肉品品質安全高光譜成像檢測新技術及套用

內容簡介

本書闡述高光譜成像技術作為一種快速無損的檢測手段在肉品品質安全雄歸戒檢測及控制領域的套用，重點研究高光譜成像技術在食品感官分析、物理特性如色澤和質構、化學特性包括蛋白質降解、脂肪氧化、核苷酸分解以及生物胺的形成過程、微生物污染以及食品快速分級等內容。內容特色：把高光譜成像技術引入肉品安全檢測與控制，可以實現快速無損客觀分析的目的，為肉品安全實時在海拘道漿線監控提供了理論依據和技術服務。

圖書目錄

序言

第1章緒論

1.1 肉品品質安全現狀

1.2 宰後肉品品質特性

1.3 肉品安全常規檢測技術

1.3.1 感官評價

1.3.2 物理方法

1.3.3 化學方法

1.3.4 微生物方法

1.4 肉品安全快速無損檢測技術

1.4.1 計算機視覺檢測技術

1.4.2 光譜學檢測多和乎放技術

1.4.3 高光譜成像檢測技術

主要參考文獻

第2章高光譜成像系統

2.1 高光譜成像原理

2.1.1 高光譜成像的定義和特點

2.1.2 高光譜圖像特點

2.1.3 高光譜圖像採集模式

2.1.4 高光譜成像感測模式

2.2 高光譜成像構件

2.2.1 光源

2.2.2 波長色散裝置

2.2.3 主要平面檢測器

主要參考文獻

第3章高光譜數據處理方法

3.1 圖像數據處理

3.1.1 高光譜圖像黑白校正

3.1.2 圖像尺寸大小調整

3.1.3 建立掩膜與圖像分割

3.1.4 感興趣區域選擇與光譜提取

3.1.5 高光譜圖像降維

3.1.6 高光譜圖像紋理信息

3.2 光譜數據預處理

3.2.1 平滑

3.2.2 微分

3.2.3 多元散射校正

3.2.4 變數標準戀籃霉化

3.3 光譜特徵變數選擇方法

3.3.1 回歸係數法

3.3.2 連續投影算法

3.3.3 無信息變數消除算法

3.3.4 小波變換

3.3.5 遺傳算法

3.3.6 競爭性自適應重加權算法

3.4 定量模型微櫃估方法

3.4.1 主成分拒蒸回歸(PCR)

3.4.2 多元線性回歸(MLR)

3.4.3 偏最小二乘法(PLSR)

3.4.4 人工神經網路(ANN)

3.4.5 最小二乘支持向量機(LS-SVM)

3.4.6 回歸模型評價

3.5 分類算法

3.5.1 軟獨立模式分類法(SIMCA)

3.5.2 偏最小二乘判別分析(PLS-DA)

3.5.3 機率神經網路(PNN)

3.5.4 分類模型校正與評價

3.6 數據分析軟體

主要參考文獻

第4章肉品感官特性高光譜成像檢測

4.1 感官分析描述

4.2 感官評價預測

4.2.1 樣品準備

4.2.2 QIS值測量

4.2.3 圖像紋理信息承境汽提取

4.3 QIS預測分析

4.3.1 光譜特性分析

4.3.2 LS-SVM分析

4.3.3 數據融合分析

主要參考文獻

第5章肉品物理特性高光譜成像檢測

5.1 冷凍豬肉物理特性高光譜成像檢測

5.1.1 引言

5.1.2 冷凍豬肉樣品

5.1.3 品質指標測定

5.1.4 圖像分割和光譜提取

5.1.5 冷凍豬肉品質指標的測定與分析

5.1.6 冷凍豬肉光譜特徵及與冰霜的區別

5.1.7 不同品質指標的模型精度的比較

5.1.8 改進ROI選擇方法對模型精度的影響

5.1.9 基於不同光譜波段建模效果分析

5.1.10 光譜預處理對建模的影響

5.2 雞肉物理特性高光譜成像檢測

5.2.1 雞肉色澤參數及嫩度傳統測定

5.2.2 雞肉色澤參數及嫩度預測

5.3 蝦肉色澤特性高光譜成像檢測

5.3.1 蝦肉色澤參數傳統測定

5.3.2 蝦肉色澤參數預測

5.4 蝦肉質構特性高光譜成像檢測

5.4.1 蝦肉質構參數傳統測定

5.4.2 蝦肉質構參數預測

5.5 魚肉色澤特性高光譜成像檢測

5.5.1 魚肉色澤參數傳統測定

5.5.2 魚肉色澤參數預測

5.6 魚肉硬度特性高光譜成像檢測

5.6.1 魚肉硬度參數傳統測定

5.6.2 魚肉硬度參數預測

主要參考文獻

第6章肉品化學特性高光譜成像檢測

6.1 豬肉化學腐敗高光譜成像檢測

6.1.1 引言

6.1.2 豬肉圖像紋理提取

6.1.3 模型建立

6.1.4 化學腐敗指標測定

6.1.5 冷凍儲存過程中豬肉化學變化

6.1.6 冷凍儲存過程中豬肉光譜和圖像的變化

6.1.7 基於全波段光譜的凍藏肉品質預測模型

6.1.8 基於特徵光譜的凍藏肉品質預測模型

6.2 魚肉TVB-N值高光譜成像檢測

6.2.1 TVB-N值傳統測定

6.2.2 TVB-N值高光譜預測

6.3 蝦肉TVB-N值高光譜成像檢測

6.3.1 TVB-N值傳統測定

6.3.2 TVB-N值高光譜預測

6.4 魚肉TBARS值高光譜成像檢測

6.4.1 TBARS值傳統測定

6.4.2 TBARS值高光譜預測

6.5 雞肉TBARS值高光譜成像檢測

6.5.1 TBARS值傳統測定

6.5.2 TBARS值高光譜預測

6.6 魚肉K值高光譜成像檢測

6.6.1 K值傳統測定

6.6.2 K值高光譜預測

6.7 魚肉化學多指標高光譜成像檢測

6.8 雞肉胺基酸特性高光譜成像檢測

6.8.1 羥脯氨酸傳統測定

6.8.2 羥脯氨酸高光譜預測

6.9 化學信息可視化分布

6.9.1 化學信息可視化分布步驟

6.9.2 魚肉TVB-N值可視化分布

6.9.3 蝦肉TBARS值可視化分布

6.9.4 魚肉TBARS值可視化分布

6.9.5 雞肉羥脯氨酸值可視化分布

6.9.6 魚肉K值可視化分布

6.9.7 多指標可視化分布

主要參考文獻

第7章肉品微生物污染高光譜成像檢測

7.1 引言

7.2 蝦肉菌落總數高光譜成像檢測

7.2.1 TVC傳統測定

7.2.2 TVC高光譜測定

7.3 魚肉菌落總數高光譜成像檢測

7.3.1 TVC傳統測定

7.3.2 TVC高光譜測定

7.4 魚肉E.coli菌落高光譜成像檢測

7.4.1 E.coli菌落傳統測定

7.4.2 E.coli茵落高光譜測定

主要參考文獻

第8章肉品品質分級高光譜成像檢測

8.1 引言

8.2 不同來源的雞肉高光譜分級

8.3 不同儲藏條件的魚肉新鮮度高光譜分級

主要參考文獻

肉品品質安全高光譜成像檢測新技術及套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條