领学术科研之先，创食品科技之新
—— 中国食品杂志社
本研究旨在开发一种基于可见-近红外（visible-near-infrared，VIS-NIR）/NIR高光谱成像技术快速检测冷鲜猪肉中水分和脂肪含量的方法。首先采用传统实验法测定128 个冷鲜猪肉（猪背最长肌）样本的水分和脂肪含量，并分别采集肉样VIS-NIR（388～1 045 nm）和NIR（930～1 710 nm）波段的高光谱数据，在此基础上对比分析3 种预测模型（偏最小二乘回归（partial least squares regression，PLSR）、一维卷积神经网络（one-dimensional convolutional neural network，1DCNN）、循环神经网络（recurrent neural network，RNN））、3 种光谱数据预处理方法（Savitzky-Golay（S-G）平滑、S-G一阶求导（S-G 1’）和S-G二阶求导（S-G 2’））及2 种特征波长提取方法（连续投影算法（successive projections algorithm，SPA）和二维相关光谱）对预测模型精度的影响。结果表明：综合对比PLSR、1DCNN和RNN 3个模型并考虑模型稳定性，PLSR模型更加适用于冷鲜猪肉水分和脂肪含量预测模型的建立。在VIS-NIR和NIR波段下，原始数据建模精度优于3 种预处理方法（S-G平滑、S-G 1’、S-G 2’）。为简化流程，最终选用以NIR原始数据建立的模型。比较利用特征波长构建的PLSR模型与全波段PLSR模型，其预测效果有不同程度的降低，但差距很小。在NIR波段下，水分含量的最优预测模型为经S-G平滑预处理结合SPA筛选特征波长构建的PLSR模型，训练集决定系数为0.71，略优于全波段模型，说明特征波长的提取在一定情况下对模型构建有利。
2023年第37卷 2022年第36卷 2021年第35卷 2020年第34卷 2019年第33卷 2018年第32卷 2017年第31卷 2016年第30卷 2015年第29卷 2014年第28卷 2013年第27卷 2012年第26卷 2011年第25卷 2010年第24卷 2009年第23卷 2008年第22卷 2007年第21卷 2006年第20卷 2005年第19卷 2004年第18卷 2003年第17卷 2002年第16卷 2001年第15卷 2000年第14卷 1999年第13卷 1998年第12卷 1997年第11卷 1996年第10卷 1995年第09卷 1994年第08卷 1993年第07卷 1992年第06卷 1991年第05卷 1990年第04卷 1989年第03卷 1988年第02卷 1987年第01卷
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
