新疆冷却羊肉颜色亮度近红外快速无损检测,该文是无损检测相关毕业论文提纲范文跟无损检测和羊肉和亮度相关毕业论文提纲范文.
无损检测论文参考文献：
摘 要：利用近红外光谱技术对新疆冷却羊肉颜色亮度（L*）进行检测研究.对剔除异常样的样本按“隔三选一”法划分校正集与预测集,采用不同预处理方法对光谱数据进行处理并比较所建偏最小二乘回归（PLSR）模型效果.结果表明,冷却羊肉颜色亮度光谱的最佳预处理方法为1D + S - G（17） + MC,与其对应的PLSR模型潜变量因子数为12时模型相关系数RC、RCV、RP分别为0.94、0.89、0.91,均方根误差RMSEC、RMSECV、RMSEP分别为1.50、2.05、1.94.说明利用近红外光谱技术能够实现对新疆冷却羊肉亮度的快速、无损检测.
关键词：近红外光谱技术；冷却羊肉；亮度
羊肉味道鲜美,肉质细腻,口感较好,是西北少数民族地区的主要肉类消费品.畜肉颜色是消费者决定是否购买的先导指标,其变化与畜肉内部化学组分分解、蛋白质变性、微生物作用等密切相关,是评价畜肉新鲜度的重要指标.在国际照明委员会发布的色彩模式中L*与肉色变化具有较高的相关性.传统的肉类颜色检测方法感官评定和试验检测已不能满足现代畜肉生产检测的要求.
近年来,近红外光谱技术已被应用于鸡肉、鱼肉、猪肉、牛肉、羊肉等[1-5]的检测研究,检测指标包括剪切力、pH值、色泽、TVB - N等[6-8],与此相关的应用研究结果表明,近红外光谱技术在畜肉检测方面具有较好的适用性.但采用近红外光谱技术对冷却羊肉颜色L*的检测研究报道较少.本试验以新疆冷却羊肉为对象,采用近红外光谱技术对真装冷却羊肉颜色L*进行检测研究,采用不同预处理方法对光谱数据进行处理并比较所建PLSR模型效果.
1材料与方法
1.1试验材料
试验所用冷却羊肉来自石河子西部牧业.取羊外脊肉置于保温箱运回实验室并对其进行处理分割,尺寸为4 cm × 4 cm × 1 cm,共计155个.将样品真装后置于4 ℃冰箱中保存.
1.2试验仪器
NIRQuest256 - 2.5近红外光谱仪及其附件（美国 海洋光学）、VIVO光源（美国 海洋光学）、PQ400 - 1 - VIS - NIR光纤（美国 海洋光学）、计算机、暗箱、WSC - S测色色差计（上海精密仪器仪表公司）等.
1.3近红外光谱采集
从冰箱随机取出真装冷却羊肉样品置于室内并对仪器进行预热,20 min后对光谱采集系统进行黑白校正,然后把拭去表面水分的样品置于光源载物台上分别进行漫反射光谱采集.采集参数为：积分时间18 ms,平均次数32次,平滑度3,波长范围900 ～ 2 500 nm.每个样品采集5个位置点的光谱,取平均作为样品参考光谱.
1.4颜色亮度测定
测定前,对WSC - S测色色差计进行黑白校正.然后把剪碎的样本放入测量皿中,将仪器测试头置于样品的纯肌肉部位,每个样本测6个点,取均值作为样本颜色L*的参考值.
1.5数据处理
利用MATLAB 2010b软件对实验数据进行处理.对剔除异常样的光谱数据按“隔三选一”法划分校正集和预测集,采用不同预处理方法对光谱数据进行处理,建立全波段PLSR模型并进行比较分析,根据模型评价指标Rc、Rcv、Rp和RMSEC、RMSECV、RMSEP优选出光谱最佳预处理方法和对应模型.模型相关系数越大,均方根误差越小,模型效果越好.
2结果与分析
2.1亮度值统计分析
使样品的原始光谱与L*值一一对应并按L*大小升序排列,导入PLSR模型,利用学生化残差和杠杆值确定异常样,根据PLSR模型效果依次逐个剔除异常样,当剔除8个异常样后模型效果较好.表1为147个羊肉亮度值的统计结果,主要包括最大值、最小值、平均值和标准偏差.采用“隔三选一”法划分样本,校正集110个样,预测集37个样.
为了更好地了解冷却羊肉在储藏期间颜色亮度的变化,取每天所测样本的L*值均值作为当日样品的颜色亮度参考值.其结果如图1所示.
由图1可知,亮度L*值先上升后下降再上升.其原因为L*的变化与肌肉糖酵解产生的乳酸含量、肌肉蛋白变性、持水性变化、微生物作用和脂肪酸败相关.羊肉在尸僵过程中pH值下降,肌肉中的高铁肌红蛋白还原酶活性被抑制,肌红蛋白、氧合肌红蛋白被氧化,高铁肌红蛋白增多,L*增加.随着肉的成熟,pH值增大,高铁肌红蛋白还原酶活性增大,大量Fe3+被还原为Fe2+,L*值减小.随着储藏时间的增长,pH值再次降低,微生物的作用增强,脂肪氧化酸败,导致羊肉中肌红蛋白迅速被氧化减少,L*值增大.
2.2原始光谱
采集的155个真装冷却羊肉的近红外原始光谱如图2所示.
2.3预处理方法的选择
样品近红外光谱采集时容易受到外界环境、仪器性能和样品表面不平整、厚度不均等方面的影响,使采集的光谱含有噪声、发生基线漂移或谱线重叠,为了能较好的去除光谱中的干扰信号,显示光谱中的特征信息,改善模型预测性能,需要对原始光谱数据进行预处理.本试验采用多元散射校正（C）、变量标准化（SNV）、Sitzky - Golay（S - G）平滑、微分（1Dor2D）、数据中心化（mean - centering）其中的1种或几种组合对光谱数据进行预处理,以提高模型的稳定性和预测能力.
2.4 模型建立与评价
采用不同预处理方法对光谱数据进行处理,建立全波段PLSR模型,其结果如表2所示.由表2可知,不同的预处理方法对模型的影响很大.经过MSC和SNV预处理后的光谱数据所建模型效果差异不显著,但其他预处理方法与MSC或SNV相结合均降低了原预处理方法对应模型的预测性能.说明MSC和SNV方法不适合本试验数据.在其余模型中,未采用预处理方法的光谱数据所建模型的交互验证集和预测集相关系数最小,模型效果最差.采用2D + S - G（15） + MC预处理方法建立的PLSR模型潜变量因子数为12时比MC方法处理后的光谱建立的PLSR模型潜变量因子数为18时的交互验证均方根误差和预测集均方根误差小,比S - G（13） + MC预处理后的光谱建立的PLSR模型潜变量因子数为14时的大.而1D + S - G（17） + MC预处理后的光谱建立的PLSR模型,潜变量因子数为12时,与其他模型相比具有最小的RMSECV和最大的RMSEP,故确定冷却羊肉颜色L*的最优光谱预处理方法为1D + S - G（17） + MC.
预处理后的光谱如图3所示.最佳预处理方法对应的PLSR模型预测结果如图4所示.
3结论
采用近红外光谱技术对真装冷却羊肉亮度L*进行检测研究.本研究中MSC和SNV预处理后的光谱数据所建模型效果无显著差异,其他预处理方法与MSC或SNV相结合均降低了原预处理方法对应的PLSR模型预测性能.冷却羊肉颜色亮度的最佳光谱预处理方法为1D + S - G（17） + MC,其对应的PLSR模型潜变量因子数为12时,模型的相关系数RC、RCV、RP分别为0.94、0.89、0.91,均方根误差RMAEC、RMSECV、RMSEP分别为1.50、2.05、1.94.结果表明,近红外光谱技术能够实现对真装冷却羊肉颜色亮度L*值的快速、无损检测,为羊品质在线近红外光谱无损检测提供了一定的理论依据和技术支持.
此文总结：本文是关于无损检测和羊肉和亮度方面的无损检测论文题目、论文提纲、无损检测论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文.
荧光原位杂交和流式细胞术结合（FISH-FCM）对肉食品中肠杆菌科细菌的快速定量检测
汪沐,谢鹏,唐梦君,…… 荧光原位杂交和流式细胞术结合(FISHFCM)对肉食品中肠杆菌科细菌的快速定量检测J 江苏农业科学,2016,44（7）336338 doi10 15889j issn .
运用近红外高光谱成像技术检测羊肉脂肪与蛋白质含量
范泽华,姚江河,陈杰（塔里木大学信息工程学院,新疆阿拉尔843300）摘要夏季是人们外出进行烧烤活动的主要季节,羊肉制品一直是烧烤架上最受欢迎的肉类制品 但在市场经济的不良引导下,羊肉制品开始受到来自.
免疫PCR技术在生牛乳抗生素快速定量检测中的应用
摘 要近年来,我国对乳制品的消费持续上升 然而,我国奶牛患炎比例高达近50,目前主流的治疗方法是直接将抗生素注射至奶牛的乳腺中 在众多检验方法中,免疫PCR 法具有相对于传统检测方法更精确和更快速的优.