基于计算机视觉的鸡蛋新鲜度无损检测

对鸡蛋的新鲜度、贮藏期进行无损检测,在鸡蛋生产、流通、加工领域具有重要意义。该文进行了鸡蛋新鲜度（哈夫值）常规指标在一定温度条件下随贮藏时间变化的试验,采用高分辨率的工业化数字摄像头,以冷光源背向照明方式（照度为10 000 Lx）获取数字图像,并提取了鸡蛋的图像特征蛋黄指数和气室指数。建立了鸡蛋新鲜度与蛋黄指数、贮藏时间与鸡蛋新鲜度、贮藏时间与蛋黄指数和气室指数的关系模型。得知鸡蛋新鲜度与蛋黄指数呈线性相关性,经检验实测值与预测值平均相对误差为6%;贮藏时间与鸡蛋新鲜度以及贮藏时间与鸡蛋蛋黄指数、鸡蛋气室指数均具有二次函数关系,经检验实测值与预测值绝对误差不超过2 d。结果表明基于计算机视觉技术、采用背向照明方式采集的鸡蛋的透射图像得到鸡蛋的蛋黄和气室的图像信息,可以预测鸡蛋的新鲜度和贮藏期。     

鸡蛋新鲜度的光学无损检测和分级

鸡蛋按新鲜度分级,对于其贮藏、流通和加工,都具有实际需要和重要意义。本文阐明了利用鸡蛋的光学特性对其新鲜度进行无损检测的基本原理。通过鸡蛋新鲜度的追踪试验,找出了透射率与新鲜度指标(哈夫单位、蛋黄指数和挥发性盐基氮)之间的对应关系。建立了鸡蛋的新鲜度因子,并得出了相应的等级分界值,可供制定鸡蛋品质无损检测标准和设计蛋品新鲜度分级装置时参考。     

鸡蛋内部品质的光特性无损检测

无损检测鸡蛋内部品质是鸡蛋流通、加工中不可缺少的组成部分。为了提高鸡蛋内部品质光特性无损检测的精度,建立了鸡蛋的光学模型,找出了整蛋、内容物、蛋壳三者透射特性之间的关系。通过试验研究,得到了鸡蛋内部品质指标(哈氏单位)与整蛋透射率、蛋壳颜色、鸡蛋几何参数之间的相关关系。并对光特性无损检测的分级精度作了初步分析。     

基于介电特性与蛋黄指数回归模型的鸡蛋新鲜度无损检测

为了更准确、快速的实现鸡蛋新鲜度品质指标蛋黄指数的无损检测,基于介电特性建立了鸡蛋新鲜度无损检测模型,获取鸡蛋的蛋黄指数信息。试验以不同新鲜度鸡蛋为研究对象,采用平行极板法测量不同新鲜度鸡蛋在温度为20℃,相对湿度为72%~89%,频率为1~200 k Hz下的介电特性参数,分析鸡蛋介电特性的变化规律,并建立鸡蛋介电特性与蛋黄指数之间的数学模型。分析了鸡蛋介电特性随测量信号频率及新鲜度指标蛋黄指数的变化曲线,发现其介电参数随频率及蛋黄指数的增大而减小。构建了蛋黄指数与相对介电常数的拟合方程,鸡蛋样品的实际蛋黄指数与模型预测的蛋黄指数间的决定系数R2为0.9115,蛋黄指数的误差为±4.2%,试验结果表明:利用拟合方程预测检验鸡蛋蛋黄指数取得了较好的预测效果,为无损检测鸡蛋新鲜度提供了一种新的可行方法。     

胡萝卜贮藏过程中电容与新鲜度的关系研究

新鲜植物组织的介电特性与其新鲜度具有一定的相关性，本文采用两平行平板电极,对胡萝卜组织贮藏过程中介电特性的特征值之一电容与新鲜度的关系进行了研究，结果表明：随着胡萝卜的贮藏时间的延长，果肉组织表现为硬度增加、光泽消退、表皮皱缩、新鲜度下降；在0.1～100 kHz测试频率段内，胡萝卜的电容与新鲜度的判定指标色泽、硬度、水分含量之间具有明显的线性相关性。因此，可以根据胡萝卜电容值的变化来评价其新鲜度，为蔬菜无损自动化鲜度检测提供理论依据。     

用反射率、透射率和吸收率分析玉米叶片水分含量时的峰值波长选择

通过测定田间试验条件下11个玉米品种、3个氮肥处理、2个密度处理和4个生育期的100张叶片的反射、透射和吸收光谱(350～2500 nm)，发现玉米叶片在近红外和短波红外的水分吸收区域的反射/透射/吸收的中心峰值波长实际发生在974 nm、1160 nm和1440 nm，在这3个峰值波长，叶片反射率、吸收率与叶片水分含量之间的相关性好于透射率。在这3个峰值波长中，反射率、透射率和吸收率相互之间的关系以1440 nm为最紧密，在此波长光谱与叶片水分含量之间的相关性也相对较强。因此，1440 nm是用叶片反射率和吸收率反演植物的水分状况的最佳峰值波长。     

基于透射光谱的玉米叶片水分含量快速检测

为实现玉米叶片水分含量快速检测,利用近红外光谱仪在300~1 700 nm采用透射法对玉米叶片水分含量进行快速检测。试验利用烘干法对叶片水分梯度进行控制,并测量玉米叶片的透射光谱曲线和含水率。对透射光谱数据采用Savitzky-Golay方法进行平滑预处理,滤除光谱波动噪声干扰。分析了叶片透射光谱与含水率之间的相关关系,通过相关性分析提取敏感波长800、932、1 423 nm;利用主成分分析法提取敏感波长478、748、1058和1 323 nm。综合二者敏感波长最终筛选出水分敏感波长800、1 323、1 058和1 423 nm。利用这4个波长的组合得到比值植被指数、差值植被指数和归一化植被指数等12种植被指数,选取了最优差值植被指数DVI(1423、800)与透射率T1 323和T1 058建立了玉米叶片含水率多元线性回归诊断模型,建模集决定系数Rc2=0.968 8,验证集决定系数Rv2=0.951 9,预测结果方根误差为0.061。结果表明,利用透射光谱技术检测的玉米叶片水分含量具有较高的精度,可为植物叶片水分快速检测仪器开发提供指导。     

贮藏环境对鸡蛋新鲜度的影响及鲜鸡蛋货架期预测模型构建研究

为了比较不同贮藏环境条件对鸡蛋新鲜度的影响,将鲜鸡蛋置于不同贮藏温度(5、10、20、30℃)和光照/避光环境条件下,测定鸡蛋质量、哈氏单位、气室、蛋黄系数、浓蛋白含量、蛋白pH值、蛋黄pH值、挥发性盐基氮含量等新鲜度品质指标,分析品质指标与贮藏环境之间的相关性规律,并构建与应用鸡蛋货架期预测模型。结果表明,随着贮藏时间延长,低温(5℃、10℃)贮藏的鲜鸡蛋和避光条件下贮藏的鲜鸡蛋品质优于高温(20℃、30℃)贮藏和光照环境条件下贮藏的鲜鸡蛋,且贮藏温度与鲜鸡蛋质量、哈氏单位、浓蛋白含量、挥发性盐基氮含量等呈显著负相关(P0.01),而与气室变化呈显著正相关(P0.01)。根据贮藏过程中品质变化规律构建的鸡蛋货架期预测模型,为今后鲜鸡蛋贮藏及运输过程中品质分级和下架提供理论依据。     

低场NMR对羊肉贮藏过程中pH值和TVB-N的预测及验证

为探讨不同贮藏条件下羊肉新鲜度检测的方法,采用低场核磁共振(LF-NMR)技术通过分析冷冻(-18℃)与冷藏(4℃)条件下羊肉的LF-NMR弛豫特性变化,及测定羊肉的pH值和挥发性盐基氮(TVB-N)含量的变化对其新鲜度进行分析检测。在此基础上,利用多元回归分析建立羊肉pH值、TVBN含量与其LF-NMR弛豫特性的相关性模型,并对其进行验证。结果表明,不同贮藏条件下,随着贮藏时间的增加,羊肉中pH值、TVB-N含量均逐渐增大并符合二项式关系,且相关系数分别为R~20.99和R~20.97。横向弛豫时间T_(22)、T_(23)随贮藏时间的延长显著缩短,T_(22)与贮藏时间呈线性关系(R~20.98),T_(23)与贮藏时间呈良好二项式关系(R~20.97),T_(2b)、T_(21)变化无规律且不显著。随贮藏时间的延长,峰面积比例S_(22)逐渐下降、S_(23)呈上升趋势(R~20.97),S_(2b)、S_(21)无明显变化规律。由多元线性回归分析可知,TVB-N含量与T_(23)、T_2,pH值与T_(22)、T_2可建立良好的相关性模型(R~20.96)。模型验证合理,表明利用LF-NMR弛豫特性对不同贮藏条件下羊肉pH和TVB-N含量预测是可行的,这为通过LF-NMR弛豫特性对羊肉的新鲜度的检测提供了一定的理论依据。     

电子鼻检测鸡蛋货架期新鲜度变化

该文旨在通过气味检测鸡蛋的新鲜度。利用德国AIRSENSE公司PEN3型电子鼻对鸡蛋在20℃,70%相对湿度条件下罗曼鸡蛋货架期的气味进行了无损检测。通过测定哈夫单位,建立了不同货架期气味与鸡蛋哈夫单位等级的对应关系。首先,分析并对比了第0天与第36天的完整鸡蛋与蛋液所产生气体的变化情况,确定氨氧化物、烷烃和醇类等是鸡蛋贮藏中产生的恶化气体。其次,结合电子鼻,利用主成分分析、线性判别等多元统计方法进行数据分析,对不同货架期、不同等级的鸡蛋进行归类区分,发现线性判别（LDA）效果优于主成分分析法（PCA）。结合载荷分析,确认了检测鸡蛋新鲜度的主要传感器S1、S2、S3、S5、S6、S8。初步证明了气体传感器和模式识别方法在电子鼻区分鸡蛋货架期新鲜度的可行性,为建立利用气体传感器监控鸡蛋新鲜度的方法提供实验基础和理论依据。     

基于改进惯性矩算法的冷鲜猪肉新鲜度激光散斑图像检测

为了探究激光散斑技术检测冷鲜猪肉新鲜度的可行性,用660和465 nm 2种波长的激光对宰后24 h的猪肉样本在7 d内的激光散斑图像进行采集。以时间序列散斑(time history of speckle pattern,THSP)图像的惯性矩(inertia moment,IM)作为散斑活性,研究冷鲜猪肉散斑活性随货架期的变化规律。通过分析2种波长不同行的选取对IM值的影响,发现不同波长其奇偶行IM的规律不同,并针对传统IM算法容易出现异常值、稳定性差等缺点提出3点改进:设计排序算法动态选择散斑活性最高峰及周围2个相邻行,依此计算样本IM值;改进共生矩阵的修正矩阵计算方法;改进非零元素偏离对角线距离的计算方法。结果显示,改进方法可以有效地抑制异常值干扰,冷鲜猪肉散斑活性随货架期呈现先上升后下降的变化趋势。根据测得的挥发性盐基氮值(total volatile basic nitrogen,TVB-N)和散斑活性IM值建立猪肉新鲜度等级预测模型,结果显示465 nm波长的激光判别效果要好于660 nm激光,其训练集和预测集的识别率能达到87.5%和89.29%。试验结果表明利用激光散斑技术检测冷鲜猪肉新鲜度的具有可行性。     

基于高光谱漫透射成像整体检测番茄可溶性固形物含量

为了实现番茄可溶性固形物含量（soluble solids content,SSC）的有效检测,提出高光谱漫透射成像检测方法,对比该成像方式下不同姿态（果脐端面姿态BS、赤道圆周3姿态C1、C2、C3以及组合姿态C1C2C3）的检测效果。首先对采集的不同姿态光谱图像,通过剪裁消除图像边缘噪声。针对圆周赤道面姿态C1、C2和C3,进行了拼接处理,获得组合姿态图像 C1C2C3。其后对以上5种姿态图像进行单波段背景分割,获取目标区域,并统计不同姿态下番茄漫透射平均光谱。最后利用漫透射光谱结合偏最小二乘回归（partial least squares,PLS）方法,对番茄SSC分别在450～720、720～990、450～990 nm 3个波段进行定量分析。结果表明,组合姿态C1C2C3在3个波段区域上整体检测效果优于单个姿态的检测效果,其模型验证集均方根误差（root mean squared error of prediction,RMSEP）分别为0.299%、0.133%、0.151%;相关系数rp分别为0.42,0.89,0.90。说明利用高光谱漫透射成像,获取组合姿态光谱图像,可以有效检测番茄SSC。     

牛肉低温储藏期间质构参数分析及新鲜度指标的确定

为了寻求低温储藏期间牛肉新鲜度的快速检测指标,将牛肉置于5℃冷鲜密封储藏和-5℃冷冻密封储藏2种条件下,用挥发性盐基氮检测(total volatile basic nitrogen,TVB-N)、恒温干燥法与质构多面分析方法(texture profile analysis,TPA)对牛肉样品(储藏时间0、3、6、9、12、15 d)进行检测。发现-5℃冷冻条件下储藏的牛肉比5℃冷藏条件下储藏的牛肉保鲜时间更长,且随着储藏时间的增加2种储藏条件下牛肉的含水率都降低。得到0~15 d内5℃冷鲜密封储藏和-5℃冷冻密封储藏牛肉质地参数(硬度1、硬度2、回复性)的变化规律。用二因素方差分析得知储藏时间、储藏温度对回复性均有显著影响(P0.05),用相关性分析得知硬度1、硬度2、回复性与新鲜度指标显著相关(P0.05)。选取2℃条件下冷鲜密封储藏牛肉进行试验验证,测定挥发性盐基氮与回复性,对试验数据进行统计分析并线性拟合,挥发性盐基氮与回复性两者的线性函数关系具有较好拟合优度(R2=0.85311),挥发性盐基氮值与回复性呈显著相关(P0.05)。因此回复性可作为牛肉低温储藏期间新鲜度的检测指标。研究结果可为生产储运过程与日常生活中牛肉保鲜和保持质地口感提供依据。     

近红外光谱变量筛选提高西瓜糖度预测模型精度

水果的内部品质是水果分级、保鲜及存储的一项重要指标,利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响,该文以麒麟瓜为研究对象,利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量（SSC）进行检测,采用偏最小二乘回归（PLSR）,多元线性回归（MLR）和主成分回归（PCR）建立麒麟瓜可溶性固形物数学模型,并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法（SPA）对预测模型精度的影响。研究结果表明：光谱经等间隔抽取（间隔5,115个变量）经归一化预处理,结合SPA优选出6个波长建立的PLSR预测模型的相关系数（rpre）为0.828、校正均方根误差（RMSEC）为0.589、预测均方根误差（RMSEP）为0.611。该模型预测效果相对较优,建模时间短,提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。     

基于稳态空间分辨光谱的猪肉新鲜度检测方法

该文探索肉品光学参数与新鲜程度变化之间的关系,从而为无损、快速地评定猪肉新鲜度提供一种方法。基于生物光子学原理,应用近红外稳态空间分辨光谱技术,设计了可见-短波近红外多通道光学参数检测装置,在系统校准基础上获得猪肉在新鲜度变化过程中的有效衰减系数谱。研究了逐日获得的猪肉有效衰减系数与反映肉品新鲜程度的挥发性盐基氮（TVB-N）含量之间的关系,并辅以菌落总数检测与感官指标评价等作为参考依据。研究结果表明,当肉品发生腐败,胞膜发生溶解破裂,其组织结构的改变导致散射变化;有效衰减系数在940、960 nm波长处与TVB-N含量变化呈显著相关。由此得出：在短波近红外范围内可以建立近红外光谱与TVB-N的相关关系,从而达到评价肉类新鲜度的目的。     

基于高光谱成像技术的猪肉新鲜度评价

该文研究利用高光谱成像技术预测猪肉新鲜度参数,挥发性盐基氮(TVB-N)和pH值。在470～1000nm波长范围内,从高光谱图像中提取的反射光谱,分别经过2次Savitzky-Golay(S-G)平滑、多元散射校正(MSC)处理后,建立PLSR(偏最小二乘法)的预测模型。对TVB-N的预测,使用2次S-G平滑处理、MSC光谱建立的PLSR预测模型相关系数分别为0.90和0.89,预测模型标准差分别为7.80和8.05。对pH值的预测,经过MSC处理比2次S-G平滑处理的结果好,相关系数为0.79,预测模型标准差为0.37。同时综合2个参数利用MSC处理后的预测模型对猪肉新鲜度进行评定,准确率达91%。研究结果表明,高光谱成像技术可以用于猪肉新鲜度快速无损检测。