基于卷积神经网络与高光谱的鸡肉品质分类检测

高光谱成像技术是现代食品检测中的重要方法,根据其图、谱合一的特点,从鸡肉的高光谱数据中提取反映鸡肉内部品质的光谱数据和反映鸡肉外部特征的图像数据,对提取到的数据进行预处理,建立基于光谱和彩色图像的卷积神经网络（convolutional neural network,CNN）模型,对鸡肉的品质进行快速、无损检测。结果表明,基于光谱和图像的综合CNN模型的分类效果最好,其准确率和损失函数分别达93.58%和0.30,优于使用单一数据的CNN模型,证明综合使用鸡肉的内、外信息能够有效提高鸡肉品质检测精度。     

苹果腐心病的透射光谱在线检测系统设计及试验

针对苹果内部缺陷在线检测的产业技术需求,研究基于透射光谱技术的苹果内部缺陷在线检测系统。研究设计了光源套件、专用光纤和果托式输送单元等关键部件,提升在线透射光谱质量、降低热损伤和机械损伤;解决了光电信号干扰问题,开发了专用检测软件,实现苹果内部品质信息的无损在线获取。比较分析了正常苹果与腐心病果的光谱响应差异,优化参数后设置在线检测速度3个/秒,触发控制光谱采集时间80 ms。在选择特征波长的基础上利用线性判别分析建立了苹果腐心病的在线判别模型,预测的总体识别率达90%以上。研究结果表明该系统可以实现苹果内部缺陷的快速、无损在线检测。     

基于近红外光谱禽蛋新鲜度无损检测模型研究

利用近红外光谱技术结合波长优选方法研究禽蛋新鲜度品质快速无损检测模型,采用蛋黄指数作为新鲜度评价指标。结果表明,蛋黄指数建立的检测模型效果要优于蛋白pH值和哈夫单位。通过连续投影算法(SPA)优选了4 188.6,4 593.6,4 855.9,5 311.0,5 376.6,5 935.8,6 306.1,7 243.3,7 328.2,7 343.6,8 130.4,8 531.5cm~(-1) 12个特征波谱为输入变量,建立蛋黄指数PLSR、PCR和SMLR检测模型,3种检测模型结果接近,其中,SMLR模型检测效果最好,相关系数r_(pre)=0.950,预测集均方根误差RMSEP=0.030,说明采用近红外光谱禽蛋蛋黄指数检测模型是可行的,通过波长优选后,检测精度较全光谱分析有所提高,该研究结果为进一步开发鸡蛋新鲜度的快速无损检测分级设备提供了理论依据和方法。     

基于Trace Pro仿真的橙果品质光谱检测托盘参数设计与试验

为了实现橙果的内部品质可见/近红外光谱无损检测,采用Trace Pro软件对设计的橙果在线检测传送托盘模型进行光学仿真分析,参考仿真结果中的辉度/照度值,对值较高的托盘模型进行实物加工,结合实际光谱检测平台进行试验验证。仿真结果表明,成果传送托盘的最优外形参数为:外径80 mm、内横径55 mm,内纵径50mm、厚度20mm。采用不同材料对托盘进行加工,用于实际橙果可溶性固形物含量(SSC)检测,光谱数据经预处理后,建立偏最小二乘回归法(PLSR)的预测模型,其中亚克力托盘预测结果最优。为进一步优化检测模型,分别用遗传算法(GA)、稳定性竞争自适应重加权采样(SCARS)算法提取光谱特征波段,建立橙果SSC的PLSR的预测模型,其中SCARS算法特征提取方法最佳,预测决定系数R_(pre)~2为0.920 9;预测均方根误差(RMSEP)为0.468 3。     

基于光谱技术与光学仿真的柚果在线检测托盘设计与试验

采用Trace pro软件对柚果及配套传送托盘模型进行光学仿真分析,设计一款适用于柚果在线检测的传送托盘。通过结构优化和材料替换等方法,对仿真结果中辉度/照度值较高的托盘模型,进行实物加工。柚果置于不同类托盘上,自主搭建光谱平台分别采集柚果漫透射光谱进行试验对比。以试验结果最优的托盘配合柚果进行光谱采集,光谱经预处理,连续投影算法提取光谱特征波段,建立柚果可溶性固形物含量的偏最小二乘回归法的预测模型,最佳预测决定系数为0.957;预测均方根误差为0.271°Brix。结果表明,模型的预测能力好、预测精度高,传送托盘设计合理。     

LS-SVM结合近红外光谱快速检测香梨可溶性糖

利用可见/近红外光谱技术对"库尔勒香梨"内部品质的快速无损检测具有非常重要的研究意义。为了解决光谱数据中由于大量无关信息的存在而导致模型精度降低的问题,探究了基于不同可见/近红外光谱特征波长筛选方法建立模型的效果。分别采用无信息变量消除算法(UVE)、后向偏最小二乘算法(BiPLS)对香梨可溶性糖的特征波长进行筛选,并将其作为输入变量分别建立偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)模型。结果表明,UVE算法可以有效地减少建模变量,UVE-LS-SVM模型效果明显优于UVE-PLS模型,其决定系数(R~2)为0.976、预测均方根误差(RMSEP)为2.313、预测相对分析误差(RPD)为5.45,验证了UVE-LS-SVM结合近红外光谱分析技术能实现对"库尔勒香梨"可溶性糖含量的快速无损测量。     

基于可见/近红外光谱技术的便携分析仪的应用

目的为解决水果内部品质信息的快速无损检测,自主研制了一台基于可见/近红外光谱技术的便携式分析仪,通过试验验证其可行性及所建模型的鲁棒性。方法以红富士苹果为检测对象,采集透射光谱曲线,与化学指标可溶性固形物含量(soluble solid content,SSC)分别建立基于平均光谱、基于各采样光谱的偏最小二乘(partial least squares,PLS)回归模型,比较预测精度并对非同批次样本进行预测。结果试验表明该分析仪对苹果SSC具有较高的测量精度,特别是基于各采样光谱的PLS模型,对同批次样本预测相关系数(Rp)达到0.924,预测均方根误差低至0.429%Brix,预测精密度(平均偏差)低至0.136%Brix,对非同批次样本SSC表现出较强的鲁棒性能,预测均方根误差为0.531%Brix。结论通过此项研究,表明该便携分析仪可用于水果内部品质信息的定量分析,并建议采用基于各采样光谱建立的回归模型用于外来样本的预测。     

基于太赫兹成像技术的发芽葵花籽无损检测研究

发芽葵花籽中脂肪和蛋白质等营养物质的含量会减少，影响油脂产品的产量及品质，因此需要保证葵花籽的品质安全。在对发芽葵花籽进行检测研究时，通常需要剥除葵花籽的外壳，破坏样本，这一操作不利于后续的贮藏加工。文章对发芽葵花籽的带壳无损检测方法进行了研究，采用太赫兹透射成像技术结合最大峰值(Max Peak Size)图像重构方法获取发芽葵花籽图像，应用自适应阈值分割法提取图像特征，应用连续投影(Successive Projections Algorithm,SPA)算法提取光谱特征，并通过串行融合实现特征融合，采用误差反向传播(Back propagation,BP)神经网络算法建立了发芽葵花籽在不同频率段内的识别模型。结果表明，采用SPA-BP算法建立的基于融合特征的发芽葵花籽识别模型效果较好，模型整体识别准确率为100%。由此可得，利用太赫兹时域透射成像技术可以实现发芽葵花籽的带壳无损检测，这对未来带壳油料作物品质的无损检测提供新思路。     

基于MATLAB软件的苹果内部品质系统化无损检测

研究将近红外设备与MATLAB软件链接,实现苹果糖度及可滴定酸度的近红外光谱扫描、数据处理、模型建立、含量预测及模型评价等在线无损检测水果内部品质的一体化。以市售陕西红富士苹果为材料,通过近红外文件格式转换、近红外光谱预处理、偏最小二乘法(PLS)回归分析、预测模型的建立、结果预测及模型精度检验等工作编写和调试基于MATLAB语言的模块化程序,经主程序调用建立苹果糖度及可滴定酸度的定量预测模型。结果表明:本实验所建预测模型糖度及可滴定酸度预测值和真实值之间的相关系数R分别为0.9528,0.8786;标准校正误差(SEC)分别为0.4788,0.0215;标准预测误差(SEP)分别为0.3170,0.0128;标准偏差(SD)分别为1.4111,0.0390,模型具有较高的预测精度。因此,将近红外设备与MATLAB软件链接,实现苹果糖度及可滴定酸度在线无损检测的一体化具有可行性且模型检测精度较高,对开发水果内部品质评价及在线分级软件具有重要意义。     

苹果品质高光谱成像检测技术研究进展

高光谱成像对水果的无损检测是近些年迅速发展的一项新技术,它能三维地获取被检测对象内部与外部多项特征。本文通过介绍高光谱成像系统结构、光源种类及扫描形式,归纳适用于检测苹果品质的系统类型,通过描述指标检测操作流程解析其中几个重要环节,并对国内外苹果指标检测的操作流程、建模方法、研究进展进行总结,最后提出苹果品质高光谱无损检测的研究方向和应用前景。     

南美白对虾货架期预测指标选择及模型研究

为研究南美白对虾品质指标与货架期之间的关系及南美白对虾在贮藏过程中的品质变化过程,精确预测其剩余货架期,通过检测277,272.2,255K温度下南美白对虾的感官指标、理化指标和微生物指标,分别针对南美白对虾品质检测的综合指标和部分关键指标,以支持向量机模型和BP神经网络模型为基础,建立南美白对虾货架期预测模型。结果表明:基于综合指标构建的货架期预测模型的预测精度(支持向量机为97.71%,BP为91.41%)比基于关键指标的(支持向量机为84.08%,BP为83.76%)高;基于支持向量机的预测模型的预测精度(关键指标为84.08%,综合指标为97.71%)比BP预测模型的(关键指标为83.76%,综合指标为91.41%)高;基于综合指标的支持向量机预测模型的预测精度是4种模型中最高的,为97.71%。该结论也可为支持向量机方法和预测指标选择在其他食品领域货架期的应用研究提供一定的参考。     

融合近红外光谱和颜色参数的草莓可溶性固形物含量定量分析模型构建

草莓可溶性固形物(soluble solids content,SSC)含量是评价草莓内部品质的关键指标。为了实现对该指标的快速、无损评估,基于近红外光谱技术,构建了线性偏最小二乘(partial least squares,PLS)和非线性最小二乘支持向量机(least squares support vector machine,LS-SVM)模型,联合蒙特卡罗无信息变量消除和连续投影算法(Monte-Carlo uninformative variable elimination,successive projections algorithm,MC-UVE-SPA)从原始光谱4254个变量中提取了27个有效变量,并构建了基于有效变量的定量分析模型。同时,考虑到草莓表面颜色的影响,基于草莓RGB图像各分量获取了颜色特征参数,进一步融合光谱和颜色特征构建了多参数融合PLS和LS-SVM模型。基于相同的校正集和预测集,比较了所有模型对草莓内部SSC的预测性能。结果表明,MC-UVESPA是一种有效的草莓光谱变量选择算法,且多参数融合非线性LS-SVM模型是草莓内部SSC定量预测的最优模型。针对预测集样本,该模型相关系数RP和预测均方根误差(root mean square error of prediction,RMSEP)分别为0.9885和0.1532。该研究为基于近红外光谱技术的草莓可溶性固形物含量检测便携式仪器和在线检测设备研发奠定了基础。     

基于NIR高光谱成像技术的滩羊肉内部品质无损检测

利用近红外高光谱成像技术对滩羊肉蛋白质和脂肪含量、pH值进行无损检测研究。通过高光谱系统(900~1700 nm)采集69个羊肉样本信息,先对全波段下的原始光谱和预处理后光谱建立偏最小二乘回归(PLSR)模型,对比优选出最佳预处理算法,后采用PLSR的加权β系数法提取特征波长,建立特征波长下各品质参数的PLSR模型,分析预测效果。结果表明:羊肉蛋白质、脂肪含量、pH值最佳预处理方法为基线校准(Baseline)、多元散射校正与S-G卷积平滑结合算法(MSC+SG)和原始光谱;利用特征波长建立预测模型,决定系数(RP2)分别为0.83、0.86和0.72,预测均方根误差(RMSEP)为0.57、0.09和0.12,可替代全波段建模。利用近红外高光谱成像技术对羊肉内部品质进行快速无损检测是可行的。     

基于不同波段的何首乌多糖及总糖高光谱成像检测方法

为实现何首乌内部品质的快速分级与评价,针对多糖和总糖含量两个何首乌品质指标,研究何首乌多糖和总糖含量与光谱间的关系,建立BP神经网络预测模型,探寻何首乌中多糖和总糖含量的无损检测方法。结果表明:基于全波段下的光谱信息的特征参量所建立的BP神经网络预测模型最佳,何首乌多糖含量预测的平均正确率为98.88%,相关系数平均值为0.996 2,均方根误差平均值为0.068 8;总糖含量预测的平均正确率达100%,相关系数平均值为0.993 5,均方根误差平均值为0.252 5。该研究为何首乌多糖和总糖含量的无损检测方法的实现提供理论依据,对实现何首乌内部品质的评定具有重要的现实意义。     

紫外/可见光谱技术无损检测李子可溶性固形物含量

利用光谱技术结合化学计量学对李子可溶性固形物含量检测进行研究,为李子品质无损检测提供科学方法。通过反射式光谱采集系统获取了"红"李子和"青"李子的平均光谱,并对原始光谱数据进行预处理;应用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对预处理后的光谱数据提取特征波长;分别建立基于全光谱和特征波长的预测李子可溶性固形物含量的误差反向传播(BP)网络模型。结果表明:利用SPA和CARS算法分别从全光谱的1024个波长中选取出31和104个特征波长;而基于特征波长建立的CARS-BP网络模型效果最优,其相关系数r_c为0.998,r_p为0.887,均方根误差RMSEC为0.026,RMSEP为1.767。这表明光谱技术结合化学计量学进行李子可溶性固形物含量的无损检测具有可行性。     

改进深度置信网络的苹果内部品质评价

目的：解决苹果近红外光谱存在大量冗余信息和苹果内部品质评价精度较低的问题,提高苹果内部品质评价的精度。方法：提出一种连续投影法的特征波长筛选与灰狼优化算法改进深度置信网络(GWO-DBN)的苹果内部品质评价模型。针对苹果光谱数据具有维度高而复杂的特点,分别对比全波段和主成分分析法、连续投影法等筛选特征波长的结果,确定苹果光谱特征波长筛选方法;针对深度置信网络(DBN)模型性能受参数设定的影响,运用灰狼优化算法(GWO)对DBN模型参数进行优化选择,提出一种连续投影法的特征波长筛选与GWO-DBN的苹果内部品质评价模型。结果：与中粒子群算法改进深度置信网络(PSO-DBN)、遗传算法改进深度置信网络(GA-DBN)和DBN相比,基于GWO-DBN的苹果内部品质评价的准确度最高。结论：GWO-DBN算法可以有效提高苹果内部品质评价的准确率。     

软X射线技术对核桃内部品质的无损检测研究

针对传统方法对核桃内部品质检测的破坏性问题,尝试利用软X射线技术进行核桃内部品质的无损检测。首先采用软X射线技术获取核桃图像,对图像进行去噪和分割;而后提取核桃的轮廓特征,采用面积阈值法对核桃的正常果、空壳果、破损果进行判别区分。实验结果表明,各类核桃总体识别正确率达88.9%,为核桃内部品质无损检测提供了可行的方法。     

基于高光谱和极限学习机的冷鲜羊肉颜色无损检测

利用400~1000 nm近红外高光谱成像系统对冷鲜羊肉颜色进行快速无损检测研究。采集140个冷鲜羊肉样品(贮藏1~7 d)光谱图像,并测量其亮度(L*)、红度(a*)、黄度(b*)和饱和度(C*)等颜色参数。选取感兴趣区域获取样品代表性光谱,利用联合区间偏最小二乘法(si PLS)对一阶微分、多元散射校正、标准正态变量变换(SNV)等方法预处理后的光谱数据筛选特征波段,建立冷鲜羊肉颜色各参数的si PLS-ELM神经网络校正模型。对于L*、a*、b*和C*,模型的预测集相关系数(RP)分别为0.9219、0.9391、0.9603和0.8839,预测集均方根误差(RMSEP)分别为1.1935、0.2333、0.6009和0.3586。结果表明:采用可见-近红外高光谱成像技术结合si PLS-ELM神经网络对冷鲜羊肉颜色的快速无损检测是可行的。     

推扫式成像光谱系统在食品无损检测中的应用研究

利用高光谱成像系统和主成分分析的方法,在可见和近红外(400 nm~1000 nm)光谱范围内,对梨表面特征、表面的农药残留以及鱼肉的寄生虫等几个方面进行初步的探索研究,从常用食品的内部和外部品质同时检测,完成对食品的分级和初步的安全无损检测。     

基于高光谱技术的黑果腺肋花楸成熟度判别及多酚含量检测模型构建

为了无损检测黑果腺肋花楸（Aronia melanocarpa，简称黑果）果实成熟度和多酚含量，本研究构建了基于高光谱成像技术的黑果成熟度判别模型以及多酚含量检测模型。采用高光谱成像技术采集不同成熟度的富康源1号黑果图像信息，福林酚法测定其多酚含量。通过蒙特卡洛法剔除异常值；滑动平均、中值滤波、归一化、基线校准、多元散射校正、消除趋势和标准正态变量变换对原始图像信息进行预处理；光谱-理化值共生距法进行样本划分；竞争性自适应重加权算法和无信息变量消除法提取特征波长，分别建立偏最小二乘模型（PLS）和支持向量机（SVM）模型并进行比较。结果表明，本研究建立的判别模型中效果最好的模型为经多元散射校正预处理后的UVE-SVM模型，综合识别率94.62%,Rc2=0.9712，根据该模型判别的准确度为100%。多酚含量检测效果最好的模型为中值滤波预处理后的CARSSVM模型，Rc2=0.8331。此外，本研究还证明了黑果多酚含量的可视化是可行的。本研究为高光谱成像技术在浆果领域的应用提供了理论基础。