近红外高光谱联用Stepwise算法快速无接触评估冷鲜鸡肉色泽及嫩度

• 作者: 何鸿举 刘玺 康壮丽 朱明明 潘润淑 王慧 王正荣 蒋圣启 贾方方 赵圣明 陈复生 马汉军
• 来源期刊: 食品工业科技
• 学科: 工学
• 关键词: 高光谱 检测 鸡肉 色泽 嫩度
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 分析检测
• 页码范围: 125-133
• 页数: 9页
• 分类号: TS251.7
• 字数: 5639字
• 语种: 中文
• DOI: 10.13386/j.issn1002-0306.2019.13.021

摘要

利用900～1700 nm近红外高光谱成像系统联用Stepwise算法快速评估鸡肉色泽和嫩度.通过采集新鲜屠宰鸡肉高光谱图像,提取试验样本感兴趣区域(Region of interests,ROI)反射光谱信息,经中值滤波平滑(Median filtering smoothing,MFS)、多元散射校正(Multiplicative scatter correction,MSC)和标准正态变量变换(Standard normal variable correction,SNV)三种预处理后,分别利用偏最小二乘(Partial Least Squares,PLS)和多元线性回归(Multiple linear regression,MLR)挖掘光谱信息与鸡肉色泽参数(L*、a*、b*)及嫩度参考值之间的定量关系.结果 显示,经MFS预处理的近红外光谱(486个波长)构建的全波段PLS回归模型(F-PLS)预测L*(RP=0.904,RMSEP=2.036)、b*(RP=0.908,RMSEP=1.577)和嫩度(RP=0.948,RMSEP=1.596)效果更好.为提高预测效率,采用Stepwise算法筛选最优波长优化F-PLS模型,结果显示,从SNV预处理光谱筛选的14个最优波长构建MLR回归模型预测L *值(RP=0.894,RMSEP =2.160)效果较优,从SNV预处理光谱筛选的13最优波长构建的O-PLS回归模型预测b*值(RP=0.877,RMSEP=1.811)效果较优,从MFS预处理光谱筛选的20个最优波长构建O-PLS回归模型预测嫩度值(RP=0.888,RMSEP=2.408 N)效果较优.本试验表明,利用近红外高光谱成像技术结合Stepwise算法可实现鸡肉色泽参数L*、b*值以及嫩度的快速评估.