期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于高光谱散射特征的牛肉品质参数的预测研究 被引量:31
1
作者 吴建虎 彭彦昆 +3 位作者 陈菁菁 王伟 高晓东 黄慧 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2010年第7期1815-1819,共5页
研究利用光谱散射特性预测牛肉的pH值、嫩度和颜色。使用高光谱成像系统,获取400~1 100nm波长范围内新鲜牛肉表面的高光谱散射图像,预测牛肉的品质参数。提取高光谱图像在400~1 100 nm波长范围内的散射特征,利用洛伦兹分布函数,拟合... 研究利用光谱散射特性预测牛肉的pH值、嫩度和颜色。使用高光谱成像系统,获取400~1 100nm波长范围内新鲜牛肉表面的高光谱散射图像,预测牛肉的品质参数。提取高光谱图像在400~1 100 nm波长范围内的散射特征,利用洛伦兹分布函数,拟合各个波长处的散射曲线,获取不同波长散射曲线的洛伦兹函数参数。使用逐步回归方法,选择优化波长及其相应的拟合参数,建立多元线性回归模型预测牛肉的品质参数,使用全交叉验证方法评价模型性能。对嫩度的预测相关系数达到0.86,预测标准差为11.7 N,分级准确率达到91%;pH值的预测相关系数为0.86,预测标准差为0.07;对颜色参数L*,a*,b*的预测相关系数分别达到0.92,0.90和0.88,预测标准差分别为0.90,1.34和0.41。研究结果表明,利用光谱散射特征可以较好的预测牛肉的品质参数。 展开更多
关键词 牛肉品质 高光谱散射图像 洛伦兹分布函数 多元线性回归
下载PDF
基于高光谱成像的苹果多品质参数同时检测 被引量:16
2
作者 单佳佳 吴建虎 +3 位作者 陈菁菁 彭彦昆 王伟 李永玉 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2010年第10期2729-2733,共5页
利用高光谱空间散射曲线的3个洛伦兹拟合参数对苹果的品质(硬度、可溶性固溶物含量)进行同时检测。采用偏最小二乘,逐步多元线性回归和BP神经网络3种方法,对归一化处理和未归一化处理的3个洛伦兹参数组合分别建立苹果品质的预测模型。... 利用高光谱空间散射曲线的3个洛伦兹拟合参数对苹果的品质(硬度、可溶性固溶物含量)进行同时检测。采用偏最小二乘,逐步多元线性回归和BP神经网络3种方法,对归一化处理和未归一化处理的3个洛伦兹参数组合分别建立苹果品质的预测模型。结果表明:采用偏最小二乘法对未归一化处理参数的组合建立硬度的预测模型其预测结果最好,校正组相关系数Rc=0.93,校正标准差SEC=0.56,验证组相关系数Rv=0.84,验证标准差SEV=0.94。采用偏最小二乘法对归一化处理参数的组合建立可溶性固形物的预测模型其预测结果最好,Rc=0.95,SEC=0.29,Rv=0.83,SEV=0.63。研究结果表明:利用高光谱空间散射曲线的多拟合参数组合可以同时检测苹果的多品质参数。 展开更多
关键词 高光谱散射图像 硬度 可溶性固溶物 苹果 洛伦兹函数
下载PDF
基于VIS/NIR高光谱散射特征预测牛肉的嫩度 被引量:13
3
作者 吴建虎 彭彦昆 +2 位作者 高晓东 陈菁菁 黄慧 《食品安全质量检测学报》 CAS 2009年第1期20-26,共7页
本文研究利用VIR/NIR光谱散射特征预测成熟 7 天牛肉的嫩度.开发高光谱散射成像系统,获取新鲜牛肉 400~1100 nm 波长范围高光谱散射图像,对牛肉嫩度进行预测和分级.利用洛伦兹函数,拟合各个波长处的散射曲线,获取不同波长散射曲线的洛... 本文研究利用VIR/NIR光谱散射特征预测成熟 7 天牛肉的嫩度.开发高光谱散射成像系统,获取新鲜牛肉 400~1100 nm 波长范围高光谱散射图像,对牛肉嫩度进行预测和分级.利用洛伦兹函数,拟合各个波长处的散射曲线,获取不同波长散射曲线的洛伦兹分布函数参数.使用逐步回归方法,选择最佳波长及相应的拟合参数,建立线性回归模型预测牛肉的嫩度,使用全交叉验证方法评价模型的性能.使用散射曲线的峰值建立的模型对嫩度的预测结果最好,预测相关系数为0.86,预测残差为11.7 N.以嫩度剪切力值 58.8 N 为界将牛肉分为粗糙牛肉组和嫩牛肉组,对嫩度的分级准确率是 91%.该研究表明,利用牛肉的散射特征可以对牛肉嫩度预测和分级. 展开更多
关键词 牛肉嫩度 高光谱散射特征 洛伦兹分布函数 多元线性回归
下载PDF
Prediction of Fresh Pork Quality using Hyperspectral Scattering Imaging(HSI) Technique 被引量:2
4
作者 Wu Jianhu Yu Youwei 《Animal Husbandry and Feed Science》 CAS 2015年第3期144-147,151,共5页
In this study, fresh pork tenderness, drip-loss, pH value and color parameters ( CIE, a * , b * and L * values) were simultaneously predicted using hyperspectral scattering imaging (HSI) technique. The hyperspe... In this study, fresh pork tenderness, drip-loss, pH value and color parameters ( CIE, a * , b * and L * values) were simultaneously predicted using hyperspectral scattering imaging (HSI) technique. The hyperspectral scattering images of dO fresh pork samples were collected at the wavelength of 400 -I 100 nm, and the scattering profiles were fitted via Lorontzian distribution ( LD ) function to give three parameters a ( asymptotic value ), b (peak value ) and c ( full width at b/2). Stepwise discrimination was performed to determine the optimal wavelengths combinations. The LD parameters combinations (a, b and c) of optimal wavelengths were used to establish multi-linear regression (MLR) models to predict the pork attributes. The models were able to predict pork with high correlation coefficients of 0.92 for drip-loss, 0.94, 0.92 and 0.98 respectively for color parameters ( a * , b* and L * ), and for tenderness and pH value the models gave the correlation coefficients of 0.69 and 0.76, respectively. These results showed that the hyperspectral scattering technique was capable of predicting quality parameters of perk. The study provides an efficient means for rapid and nondestructive determination of pork quality simultaneously. 展开更多
关键词 PORK Meat quality hyperspectral scattering imaging Lorentzian distribution (LD) function
下载PDF
基于高光谱散射图像技术的UVE-LLE苹果粉质化分类 被引量:2
5
作者 汪泊锦 黄敏 +1 位作者 朱启兵 王爽 《光子学报》 EI CAS CSCD 北大核心 2011年第8期1132-1136,共5页
利用高光谱散射图像技术研究了苹果的粉质化无损检测.提出了一种无信息变量消除法和局部线性嵌入相结合的苹果粉质化分类的新方法.经无信息变量消除法筛选后的波段降为全谱的23.5%.将波段选择后的原始图像数据用局部线性嵌入降维作为偏... 利用高光谱散射图像技术研究了苹果的粉质化无损检测.提出了一种无信息变量消除法和局部线性嵌入相结合的苹果粉质化分类的新方法.经无信息变量消除法筛选后的波段降为全谱的23.5%.将波段选择后的原始图像数据用局部线性嵌入降维作为偏最小二乘判别分析的输入变量并建模.无信息变量消除法与局部线性嵌入相结合算法和局部线性嵌入降维方法得到的粉质化分类测试准确度分别是79.0%和79.0%;无信息变量消除法与平均反射法相结合和平均反射法特征提取得到的是77.4%和75.8%.结果表明,无信息变量消除法与局部线性嵌入想结合的方法可以大大地降低高光谱散射图像的数据量,同时保证了分类准确度,为在线检测、分类和高光谱数据的存储提供了一种实时、有效的方法. 展开更多
关键词 粉质化 高光谱散射图像 无信息变量消除法 局部线性嵌入法 偏最小二乘判别分析
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部