基于手机拍摄图像猪肉新鲜度的检测

首先对手机拍摄的猪肉图像进行预处理,利用Otsu算法较好地分割出图像中的猪肉部分和背景,然后用颜色因子|R-G |+|R-B |的值对图像进行彩色分层从而计算出颜色区域比值,建立了用猪肉的色泽、黏度、弹性、氨气、硫化氢、表面菌落总数、颜色区域比等7个特征为输入的BP网络分类模型.试验结果表明,该方法能够较好地对猪肉新鲜度进行检测.     

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。     

基于Bayes的竹片颜色检测分级方法

为了采用机器视觉对竹片自动识别与颜色分选,研究了一种基于竹片图像颜色特征与纹路特征和Bayes分类器的颜色分类方法.首先,对灰度图像采用Canny算子进行边缘检测,再利用Hough变换对竹片进行边缘定位,并对倾斜竹片实施旋转校正,以确定待检测竹片在图像中的具体位置.根据竹片的位置提取竹片区域平均颜色特征及纹路特征,将其作为样本的属性特征,采用Bayes训练的颜色等级作为输出,建立特征参数与颜色等级之间的Bayes分类器,上位机获得分级信号后经串口通过下位机实现竹片的自动分级.试验结果表明,该方法对竹片颜色检测准确率达到91.7%,可为竹制品行业的竹片颜色自动在线检测提供理论依据.     

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。     

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.     

猪肉新鲜度近红外检测仪的设计与应用研究

[目的]设计猪肉新鲜度近红外检测仪,并进行实例应用,为快速、无污染对猪肉作新鲜度检测提供新的方法。[方法]基于近红外技术,设计了近红外猪肉新鲜度检测仪。该仪器以短波近红外发光二极管为光源、硅光电二极管作为检测器,由近红外发射、Si-PIN驱动及电源电路3个模块组成。相比近红外光谱仪,该仪器结构简单、体积小、成本低、使用方便。用该仪器对自然放置的猪肉肉样进行连续3 d共12次检测试验,相邻2次测量对应的输出电压差在10 mV数量级以上。[结果]对不同存放时间的猪肉,输出信号有较好的区分度。试验数据可用于监测猪肉在鲜腐过程中的变化,结合简单的感观判别,可对猪肉作新鲜度分级。[结论]该研究可为猪肉新鲜度的无损检测提供一个新的方法。     

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。     

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.     

基于仿生嗅觉的猪肉质量快速评测系统设计与应用

根据模拟生物嗅觉的原理和机制,提出了一种基于仿生嗅觉的猪肉质量快速评测仪的设计方法。其硬件主要包括气体采集装置、信号调理电路、气动元件控制电路等,采用Matlab编制上位机监测界面,对多路原始信号进行采集和基线处理,之后采用主成分分析(PCA)对多路传感器信号降维后提取主要特征,最终采用K-均值对不同新鲜度等级的猪肉进行聚类分析。结果表明,设计的系统能够快速、无损地检测出待测样品的新鲜度,且精度在85%以上,在猪肉新鲜度检测中具有很好的应用前景。     

1种遥感影像数据融合的差异性K-TH阶中心矩方法

探讨基于K-TH阶中心矩重建一系列基于多波段向量特征和均值向量差异图像的差异性K-TH阶中心矩中心方法。与多波段灰度图像、RGB融合图像、eCongnition软件处理后图像相比结果表明,重建图像信息量在低k值下得到显著增强,可应用于农业病虫害监测、森林火灾、环境污染、洪水治理方面,用于检测与周边环境变异较大区域;当k值增加时,重建图像信息量急剧降低,多波段向量特征和均值向量差异被放大,图像趋向于二值图像,可用于遥感分割、分类、微小差异性检测。     

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。     

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。     

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。     

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。     

基于BP和Adaboost-BP神经网络的 羊肉新鲜度高光谱定性分析

【目的】 实现对羊肉新鲜度的快速准确鉴别。【方法】 研究通过对460~1 000 nm的羊肉高光谱图像纯肌肉部分提取光谱数据,以挥发性盐基氮(TVB-N)值对新鲜度等级进行划分,对预处理后的光谱数据分别采用连续投影算法(SPA)、主成分分析(PCA)两种压缩降维方法和反向传播(BP)神经网络、自适应提升BP(Adaboost-BP)神经网络两种建模方法开展羊肉新鲜度的分类比较。【结果】 其中采用SPA、PCA建立的BP模型校正集与预测集准确率均为100%、83.33%,建立的Adaboost-BP模型校正集与预测集准确率均为100%、94.44%,两种压缩降维方法下Adaboost-BP模型效果均优于BP模型。【结论】 利用高光谱图像技术结合Adaboost-BP方法对羊肉新鲜度等级进行分类判别是可行的。     

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.