期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
凡纳滨对虾新鲜度的高光谱检测方法
1
作者 朱晨光 刘亚军 +2 位作者 李鑫星 宫薇薇 郭渭 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第1期107-110,共4页
以凡纳滨对虾为研究对象,探索一种高效快速无损的新鲜度检测方法。挥发性盐基氮(TVB-N)是判断虾新鲜度的重要化学指标,然而传统方法耗时耗力,限制了大批量的实时检测。高光谱技术是一种集成图像和光谱信息的分析技术,高光谱图像上的每... 以凡纳滨对虾为研究对象,探索一种高效快速无损的新鲜度检测方法。挥发性盐基氮(TVB-N)是判断虾新鲜度的重要化学指标,然而传统方法耗时耗力,限制了大批量的实时检测。高光谱技术是一种集成图像和光谱信息的分析技术,高光谱图像上的每个像素包含整个波段的光谱信息,近年来,该技术已经被应用于肉类新鲜度检测。连续8 d采集了样品的860~1700 nm高光谱数据,在去除异常样本后确定150组试验样本,每组采集254维光谱数据,对原始的高光谱图像进行黑白校正,并从高光谱图像中提取光谱数据。为确保所提取的光谱数据和TVB-N指数之间有对应关系,所选择的感兴趣区域的位置保持固定在虾样本的第二和第四肢。计算了感兴趣区域的平均光谱以获得光谱数据矩阵,该矩阵被转换成ASCII码并保存。同时,通过凯氏定氮法获得TVB-N真实值含量。为减少环境和虾表面的高含水量的干扰,有效地消除不相关的信息和噪声,预处理方法是多元散射校正(MSC)算法,并选择出7个敏感波段,分别为875,894,919,953,983,1024和1094 nm。最后,以120组训练集样本,建立了凡纳滨对虾TVB-N总量的定量预测模型,以30组验证集样本,对比BP神经网络、径向基神经网络、主成分分析三种预测模型算法。BPNN算法预测模型的相关系数(r)和归一化均方根误差(NRMSE)分别为0.9021和0.2140,RBFNN算法的预测模型为0.8683和0.2230,PCR算法预测模型为0.7576和0.3900。结果表明,MSC-BPNN模型的预测效果最佳,凡纳滨对虾的高光谱反射率与新鲜度间存在较密切的相关性,为基于光谱的虾类新鲜度检测提供了支持。 展开更多
关键词 高光谱 新鲜度 多元校正散射 BP神经网络 径向基神经网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部