基于高光谱成像技术的羊肉新鲜度预测

• 作者: 于洋 张丽娜 张珏 王轲 田海清
• 来源期刊: 中国农业大学学报
• 学科: 工学
• 关键词: 高光谱成像 新鲜度 随机森林回归 挥发性盐基氮
• 年，卷（期）: 2020,（5）
• 页码范围: 94-103
• 页数: 10页
• 分类号: TS251.1|TP391
• 语种: 中文
• DOI: 10.11841/j.issn.1007-4333.2020.05.10

摘要

为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型.通过高光谱成像系统获取羊肉样本935～2 539 nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱.利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型.依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度.比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数Rc2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数Rp2和均方根误差RMSEP分别为0.86和3.36.综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田海清	内蒙古农业大学机电工程学院	49	306	10.0	15.0
2	张丽娜	内蒙古师范大学物理与电子信息学院	22	144	7.0	11.0
3	张珏	内蒙古农业大学机电工程学院	11	41	3.0	6.0
5	于洋	内蒙古农业大学机电工程学院	9	67	2.0	8.0
8	王轲	内蒙古农业大学机电工程学院	2	0	0.0	0.0