文档介绍：第!"卷!第#期! !!!!!!!!!!!光谱学与光谱分析$%&'!"!(%'#!))?--,?-C
#"-" 年# 月!!!!!!!!!!! !.)/012%30%)4567.)/0125&865&4393 :/;2<524!#"-" !
基于高光谱成像的生鲜猪肉细菌总数预测建模方法研究
王!伟-!彭彦昆-!张晓莉#
-' 中国农业大学工学院!北京!-"""*!!!!!!!!!!!
#' 佐治亚州立大学生物系!亚特兰大!美国 J'K'R%O?"-"
摘!要!生鲜猪肉中细菌总数#U$V$超标会直接危害大众!为此研究验证高光谱成像技术结合相应的建模
方法预测生鲜猪肉中 U$V的可行性"针对非线性'小样本问题!以及光谱维和空间维的大数据量问题!在
综合比较偏最小二乘回归#JW.[$'人工神经网络#8((3$和最小二乘支持向量机#W.,.$\$!种建模方法的
基础上!最终选取了W.,.$\ 方法组建模型"!种建模方法综合比较的结果表明!W.,.$\ 同时兼顾了训练
精度和泛化能力两方面的性能!使其都能做到最优!与标准平板菌落计数法所检测 U$V的决定系数分别为
"'+*>#和"'+?#@!校正均方根误差和预测标准均方根误差分别为"'#">-和"'#->@!其建模性能优于其
他方法"研究结果表明!高光谱成像技术结合 W.,.$\ 预测建模方法可作为快速'非破坏预测生鲜猪肉
U$V的有效手段"
关键词!生鲜猪肉%细菌总数%高光谱成像系统%最小二乘支持向量机
中图分类号!K?!!'?!!文献标识码!8!!$%&!-"'!+@?#L'9336'-""","C+!$#"-"%"#,"?--,"C
具(+,-!)"J52c等(-?!-C)开发了高光谱图像系统用于检测禽肉
引!言表面的粪便和消化物污染从而间接检测其中所含的大肠埃希
氏菌 d'0%&9K-C>kI>"然而!高光谱图像技术反映样品光谱
!!我国猪肉产量占据世界猪肉总产量的半壁江山!但我国和空间特征的信息量大!如何处理这一复杂信息!建模方法
猪肉生产的卫生状况还不容乐观"细菌总数#1%15&S95;&/;50, 的合理与否对最终预测能力的影响十分明显"本文在高光谱
1/2950%<61!U$V$是衡量猪肉卫生状况的重要指标!当肉类图像技术的基础上!致力于探索生鲜猪肉 U$V的合理预测
中的细菌数超标!就会变成致病菌危害大众!因此!肉类的建模方法"
微生物安全问题已引起人们的广泛关注"
针对生鲜猪肉 U$V的检测!传统的检测方法大多基于-!仪器与试样准备
显微镜(-)'细菌分离(#)'免疫学(!!?)和基于核酸分析(C)等方
法!这些方法虽然有效!但采样准备和检测时间长'效率低' +*+!实验仪器
操作繁琐'费时费力'对试样具有破坏性!更重要的是这些!!所采用的高光谱成像系统如图-所示"系统主要包括一
方法难以实现自动化及计算机化'不适合在线检测!不能充个高性能的背后照明式 VVQ 相机#./60905Hjd!]/2H564$
分满足国内消费和出口贸易的需要"一些最近的研究采用傅及其控制单元%一台波长范围在?""!-"""6H 的图像光谱
里叶变换红外光谱#:%<29/212563N%2H96N2