CN110702637A - 一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法 - Google Patents
一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法 Download PDFInfo
- Publication number
- CN110702637A CN110702637A CN201911047973.XA CN201911047973A CN110702637A CN 110702637 A CN110702637 A CN 110702637A CN 201911047973 A CN201911047973 A CN 201911047973A CN 110702637 A CN110702637 A CN 110702637A
- Authority
- CN
- China
- Prior art keywords
- sample
- spectrum
- mutton
- fresh mutton
- cold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 64
- 238000012850 discrimination method Methods 0.000 title claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 88
- 238000002310 reflectometry Methods 0.000 claims abstract description 43
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000002835 absorbance Methods 0.000 claims abstract description 14
- 238000000985 reflectance spectrum Methods 0.000 claims abstract description 7
- 239000000523 sample Substances 0.000 claims description 115
- 239000013307 optical fiber Substances 0.000 claims description 27
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000002329 infrared spectrum Methods 0.000 claims description 11
- 238000002790 cross-validation Methods 0.000 claims description 10
- 239000002253 acid Substances 0.000 claims description 9
- 235000014655 lactic acid Nutrition 0.000 claims description 8
- 239000004310 lactic acid Substances 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 241001494479 Pecora Species 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 239000004744 fabric Substances 0.000 claims description 6
- 230000009347 mechanical transmission Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 102000004169 proteins and genes Human genes 0.000 claims description 4
- 108090000623 proteins and genes Proteins 0.000 claims description 4
- 229910000838 Al alloy Inorganic materials 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 229910052736 halogen Inorganic materials 0.000 claims description 3
- 150000002367 halogens Chemical class 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000009941 weaving Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000010200 validation analysis Methods 0.000 claims description 2
- 244000144972 livestock Species 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 3
- 235000013622 meat product Nutrition 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 235000013372 meat Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/12—Meat; Fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
- G01N2021/3572—Preparation of samples, e.g. salt matrices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Food Science & Technology (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Medicinal Chemistry (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，尤其涉及到一种通过在线采集和转换同时获得热鲜和冷鲜羊肉的近红外吸光度和反射率光谱，进而通过提取和融合特征波长下反映成分差异的吸光度和反射率信息建立热鲜和冷鲜羊肉的在线融合判别方法。本发明通过同时利用样品的吸光度光谱和反射率光谱信息进行建模，增大了模型和方法所使用的光谱信息量；通过提取反映热鲜羊肉和冷鲜羊肉中成分含量差异的特征波长，优化了模型结构，提高了建模效率；利用融合特征波长下吸光度和反射率信息进行融合在线判别，提高了待检测样品在线判别的准确率；对提高羊肉及其他农畜产品的智能化检测水平、促进肉制品提质增效具有意义。
Description
技术领域
本发明属于肉类光学快速无损检测技术领域，尤其涉及一种融合特征波长下吸光度和反射率信息的热鲜和冷鲜羊肉近红外在线快速判别方法。
背景技术
热鲜羊肉和冷鲜羊肉一直是羊肉零售市场上的主体，相较于热鲜羊肉，冷鲜羊肉因其营养价值更高、口感风味更佳、产品品质更好逐步成为生鲜羊肉消费的主流。由于热鲜羊肉和冷鲜羊肉在品质、口感、价值和价格等方面的区别，寻求一种快速、准确的冷鲜羊肉和热鲜羊肉在线判别方法对规范羊肉零售行业具有重要的意义。近红外光谱技术基于物质分子官能团不同化学键光谱吸收频率不同的原理检测物质内部信息，作为一种快速、高效、无损的检测技术，近些年来被应用于农畜产品的快速定性和定量分析。但研究多用单一的吸光度光谱或反射率光谱的全波段或特征波长进行建模，存在信息挖掘程度低，全波段建模模型机理解释和开发仪器困难，模型精度有待改善等问题。目前，充分利用近红外吸光度光谱和反射率光谱信息进行热鲜羊肉和冷鲜羊肉的融合在线快速判别未见报道。
发明内容
本发明目的在于提供一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，通过在线采集和转换同时获得热鲜和冷鲜羊肉的近红外吸光度和反射率光谱，通过提取和融合特征波长下中反映成分差异的吸光度和反射率信息来建立热鲜和冷鲜羊肉的在线融合判别方法，旨在解决单一吸光度光谱或反射率光谱建模信息挖掘程度低、全波段模型机理解释复杂、热鲜羊肉与冷鲜羊肉判别模型准确率有待提高等问题。
本发明采用的技术方案如下：
一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：先建立热鲜和冷鲜羊肉的在线融合判别模型，再利用在线融合判别模型在线判别待检测样品的类型；
所述建立热鲜和冷鲜羊肉的在线融合判别模型的具体步骤如下：
步骤一、选取新鲜羊胴体脂肪少且纹理清晰的部位，采用分割切片方式制备建模热鲜样品；
步骤二、选取新鲜羊胴体脂肪少且纹理清晰的部位，送入专用排酸室冷藏排酸24～48h，排酸完成后采用分割切片方式制备建模冷鲜样品；
步骤三、利用近红外光谱在线采集***在线采集热鲜和冷鲜建模样品的反射率光谱，通过反射率光谱与吸光度光谱之间的转换公式获取其吸光度光谱，或在线采集热鲜和冷鲜建模样品的吸光度光谱，通过吸光度光谱与反射率光谱之间的转换公式获取其反射率光谱；
步骤四、对热鲜和冷鲜建模样品的光谱数据进行异常光谱的剔除，并进行光谱预处理；
步骤五、利用不同算法提取热鲜和冷鲜建模样品反射率光谱中反映热鲜羊肉和冷鲜羊肉蛋白质、脂肪、水分和乳酸含量差异的特征波长；
步骤六、利用不同算法提取热鲜和冷鲜建模样品吸光度光谱中反映热鲜羊肉和冷鲜羊肉蛋白质、脂肪、水分和乳酸含量差异的特征波长；
步骤七、利用不同建模方法基于热鲜和冷鲜羊肉融合特征波长下吸光度和反射率信息建立在线融合判别模型，经过模型优选，确定最佳在线融合判别模型；
所述利用在线融合判别模型在线判别待检测样品的类型的具体步骤如下：
步骤A、制备待检测羊肉样品；
步骤B、利用近红外光谱在线采集待检测羊肉样品反射率光谱或吸光度光谱，并通过反射率光谱和吸光度光谱之间的转换公式同时获得两种光谱信息；
步骤C、对待检测样品的光谱数据进行光谱预处理；
步骤D、分别提取待检测样品反射率光谱和吸光度光谱中反映热鲜羊肉和冷鲜羊肉成分含量差异的特征波长；
步骤E、将所提取的待检测样品光谱反射率和吸光度特征波长信息输入在线融合判别模型中，获得待检测样品的类别。
上述步骤一、步骤二和步骤A中，建模样品和待检测样品的尺寸约为7cm×5cm×1cm。
上述步骤三和步骤B中，反射率光谱和吸光度光谱的计算公式为 A＝log10(1/(R/100))或R＝100/(10A)，其中A为吸光度光谱，R为反射率光谱，利用转换关系可以通过一种光谱数据获得另一种光谱数据，从而在采集样品一种光谱数据时同时获得两种光谱数据。
上述步骤四和步骤C中，光谱预处理的方法为9点平滑滤波和多元散射校正组合法。
上述步骤五和步骤D中，建模样品和待检测样品反射率光谱中反映热鲜羊肉和冷鲜羊肉成分含量差异的特征波长有8个，分别为：反映蛋白质含量差异的1045nm、1570nm和2195nm特征波长，反映脂肪含量差异的1150nm和1895nm特征波长，反映水分含量差异的1473nm和1356nm特征波长以及能够反映出乳酸含量差异的1272nm波长。
上述步骤六和步骤D中，建模样品和待检测样品吸光度光谱中反映热鲜羊肉和冷鲜羊肉成分含量差异的特征波长有8个，分别为：反映蛋白质含量差异的1038nm和1518特征波长，反映脂肪含量差异的1136nm、1590nm和1879nm特征波长，反映水分含量差异的2010nm特征波长以及能够反映出乳酸含量差异的1246nm和1330nm波长。
上述步骤七中，建立融合判别模型时，采用隔三选一法将在线建模样品按照3：1的比例划分为校正集和预测集，采用的交叉验证法为十折交互验证。
上述步骤七中，融合判别模型依据模型校正集、预测集和交叉验证集准确率进行优选，优选出的融合判别模型为支持向量机模型，模型参数为：核函数为径向基核函数，核函数参数g和惩罚因子参数c最佳值分别为0.316和24.065。
上述步骤三和步骤B中，采集样品光谱数据时，传送带传送速度设置为11cm/s，样品间隔为15cm，光源角度60°，光纤与样品表面距离10mm，光源与光纤距离45mm，光源功率20w，光谱仪的参数设置为：积分时间(t)为18ms，平均次数(n)为16，平滑度 (s)为3。
上述步骤三和步骤B中，近红外光谱在线采集***包括机械传送单元、光谱采集单元、数据分析单元、光源和暗箱；所述的机械传送单元包括电流开关电源、调速电机和传送带，调速电机可以调整传送带传送速度；所述光谱采集单元包括光纤、光纤探头、光谱仪、位置检测传感器、滚珠丝杠和控制器，位置检测传感器位于光纤探头侧下方，当检测到样品到达光纤探头下方时发送采集信号给光谱仪，光纤探头安装于在滚珠丝杠上，控制器通过滚珠丝杠调整光纤探头与样品表面的距离；所述数据分析单元由计算机和分析软件组成，用于参数设定、光谱数据采集、光谱曲线显示、样品判别和数据输出；所述光源由两盏卤素灯组成，光源安装于光纤探头两侧；所述暗箱由铝型材支架以及覆盖黑色密织厚布组成，为封闭式不透光箱体，防止外界光线干扰。
本发明与现有技术相比优势在于：
第一、通过同时利用样品的吸光度光谱和反射率光谱信息进行建模，增大了模型和方法所使用的光谱信息量。
第二、通过提取反映热鲜羊肉和冷鲜羊肉中成分含量差异的特征波长，优化了模型结构，提高了建模效率。
第三、利用融合特征波长下吸光度和反射率信息进行融合在线判别，提高了待检测样品在线判别的准确率。
第四、本发明为热鲜肉和冷鲜肉以及农畜产品的其他品质指标在线快速判别提供了技术支持和参考，同时也为近红外光谱技术的其它应用提供了新的思路和方法。
附图说明
图1为本发明实施例1和实施例2涉及的近红外光谱数据在线采集***；
图2为本发明实施例2涉及的热鲜和冷鲜建模样品反射率平均光谱；
图3为本发明实施例2涉及的热鲜和冷鲜建模样品吸光度平均光谱；
图4为本发明实施例2涉及的反映热鲜和冷鲜羊肉成分差异的反射率光谱特征波长；
图5为本发明实施例2涉及的反映热鲜和冷鲜羊肉成分差异的吸光度光谱特征波长；
图6为本发明实施例2涉及的利用优选在线融合判别模型判别待检测样品的准确率；
附图中各标记说明如下：1：电流开关电源；2：调速电机和控制器；3：传送带及载物台；4：光源；5：暗箱；6：滚珠丝杠；7：光纤；8：光谱仪；9：计算机及数据采集卡；10：控制单元；11：支架；12：位置检测传感器；13：光纤探头。
具体实施方式
为了使本发明目的、优点更加清楚明白，下面结合具体实施例对本发明内容作进一步阐述。
实施例1：一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法的光谱采集***结构及其使用
a部分：一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法的光谱采集***结构
近红外光谱数据采集***主要由机械传送单元、光谱采集单元、数据分析单元、光源和暗箱组成；机械传送单元包括电流开关电源、调速电机和传送带，调速电机可以调整传送带传送速度；光谱采集单元包括光纤、光纤探头、光谱仪、位置检测传感器、滚珠丝杠和控制器，位置检测传感器位于光纤探头侧下方，当检测到样品到达光纤探头下方时发送采集信号给光谱仪，光纤探头安装于在滚珠丝杠上，控制器通过滚珠丝杠调整光纤探头与样品表面的距离；数据分析单元由计算机和分析软件组成，用于参数设定、光谱数据采集、光谱曲线显示、样品判别和数据输出；所述光源由两盏卤素灯组成，光源安装于光纤探头两侧；暗箱由铝型材支架以及覆盖黑色密织厚布组成，为封闭式不透光箱体，防止外界光线干扰。
b部分：一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法的光谱采集***使用方法
b1、打开计算机，将判别软件打开，连接光谱仪与计算机，通过软件界面识别光谱仪是否连接成功。
b2、光谱仪连接成功以后，进行采集参数设置，设置完毕后，覆盖上箱布，采集暗参考。
b1、去掉箱布，并打开电源，预热30min，重新覆盖上箱布，保存白参考。
b3、扣除暗参考，采用吸光度模式或反射模式采集光谱。
b4、调节光纤探头的高度，使其达到最佳光谱采集高度。
b5、打开传送带，将传送带运行速度调至11cm/s。
b6、将待检测样品表面水分用滤纸擦拭干放置在传送带上。
b7、待检测样品到达光纤正下方时，位置检测传感器检测到待检测样品，发送信号给计算机，软件自动采集样品光谱。
b8、在光谱采集软件中保存所采集的待检测样品的吸光度光谱或反射率光谱数据。
b9、通过转换公式获得待检测样品的另一种光谱数据，并进行光谱预处理。
b10、提取反射率和吸光度光谱中反映热鲜和冷鲜成分含量差异的特征波长并输入最佳融合判别模型中，即可获得待检测样品的类型。
实施例2：一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法
c部分：建立热鲜羊肉和冷鲜羊肉的判别模型
c1、样品制备
选取新鲜羊胴体脂肪少且纹理清晰的部位，采用切片的方式制备热鲜建模样品，样品尺寸约为70mm×50mm×10mm。选取新鲜羊胴体脂肪少且纹理清晰的部位，用恒温箱(0～4℃) 送入专用排酸室冷藏排酸，排酸完成后采用切片的方式制备冷鲜建模样品，样品尺寸约为 70mm×50mm×10mm。
c2、在线光谱采集
将样品表面水分需使用滤纸将其擦拭干，放置于传送带上采集其反射率光谱数据，重复采集两次，取平均值作为样品最终光谱数据，利用反射率光谱和吸光度光谱的转换公式获取热鲜和冷鲜样品的吸光度光谱数据，其反射率和吸光度光谱平均值如图2和图3所示。
c3、数据匹配
将热鲜样品类型记为1，冷鲜样品类型记为2，并将样品类别与光谱数据进行匹配。
c4、异常样剔除
采用Q残差和霍特林T2界限图对样品光谱数据进行处理，共剔除了8个异常样品。
c5、样本集划分与光谱预处理
将剔除异常样后的152个样品采用9点平滑滤波和多元散射校正组合法进行光谱预处理，然后按照3：1的比例划分为114个校正集和38个预测集。
c6、特征波长提取
首先用竞争性自适应重加权算法分别对反射率光谱和吸光度光谱提取特征波长，共提取了23个吸光度光谱特征波长和27个反射率光谱特征波长，在此基础上利用连续投影法进行二次提取，共获得8个吸光度光谱特征波长和8个反射率光谱特征波长，如图4和图5所示。
c7、融合判别模型建立
分别采用偏最小二乘判别法、簇类独立软模式法和支持向量机建立基于融合特征波长下的在线融合判别模型，其中偏最小二乘判别法的潜变量因子为8；簇类独立软模式法主成分数分别为11和7；支持向量机的核函数为径向基核函数，核函数参数g和惩罚因子参数c 最佳值分别为0.316和24.065。采用模型校正集、交叉验证集和预测集的准确率来评价模型效果，模型交叉验证采用十折交叉验证。三种在线融合判别模型分类准确率如表1所示；
表1 三种在线融合判别模型分类准确率
由表可知：采用偏最小二乘判别法建立的在线融合判别模型效果最差，其校正集、交叉验证集和预测集准确率仅为89.5％、86％和81.6％；采用偏最小二乘判别法建立的在线融合判别模型效果其次，其校正集、交叉验证集和预测集准确率为97.4％、95％和91.2％；采用支持向量机建立的在线融合判别模型判别效果最佳，其校正集、交叉验证集和预测集准确率分别达到98.2％、93％和92.1％。因此，采用支持向量机建立的在线融合判别模型为最终的优选模型，并用于后续检测。
d部分：利用判别模型判别待检测样品类别
利用最终的优选融合判别模型对待检测样品的判别过程按照步骤A～E顺序进行，首先制备待检测样品，然后在线采集样品的反射率光谱或吸光度光谱，通过反射率光谱和吸光度光谱之间的转换公式获得另一种光谱数据，经过光谱预处理后提取特征波长下的反射率光谱和吸光度光谱信息，并将提取到的特征波长信息输入优选融合判别模型中，得到待检测样品的类别。待检测样品的制备、光谱的在线采集和转换、光谱数据匹配、光谱的预处理以及特征波长的提取参照本实施例c1、c2、c3、c5和c6操作过程进行。
分别制备热鲜和冷鲜待检测样品各18个用于模型判别，模型判别结果如表2和图6所示，综合判别准确率达到97.2％，其中热鲜样品判别正确率100％，仅有1个冷鲜待检测样品被误判。结果表明优选的支持向量机融合判别模型可以很好的应用于热鲜和冷鲜羊肉的在线判别中。
表2 待检测样品判别结果
本发明通过两个实施例，分别从近红外光谱在线采集***的结构和使用方法，在线融合判别模型的建立和在线判别待检测样品等角度阐述了一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法的操作流程，可以看出，本发明充分利用样品吸光度和反射率信息，所采用的方法精度高、检测效果好，为仪器开发以及热鲜和冷鲜羊肉的在线判别提供了技术支持和参考。
基于近红外光谱技术对其他品种热鲜肉和冷鲜肉的在线判别，以及对于其他农畜产品品质指标进行快速无损检测时，可参照本文所提出的检测方法和检测流程进行操作。
以上所述仅为本发明的两个实施例，并不用以限制本发明，凡是在本发明的精神和原则之内，在本发明技术实质的基础上所作的任何修改、等同替换、改进，均应包含在本发明的范围之内。
Claims (10)
1.一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：先建立热鲜和冷鲜羊肉的在线融合判别模型，再利用在线融合判别模型在线判别待检测样品的类型；
所述建立热鲜和冷鲜羊肉的在线融合判别模型的具体步骤如下：
步骤一、选取新鲜羊胴体脂肪少且纹理清晰的部位，采用分割切片方式制备建模热鲜样品；
步骤二、选取新鲜羊胴体脂肪少且纹理清晰的部位，送入专用排酸室冷藏排酸24~48h，排酸完成后采用分割切片方式制备建模冷鲜样品；
步骤三、利用近红外光谱在线采集***，在线采集热鲜和冷鲜建模样品的反射率光谱，通过反射率光谱与吸光度光谱之间的转换公式获取其吸光度光谱，或在线采集热鲜和冷鲜建模样品的吸光度光谱，通过吸光度光谱与反射率光谱之间的转换公式获取其反射率光谱；
步骤四、对热鲜和冷鲜建模样品的光谱数据进行异常光谱剔除，并进行光谱预处理；
步骤五、利用不同算法提取热鲜和冷鲜建模样品反射率光谱中反映热鲜羊肉和冷鲜羊肉蛋白质、脂肪、水分和乳酸含量差异的特征波长；
步骤六、利用不同算法提取热鲜和冷鲜建模样品吸光度光谱中反映热鲜羊肉和冷鲜羊肉蛋白质、脂肪、水分和乳酸含量差异的特征波长；
步骤七、利用不同建模方法基于热鲜和冷鲜羊肉融合特征波长下吸光度和反射率光谱信息建立在线融合判别模型，经过模型优选，确定最佳在线融合判别模型；
所述利用在线融合判别模型在线判别待检测样品的类型的具体步骤如下：
步骤A、制备待检测羊肉样品；
步骤B、利用近红外光谱在线采集待检测羊肉样品反射率光谱或吸光度光谱，并通过反射率光谱和吸光度光谱之间的转换公式同时获得两种光谱信息；
步骤C、对待检测样品的光谱数据进行光谱预处理；
步骤D、分别提取待检测样品反射率光谱和吸光度光谱中反映热鲜羊肉和冷鲜羊肉成分含量差异的特征波长；
步骤E、将所提取的待检测样品光谱反射率和吸光度特征波长信息输入在线融合判别模型中，获得待检测样品的类别。
2.按照权利要求1所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：所述步骤一、步骤二和步骤A中，建模样品和待检测样品的尺寸约为70 mm×50 mm×10 mm。
3.按照权利要求1所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特
征在于：所述步骤三和步骤B中，反射率光谱和吸光度光谱的转换公式为
或
，其中A为吸光度光谱，R为
反射率光谱，利用转换公式可以通过一种光谱数据获得另一种光谱数据，从而在采集样品
一种光谱数据的同时获得两种光谱数据。
4.按照权利要求1所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：所述步骤四和步骤C中，光谱预处理的方法为9点平滑滤波与多元散射校正组合方法。
5.按照权利要求1所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：所述步骤五和步骤D中，建模样品和待检测样品反射率光谱中反映热鲜和冷鲜羊肉成分含量差异的特征波长有8个，分别为：反映蛋白质含量差异的1045 nm、1570 nm和2195nm特征波长，反映脂肪含量差异的1150 nm和1895 nm特征波长，反映水分含量差异的1473nm和1356 nm特征波长以及反映乳酸含量差异的1272 nm特征波长。
6.按照权利要求1所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：所述步骤六和步骤D中，建模样品和待检测样品吸光度光谱中反映热鲜和冷鲜羊肉成分含量差异的特征波长有8个，分别为：反映蛋白质含量差异的1038 nm和1518 nm特征波长，反映脂肪含量差异的1136 nm、1590 nm和1879 nm特征波长，反映水分含量差异的2010nm特征波长以及反映乳酸含量差异的1246 nm和1330 nm特征波长。
7.按照权利要求1所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：所述步骤七中，建立在线融合判别模型时，采用隔三选一法将在线建模样品按照3：1的比例划分为校正集和预测集，采用的交叉验证法为十折交互验证。
8.按照权利要求1和7所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：所述步骤七中，融合判别模型依据模型校正集、预测集和交叉验证集准确率进行优选，优选出的融合判别模型为支持向量机模型，模型参数为：核函数为径向基核函数，核函数参数g和惩罚因子参数c最佳值分别为0.316和24.065。
9.按照权利要求1所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：所述步骤三和步骤B中，采集样品光谱数据时，传送带传送速度设置为11 cm/s，样品间隔为15 cm，光源角度60°，光纤与样品表面距离10 mm，光源与光纤距离45 mm，光源功率20 w，光谱仪参数设置为：积分时间（t）为18 ms，平均次数（n）为16，平滑度（s）为3。
10.按照权利要求1和9所述的一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法，其特征在于：所述步骤三和步骤B中，近红外光谱在线采集***包括机械传送单元、光谱采集单元、数据分析单元、光源和暗箱；所述的机械传送单元包括电流开关电源、调速电机和传送带，调速电机可以调整传送带传送速度；所述光谱采集单元包括光纤、光纤探头、光谱仪、位置检测传感器、滚珠丝杠和控制器，位置检测传感器位于光纤探头侧下方，当检测到样品到达光纤探头下方时发送采集信号给光谱仪，光纤探头安装于在滚珠丝杠上，控制器通过滚珠丝杠调整光纤探头与样品表面的距离；所述数据分析单元由计算机和分析软件组成，用于参数设定、光谱数据采集、光谱曲线显示、样品判别和数据输出；所述光源由两盏卤素灯组成，光源安装于光纤探头两侧；所述暗箱由铝型材支架以及覆盖黑色密织厚布组成，为封闭式不透光箱体，防止外界光线干扰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911047973.XA CN110702637B (zh) | 2019-10-30 | 2019-10-30 | 一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911047973.XA CN110702637B (zh) | 2019-10-30 | 2019-10-30 | 一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110702637A true CN110702637A (zh) | 2020-01-17 |
| CN110702637B CN110702637B (zh) | 2022-07-05 |
Family
ID=69202934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911047973.XA Active CN110702637B (zh) | 2019-10-30 | 2019-10-30 | 一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110702637B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112595694A (zh) * | 2020-12-16 | 2021-04-02 | 内蒙古农业大学 | 一种基于近红外快速检测羊肉品质数据库及其建立方法 |
| CN113390801A (zh) * | 2021-04-28 | 2021-09-14 | 中国农业科学院农产品加工研究所 | 一种光学无损评价不规则肉品品质的在线检测***及方法 |
| CN113390802A (zh) * | 2021-04-28 | 2021-09-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及*** |
| CN114295580A (zh) * | 2021-12-29 | 2022-04-08 | 四川启睿克科技有限公司 | 一种基于近红外光谱快速判别花椒品质的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102967578A (zh) * | 2012-11-08 | 2013-03-13 | 中国农业科学院农业质量标准与检测技术研究所 | 在线获取牛肉样本近红外光谱的方法及其在评价牛肉质量中的应用 |
| CN103487397A (zh) * | 2013-09-23 | 2014-01-01 | 浙江农林大学 | 一种雷竹笋硬度快速检测方法及装置 |
| CN206772821U (zh) * | 2017-03-01 | 2017-12-19 | 花锦 | 一种生肉新鲜度无损快速检测的装置 |
| CN108195790A (zh) * | 2018-01-25 | 2018-06-22 | 内蒙古农业大学 | 基于近红外光谱建立山羊肉质检测数据库的方法 |
-
2019
- 2019-10-30 CN CN201911047973.XA patent/CN110702637B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102967578A (zh) * | 2012-11-08 | 2013-03-13 | 中国农业科学院农业质量标准与检测技术研究所 | 在线获取牛肉样本近红外光谱的方法及其在评价牛肉质量中的应用 |
| CN103487397A (zh) * | 2013-09-23 | 2014-01-01 | 浙江农林大学 | 一种雷竹笋硬度快速检测方法及装置 |
| CN206772821U (zh) * | 2017-03-01 | 2017-12-19 | 花锦 | 一种生肉新鲜度无损快速检测的装置 |
| CN108195790A (zh) * | 2018-01-25 | 2018-06-22 | 内蒙古农业大学 | 基于近红外光谱建立山羊肉质检测数据库的方法 |
Non-Patent Citations (5)
| Title |
|---|
| S.SUZANNE NIELSEN 等: "《食品分析》", 31 July 2012, 中国轻工业出版社 * |
| 尹长安 等: "《肉羊无公害饲养综合技术》", 31 January 2003, 中国农业出版社 * |
| 曾雪晴 等: "无损检测技术在掺假肉及肉制品中的应用进展", 《食品与发酵工业》 * |
| 王培培 等: "近红外光谱法预测羊肉化学成分的研究", 《核农学报》 * |
| 陈峰 等: "化学计量学方法在食品分析中的应用", 《食品科学技术学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112595694A (zh) * | 2020-12-16 | 2021-04-02 | 内蒙古农业大学 | 一种基于近红外快速检测羊肉品质数据库及其建立方法 |
| CN113390801A (zh) * | 2021-04-28 | 2021-09-14 | 中国农业科学院农产品加工研究所 | 一种光学无损评价不规则肉品品质的在线检测***及方法 |
| CN113390802A (zh) * | 2021-04-28 | 2021-09-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及*** |
| CN113390802B (zh) * | 2021-04-28 | 2023-03-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及*** |
| CN113390801B (zh) * | 2021-04-28 | 2023-03-14 | 中国农业科学院农产品加工研究所 | 一种光学无损评价不规则肉品品质的在线检测***及方法 |
| CN114295580A (zh) * | 2021-12-29 | 2022-04-08 | 四川启睿克科技有限公司 | 一种基于近红外光谱快速判别花椒品质的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110702637B (zh) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110702637B (zh) | 一种热鲜和冷鲜羊肉的近红外在线融合快速判别方法 | |
| JP6339244B2 (ja) | Ｆｔ−ｉｒスペクトルデータの多変量統計分析を用いた果実の糖度及び酸度の予測方法 | |
| CN108663339B (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
| CN108960315B (zh) | 一种调理肉制品品质智能评价***及方法 | |
| CN102967578A (zh) | 在线获取牛肉样本近红外光谱的方法及其在评价牛肉质量中的应用 | |
| CN108663367A (zh) | 一种基于鸡蛋容重的鸡蛋品质无损检测方法 | |
| CN105628644A (zh) | 基于原位实时光谱在线监测蛋白质酶解过程的装置和方法 | |
| CN109685098B (zh) | 一种模糊簇间分离聚类的茶叶品种分类方法 | |
| CN111474137A (zh) | 一种基于卷积神经网络的柑橘糖度无损检测方法 | |
| CN107907500A (zh) | 一种羊肉产地的检测方法 | |
| CN104089925B (zh) | 一种基于高光谱成像检测虾仁品质的目标区域提取方法 | |
| CN105699319A (zh) | 一种基于高斯过程的近红外光谱煤全水分快速检测方法 | |
| CN104359855A (zh) | 一种基于近红外光谱的注水肉检测方法 | |
| Feng et al. | Detection of blood spots in eggs by hyperspectral transmittance imaging | |
| CN104502307A (zh) | 一种快速检测长牡蛎糖原和蛋白质含量的方法 | |
| CN106338488A (zh) | 一种转基因豆奶粉的快速无损鉴别方法 | |
| CN118077790A (zh) | 基于多模态信息的茶叶智能揉捻装置及控制方法 | |
| CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
| CN104749126A (zh) | 基于近红外高光谱图像分析的小麦硬度预测方法 | |
| CN110672578A (zh) | 针对煎炸油极性组分检测的模型通用性及稳定性验证方法 | |
| CN202083645U (zh) | 一种基于fpga的粮食品质在线检测装置 | |
| CN113310934A (zh) | 骆驼奶中掺加奶牛奶及其掺加比例的快速鉴定方法 | |
| CN106198423A (zh) | 一种基于可见‑近红外光谱分析技术鉴别火腿肠等级的方法 | |
| JP2002328088A (ja) | 近赤外分光法による異常肉の判別方法 | |
| CN113916824B (zh) | 牛奶中αs1-酪蛋白的中红外快速批量检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |