基于细菌菌斑变化的猪肉新鲜度检测方法研究

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.     

基于神经网络的猪肉新鲜度检测分级系统

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。     

基于嗅觉可视化技术的猪肉新鲜度等级评判

利用嗅觉可视化技术对猪肉新鲜度等级进行评判.提取猪肉的挥发性气体与可视化传感器阵列进行反应,用图像处理技术分析反应前后传感器阵列的颜色变化,获取反映新鲜度的气味特征信息.通过主成分分析,选取前10个主成分作为所建立的BP神经网络的输入变量,构建猪肉新鲜度等级判别模型,模型的预测正确率为84.62％.研究结果表明:嗅觉可视化技术可用于猪肉新鲜度等级的快速评价.     

基于多光谱成像技术的猪肉新鲜度无损快速检测装置

基于多光谱成像技术设计了猪肉新鲜度的关联复合品质参数无损伤快速检测装置,包括硬件与软件设计.硬件系统由单片机控制单元、光源单元、图像采集单元、数据处理单元和LCM液晶显示单元组成,软件系统在ICCAVR开发环境下设计,采用C语言编程,包含图像采集模块、滤光片切换模块、LCM显示模块、与PC机通信模块等.经过软件与硬件系统调试、实验,该装置检测速度为每10s检测一个样品,具备无损伤、快速检测的功能.     

基于近红外技术的猪肉新鲜度检测仪设计

基于近红外检测技术,设计了近红外猪肉新鲜度检测仪.该仪器以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、信号变换及电源电路等3个模块组成.相比近红外光谱仪,该仪器具有结构简单、体积小、成本低和使用方便等特点.用该仪器对不同存放时间的猪肉样品进行检测实验,结果表明:输出信号有较好的区分度,可对猪肉的新鲜度进行无损检测.     

基于BP神经网络的鸡蛋新鲜度无损检测方法

用计算机视觉装置和Matlab软件获取鸡蛋颜色参数（H、I、S）,通过试验获得鸡蛋的新鲜度指标（哈夫值）,用其作为样本数据建立BP神经网络模型,得到鸡蛋新鲜度与其图像颜色参数之间的最优关系。系统先自动判别鸡蛋壳色再分类检测鸡蛋新鲜度,经检验,建立的BP神经网络具有较好的泛化功能和鲁棒性,对褐壳蛋和白壳蛋新鲜度的正确识别率分别为87．258％、89．029％。     

基于光谱成像的猪肉新鲜度空间分布预测评价方法

新鲜度指标在像素位置缺乏微观参考值,因此将基于均值光谱的化学计量学模型应用到像素光谱时,无法对指标空间分布预测质量进行直接评价.提出了基于准度和精度的评价方法,以兴趣区域内各像素位置微观预测值的统计均值相对于理化检测值的决定系数和均方根误差作为准度评价指标;根据新鲜度指标的理论允许范围,以TVB-N微观预测值小于零的像...     

基于神经网络多参数融合的鱼肉新鲜度检测方法

新鲜度是衡量水产品品质的最重要的指标,传统基于理化实验的鱼肉新鲜度检测技术依赖于专业的实验室环境与熟练的操作人员,检测过程繁琐、周期长,无法适应终端市场与基层检验检疫机构对快速、便携的检测装置的需求.利用生物阻抗谱提取鱼肉的电学特征信息,使用神经网络对各特征参数进行融合.最终形成鱼肉新鲜指数(FFI),相对于单一的电特...     

肉类新鲜度无损检测装置和方法

主要介绍无损检测装置的原理及应用,包括电子鼻检测、光谱检测、机器视觉检测、低场核磁共振检测、多源感知信息融合检测、高光谱成像检测,分析了无损检测装置未来的发展趋势。多源感知信息融合装置在未来肉类新鲜度无损检测当中有着良好的应用前景。     

国内畜产品新鲜度的无损检测研究进展

对畜产品新鲜度进行快速无损检测以及评价具有重要的现实意义。为此,综述了当前常用的无损检测技术在国内畜产品新鲜度检测的应用研究现状,包括机器视觉、近红外光谱、电子鼻以及多源信息融合技术等,并分析了其存在问题,提出了新鲜度检测的未来研究发展方向,以期对国内相关研究人员的研究工作提供参考。     

基于改进残差网络的黑毛猪肉新鲜度识别方法

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。     

基于太赫兹光谱分析的猪肉K值无损检测方法

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。     

桃的电特性及新鲜度识别

为了解采后果品电特性变化机理,并探索基于电特性识别果品品质的方法,研究了桃采后电特性和生理特性的变化。结果表明,随着桃新鲜度下降,相对介电常数呈余弦规律变化,损耗角正切逐渐减小,呼吸高峰时相对介电常数最大。分析了电特性变化的原因,进而建立了采后桃电特性与生理特性之间的关系模型。以相对介电常数和损耗角正切为输入特征参数,应用BP神经网络技术识别桃的新鲜度等级,平均识别率为82％。     

基于D-S证据理论的鸡蛋新鲜度多传感器融合识别

为提高无损检测在判断鸡蛋新鲜度方面的稳定性和模型适应性,通过D-S证据理论和BP神经网络将电子鼻和机器视觉两种传感器在特征层进行融合,构建了鸡蛋新鲜度的融合模型.探讨了一种可以弥补D-S证据在信息融合过程中不足的改进方法.验证试验结果表明:通过融合优化,不确定性的基本概率赋值下降到0.01以内,解决了单一检测方法检测模...