基于高光譜技術(shù)的寧夏灘羊肉內(nèi)部品質(zhì)檢測(cè)方法研究.pdf

1、本研究以寧夏灘羊?yàn)檠芯繉?duì)象，采用近紅外高光譜成像系統(tǒng)(900-1700nm)對(duì)76個(gè)羊肉樣本進(jìn)行高光譜圖像采集，提出BP神經(jīng)網(wǎng)絡(luò)融合算法結(jié)合化學(xué)計(jì)量學(xué)方法，建立羊肉脂肪和蛋白質(zhì)含量定量預(yù)測(cè)模型，并對(duì)模型進(jìn)行分析和評(píng)價(jià)，旨在尋求肉品內(nèi)部品質(zhì)快速無損檢測(cè)新方法，為其在線無損檢測(cè)提供理論依據(jù)。論文主要研究結(jié)果如下:
　　(1)對(duì)樣本進(jìn)行脂肪和蛋白質(zhì)含量檢測(cè)，獲取原始光譜數(shù)據(jù)，經(jīng)多種預(yù)處理方法進(jìn)行光譜預(yù)處理，最終得到羊肉脂肪和蛋白質(zhì)含量所

2、建模型的最佳預(yù)處理方法分別為db4小波函數(shù)、分解尺度為3的小波變換法和SNV結(jié)合S-G平滑法。
　　(2)對(duì)高光譜圖像數(shù)據(jù)進(jìn)行降維，選取脂肪含量的四個(gè)特征波長(zhǎng)(960nm、1132nm、1300nm、1622nm)，蛋白質(zhì)含量的四個(gè)特征波長(zhǎng)（990nm、1162nm、1323nm、1633nm）用于后續(xù)預(yù)測(cè)模型的建立。
　　(3)分別采用PLS、RBF-ANN和LS-SVM對(duì)剔除異常值后的樣品脂肪和蛋白質(zhì)含量建立預(yù)測(cè)模型，結(jié)

3、果表明，精度最高的是RBF-ANN模型，全波段下的RBF-ANN模型得R脂肪=0.5987，RMSEP脂肪=2.4994，R蛋白=0.6669，RMSEP蛋白=2.8173;特征波段下的RBF-ANN模型得R脂肪=0.8970，RMSEP脂肪=0.6039，R蛋白=0.9127，RMSEP蛋白=0.7317;均優(yōu)于其他兩種方法的全波段預(yù)測(cè)效果，而PLS模型預(yù)測(cè)精度優(yōu)于LS-SVM所建模型;精度最低的是LS-SVM模型，其相關(guān)系數(shù)R最小，

4、RMSEP也相對(duì)最大。
　　(4)對(duì)優(yōu)化后數(shù)據(jù)建立BP-ANN預(yù)測(cè)模型，得出脂肪和蛋白預(yù)測(cè)模型的相關(guān)系數(shù)R和預(yù)測(cè)均方根誤差RMSEP分別為R脂肪=0.8633，R蛋白=0.8963和RMSEP脂肪=0.8015，RMSEP蛋白=0.8693;預(yù)測(cè)均方根誤差RMSEP分別為0.8633，0.8963和0.8015，0.8693;為進(jìn)一步提高預(yù)測(cè)精度，提出遺傳算法(GA)和粒子群算法(PSO)優(yōu)化的BP-ANN預(yù)測(cè)模型。結(jié)果表明，特征