高光谱成像技术对羊肉新鲜度的无损检测

作者：张珏; 田海清^*; 张丽娜; 王轲; 于洋

来源：食品与发酵工业, 2020, 46(12): 237-243.

DOI：10.13995/j.cnki.11-1802/ts.023341

• 高光谱成像
• 羊肉
• 新鲜度
• 决策树
• 分类

为探究高光谱成像技术对羊肉新鲜度无损检测的可行性,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,测定羊肉挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量并划分样本新鲜度类别。借助连续投影法(successive projection algorithm,SPA)优选的12个特征波长建立基于反向人工神经网络(back-propagation artificial neural network,BPANN)和分类回归决策树(classification and regression trees,CART)算法的羊肉新鲜度判别模型。结果表明,BPANN模型对校正集和预测集的平均分类准确率为100%和83. 33%,对3个新鲜度类别样本的识别率分别为88. 89%、75%和85. 71%;CART模型对校正集和预测集的平均分类准确率为100%和91. 67%,对3个新鲜度类别样本的识别率分别为88. 89%、87. 50%和100%。CART模型的平均分类准确率和对3个类别样本的识别率均高于BPANN模型,表明高光谱成像技术结合CART算法可有效提高羊肉新鲜度的判别精度。

• 单位
  机电工程学院; 内蒙古农业大学; 内蒙古师范大学