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

发布时间：2019-09-16 14:04

【摘要】：猪肉是我国居民的最主要肉类食源之一,具有丰富的营养价值。猪肉p H值、含水率等品质的好坏直接关系到猪肉产品的存储时间、生产加工以及食用安全。基于光谱技术的多元校正模型能实现对猪肉品质的快速、无损检测,然而这种校正模型只能对一定测量条件(仪器条件或环境温度)、某一品种范围的样本进行预测,而对不同测量条件或不同品种样本的光谱数据,则会出现预测误差较大,或完全不可用的问题。因此开展模型传递方法研究,建立一个稳健性好、适用性强、预测精度高的猪肉品质光谱检测模型具有重要的科学意义和良好的应用前景。该文以杜长大猪肉、茂佳山黑猪肉和零号土猪肉3个品种猪肉为研究对象,建立了基于高光谱成像技术的猪肉品质定量检测模型,继而对猪肉品质检测模型的适用性进行检验,针对模型适用性差的问题,开展了对不同品种之间的猪肉品质检测模型传递方法的研究。主要研究结果如下:1)研究了不同样本集划分方法以及不同光谱预处理方法对3个品种猪肉p H值及含水率模型性能的影响,确定了猪肉p H值及含水率的较优定量检测模型。分别采用了RS、K/S和SPXY 3种划分方法对3个品种猪肉样本进行校正集和测试集的划分,采用了平滑(Smooth)、标准正态变量变换(SNV)、多元散射校正(MSC)、平均中心化(MC)以及它们的组合方法对原始光谱进行预处理,比较不同预处理光谱的偏最小二乘回归(Partial Least Squares Regression,PLSR)模型结果,确定较优的样本集划分方法以及光谱预处理方法,建立了较优的猪肉p H值及含水率PLSR模型。杜长大猪肉p H值较优定量检测模型交互验证相关系数Rc为0.924,预测相关系数Rp达到0.904,交互验证均方根误差RMSECV为0.045,预测均方根误差RMSEP为0.046;茂佳山黑猪肉p H值定量检测模型的较优预测结果:Rc为0.903,Rp达到0.853,RMSECV为0.090,RMSEP为0.084;零号土猪肉p H值定量检测模型的较优预测结果:Rc为0.906,Rp达到0.883,RMSECV为0.133,RMSEP为0.113。杜长大猪肉含水率定量检测模型的较优预测结果:Rc为0.940,Rp为0.940,RMSECV为0.279%,RMSEP为0.237%;茂佳山黑猪肉含水率定量检测模型的较优预测结果:Rc为0.932,Rp达到0.944,RMSECV为0.512%,RMSEP为0.395%;零号土猪肉含水率定量检测模型的较优预测结果:Rc达到0.927,Rp达到0.923,RMSECV为0.512%,RMSEP为0.382%。3)研究了杜长大猪肉高光谱检测模型的适用性,确定了杜长大猪肉p H值及含水率高光谱模型不能实现对茂佳山黑猪肉和零号土猪肉样本PH值及含水率的预测。分别采用了平均光谱法、主成分得分空间分布法、马氏距离法及模型验证法对杜长大猪肉主模型的适用性进行了检验,比较了杜长大猪肉样本与茂佳山黑猪肉和零号土猪肉样本的平均光谱图、主成分得分空间分布图以及马氏距离图之间的差异,并用杜长大猪肉模型对茂佳山黑猪肉和零号土猪肉样本进行预测。结果表明:杜长大猪肉样本平均光谱、主成分得分空间分布以及马氏距离与茂佳山黑猪肉和零号土猪肉样本之间均存在较大的差异,且杜长大猪肉p H值及含水率模型对茂佳山黑猪肉和零号土猪肉样本预测结果较差:杜长大猪肉p H值模型对茂佳山黑猪肉和零号土猪肉样本的预测相关系数Rp分别为0.770和0.731,预测均方根误差RMSEP分别为0.111和0.209,剩余预测偏差RPD仅达到1.533和1.234;杜长大猪肉含水率模型对茂佳山黑猪肉和零号土猪肉样本的预测相关系数Rp分别为0.513和0.712,RMSEP分别为1.151%和0.857%,剩余预测偏差RPD仅达到1.000和1.214。4)研究了模型更新方法对猪肉p H值高光谱检测模型的传递效果,并分别提出了一种光谱和预测值同步校正(CSPV)的传递算法与一种分段直接校正结合线性插值(PDS-LI)传递算法,分析比较了3种方法对猪肉p H值高光谱检测模型的传递结果,确定了较优的猪肉p H值模型传递方法。采用模型更新方法对杜长大猪肉模型进行传递,对于茂佳山黑猪肉样本,当添加的代表性样本数为11个时,模型传递结果达到最优,此时Rp由传递前的0.770提高到0.869,提高了13%,RPD由传递前的1.533提高到1.934,提高了26%,满足Rp≥0.837,且RPD≥1.9的条件,表明模型更新方法可实现对茂佳山黑猪肉样本的预测。对于零号土猪肉样本,当添加的代表性样本数为9个时,模型传递结果达到最优,此时Rp由传递前的0.731提高到0.845,提高了16%,RPD由传递前的1.234提高到1.804,提高了46%,但不满足Rp≥0.837,且RPD≥1.9的条件,表明模型更新方法不能实现对零号土猪肉样本的预测。上述结果说明模型更新法对杜长大猪肉p H值高光谱模型的传递效果有限。针对不同品种间的模型传递问题,提出了一种光谱和预测值同步校正(CSPV)的传递算法,该算法对杜长大猪肉p H值高光谱模型传递有较好的结果。对于茂佳山黑猪肉样本,当标样数为9个时,杜长大猪肉模型对茂佳山黑猪肉样本预测结果达到最优,Rp提高到0.889,相对传递前提高了15%,RPD为2.071,相对传递前提高了35%;对于零号土猪肉样本,当标样数为10个时,杜长大猪肉模型对零号土猪肉样本的预测结果达到最优,Rp达到0.900,相对传递前提高了23%,RPD达到2.213,相对传递前提高了79%。针对不同品种间的模型传递问题,提出了一种分段直接校正结合线性插值(PDS-LI)的传递算法,该算法对杜长大猪肉p H值高光谱模型有较好的传递结果。对于茂佳山黑猪肉样本,当标样数为29个时,杜长大猪肉模型对茂佳山黑猪肉样本的预测结果达到最优,此时Rp为0.895,相对传递前提高了16%,RPD为2.179,相对传递前提高了42%;对于零号土猪肉样本,当标样数为22个时,杜长大猪肉模型对零号土猪肉样本的预测结果达到最优,Rp达到0.892,相对传递前提高了22%,RPD达到2.005,相对传递前提高了62%。模型更新、CSPV以及PDS-LI传递算法对杜长大猪肉p H值高光谱模型的传递结果表明:CSPV和PDS-LI 2种算法的传递结果相似,且均优于模型更新方法结果,因此确定CSPV和PDS-LI算法为较优的猪肉p H值高光谱模型传递算法。5)研究了猪肉含水率高光谱检测模型传递方法。分别采用模型更新、CSPV以及PDS-LI传递算法对杜长大猪肉猪肉含水率模型进行传递,并比较了3种方法的模型传递结果,确定了较优的猪肉含水率高光谱模型传递算法。模型更新方法可实现杜长大猪肉模型对茂佳山黑猪肉和零号土猪肉样本的预测。当添加的茂佳山黑猪肉和零号土猪肉代表性样本数分别为21和19个时,传递模型对2个品种样本预测结果达到最优,Rp分别达到0.891和0.853,相对传递前分别提高了74%和20%,RPD分别为2.166和2.076,相对传递前分别提高了116%和71%。CSPV算法可实现杜长大猪肉模型对茂佳山黑猪肉和零号土猪肉样本的预测。当茂佳山黑猪肉和零号土猪肉标样数分别为20和18个时,最优预测结果Rp分别达到0.918和0.925,相对传递前分别提高了79%和30%,RPD分别达到2.460和2.379,相对传递前分别提高了146%和96%。PDS-LI算法能实现杜长大猪肉模型对茂佳山黑猪肉和零号土猪肉样本的预测。当茂佳山黑猪肉和零号土猪肉标样数分别为32和22个时,最优预测结果Rp分别达到0.912和0.921,相对传递前分别提高了78%和29%,,RPD分别达到2.447和2.364,相对传递前分别提高了145%和95%。结果表明:3种算法均在不同程度上提高了杜长大猪肉模型对茂佳山黑猪肉和零号土猪肉的预测结果,并实现了杜长大猪肉含水率模型传递,但比较最优传递结果可知,CSPV和PDS-LI算法传递结果相似,且均优于模型更新法的传递结果,因此CSPV和PDS-LI算法为较优的猪肉含水率高光谱模型传递算法。
【图文】：

猪肉,马氏距离,杜长大,样品

图 3-3 猪肉样品 pH值马氏距离分布Mahalanobis distance distribution of pH of pork Model Verification)的杜长大猪肉 pH 值 PLSR 模型，分别行预测，预测结果如表 3-1 所示，，预测

流程图,结合线,插值算法,流程图

图 3-4 分段直接校正结合线性插值算法流程图low chart of piecewise direct standardization combine with linear interpolation (PalgorithmI 传递算法具体步骤如下所示：立主模型。采用（Sample Set Partitioning based on Joint X-Y DSPXY）算法将主品种样品划分为校正集和测试集，对应光谱矩
【学位授予单位】：华中农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S879.2;S818.9

【参考文献】