羊肉新鲜度多维指标多信息融合的智能检测与分级系统技术方案

一种羊肉新鲜度多维指标多信息融合的智能检测与分级系统，包括羊肉输送分选装置、可见近红外光谱仪、数据处理装置；可见近红外光谱仪获取羊肉输送分选装置输送的待测羊肉的原始光谱数据；数据处理装置接收可见近红外光谱仪获取的待测羊肉的原始光谱数据，并对原始光谱数据进行预处理，从预处理后的光谱数据中提取特征波长，根据预存的羊肉新鲜度指标预测模型对待测羊肉的新鲜度指标进行预测，以获得当前羊肉新鲜度指标的预测数值，将当前羊肉新鲜度指标的预测数值及预存的羊肉新鲜度等级基准数据判断待测羊肉的新鲜度等级，并根据判断出的待测羊肉的新鲜度等级控制羊肉输送分选装置将所述待测羊肉输送到对应的传送通道。选装置将所述待测羊肉输送到对应的传送通道。选装置将所述待测羊肉输送到对应的传送通道。

【技术实现步骤摘要】
羊肉新鲜度多维指标多信息融合的智能检测与分级系统

：
[0001]本专利技术涉及肉类新鲜度指标检测
，尤其涉及一种羊肉新鲜度多维指标多信息融合的智能检测与分级系统。

技术介绍
：
[0002]羊肉含有丰富的营养成分，是人们生活中重要的营养来源。近年来，随着人们对羊肉需求的不断增加，对羊肉质量的要求也在提高。而羊肉新鲜度是其风味、色泽、口感等卫生标准的综合评价。羊肉新鲜度可以分为新鲜级、次新鲜级和腐败级三个等级，通过分级可以进一步综合反映羊肉的营养性与安全性的可靠程度。传统的羊肉新鲜度检测方法有感官评定和理化性实验分析。虽然感官评定简单直观，但主观的影响对初期变质羊肉难以判断。对于理化性实验分析，虽然具有准确度高和可靠性好的特点，但该方法是有损的。在羊肉新鲜度分级上，根据现行标准，依旧是主观根据肉脂色泽对其分级，如：鲜、冻酮体羊肉GBT9961
‑
2008；
[0003]目前，光谱技术已经成功应用于羊肉品质评价。也已有研究者专利技术了肉品多指标快速无损的检测系统，公开了依据多个指标预测模型确定至少三种预测指标，预测指标可以为肉色、嫩度、系水力、pH值、蛋质含量和脂肪含量。但是上述现有技术存在以下问题：完成多维指标检测后，无法根据多维指标综合的判断羊肉等级以及将不同新鲜度的羊肉分开。

技术实现思路
：
[0004]有鉴于此，本专利技术公开一种羊肉新鲜度多维指标多信息融合的智能检测与分级系统。
[0005]一种羊肉新鲜度多维指标多信息融合的智能检测与分级系统，包括：羊肉输送分级装置、可见近红外光谱仪和数据处理装置；
[0006]羊肉输送分级装置、可见近红外光谱仪与数据处理装置电性连接，可见近红外光谱仪设置在羊肉输送分级装置上，用于获取羊肉输送分级装置输送的待测羊肉的原始光谱数据；数据处理装置接收可见近红外光谱仪获取的待测羊肉的原始光谱数据，并对原始光谱数据进行预处理；数据处理装置还用于从预处理后的光谱数据中提取特征波长；数据处理装置还根据预存的羊肉新鲜度指标预测模型对待测羊肉的新鲜度指标进行预测，以获得当前羊肉新鲜度指标的预测数值；数据处理装置还用于根据当前羊肉新鲜度指标的预测数值及预存的羊肉新鲜度等级基准数据判断待测羊肉的新鲜度等级，并根据判断出的待测羊肉的新鲜度等级控制羊肉输送分级装置将所述待测羊肉输送到对应的传送通道。
[0007]上述羊肉新鲜度多维指标多信息融合的智能检测与分级系统中，可见近红外光谱仪设置在羊肉输送分级装置上，获取羊肉输送分级装置输送的待测羊肉的原始光谱数据，数据处理装置接收可见近红外光谱仪获取的待测羊肉的原始光谱数据，并对原始光谱数据进行预处理，从预处理后的光谱数据中提取特征波长，根据预存的羊肉新鲜度指标预测模
型对待测羊肉的新鲜度指标进行预测，以获得当前羊肉新鲜度指标的预测数值，将当前羊肉新鲜度指标的预测数值及预存的羊肉新鲜度等级基准数据判断待测羊肉的新鲜度等级，并根据判断出的待测羊肉的新鲜度等级控制羊肉输送分级装置将所述待测羊肉输送到对应的传送通道，进而实现了羊肉品质的多维新鲜度指标综合评价及综合分级。
附图说明：
[0008]图1为本申请的羊肉新鲜度多维指标多信息融合的智能检测与分级系统的功能模块示意图。
[0009]图2为羊肉新鲜度多维指标多信息融合的智能检测与分级系统中羊肉新鲜度指标预测模型的建模流程图。
[0010]图3为图1中羊肉输送分级装置的结构示意图。
[0011]图4为图1中羊肉输送分级装置的另一角度的结构示意。
[0012]图5为新鲜度等级判定单元的逻辑流程图。
[0013]图中：羊肉新鲜度多维指标多信息融合的智能检测与分级系统10、羊肉输送分级装置20、支架21、检测通道22、新鲜级羊肉传送通道23、次新鲜级羊肉传送通道24、腐败级羊肉传送通道25、一号分级挡板26、二号分级挡板27、三号分级挡板28、可见近红外光谱仪30、数据处理装置40、光谱数据预处理单元41、特征波长提取单元42、新鲜度指标预测单元43、新鲜度等级判定单元44、输入输出单元45、预测模型存储单元46。
具体实施方式：
[0014]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术具体实施例及相应的附图对本专利技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0015]如图1所示，本申请提供的羊肉新鲜度多维指标多信息融合的智能检测与分级系统10包括羊肉输送分级装置20、可见近红外光谱仪30、数据处理装置40。羊肉输送分级装置20、可见近红外光谱仪30与数据处理装置40电性连接。
[0016]可见近红外光谱仪30设置在羊肉输送分级装置20上，可见近红外光谱仪30用于获取羊肉输送分级装置20输送的待测羊肉的原始光谱数据，其中可见近红外光谱仪的采集波段为400
‑
2500nm，可见近红外光谱仪30主要由光源、样品室、光栅、光电探测器、放大器、模数转换器等元件组成，其中，光源发出光，通过样品室照射在待测羊肉上，样品反射或透过部分光线被光栅分解，光电探测器接收光信号后转化成电信号，放大器将电信号放大，模数转换器将信号转化成数字信号传送给数据处理装置40。
[0017]数据处理装置40接收可见近红外光谱仪30获取的待测羊肉的原始光谱数据，并对原始光谱数据进行光谱预处理，以获得预处理后的光谱数据，其中，光谱预处理目的是提高光谱数据的信噪比、降低光谱之间的变异性，从而更准确地解释光谱数据并提取其中的有效信息，例如光谱预处理包括信号去噪、背景校正、光谱对齐、样品漂移校正等；数据处理装置40还用于从预处理后的光谱数据中提取特征波长，其中，特征波长指的是在某个波段范围内，羊肉样品对光的吸收或反射量发生显著变化的波长，在光谱分析中，特征波长通常与
羊肉样品的物理、化学性质相关，新鲜的羊肉中的生物化学成分与老化的羊肉中的成分不同，这些成分在不同波长下的吸收或反射也会不同，通过分析不同波长下的光谱数据，找出与羊肉新鲜度指标相关的特征波长，可以建立特征波长和新鲜度之间的关系，这样就可以通过检测特征波长下的光谱数据来快速、准确地判断羊肉的新鲜度；数据处理装置40根据预存的羊肉新鲜度指标预测模型对待测羊肉的新鲜度指标进行预测，以获得当前羊肉新鲜度指标的预测数值，其中，羊肉新鲜度指标预测模型由与样本羊肉的物理、化学性质相关的特征波长所对应的光谱数据构成；数据处理装置40还用于根据当前羊肉新鲜度指标的预测数值及预存的羊肉新鲜度等级基准数据判断待测羊肉的新鲜度等级，并根据判断出的待测羊肉的新鲜度等级控制羊肉输送分级装置20将所述待测羊肉输送到对应的传送通道。其中，当前羊肉新鲜度指标包括羊肉的有菌落总数TVC值、挥发性盐基氮TVB
‑
N和肉色L*与a*值；羊肉新鲜度等级的评定根据羊肉的TVC值、TVB
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种羊肉新鲜度多维指标多信息融合的智能检测与分级系统，其特征在于，包括羊肉输送分级装置、可见近红外光谱仪、数据处理装置；羊肉输送分级装置、可见近红外光谱仪与数据处理装置电性连接，可见近红外光谱仪设置在羊肉输送分级装置上，用于获取羊肉输送分级装置输送的待测羊肉的原始光谱数据；数据处理装置接收可见近红外光谱仪获取的待测羊肉的原始光谱数据，并对原始光谱数据进行预处理；数据处理装置还用于从预处理后的光谱数据中提取特征波长；数据处理装置还根据预存的羊肉新鲜度指标预测模型对待测羊肉的新鲜度指标进行预测，以获得当前羊肉新鲜度指标的预测数值；数据处理装置还用于根据当前羊肉新鲜度指标的预测数值及预存的羊肉新鲜度等级基准数据判断待测羊肉的新鲜度等级，并根据判断出的待测羊肉的新鲜度等级控制羊肉输送分级装置将所述待测羊肉输送到对应的传送通道。2.如权利要求1所述的羊肉新鲜度多维指标多信息融合的智能检测与分级系统，其特征在于：数据处理装置包括光谱数据预处理单元、特征波长提取单元、新鲜度指标预测单元、新鲜度等级判定单元，光谱数据预处理单元接收可见近红外光谱仪获取的待测羊肉的原始光谱数据，并对原始光谱数据进行预处理；特征波长提取单元用于从预处理后的光谱数据中提取特征波长；新鲜度指标预测单元根据预存的羊肉新鲜度指标预测模型对待测羊肉的新鲜度指标进行预测，以获得当前羊肉新鲜度指标的预测数值；新鲜度等级判定单元用于根据当前羊肉新鲜度指标的预测数值及预存的羊肉新鲜度等级基准数据判断待测羊肉的新鲜度等级，并根据判断出的待测羊肉的新鲜度等级控制羊肉输送分级装置将所述待测羊肉输送到对应的传送通道。3.如权利要求1所述的羊肉新鲜度多维指标多信息融合的智能检测与分级系统，其特征在于：当前羊肉新鲜度指标包括羊肉的TVC值、TVB
‑
N含量和肉色L*与a*值。4.如权利要求2所述的羊肉新鲜度多维指标多信息融合的智能检测与分级系统，其特征在于：数据处理装置还包括预测模型存储单元，预测模型存储单元用于存储羊肉新鲜度指标预测模型，羊肉新鲜度指标预测模型涉及到的指标包括有菌落总数TVC、挥发性盐基氮TVB
‑
N和肉色L*与a*值。5.如权利要求1所述的羊肉新鲜度多维指标多信息融合的智能检测与分级系统，其特征在于：羊肉新鲜度指标预测模型按照如下方法建立：首先，收集样本光谱数据，用于后续的分析和建模；进一步，光谱数据预处理，对收集到的光谱数据进行预处理，算法与预处理模块中的预处理算法一致，以便后续的数据处理与分析；进一步，特征提取，使用CARS算法从光谱数据中提取出有用的特征，算法与特征波长提取模块中的特征波长提取算法一致，用于后续的模型构建和预测；进一步，建立模型，选择偏最小二乘回归建模算法，建立与样本数据拟合良好的光谱模型；进一步，模型验证和优化，使用测试数据集验证建立的模型的预测性能，并进行优化，以提高模型的预测精度和稳定性；其中，在建立新鲜度指标预测模型中，需要测定相应的化学值，包括：羊肉的菌落总数TVC、挥发性盐基氮TVB
‑
N和肉色L*与a*值；其中，菌落总数TVC测定方法为：具体方法参照GB 4789.2
‑
2022《食品安全国家标准食品微生物学检验菌落总数测定》，并作为定量分析的参考值，为保证准确性，每个样本至少作6次测定，取平均值作...

【专利技术属性】
技术研发人员：刘贵珊，李小军，吴迪，万国玲，景怡萱，张远绿，
申请(专利权)人：宁夏大学，
类型：发明
国别省市：