基于Caffe的猪肉新鲜度分级的设计与实现

为了提高猪肉新鲜度检测的实时性,提出了基于Caffe框架与ResNet残差神经网络的猪肉新鲜度分级的新方法。根据理化试验结果将猪肉的新鲜度分为7级,并在理化试验前拍摄对应的猪肉照片作为样本进行网络训练。在网络训练完成后分别用同源和异源样本图片对系统分级准确率进行验证,结果显示系统分级的准确率均达到95%以上,说明该系统能够很好地对猪肉新鲜度进行分级。与传统的理化试验检测新鲜度的方法相比,在保证了分级准确率较高的同时,检测过程简单、实时性高、无损,是一种更高效的猪肉新鲜度分级方法。     

基于近红外光谱的生鲜猪肉pH检测及其品质安全判别

运用近红外光谱检测生鲜猪肉贮藏于室温(约15℃)和冷藏温(约4℃)期间的pH,用偏最小二乘法(PLS)建立适用于此2种贮藏温度的pH的近红外校正模型。对样品光谱进行聚类分析,并结合感官评价综合研究猪肉在贮藏期pH的变化,确定其在各个新鲜度下的分类阈值。结果表明:近红外光谱技术可用于建立检测生鲜猪肉pH的定量模型,其决定系数R2达到0.92;将聚类分析应用到猪肉新鲜度的定性判别中,确定了生鲜猪肉经历的尸僵、成熟、自溶、腐败4个阶段其对应的pH。通过分析肉质在不同贮藏条件下的变化情况,确定不同新鲜度下pH的分类阈值。该方法准确、灵敏,可用于生鲜猪肉pH的定量检测及其品质安全的定性判别。     

基于阻抗特性的淡水鱼新鲜度快速检测系统

根据阻抗特性与新鲜度之间的关系,建立了淡水鱼新鲜度评价指标,并以此为基础设计了以STC89C52为核心的淡水鱼新鲜度检测仪.对系统的硬件和软件设计进行了详细的介绍.试验表明,该检测仪的检测准确率达90％,能够对淡水鱼新鲜度进行快速且无损的检测.     

基于电导电极的肥液浓度在线检测仪设计与实现

[目的]为能实时检测灌溉施肥系统进行水肥自动混合时的肥液浓度。[方法]基于电导电极设计了一种以9 V电池供电的肥液浓度在线检测仪,通过测量肥液电导率间接实现肥液浓度的测量,测量结果可通过显示器直接显示,还可通过SPI接口输出至水肥自动混合控制器。为尽量降低极化效应的影响,试验确定了以幅值为±3.5 V的方波信号作为电导电极的激励源。该检测仪具有温度自动补偿和量程自动切换功能,并通过试验确定了测量量程范围的划分及各个小量程对应的分压电阻与方波激励信号频率。[结果]在农业上,常用的0.1%~1.0%施肥浓度范围内,对检测仪进行了试验验证,其平均相对误差为2.77%。[结论]该检测仪能满足实际应用要求。     

苹果近红外光谱采集影响因素研究

[目的]对不同影响因素条件近红外光谱信息的准确性进行研究,优化嘎啦苹果近红外光谱采集试验条件。[方法]以嘎啦苹果为试材,使用ASD公司的FieldSpec3光谱仪在常温条件下进行近红外光谱采集,探索了环境杂散光、仪器稳定性、不同测距、不同色差、不同部位、不同货架期等条件对采集光谱的影响。[结果]杂散光对近红外光谱的可见光区域有明显影响;固定光谱阵列检测器型光谱仪器在9h内重复测量的稳定性高;裸光纤在除0mm外的2.5～12.5mm测距上吸光度保持重复稳定;同一苹果的不同色差对光谱的影响在可接受区间内;苹果赤道面上的光谱稳定性较果柄和果鄂部好;常温条件下,不同货架期对苹果样品的近红外光谱产生显著影响。[结论]该研究可为苹果近红外研究人员和分析工作者提供参考。     

苹果近红外光谱采集影响因素的研究

[目的]通过对不同影响因素条件近红外光谱信息的准确性研究,优化嘎啦苹果近红外光谱采集试验条件。[方法]以嘎啦苹果为试材,使用ASD公司的FieldSpec3光谱仪在常温条件下进行近红外光谱采集,探索了环境杂散光、仪器稳定性、不同测距、不同色差、不同部位、不同货架期等条件下对采集光谱的影响。[结果]杂散光对近红外光谱的可见光区域有明显影响;固定光谱阵列检测器型光谱仪器在9h内重复测量的稳定性高;裸光纤在除0mm外的2.5～12.5mm测距上吸光度保持重复稳定;同一苹果的不同色差对光谱的影响在可接受区间内;苹果赤道面上的光谱稳定性较果柄和果鄂部好;常温条件下,不同货架期对苹果样品的近红外光谱产生显著影响。[结论]该研究可为苹果近红外研究人员和分析工作者提供参考。     

一种猪肉新鲜度智能检测方法初探

从多角度评判肉类新鲜度,融合各项新鲜度判别数据指标,通过人工神经网络的拟合训练,建立起检测模型,达到智能检测。在应用中,利用建立好的模型,在输入猪肉特征参数下,模型输出新鲜度的判定结果TVB-N,为猪肉新鲜度检测提供了一种高效快速方案。     

基于图像特征的猪肉新鲜度无损检测方法

以计算机视觉为基础,研究使用图像特征检测猪肉新鲜度的方法,通过对采集到的猪肉图像进行消噪和图像分割处理,从背景中分离出猪肉样本图像用于进一步处理;提出颜色区域比作为检测猪肉新鲜度的图像特征,使用聚类算法检验图像特征与新鲜度的相关性,并计算出分类阈值用于新鲜度检测.经试验验证颜色区域比与猪肉新鲜度间有较高的相关性,且本方法能够实现对猪肉新鲜度的检测和分类.     

多源信息融合技术的猪肉新鲜度检测方法研究

随着猪肉产量的提高和人们对食品安全的重视,快速准确地检测肉新鲜度越来越有着重要的现实意义。针对猪肉腐败过程中气味与颜色的变化,本文设计了猪肉图像采集装置和气体采集装置,对10个不同时间段采集到的各240份猪里脊肉样品图像信息和气体信息进行特征层的融合,基于最小二乘支持向量机方法(LS-SVM)建立多源信息融合的猪肉新鲜度评价模型,结合二步格点搜索法(Grid Search-ing Technique)和交叉验证方法(Cross Validation),对该模型参数γ和σ2进行选择和优化,分析比较了机器视觉系统、电子鼻系统及其两者融合系统所建立的猪肉新鲜度评价模型,3个模型对猪肉新鲜度的识别率分别为达到77.33%、91.67%和97.33%。结果表明,基于机器视觉和电子鼻多源信息融合系统可显著提高猪肉新鲜度的识别率。     

不同新鲜度冷却猪肉中挥发物的变化

探讨不同新鲜度冷却猪肉挥发物的变化规律,从中找到能够表征猪肉腐败的特征性气味物质.该研究结合微生物试验的结果,运用主成分分析(PCA)法对顶空固相微萃取-气-质联用法(HS-SPME-GC-MS)检测结果进行处理.结果显示:确定出16种表征"腐败"的特征性气味物质,并从中进一步筛选出影响力较大的9种.不同新鲜度冷却猪肉具有不同的气味指纹图谱,筛选出的"腐败"特征性气味指纹物质为今后开发出快速检测猪肉新鲜度的方法提供了理论依据.     

猪肉新鲜度检测方法发展的文献综述

简述了猪肉检测的意义、主要方法及其原理,概述了当前国内外猪肉新鲜度检测领域的研究现状,最后分析了猪肉新鲜度检测领域的首要问题和主要研究方向.     

Nisin对冷鲜肉保质期的影响

[目的]考察乳酸链球菌素(Nisin)对冷鲜肉保藏过程中品质的影响。[方法]将Nisin和山梨酸钾分别置于装有200 g鲜肉的保鲜袋中,放在4℃冰箱中保藏。通过对保藏期的冷鲜肉理化指标和感官指标的评价,考察了Nisin对冷鲜肉保存过程中的汁液损失率、菌落总数、pH、挥发性盐基氮(TVB-N)、硫代巴比妥酸反应物(TBARS)和感官特性等品质指标的影响。[结果]冷鲜肉储藏过程中,加入Nisin后,可使肉体汁液流失较慢,能更有效地使肉体保鲜;可使冷鲜肉保存的时间最长,保质期可达12 d,比加入山梨酸钾的延长了2 d。感官评价表明,加入Nisin的肉体在感官上仍呈红色,肉体的弹性和组织状态都较好。[结论]Nisin对冷鲜肉延长保藏期的效果更加明显,可延长冷鲜肉的鲜度和货架期。     

气调包装保鲜技术对猪肉冷藏保鲜效果的影响

【目的】研究经气调包装的鲜猪肉在0~4℃冷藏条件下的保鲜效果。【方法】以新鲜猪肉为对象,采用空气及含不同比例气体(O2、CO2、N2)的充气包装鲜猪肉,通过检测肉品中菌落总数、大肠菌群最近似数及致病微生物、肉品总挥发性盐基氮含量及pH值,对不同包装肉品在冷藏条件下的肉品品质进行评价。【结果】经气调包装的肉品在冷藏过程中菌落总数、大肠菌群数量增加缓慢,沙门氏菌出现较晚,挥发性盐基氮和pH在新鲜肉的标准范围内,其中70%O2+25%CO2+5%N2的气调包装保存鲜猪肉的综合评价效果最好,保质期可达10d。【结论】市售肉品采用气调包装可延长鲜肉制品的保存期。     

基于近红外光谱的猪肉细菌菌落总数的动力学模型

运用近红外光谱检测猪肉在室温和冷藏贮藏过程中细菌菌落总数,实现无损、快速检验猪肉品质以及预测猪肉的贮藏期.使用傅立叶变换近红外光谱仪测定猪肉样品在贮藏期内的光谱,同时采用常规菌落总数测定方法测定样品的细菌菌落总数,获得了猪肉细菌菌落总数对数值与近红外光谱特征值随贮藏时间的变化规律,建立了细菌菌落总数对数值的零级和一级模型,并采用主成分分析法建立了基于近红外光谱特征值预测初值的猪肉细菌菌落总数对数值的动力学模型.该方法准确、灵敏,可用于生鲜猪肉细菌菌落总数的测定及其安全贮藏时间的预测.     

肉类新鲜度光谱检测模型构建及误差对比分析

针对传统肉类新鲜度检测方法复杂、速度慢等问题,在试验室常温条件下采集猪肉反射率光谱数据,对肉类新鲜度的光谱检测方法进行研究,并分析不同建模方法以及不同样本采样间隔对预测精度的影响。结果表明:1)基于光谱角距离测度准则构建的加权模型,肉类新鲜度检测结果精度最高,决定系数(R~2)为0.999 7,均方根误差(RMSE)为3.427 5;2)基于欧氏距离测度准则和三次多项式拟合法所构建的模型,其R~2分别为0.998 1和0.998 1,RMSE分别为8.572 5和8.473 5。基于光谱角距离测度准则构建的加权内插模型,可以作为肉类新鲜度光谱快速检测模型使用,其检测精度在3种方法中最高。     

近红外光谱技术建立镜鲤新鲜度定量预测模型

以镜鲤为研究对象,利用近红外光谱技术和化学计量法采集、测定相关指标,并应用偏最小二乘法(PLS)、偏最小二乘法和BP人工神经网络两种方法经比较优化模型。经过鱼肉样品光谱的扫描及pH值、TVB-N(挥发性盐基氮)值、TBA(硫代巴比妥酸)值的测定,在21种预处理下,确定最佳建模方式、预处理方式和最优波段。经模型优化得知,pH、TVB-N、TBA均在偏最小二乘法中建立的模型最好,最优预处理方法分别为基线校正和标准正态变量变换、净分析信号、Savitzky-Golay导数和基线校正,最优波段分别为1 000~1 300 nm和1 700~1 799 nm、1 000~1 200 nm和1 300~1 650 nm、1 000~1 799 nm,并且pH、TVB-N和TBA的Rc分别为0.9906、0.99865、0.99971,Rp分别为0.6436、0.021357、0.7723,达到了利用近红外光谱技术对镜鲤新鲜度高效、快捷、无损伤的定量检测预测模型的建立。