共查询到14条相似文献,搜索用时 78 毫秒
1.
基于细菌菌斑变化的猪肉新鲜度检测方法研究 总被引:5,自引:1,他引:4
研究了猪肉变质过程中的生物化学机理,制作了猪肉腐败过程中各个时段细菌含量的样本.同时,提出了利用图像处理技术,提取各个时段生化细菌样本中的菌斑面积作为猪肉腐败程度标尺的测量方法,并利用神经网络建立细菌菌斑面积变化率同总挥发性盐基氮(TVB-N)之间的关系,为猪肉新鲜度检测提供一种新的辨识方法. 相似文献
2.
基于神经网络的猪肉新鲜度检测分级系统 总被引:3,自引:0,他引:3
首先,应用CCD光电检测技术对可表征猪肉新鲜度的多个特征量进行检测;然后,利用数字图像处理技术对检测到的特征量进行处理;最后,利用神经网络技术研究非相干微量参数的多数据融合检测方法,从而实现对猪肉新鲜度检测分级辨识。 相似文献
3.
4.
5.
6.
7.
8.
9.
10.
11.
基于改进残差网络的黑毛猪肉新鲜度识别方法 总被引:2,自引:0,他引:2
为了提高黑毛猪肉新鲜度的识别准确率,提出基于改进残差网络和迁移学习的黑毛猪肉新鲜度识别方法。首先,根据猪肉的微生物菌体浓度、大肠菌菌体浓度和pH值,结合国家标准,将猪肉新鲜度分为7个类别;然后,将ResNet-50模型用PfidSet数据集训练,使其具有抽取图像特征的能力,利用模型迁移和模型微调对ResNet-50模型进行改进,即用一个3层的自适应网络取代ResNet-50模型的全连接层和分类层,再使用在PfidSet上训练的网络参数初始化改进的ResNet-50模型权重,运用LReLu-Softplus作为自适应网络的激活函数;最后,将改进ResNet-50模型在猪肉样品的图像数据集上学习得到的知识,迁移到黑毛猪肉新鲜度识别任务。选取7类共计23 427幅黑毛猪肉图像组成样本集,从样本集中随机选择80%的样本用作训练集、其余20%用作测试集进行测试,试验结果表明,迁移学习能够明显提高模型的收敛速度和识别性能,数据扩充有助于增加数据的多样性,避免出现过拟合现象,在迁移学习和数据扩充方式下的总体识别准确率达到94. 5%,是一种高效的猪肉新鲜度识别方法。 相似文献
12.
K值是评价猪肉新鲜度的重要指标,能够反映猪肉内核苷酸的分解情况,从而评定肉的变质程度。一般采用高效液相色谱法测定K值,此方法过程耗时,需破坏被测样品,不能满足生产和流通环节的快速检测需求。本文利用太赫兹(THz)光谱分析技术无损检测猪肉K值,探索快速检测K值的可行性。在0.2~2 THz范围内,采用衰减全反射模式提取80份不同新鲜度的猪肉THz光谱数据,同时用高效液相色谱法测定每份样品的K值。THz光谱原始数据经过一阶微分和Savitzky-Golay平滑滤波后,分别用主成分回归(PCR)、偏最小二乘回归(PLSR)和反向传播神经网络回归(BP-ANN)建立了THz光谱预测猪肉K值的数学模型。研究表明:非线性BP-ANN模型预测精度最高,相关系数为0.75,均方根误差为14.36%;采用THz光谱数据BP-ANN模型能够检测猪肉的新鲜度K值。与HPLC方法相比,该方法具有快速、无损、简单的特点。 相似文献
13.