基于高光譜成像技術(shù)的對(duì)蝦品質(zhì)信息快速檢測(cè)方法研究.pdf

1、對(duì)蝦是中國(guó)乃至全世界的一種重要的水產(chǎn)品，營(yíng)養(yǎng)豐富，深受消費(fèi)者喜愛(ài)。隨著人們生活水平提高，對(duì)對(duì)蝦的品質(zhì)和可食用種類(lèi)要求不斷提高。在對(duì)蝦打撈上來(lái)后，要經(jīng)過(guò)多種多樣的加工方法加工成不同種類(lèi)的對(duì)蝦產(chǎn)品銷(xiāo)售，加工過(guò)程中，物理、化學(xué)和微生物等作用都會(huì)對(duì)對(duì)蝦品質(zhì)產(chǎn)生影響。目前市場(chǎng)上蝦產(chǎn)品種類(lèi)繁多，一些不法商家為了牟取暴利，往蝦體內(nèi)注射明膠，在增加對(duì)蝦體重的同時(shí)使解凍的蝦看上去飽滿而賣(mài)相好，這不僅會(huì)損害消費(fèi)者的經(jīng)濟(jì)利益，嚴(yán)重的甚至?xí)p害消費(fèi)者的身體健康

2、。由于人們無(wú)法用肉眼直接辨別對(duì)蝦品質(zhì)的優(yōu)劣，傳統(tǒng)的檢測(cè)手段例如理化指標(biāo)檢測(cè)方法，需要花費(fèi)大量的人力物力，不適用于快速準(zhǔn)確測(cè)定對(duì)蝦的品質(zhì)。本課題致力于研究利用高光譜成像系統(tǒng)實(shí)現(xiàn)對(duì)蝦品質(zhì)的快速無(wú)損檢測(cè)及化學(xué)成分分布可視化，為將來(lái)的食品監(jiān)測(cè)體系提供技術(shù)支持。本文的主要研究?jī)?nèi)容及成果如下：
　　 1.用高光譜成像技術(shù)預(yù)測(cè)對(duì)蝦的含水率。通過(guò)手動(dòng)對(duì)對(duì)蝦高光譜圖像的分割，提取光譜數(shù)據(jù)，對(duì)對(duì)蝦的可見(jiàn)光譜和近紅外光譜數(shù)據(jù)分別采用LS-SVM進(jìn)行建

3、模分析，并采用SPA、UVE以及UVE-SPA方法進(jìn)行了特征變量選擇，通過(guò)對(duì)建立的LS-SVM、SPA-LS-SVM、UVE-LS-SVM、UVE-SPA-LS-SVM模型分析比較，得出UVE-SPA-LS-SVM模型更適合預(yù)測(cè)對(duì)蝦的含水率，去掉了大量的冗余信息的同時(shí)，減少了計(jì)算量。近紅外波段的UVE-SPA-LS-SVM模型精度要大于可見(jiàn)波段UVE-SPA-LS-SVM模型精度，近紅外波段模型的RPD大于3.5，模型效果更好，更適合于

4、預(yù)測(cè)對(duì)蝦的含水率。
　　 2.探討了高光譜成像技術(shù)實(shí)現(xiàn)對(duì)蝦冷藏時(shí)間的預(yù)測(cè)。分別基于可見(jiàn)全波段(380-1030 nm)和近紅外全波段(874-1734nm)光譜建立對(duì)蝦冷藏時(shí)間LS-SVM預(yù)測(cè)模型，得Rp2分別為0.8280和0.8592。將光譜數(shù)據(jù)經(jīng)SNV預(yù)處理后，建立的模型結(jié)果更優(yōu)?；赟NV預(yù)處理，利用UVE、SPA和UVE-SPA方法分別選取特征變量，經(jīng)建模分析得出可見(jiàn)波段，SNV-UVE-LS-SVM模型精度更高，更適

5、合預(yù)測(cè)對(duì)蝦冷藏時(shí)間，其中UVE選出93個(gè)特征變量，建模結(jié)果Rc2為0.9733，Rp2為0.9207，RMSEC為4.2354，RMSEP為5.8607，RPD值為3.5429；近紅外波段，SNV-UVE-SPA-LS-SVM模型更適合預(yù)測(cè)對(duì)蝦冷藏時(shí)間，選出了15個(gè)特征變量，Rp2為0.8663，RMSEP為7.6177，RPD值為2.7278。
　　 3.探討了高光譜成像技術(shù)實(shí)現(xiàn)對(duì)蝦冷凍時(shí)間的預(yù)測(cè)?；诳梢?jiàn)和近紅外波段，分別建

6、立LS-SVM模型。其中，可見(jiàn)全波段模型對(duì)蝦冷凍時(shí)間預(yù)測(cè)的Rp2為0.9088，近紅外全波段模型對(duì)對(duì)蝦冷凍時(shí)間預(yù)測(cè)的Rp2為0.945。數(shù)據(jù)預(yù)處理后，模型結(jié)果更好，利用SNV-UVE-SPA-LS-SVM模型，精度最高。近紅外光譜數(shù)據(jù)的SNV-UVE-SPA-LS-SVM模型比可見(jiàn)光譜數(shù)據(jù)SNV-UVE-SPA-LS-SVM模型的Rp2升高了5.45％，RMSEP降低了44.24％，RPD值提高了68.38％。結(jié)論是利用近紅外光譜數(shù)據(jù)比

7、可見(jiàn)光譜數(shù)據(jù)更適合檢測(cè)對(duì)蝦的冷凍時(shí)間。
　　 4.基于高光譜成像技術(shù)，實(shí)現(xiàn)了注膠蝦的鑒別研究和注膠含量的可視化表達(dá)?；?39-1030nm的光譜數(shù)據(jù)，建立LS-SVM模型，得鑒別正確率為100％?；谌ǘ喂庾V數(shù)據(jù)，建立LS-SVM模型，實(shí)現(xiàn)了注膠蝦注膠量的無(wú)損快速檢測(cè)。首先，基于全波段建立LS-SVM模型分析得Rp2為0.962，然后基于SPA和UVE算法選擇特征波長(zhǎng)變量，分別選出4個(gè)和80個(gè)特征變量，基于選出的特征變量分別

8、再建立LS-SVM模型得Rp2為0.9512和0.9599。UVE與SPA結(jié)合選出13個(gè)特征變量，基于特征變量建立LS-SVM模型得Rp2為0.9648。結(jié)論是UVE-SPA-LS-SVM模型更適合預(yù)測(cè)注膠蝦的注膠量。
　　 對(duì)對(duì)蝦高光譜圖像中的每個(gè)像素點(diǎn)的光譜數(shù)據(jù)進(jìn)行分析，對(duì)每個(gè)像素點(diǎn)上的注膠摻假含量進(jìn)行預(yù)測(cè)，從而實(shí)現(xiàn)了對(duì)蝦的注膠摻假含量通過(guò)不同顏色進(jìn)行可視化表達(dá)，將摻假信息直觀地可視化表達(dá)了出來(lái)。
　　 5.蝦仁的含

9、水率預(yù)測(cè)和水分分布可視化研究?；贛atlab2009a軟件和ENVI v4.6軟件的Region of Interests Function(ROI)，分別實(shí)現(xiàn)了高光譜圖像的自動(dòng)分割和手動(dòng)分割，將蝦仁的圖像與背景圖像分離。將分割的圖像每個(gè)像素點(diǎn)的光譜數(shù)據(jù)做平均，形成每個(gè)樣本一條光譜曲線，通過(guò)對(duì)光譜數(shù)據(jù)建模分析，得基于高光譜數(shù)據(jù)變量建立LS-SVM模型能夠準(zhǔn)確預(yù)測(cè)蝦仁的含水率。自動(dòng)圖像分割數(shù)據(jù)模型的結(jié)果優(yōu)于手動(dòng)動(dòng)圖像分割數(shù)據(jù)模型的結(jié)果，