基于高光谱和超声成像技术的原切与合成调理牛排鉴别

• 作者: 孙宗保 王天真 邹小波 刘源 梁黎明 李君奎 刘小裕
• 来源期刊: 食品科学
• 关键词: 超声成像技术 高光谱成像技术 调理牛排 数据融合
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 安全检测|Safety Detection
• 页码范围: 257-263
• 页数: 7页
• 分类号: O657.3|R445.1
• 语种: 中文
• DOI: 10.7506/spkx1002-6630-20200414-187

摘要

针对市场上存在合成调理牛排冒充原切售卖的现象,研究利用高光谱和超声成像技术对它们进行鉴别的方法.分别采集原切与合成调理牛排的高光谱和超声图像信息,利用灰度共生矩阵法提取图像的纹理特征值,分别建立线性判别分析、K最邻近(K-nearest neighbor,KNN)、反向传播人工神经网络和极限学习机(extreme learning machine,ELM)4种鉴别模型,而后将2种技术数据融合建模,并采用连续投影法、竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)、变量组合集群分析(variables combination population analysis,VCPA)法3种方法筛选特征变量建模.结果 表明:合成调理牛排的肉块组织均匀,超声图像信号弱、均一性好,与原切调理牛排图像存在差异.高光谱和超声成像技术的最佳模型分别为KNN和ELM,模型预测集识别率分别为95.00％和90.00％.数据融合后建模,最佳模型ELM模型预测集识别率模型为97.50％,在3种变量选择方法中,CARS和VCPA选择的纹理变量建立的模型预测集识别率达到100.00％.研究表明高光谱和超声成像数据融合结合变量选择方法可以快速准确地鉴别原切和合成调理牛排.