豬肉新鮮度光譜模型的建立及傳遞方法研究.pdf

1、消費(fèi)者對(duì)豬肉品質(zhì)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(zhì)與安全的重要指標(biāo)之一，傳統(tǒng)檢測(cè)方法過程繁瑣，耗時(shí)長(zhǎng)，不可能實(shí)現(xiàn)快速、無損檢測(cè)，因此研究一種豬肉新鮮度快速、無損檢測(cè)方法對(duì)提高人民生活質(zhì)量很有意義。光譜分析技術(shù)已被應(yīng)用于豬肉新鮮度檢測(cè)的研究，然而豬肉品種不同對(duì)光譜檢測(cè)方法和效果具有顯著影響。該文以湖北白豬、杜長(zhǎng)大、恩施山豬3個(gè)品種的豬肉樣品為研究對(duì)象，利用其近紅外光譜和高光譜數(shù)據(jù)建立新鮮度指標(biāo)檢測(cè)模型。通過比較不同消噪方

2、法、光譜預(yù)處理方法和模型傳遞方法，確定了豬肉新鮮度指標(biāo)光譜檢測(cè)的最佳消噪方法、預(yù)處理方法和模型傳遞方法。為實(shí)現(xiàn)豬肉新鮮度快速、無損檢測(cè)提供進(jìn)一步的理論和技術(shù)支撐。研究主要從以下幾個(gè)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(gòu)法對(duì)光譜信號(hào)的消噪作用，確定了最優(yōu)的光譜信號(hào)消噪方法。研究發(fā)現(xiàn)，對(duì)近紅外光譜和高光譜數(shù)據(jù)，經(jīng)過不同模式的S-G平滑消噪處理后，建立模型性能指標(biāo)變化很小，波動(dòng)頻繁，難以評(píng)價(jià)不同模式

3、的消噪效果;比較不同尺度小波分解重構(gòu)法消噪效果，分解尺度為7的db3小波分解重構(gòu)法消噪后建立模型性能較優(yōu)。以信嗓比為評(píng)價(jià)指標(biāo)，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(gòu)法，結(jié)果表明，對(duì)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(gòu)法消噪效果最好。
　　 2)采用結(jié)合蒙特卡羅的偏最小二乘異樣樣品檢測(cè)方法，分別對(duì)不同品種豬肉近紅外光譜和高光譜數(shù)據(jù)異常樣品進(jìn)行了檢驗(yàn)。對(duì)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(hào)3個(gè)異常樣品;杜長(zhǎng)大樣品中存在第50、84和94號(hào)3個(gè)異常樣品;恩施山豬樣品中存在第87和89號(hào)2個(gè)異常樣品。對(duì)于高光譜數(shù)據(jù)，湖北白豬樣品中存在第4、18和59號(hào)3個(gè)異常樣品;杜長(zhǎng)大樣品中存在第73、80和81號(hào)3個(gè)為異常樣品;恩施山豬中存在第29、63和94號(hào)3個(gè)異常樣品。
　　 3)研究了不同光譜預(yù)處理方法對(duì)各品種豬肉樣品建模效果的影響。比較了分別經(jīng)變量中心化(Mean Center)、中心化和標(biāo)準(zhǔn)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(hào)校正(OSC)7種光譜預(yù)處理后的建模效果，對(duì)湖北白豬、杜長(zhǎng)大、恩施山豬樣品，確定利用近紅外光譜進(jìn)行豬肉新鮮度檢測(cè)的最優(yōu)預(yù)處理方法分別為None、None、Autoscale;確定利用高光譜進(jìn)行豬肉新鮮度檢測(cè)的最優(yōu)預(yù)處理方法分別為Autoscale、Mean Center、Normalize。
　　 4)研究了將3個(gè)

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(duì)湖北白豬、杜長(zhǎng)大、恩施山豬樣本的預(yù)測(cè)均方根誤差分別為3.533，4.918和3.728，高光譜通用性模型對(duì)湖北白豬、杜長(zhǎng)大、恩施山豬樣品的預(yù)測(cè)均方根誤差分別為1.732，2.584，2.944，預(yù)測(cè)結(jié)果較理想。結(jié)果表明可以建立通用性模型用于多品種豬肉樣品的檢測(cè)。
　　 5)在儀器之間的模型傳遞基礎(chǔ)上改進(jìn)了基于S/B算法的模型傳遞方法，研究了該

7、方法對(duì)不同品種豬肉模型的傳遞效果。利用該方法對(duì)不同品種豬肉模型傳遞后，模型預(yù)測(cè)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(duì)杜長(zhǎng)大樣品進(jìn)行傳遞后，預(yù)測(cè)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(chǔ)上改進(jìn)了基于PDS算法的模型傳遞方法，研究了該方法對(duì)不同品種豬肉模型的傳遞效果。結(jié)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(duì)杜長(zhǎng)大樣品傳遞后，模

8、型預(yù)測(cè)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(duì)杜長(zhǎng)大樣品的傳遞。
　　 7)提出了一種基于回歸系數(shù)的波長(zhǎng)篩選模型傳遞方法，研究了該方法對(duì)不同品種豬肉模型的傳遞效果，結(jié)果表明:該方法的模型傳遞效果穩(wěn)定。其中杜長(zhǎng)大近紅外光譜模型對(duì)湖北白豬、恩施山豬樣品及恩施山豬近紅外光譜模型對(duì)湖北白豬、杜長(zhǎng)大樣品進(jìn)行傳遞后，預(yù)測(cè)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(duì)杜長(zhǎng)大樣品，杜長(zhǎng)大高光譜模型對(duì)湖北白豬、恩施山豬樣品及恩施山豬高光譜模型對(duì)湖北白豬、杜長(zhǎng)大樣品傳遞后，預(yù)測(cè)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