豬肉新鮮度光譜模型的建立及傳遞方法研究.pdf

1、消費者對豬肉品質的要求隨生活水平的提高日益增加，豬肉新鮮度是豬肉品質與安全的重要指標之一，傳統(tǒng)檢測方法過程繁瑣，耗時長，不可能實現(xiàn)快速、無損檢測，因此研究一種豬肉新鮮度快速、無損檢測方法對提高人民生活質量很有意義。光譜分析技術已被應用于豬肉新鮮度檢測的研究，然而豬肉品種不同對光譜檢測方法和效果具有顯著影響。該文以湖北白豬、杜長大、恩施山豬3個品種的豬肉樣品為研究對象，利用其近紅外光譜和高光譜數(shù)據(jù)建立新鮮度指標檢測模型。通過比較不同消噪方

2、法、光譜預處理方法和模型傳遞方法，確定了豬肉新鮮度指標光譜檢測的最佳消噪方法、預處理方法和模型傳遞方法。為實現(xiàn)豬肉新鮮度快速、無損檢測提供進一步的理論和技術支撐。研究主要從以下幾個方面展開:
　　 1)研究了不同模式下S-G平滑和不同分解尺度小波分解重構法對光譜信號的消噪作用，確定了最優(yōu)的光譜信號消噪方法。研究發(fā)現(xiàn)，對近紅外光譜和高光譜數(shù)據(jù)，經過不同模式的S-G平滑消噪處理后，建立模型性能指標變化很小，波動頻繁，難以評價不同模式

3、的消噪效果;比較不同尺度小波分解重構法消噪效果，分解尺度為7的db3小波分解重構法消噪后建立模型性能較優(yōu)。以信嗓比為評價指標，比較不同模式的S-G平滑方法和分解尺度為7的db3小波分解重構法，結果表明，對于近紅外光譜和高光譜數(shù)據(jù)，分解尺度為7的db3小波分解重構法消噪效果最好。
　　 2)采用結合蒙特卡羅的偏最小二乘異樣樣品檢測方法，分別對不同品種豬肉近紅外光譜和高光譜數(shù)據(jù)異常樣品進行了檢驗。對于近紅外光譜數(shù)據(jù)，湖北白豬樣品中存

4、在第17、43和82號3個異常樣品;杜長大樣品中存在第50、84和94號3個異常樣品;恩施山豬樣品中存在第87和89號2個異常樣品。對于高光譜數(shù)據(jù)，湖北白豬樣品中存在第4、18和59號3個異常樣品;杜長大樣品中存在第73、80和81號3個為異常樣品;恩施山豬中存在第29、63和94號3個異常樣品。
　　 3)研究了不同光譜預處理方法對各品種豬肉樣品建模效果的影響。比較了分別經變量中心化(Mean Center)、中心化和標準化(

5、Autoscale)、多元散射校正(MSC)、歸一化(Normalize)、矢量歸一化(SNV)、一階微分、正交信號校正(OSC)7種光譜預處理后的建模效果，對湖北白豬、杜長大、恩施山豬樣品，確定利用近紅外光譜進行豬肉新鮮度檢測的最優(yōu)預處理方法分別為None、None、Autoscale;確定利用高光譜進行豬肉新鮮度檢測的最優(yōu)預處理方法分別為Autoscale、Mean Center、Normalize。
　　 4)研究了將3個

6、品種豬肉樣品混合建立通用性模型的可行性。采用偏最小二乘回歸，建立的近紅外光譜通用性模型對湖北白豬、杜長大、恩施山豬樣本的預測均方根誤差分別為3.533，4.918和3.728，高光譜通用性模型對湖北白豬、杜長大、恩施山豬樣品的預測均方根誤差分別為1.732，2.584，2.944，預測結果較理想。結果表明可以建立通用性模型用于多品種豬肉樣品的檢測。
　　 5)在儀器之間的模型傳遞基礎上改進了基于S/B算法的模型傳遞方法，研究了該

7、方法對不同品種豬肉模型的傳遞效果。利用該方法對不同品種豬肉模型傳遞后，模型預測決定系數(shù)均有所降低，模型傳遞效果穩(wěn)定。其中湖北白豬近紅外光譜模型對杜長大樣品進行傳遞后，預測均方根誤差由23.465下降為3.167，模型傳遞效果較理想。
　　 6)在儀器之間的模型傳遞基礎上改進了基于PDS算法的模型傳遞方法，研究了該方法對不同品種豬肉模型的傳遞效果。結果表明:基于PDS算法的模型傳遞效果不穩(wěn)定。其中恩施山豬模型對杜長大樣品傳遞后，模

8、型預測均方根誤差明顯增大，表明該方法不適用于恩施山豬模型對杜長大樣品的傳遞。
　　 7)提出了一種基于回歸系數(shù)的波長篩選模型傳遞方法，研究了該方法對不同品種豬肉模型的傳遞效果，結果表明:該方法的模型傳遞效果穩(wěn)定。其中杜長大近紅外光譜模型對湖北白豬、恩施山豬樣品及恩施山豬近紅外光譜模型對湖北白豬、杜長大樣品進行傳遞后，預測均方根誤差分別由18.215，5.947，5.749和5.695下降為3.989,2.963，3.891和3.

9、701，決定系數(shù)分別由0.666，0.312，0.394，0.075提高為0.701,0.827，0.720，0.516;湖北白豬高光譜模型對杜長大樣品，杜長大高光譜模型對湖北白豬、恩施山豬樣品及恩施山豬高光譜模型對湖北白豬、杜長大樣品傳遞后，預測均方根誤差分別由14.024，11.039，4.624，11.482，5.993下降至1.876，1.733,2.365，2.046，2.117，決定系數(shù)分別由0.007，0.461，0.52