System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及禽肉品质与无损检测,尤其涉及一种基于高光谱的生鸡肉成分检测方法。
技术介绍
1、鸡肉品质主要包括鸡肉的颜色、蛋白含量、脂肪含量、持水性、ph值、氨基酸含量等。传统的生鲜鸡肉成分含量检测方法主要有石油醚浸提法、杜马斯燃烧定氮法等,耗时耗力,难以实现在线检测,需要利用高腐蚀性化学试剂进行样本前处理工作,既对环境造成污染又不能满足鸡肉品质快速无损检测的产业化发展需求。
2、光谱检测技术避免了传统方法破坏性、化学试剂污染和耗时耗力等缺点,在生鲜肉品质检测和安全评定上广泛应用,主要体现在生鲜肉的营养成分分析、食用品质检测与分级、品种鉴定与判断以及无损评价等方面。利用高光谱技术对生鲜鸡肉多种成分进行快速检测分析,以优选光谱特征变量建立对多种成分的预测模型,计算速度快,准确率较高,可以满足对生鲜鸡肉多种成分快速检测的要求。
3、在许多应用场景中,又需要同时预测多种成分含量,例如生鸡肉中的脂肪含量、水分含量等。现有光谱检测方法通常使用全量波段数据进行分析,处理全量波段数据需要更多的计算资源和时间,这就导致了数据量庞大和计算复杂度高的问题,不能适用于高效的大规模样品测试和分析。
技术实现思路
1、针对现有技术中存在的不足,本专利技术目的是提供一种基于高光谱的生鸡肉成分检测方法,解决鸡肉检测过程中难以快速大规模检测生鸡肉成分含量的难题。
2、为解决上述技术问题,本专利技术提供的技术方案是:
4、(1)获取生鸡肉样本高光谱图像;
5、(2)测定生鸡肉样本切片理化成分真实值,粗脂肪含量、粗蛋白含量、氨基酸含量、ph值、肉色值;
6、(3)对步骤(1)获得的生鸡肉样本高光谱图像进行校正;
7、(4)采集步骤(3)校正后的生鸡肉样本高光谱图像数据;
8、(5)对步骤(4)获取的生鸡肉样本高光谱图像数据进行预处理,获得生鸡肉样本高光谱预处理数据;去除步骤(4)采集的光谱数据的噪声,进行波长校正、光谱平滑;
9、(6)提取步骤(5)获得的生鸡肉样本高光谱预处理数据的单标签监督式特征光谱数据;
10、(6.1)构建包含步骤(5)获得的的生鸡肉样本高光谱预处理数据和目标成分含量数据标签的数据集;
11、(6.2)设定光谱波段的统计量、分析成分、光谱指数,对步骤(5)获得的生鸡肉样本高光谱预处理数据进行特征提取,计算筛选获得的每个光谱特征的重要性得分;
12、(6.3)剔除相关性得分低于60%的冗余波段,筛选单标签监督式的生鸡肉样本高精度特征光谱数据,获得生鸡肉样本单标签高光谱特征数据集;
13、(7)建立预测生鸡肉样本理化成分含量的单标签回归模型;
14、(7.1)将步骤(6)获得的生鸡肉样本单标签高精度特征光谱数据作为输入,将该数据划分为训练集数据和验证集数据,
15、(7.2)基于步骤(6)获得的生鸡肉样本单标签高精度特征光谱数据建立基于卷积神经网络的生鸡肉样本理化成分含量预测的单标签回归模型,建立生鸡肉样本理化成分含量特征光谱数据与理化成分含量之间的关系,获得生鸡肉样本理化成分含量的预测值;
16、(7.3)利用训练集数据对建立的单标签回归模型进行训练,将生鸡肉样本成分含量光谱特征数据作为输入,将对应的生鸡肉样本成分含量预测值作为输出,通过单标签回归模型学习输入与输出之间的关系,调整和优化单标签回归模型的权重参数;
17、(8)单标签回归模型评估验证,检测单标签回归模型的准确度和稳定性;
18、计算生鸡肉样本成分含量通过步骤(7)获得的预测值与步骤(2)获得真实值之间的相关系数,衡量步骤(7)建立的单标签回归模型的拟合程度,计算验证集数据的平均绝对值误差,评估步骤(7)建立的单标签回归模型的稳定性和预测误差大小;
19、(9)强相关生鸡肉样本成分含量高通量预测应用;
20、将新的生鸡肉样本的光谱特征输入单标签回归模型,针对强相关生鸡肉样本成分,采用单标签回归模型进行生鸡肉样本成分含量高通量的预测应用。
21、优选的,所述步骤(6)中生鸡肉样本单标签监督式的特征光谱数据筛选,重要性评估采用lars算法。
22、优选的,所述步骤(6)中基于卷积神经网络的单标签回归模型包括多层感知机结构,每层感知机结构均进行特征下采样操作。
23、优选的,所述步骤(1)获取生鸡肉样本高光谱图像的具体步骤为:
24、(1.1)取生鸡腿肉和鸡胸肉,绞碎并均匀置于培养皿中,制得生鸡肉样本切片,使得样本具有均匀的组织结构,制备生鲜鸡肉样本;
25、(1.2)将生鸡肉样本放置在培养皿或者其他容器中,样本扁平排列,避免样本之间的重叠或覆盖;
26、(1.3)将生鸡肉样本切片放置在高光谱仪的镜头正下方;设置光谱仪分辨率、光源和光谱波长范围,获取生鸡肉样本高光谱图像;
27、(1.4)采集生鸡肉样本的光谱数据,并将其转化为一维数字信号记录和存储,获得生鸡肉高光谱数据。
28、优选的,在所述步骤(2)中,测定生鸡肉样本切片理化成分真实值,粗脂肪含量、粗蛋白含量、氨基酸含量、ph值、肉色值,具体如下:
29、测定生鲜鸡肉样本切片的多种成分含量包括
30、粗脂肪含量:使用脂肪分析仪石油醚浸提法进行测定;
31、粗蛋白含量:使用杜马斯燃烧定氮法测定;
32、氨基酸含量:使用氨基酸分析仪测定;
33、ph值:使用ph计测定;
34、肉色值:使用色差仪测定。
35、优选的,所述步骤(3)对步骤(1)获得的生鸡肉样本高光谱图像进行校正,具体如下:
36、在spectra view软件中将同一生鸡肉切片样本不同采样点采集的光谱图像以标准黑色反射板(b)和标准白反射板(w)的特征频谱作为内标进行反射率校正,校正样本表面不均匀及人工对焦差异造成的光谱差异。
37、优选的,所述步骤(4)生鸡肉样本高光谱数据采集,具体包括:
38、(4.1)导入数据:将生鸡肉样本高光谱图像导入envi图像处理平台;
39、(4.2)区域选择:使用envi图像处理平台选择生鸡肉样本高光谱图像采集区域;
40、(4.3)光谱数据提取:选择步骤(4.2)获得的采集区域,使用envi图像处理平台中的光谱提取工具获取该区域内每个生鸡肉样本高光谱图像像素的反射率光谱数据,提取的反射率光谱数据以文本数据文件的形式保存;
41、(4.4)重复采集:对同一生鸡肉样本进行多次不重叠高光谱数据采集。
42、优选的,所述步骤(8)单标签回归模型评估验证,检测单标签回归模型的准确度和稳定性,具体如下:
43、(8.1)验证数据准备:准备独立的验证集数据,本文档来自技高网...
【技术保护点】
1.一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,包括下列步骤:
2.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
3.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
4.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
5.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
6.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
7.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
8.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
9.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
【技术特征摘要】
1.一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,包括下列步骤:
2.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
3.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
4.根据权利要求1所述的一种基于高光谱和单标签回归的生鸡肉成分检测方法,其特征在于,
5.根据权利要求1所述的一种基于高光谱和单标签...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。