基于高光谱成像技术的冷鲜羊肉嫩度检测方法研究

TS251.1%TP391; 传统羊肉品质检测方法效率低、破坏样品,为实现冷鲜羊肉嫩度快速无损检测,以内蒙古锡林郭勒羊肉为研究对象,采用多元散射校正法对光谱进行校正,利用主成分分析法获得620.23、761.48、819.48 nm波长下的特征图像,并提取其纹理特征和颜色特征,分别建立羊肉嫩度的BP神经网络和支持向量机预测模型.结果 显示,BP神经网络模型预测效果优于支持向量机模型预测效果,BP神经网络模型对预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.85和1.86;支持向量机模型分别为0.77和2.37.研究表明,利用高光谱和图像信息特征层融合方法对冷鲜羊肉嫩度进行预测具...

Full description

Saved in:
Bibliographic Details
Published in中国农业科技导报 Vol. 23; no. 12; pp. 101 - 108
Main Authors 于洋, 张珏, 田海清, 王迪, 王轲, 张红旗
Format Journal Article
LanguageChinese
Published 内蒙古农业大学机电工程学院,呼和浩特010018%内蒙古农业大学机电工程学院,呼和浩特010018 2021
内蒙古师范大学物理与电子信息学院,呼和浩特010022
Subjects
高光谱成像技术;羊肉;BP神经网络;支持向量机;嫩度
Online AccessGet full text
ISSN1008-0864
DOI10.13304/j.nykjdb.2020.0777

Cover

More Information
Summary:TS251.1%TP391; 传统羊肉品质检测方法效率低、破坏样品,为实现冷鲜羊肉嫩度快速无损检测,以内蒙古锡林郭勒羊肉为研究对象,采用多元散射校正法对光谱进行校正,利用主成分分析法获得620.23、761.48、819.48 nm波长下的特征图像,并提取其纹理特征和颜色特征,分别建立羊肉嫩度的BP神经网络和支持向量机预测模型.结果 显示,BP神经网络模型预测效果优于支持向量机模型预测效果,BP神经网络模型对预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.85和1.86;支持向量机模型分别为0.77和2.37.研究表明,利用高光谱和图像信息特征层融合方法对冷鲜羊肉嫩度进行预测具有可行性.
ISSN:1008-0864
DOI:10.13304/j.nykjdb.2020.0777