基于近红外光谱分析技术的猪肉品质快速检测方法研究

发布时间：2021-12-11 05:18

　　为了保障广大消费者的健康安全与合法权益,在猪肉的加工、运输和销售过程中,必须对其质量进行严格管控。传统的猪肉检验法主要包括感官检验和理化检验方法,其存在结果主观性强、对操作人员要求高、分析过程繁琐、耗时长等问题。鉴于此,有必要研究基于近红外光谱分析技术的猪肉品质快速检测方法,主要包括猪肉光谱的恢复处理、维度约简及定性分析模型构建等。首先,针对光谱数据采集、光谱仪的内部结构等因素带来的光谱测量值的偏差问题,采用标准正态变量变换、多元散射校正、移动平均平滑、Savitzky-Golay卷积平滑法以及一阶导数光谱方法,对猪肉光谱进行恢复去噪处理;针对因光谱数据的高维度引起的信息冗余和共线性问题,分别利用主成分分析方法和离散傅立叶变换方法,提取原始猪肉光谱数据的特征信息,并进行降维处理。其次,在对生猪肉近红外光谱数据进行去噪和降维的基础上,建立了基于支持向量机、BP神经网络、随机森林和宽度学习等4种方法的猪肉品质近红外光谱定性分析模型。结合建模方法的原理,在相同的预处理方法和样本集划分条件下,对分析模型的性能进行综合评估。4种定性分析模型的5折交叉方法的最佳预测准确率分别达到88.48%、88... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

近红外光谱波长范围示意图

图 2-5 MicroNIR onsite 手持式近红外光谱仪Figure 2-5 MicroNIR onsite hand-held near-infrared spectrometer质近红外光谱分析主要流程近红外光谱分析的过程主要包括：实验样品的采集和制分析模型构建以及未知样本采集与预测等，如图 2-6 所猪肉样品采集样品制取样品光谱扫描光谱恢复处理降维处理校正集 测试集采集清洗未知样品采集光谱采集数据处理校正模型未知样品预测

对于环境温度、湿度及抗震性的适用范图 2-5 MicroNIR oFigure 2-5 MicroNIR onsite 2.2.3 猪肉品质近红外光谱分析主猪肉品质近红外光谱分析的过程主据清洗、定性分析模型构建以及未知样猪肉样品采集


本文编号：3534077