近红外高光谱成像技术在鸡肉重量快速检测中的应用制造技术

本发明专利技术公开了近红外高光谱成像技术在鸡肉重量快速检测中的应用。本发明专利技术只需要获取被测样品的光谱数据，把最优波长下的反射率值直接带入数学模型的预测模型内即可得到鸡胸肉样品的重量，大大提高了被测样品的称重效率，可实现鸡肉样品的大规模在线称重检测。

【技术实现步骤摘要】
近红外高光谱成像技术在鸡肉重量快速检测中的应用
本专利技术涉及食品检测领域，主要涉及近红外高光谱成像技术在鸡肉重量快速检测中的应用。
技术介绍
随着生活水平的不断提高，消费者的肉品消费理念也在逐渐改变，鸡肉因具有低脂肪、低胆固醇、高蛋白、易消化等优点，倍受广大消费者喜爱。我国鸡肉的消费量逐年上升，鸡肉的品质已成为消费者的重点关注对象。冷鲜鸡肉能够最大限度地保持肉品风味(质地柔软、弹性好、口感鲜美)和营养价值，在我国大中城市已成为生鲜肉消费的主流。然而在日常生活中，消费者在购买鸡肉时，都是按照重量来衡量它的价格，重量越重价格越高。然而在日常生活中，缺斤少两是消费者遇到的最常见的问题之一，因为这直接损害了消费者的利益，因此消费者越来越重视鸡肉重量的真实性。当今，鸡肉的重量都是使用天平进行称重，但此方法操作繁琐，效率低下，满足不了当今肉品大规模的在线称重。高光谱成像技术融合了传统的图像技术和光谱技术，既能获取待测物的空间信息也可提供待测物的光谱信息，而且具有快速、无损的特点，近些年在农畜产品品质无损检测以及安全控制方面的研究较多，为产生了诸多成果。但在鸡肉重量方面的研究报道较少。
技术实现思路
本专利技术提供了一种易于操作、检测速度快的近红外高光谱成像技术以此来弥补现有技术操作繁琐，效率低下等缺陷，来检测鸡肉的重量。本专利技术的技术方案是：提供了近红外高光谱成像技术在鸡肉重量快速检测中的应用。本专利技术的进一步改进包括：所述的应用，其步骤如下：步骤一，利用调试好的近红外高光谱成像系统采集鸡胸肉的高光谱图像；步骤二，获取的高光谱图像进行预处理，以获取光谱的反射率值；步骤三，将获取的数据代入下式：YW＝8.393+116.94X928.551nm-43.965X938.431nm+53.572X964.774nm-87.349X1025.669nm+80.612X1070.091nm-89.666X1134.246nm+97.1X1155.631mm-61.053X1216.498nm+39.673X1308.658nm-46.681X1343.236nm+36.06X1364.648nm+29.746X1435.516nm-62.815X1681.829nm+74.677X1686.804nm，其中YW为鸡胸的重量，其单位为g，X928.551nm、X938.431nm、X964.774nm、X1025.669nm、X1070.091nm、X1134.246nm、X1155.631nm、X1216.498nm、X1308.658nm、X1343.236nm、X1364.648nm、X1435.516nm、X1681.829nm、X1686.804nm，分别为波长在928.551nm、938.431nm、964.774nm、1025.669nm、1070.091nm、1134.246nm、1155.631nm、1216.498nm、1308.658nm、1343.236nm、1364.648nm、1435.516nm、1681.829nm、1686.804nm处的光谱反射率值，上式的相关系数R＝0.965，均方根误差RMSE＝0.626。所述的应用，检测开始前，把高光谱成像系统的光谱提前打开30min进行预热后把系统状态调制到最佳，即扫描速度为6.54mm/s，曝光时间为4.65ms。所述的应用，所述光谱图像预处理即是对原始图像进行黑白板校正，以除去外界环境对光谱图像所造成的影响，其校正公式如下：其中C为校正后的图像，R为原始光谱图像；B为黑板图像，其反射率为0％，W为白板图像，其反射率为99.9％。本专利技术具有以下有益效果：本专利技术只需要获取被测样品的光谱数据，把最优波长下的反射率值直接带入数学模型的预测模型内即可得到鸡胸肉样品的重量，大大提高了被测样品的称重效率，可实现鸡肉样品的大规模在线称重检测。附图说明图1是89个鸡胸肉样品的全波段光谱特征图；图2是回归系数法对鸡胸肉最优波长的提取；图3是鸡胸肉重量的预测值与实测值之间的关系。具体实施方式下面结合实施例对本专利技术做详细说明。实施例(1)本实施例中的新鲜鸡胸肉购自于当地的农贸市场，均为当天早上现杀的新鲜鸡胸肉。将购买的新鲜鸡胸在实验室分割成3cm*3cm*1cm(长*宽*高)的样品，共获得89个样品，再在将其平均分成7份，分别放在带有盖子的一次性塑料盒里，将盒子带样品一块放置在4℃的冰箱内进行贮藏，分别在0、1、2、3、4、5、6天取出进行下一步试验；(2)试验开始前，把高光谱成像系统的光谱提前打开30min进行预热，结束后把系统状态调制到最佳，即扫描速度为6.54mm/s，曝光时间为4.65ms，此近红外高光谱成像系统可检测的波长范围在900-1700nm；(3)利用调试好的近红外高光谱成像系统采集不同冷藏期间鸡胸肉样品的高光谱图像；(4)对采集过高光谱图像的样品立即使用万分位天平对其进行称重，记录其重量(g)；把89个样品的重量按照从小到大的顺序排列，其数据统计如下表1：表189个样品的重量数据统计(5)对获取的高光谱图像进行预处理，即对原始图像进行黑白板校正，以除去外界环境对光谱图像所造成的影响，其校正公式如下：以获取鸡肉样本的光谱反射率值；(6)提取光谱图像中感兴趣区域(ROI)内的光谱数据，分别提取89个样品的全波段的光谱数据；结果如图1：(7)采用偏最小二乘(PLSR)法关联步骤(4)和步骤(6)校正集样品的重量与光谱数据之间的全波段(486个波长)的内在联系，即建立全波段的PLSR预测模型。使用相关系数R和均方根误差RMSE对所建模型的精度和稳定性进行评价，当R越接近于1，RMSE越小时，模型的精度越高越稳定，且交叉验证集也是对所建校正集模型的一种检验，当两者的相关系数和均方根误差越接近时，表明校正集的模型就越好。结果如表2：表2全波段所的鸡胸肉重量的PLSR模型从表2中可以得出校正集所建立的PLSR模型的相关系数R为0.978，均方根误差为0.494，且交叉验证集的相关系数为0.947，均方根误差为0.770，表明所建的校正集模型不但精度高而且较稳定。(8)为了优化第(7)步所得的PLSR预测模型，使用回归系数法从486个全波段内提取出14个最优波长，结果如图2：从图2中可以得出使用回归系数法从全波段内提取了14个最优波长，分别为928.551nm、938.431nm、964.774nm、1025.669nm、1070.091nm、1134.246nm、1155.631nm、1216.498nm、1308.658nm、1343.236nm、1364.648nm、1435.516nm、1681.829nm、1686.804nm。(9)采用偏最小二乘(PLSR)法来建立步骤(4)所获得的校正集鸡肉样品的重量和步骤(8)所提取的14个最优波长之间的预测模型，其结果如表3：表3最优波长所建立的预测鸡胸肉重量的PLSR模型从表中可得出使用最优波长数所建立的校正集PLSR模型相关系数R＝0.965，均方根误差RMSEC＝0.626，交叉验证集的相关系数为0.953，均方根误差为0.738，则校正集和交叉验证集的模型的相关系数和均方根误差都很接近，故校正集模型的精度本文档来自技高网...

【技术保护点】
1.近红外高光谱成像技术在鸡肉重量快速检测中的应用。

【技术特征摘要】
1.近红外高光谱成像技术在鸡肉重量快速检测中的应用。2.根据权利要求1所述的应用，其特征在于，其步骤如下：步骤一，利用调试好的近红外高光谱成像系统采集鸡胸肉的高光谱图像；步骤二，获取的高光谱图像进行预处理，以获取光谱的反射率值；步骤三，将获取的数据代入下式：YW＝8.393+116.94X928.551nm-43.965X938.431nm+53.572X964.774nm-87.349X1025.669nm+80.612X1070.091nm-89.666X1134.246nm+97.1X1155.631nm-61.053X1216.498nm+39.673X1308.658nm-46.681X1343.236nm+36.06X1364.648nm+29.746X1435.516nm-62.815X1681.829nm+74.677X1686.804nm,其中YW为鸡胸的重量，其单位为g，X928.551nm、X938.431nm、X964.774nm、X1025.669nm、X1070.091nm、X1134.246nm、X1155.631nm、X1216....

【专利技术属性】
技术研发人员：何鸿举，王慧，马汉军，康壮丽，王正荣，
申请(专利权)人：河南科技学院，
类型：发明
国别省市：河南,41