基于可見-近紅外光譜的生鮮豬、牛、羊肉識別方法研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、新疆是少數民族集聚區(qū)域,目前有47個少數民族,其中有13個世居少數民族,當中有很大一部分民族都信奉伊斯蘭教,主要以牛羊肉作為肉類食物。新疆是我國的一個畜牧業(yè)大省,養(yǎng)羊業(yè)大省,但是肉類優(yōu)價不優(yōu)質的現象突出。在利益的驅使下,常常出現使用低品質的肉類冒充高價肉的現象。因此,發(fā)展一種用于識別肉類的檢測方法顯得十分迫切。近年來,隨著可見/近紅外光譜技術的日益成熟,越來越多的被用于食品檢測的行業(yè)中來,其具有快速、無損和高效的檢測特點。本論文從種類、

2、品種、混合肉糜等方面,對肉類進行定性識別。采用可見/近紅外光譜儀對其進行掃描,建立肉類的定性識別預測模型。具體結果如下:
  對豬、牛和羊肉樣本進行鑒別分析,結果表明:利用特征光譜建立的線性判別分析模型對豬、牛、羊肉的預測集樣本的識別準確率分別為100%、94.1%、95.5%,利用主成分得分作為變量的模型對豬、牛、羊肉的預測集樣本的識別準確率分別為94.7%、100%、95.6%。模型較為可靠。另外,利用聚類分析可對豬肉樣本進行

3、較好的聚類,準確率達到100%,而牛肉與羊肉樣本聚類效果并不理想。
  采集235個不同品種羊肉樣本,提取其原始可見/近紅外光譜。選擇三個波段對其進行主成分分析,根據主成分得分建立線性判別模型。結果顯示在400nm-430nm范圍內當主成分數為7時,其校正集回代準確率為75.5%,交叉驗證準確率為73.4%,驗證集準確率為93.1%。經過一階導數與標準歸一化處理后所建立的模型,當主成分數為23時,400nm-430nm波段判別準確

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論