陈凯;长波红外高光谱成像信息获取与处理关键技术研究[D];中国科学院研究生院(上海技术物理研究所);2016年

相关硕士学位论文 前10条

1 万国玲;贮藏期内亚硝酸盐腌羊肉色泽变化的高光谱预测[D];宁夏大学;2019年

2 李玉婷;压缩高光谱成像编码矩阵优化设计[D];国防科技大学;2017年

3 李文博;复杂背景下地面目标可见光高光谱成像仿真[D];西安电子科技大学;2019年

4 赵军波;基于高光谱成像技术的环境微塑料检测的研究[D];大连理工大学;2019年

5 俞晗月;肉类掺假高光谱检测的数据处理方法研究[D];华中科技大学;2019年

6 曹崴;基于高光谱成像技术的大米产地鉴别研究[D];吉林农业大学;2019年

7 余云新;基于高光谱技术的掺假大米快速检测研究[D];华中科技大学;2019年

8 杨思成;基于高光谱成像技术的稻谷品种鉴别研究[D];武汉轻工大学;2019年

9 解娜;高光谱成像技术研究[D];长春理工大学;2019年

10 李东泽;基于高光谱成像技术的牛肉品质检测研究[D];内蒙古农业大学;2019年

本文编号：2754118