利用高光谱成像技术预测牛肉pH值及其空间分布

摘要：

利用可见/近红外高光谱(400～1000 nm)成像技术对黄牛肉pH值进行预测.对229个黄牛肉样本的原始光谱信息利用Kennard-Stone(KS)算法进行样本集划分及光谱预处理,分别采用竞争性自适应加权算法(com-petitive adaptive reweighed sampling,CARS)、无信息消除变量法(uninformative variable elimination,UVE)、β 权重系数法及变量组合集群分析法(variable combination population analysis,VCPA)对特征波长进行提取,最后结合偏最小二乘回归(partial least squares regression,PLSR)、多元线性回归(multiple linearity Regression,MLR)和主成分回归(principal component regression,PCR)方法对全波段及特征波段进行建模分析,进而优选出最佳模型.结果表明,利用KS算法划分后的样本集,结合最大归一化法预处理后的光谱数据所建立的预测模型的R2C和R2P分别为0.8423和0.7837,效果较好;利用CARS、UVE、β权重系数法和VCPA分别选出19、16、14和11个特征波长;基于CARS提取特征波长建立的PLSR模型效果最优,其决定系数R2C和R2P分别为0.8453和0.7406,均方根误差为0.0690.利用CARS-PLSR模型计算牛肉样本中像素点的pH值,并通过选取742 nm处的伪色彩图像直观表示牛肉样本的pH值的空间分布情况.

关键词：泾源黄牛、高光谱成像技术、分布可视化、pH值

所属期刊栏目：54

分类号：TS251.7(食品工业)

资助基金：国家自然科学基金项目31660484

在线出版日期：2020-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：664-672