目錄
序言
第1章 緒論1
1.1 肉品品質(zhì)安全現(xiàn)狀1
1.2 宰后肉品品質(zhì)特性4
1.3 肉品安全常規(guī)檢測(cè)技術(shù)5
1.3.1 感官評(píng)價(jià)5
1.3.2 物理方法5
1.3.3 化學(xué)方法7
1.3.4 微生物方法8
1.4 肉品安全快速無(wú)損檢測(cè)技術(shù)8
1.4.1 計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)9
1.4.2 光譜學(xué)檢測(cè)技術(shù)12
1.4.3 高光譜成像檢測(cè)技術(shù)14
主要參考文獻(xiàn)25
第2章 高光譜成像系統(tǒng)35
2.1 高光譜成像原理35
2.1.1 高光譜成像的定義和特點(diǎn)35
2.1.2 高光譜圖像特點(diǎn)35
2.1.3 高光譜圖像采集模式37
2.1.4 高光譜成像傳感模式38
2.2 高光譜成像構(gòu)件40
2.2.1 光源40
2.2.2 波長(zhǎng)色散裝置41
2.2.3 主要平面檢測(cè)器44
主要參考文獻(xiàn)46
第3章 高光譜數(shù)據(jù)處理方法49
3.1 圖像數(shù)據(jù)處理49
3.1.1 高光譜圖像黑白校正49
3.1.2 圖像尺寸大小調(diào)整50
3.1.3 建立掩膜與圖像分割50
3.1.4 感興趣區(qū)域選擇與光譜提取50
3.1.5 高光譜圖像降維50
3.1.6 高光譜圖像紋理信息51
3.2 光譜數(shù)據(jù)預(yù)處理52
3.2.1 平滑52
3.2.2 微分53
3.2.3 多元散射校正53
3.2.4 變量標(biāo)準(zhǔn)化54
3.3 光譜特征變量選擇方法54
3.3.1 回歸系數(shù)法56
3.3.2 連續(xù)投影算法56
3.3.3 無(wú)信息變量消除算法57
3.3.4 小波變換58
3.3.5 遺傳算法61
3.3.6 競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法61
3.4 定量模型方法63
3.4.1 主成分回歸（PCR）63
3.4.2 多元線性回歸（MLR）63
3.4.3 偏最小二乘法（PLSR）64
3.4.4 人工神經(jīng)網(wǎng)絡(luò)（ANN）65
3.4.5 最小二乘支持向量機(jī)（LS-SVM）65
3.4.6 回歸模型評(píng)價(jià)67
3.5 分類算法68
3.5.1 軟獨(dú)立模式分類法（SIMCA）69
3.5.2 偏最小二乘判別分析（PLS-DA）69
3.5.3 概率神經(jīng)網(wǎng)絡(luò)（PNN）70
3.5.4 分類模型校正與評(píng)價(jià)70
3.6 數(shù)據(jù)分析軟件70
主要參考文獻(xiàn)71
第4章 肉品感官特性高光譜成像檢測(cè)75
4.1 感官分析描述75
4.2 感官評(píng)價(jià)預(yù)測(cè)76
4.2.1 樣品準(zhǔn)備76
4.2.2 QIS值測(cè)量76
4.2.3 圖像紋理信息提取76
4.3 QIS預(yù)測(cè)分析79
4.3.1 光譜特性分析79
4.3.2 LS-SVM分析80
4.3.3 數(shù)據(jù)融合分析81
主要參考文獻(xiàn)81
第5章 肉品物理特性高光譜成像檢測(cè)83
5.1 冷凍豬肉物理特性高光譜成像檢測(cè)83
5.1.1 引言83
5.1.2 冷凍豬肉樣品84
5.1.3 品質(zhì)指標(biāo)測(cè)定84
5.1.4 圖像分割和光譜提取85
5.1.5 冷凍豬肉品質(zhì)指標(biāo)的測(cè)定與分析86
5.1.6 冷凍豬肉光譜特征及與冰霜的區(qū)別87
5.1.7 不同品質(zhì)指標(biāo)的模型精度的比較89
5.1.8 改進(jìn)ROI選擇方法對(duì)模型精度的影響89
5.1.9 基于不同光譜波段建模效果分析90
5.1.10 光譜預(yù)處理對(duì)建模的影響90
5.2 雞肉物理特性高光譜成像檢測(cè)91
5.2.1 雞肉色澤參數(shù)及嫩度傳統(tǒng)測(cè)定91
5.2.2 雞肉色澤參數(shù)及嫩度預(yù)測(cè)92
5.3 蝦肉色澤特性高光譜成像檢測(cè)96
5.3.1 蝦肉色澤參數(shù)傳統(tǒng)測(cè)定96
5.3.2 蝦肉色澤參數(shù)預(yù)測(cè)96
5.4 蝦肉質(zhì)構(gòu)特性高光譜成像檢測(cè)100
5.4.1 蝦肉質(zhì)構(gòu)參數(shù)傳統(tǒng)測(cè)定100
5.4.2 蝦肉質(zhì)構(gòu)參數(shù)預(yù)測(cè)101
5.5 魚(yú)肉色澤特性高光譜成像檢測(cè)104
5.5.1 魚(yú)肉色澤參數(shù)傳統(tǒng)測(cè)定104
5.5.2 魚(yú)肉色澤參數(shù)預(yù)測(cè)104
5.6 魚(yú)肉硬度特性高光譜成像檢測(cè)108
5.6.1 魚(yú)肉硬度參數(shù)傳統(tǒng)測(cè)定108
5.6.2 魚(yú)肉硬度參數(shù)預(yù)測(cè)109
主要參考文獻(xiàn)113
第6 章 肉品化學(xué)特性高光譜成像檢測(cè)116
6.1豬肉化學(xué)腐敗高光譜成像檢測(cè)116
6.1.1 引言116
6.1.2 豬肉圖像紋理提取117
6.1.3 模型建立117
6.1.4 化學(xué)腐敗指標(biāo)測(cè)定117
6.1.5 冷凍儲(chǔ)存過(guò)程中豬肉化學(xué)變化118
6.1.6 冷凍儲(chǔ)存過(guò)程中豬肉光譜和圖像的變化119
6.1.7 基于全波段光譜的凍藏肉品質(zhì)預(yù)測(cè)模型120
6.1.8 基于特征光譜的凍藏肉品質(zhì)預(yù)測(cè)模型121
6.2 魚(yú)肉TVB-N值高光譜成像檢測(cè)122
6.2.1 TVB-N值傳統(tǒng)測(cè)定122
6.2.2 TVB-N值高光譜預(yù)測(cè)122
6.3 蝦肉TVB-N值高光譜成像檢測(cè)126
6.3.1 TVB-N值傳統(tǒng)測(cè)定126
6.3.2 TVB-N值高光譜預(yù)測(cè)127
6.4 魚(yú)肉TBARS值高光譜成像檢測(cè)130
6.4.1 TBARS值傳統(tǒng)測(cè)定130
6.4.2 TBARS值高光譜預(yù)測(cè)131
6.5 雞肉TBARS值高光譜成像檢測(cè)134
6.5.1 TBARS值傳統(tǒng)測(cè)定134
6.5.2 TBARS值高光譜預(yù)測(cè)135
6.6 魚(yú)肉K值高光譜成像檢測(cè)137
6.6.1 K值傳統(tǒng)測(cè)定137
6.6.2 K值高光譜預(yù)測(cè)138
6.7 魚(yú)肉化學(xué)多指標(biāo)高光譜成像檢測(cè)141
6.8 雞肉氨基酸特性高光譜成像檢測(cè)143
6.8.1 羥脯氨酸傳統(tǒng)測(cè)定143
6.8.2 羥脯氨酸高光譜預(yù)測(cè)143
6.9 化學(xué)信息可視化分布146
6.9.1 化學(xué)信息可視化分布步驟146
6.9.2 魚(yú)肉TVB-N值可視化分布147
6.9.3 蝦肉TBARS值可視化分布148
6.9.4 魚(yú)肉TBARS值可視化分布149
6.9.5 雞肉羥脯氨酸值可視化分布150
6.9.6 魚(yú)肉K值可視化分布150
6.9.7 多指標(biāo)可視化分布152
主要參考文獻(xiàn)152
第7章 肉品微生物污染高光譜成像檢測(cè)156
7.1 引言156
7.2 蝦肉菌落總數(shù)高光譜成像檢測(cè)157
7.2.1 TVC傳統(tǒng)測(cè)定157
7.2.2 TVC高光譜測(cè)定158
7.3 魚(yú)肉菌落總數(shù)高光譜成像檢測(cè)162
7.3.1 TVC傳統(tǒng)測(cè)定162
7.3.2 TVC高光譜測(cè)定162
7.4 魚(yú)肉E.coli菌落高光譜成像檢測(cè)164
7.4.1 E.coli菌落傳統(tǒng)測(cè)定164
7.4.2 E.coli菌落高光譜測(cè)定165
主要參考文獻(xiàn)168
第8章 肉品品質(zhì)分級(jí)高光譜成像檢測(cè)170
8.1 引言170
8.2 不同來(lái)源的雞肉高光譜分級(jí)170
8.3 不同儲(chǔ)藏條件的魚(yú)肉新鮮度高光譜分級(jí)174
主要參考文獻(xiàn)179