本书阐述高光谱成像检测技术作为一种快速、无损、非接触、客观的检测手段在肉品品质安全检测及控制领域的应用，涉及计算机科学、数学、机械自动化科学、分析化学与食品科学等多学科的交叉，借助化学计量学分析和编程以及图像处理算法等技术重点研究了高光谱成像系统特点和数据处理分析方法以及该技术在肉品品质感官分析、物理特性、化学特性、微生物污染以及食品快速分级等方面的应用。
本书主要研究内容均来自作者及研究团队长期的研究成果，所列的检测技术是一种平台技术，不仅可用于肉品品质安全的快速无损检测，也可为食品和农产品等农业领域中其他非食用产品的检测提供参考，具有鲜明的特征和实用性。
样章试读
目录
- 目录
序言
第1章 绪论1
1.1 肉品品质安全现状1
1.2 宰后肉品品质特性4
1.3 肉品安全常规检测技术5
1.3.1 感官评价5
1.3.2 物理方法5
1.3.3 化学方法7
1.3.4 微生物方法8
1.4 肉品安全快速无损检测技术8
1.4.1 计算机视觉检测技术9
1.4.2 光谱学检测技术12
1.4.3 高光谱成像检测技术14
主要参考文献25
第2章 高光谱成像系统35
2.1 高光谱成像原理35
2.1.1 高光谱成像的定义和特点35
2.1.2 高光谱图像特点35
2.1.3 高光谱图像采集模式37
2.1.4 高光谱成像传感模式38
2.2 高光谱成像构件40
2.2.1 光源40
2.2.2 波长色散装置41
2.2.3 主要平面检测器44
主要参考文献46
第3章 高光谱数据处理方法49
3.1 图像数据处理49
3.1.1 高光谱图像黑白校正49
3.1.2 图像尺寸大小调整50
3.1.3 建立掩膜与图像分割50
3.1.4 感兴趣区域选择与光谱提取50
3.1.5 高光谱图像降维50
3.1.6 高光谱图像纹理信息51
3.2 光谱数据预处理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 变量标准化54
3.3 光谱特征变量选择方法54
3.3.1 回归系数法56
3.3.2 连续投影算法56
3.3.3 无信息变量消除算法57
3.3.4 小波变换58
3.3.5 遗传算法61
3.3.6 竞争性自适应重加权算法61
3.4 定量模型方法63
3.4.1 主成分回归（PCR）63
3.4.2 多元线性回归（MLR）63
3.4.3 偏最小二乘法（PLSR）64
3.4.4 人工神经网络（ANN）65
3.4.5 最小二乘支持向量机（LS-SVM）65
3.4.6 回归模型评价67
3.5 分类算法68
3.5.1 软独立模式分类法（SIMCA）69
3.5.2 偏最小二乘判别分析（PLS-DA）69
3.5.3 概率神经网络（PNN）70
3.5.4 分类模型校正与评价70
3.6 数据分析软件70
主要参考文献71
第4章 肉品感官特性高光谱成像检测75
4.1 感官分析描述75
4.2 感官评价预测76
4.2.1 样品准备76
4.2.2 QIS值测量76
4.2.3 图像纹理信息提取76
4.3 QIS预测分析79
4.3.1 光谱特性分析79
4.3.2 LS-SVM分析80
4.3.3 数据融合分析81
主要参考文献81
第5章 肉品物理特性高光谱成像检测83
5.1 冷冻猪肉物理特性高光谱成像检测83
5.1.1 引言83
5.1.2 冷冻猪肉样品84
5.1.3 品质指标测定84
5.1.4 图像分割和光谱提取85
5.1.5 冷冻猪肉品质指标的测定与分析86
5.1.6 冷冻猪肉光谱特征及与冰霜的区别87
5.1.7 不同品质指标的模型精度的比较89
5.1.8 改进ROI选择方法对模型精度的影响89
5.1.9 基于不同光谱波段建模效果分析90
5.1.10 光谱预处理对建模的影响90
5.2 鸡肉物理特性高光谱成像检测91
5.2.1 鸡肉色泽参数及嫩度传统测定91
5.2.2 鸡肉色泽参数及嫩度预测92
5.3 虾肉色泽特性高光谱成像检测96
5.3.1 虾肉色泽参数传统测定96
5.3.2 虾肉色泽参数预测96
5.4 虾肉质构特性高光谱成像检测100
5.4.1 虾肉质构参数传统测定100
5.4.2 虾肉质构参数预测101
5.5 鱼肉色泽特性高光谱成像检测104
5.5.1 鱼肉色泽参数传统测定104
5.5.2 鱼肉色泽参数预测104
5.6 鱼肉硬度特性高光谱成像检测108
5.6.1 鱼肉硬度参数传统测定108
5.6.2 鱼肉硬度参数预测109
主要参考文献113
第6 章 肉品化学特性高光谱成像检测116
6.1猪肉化学腐败高光谱成像检测116
6.1.1 引言116
6.1.2 猪肉图像纹理提取117
6.1.3 模型建立117
6.1.4 化学腐败指标测定117
6.1.5 冷冻储存过程中猪肉化学变化118
6.1.6 冷冻储存过程中猪肉光谱和图像的变化119
6.1.7 基于全波段光谱的冻藏肉品质预测模型120
6.1.8 基于特征光谱的冻藏肉品质预测模型121
6.2 鱼肉TVB-N值高光谱成像检测122
6.2.1 TVB-N值传统测定122
6.2.2 TVB-N值高光谱预测122
6.3 虾肉TVB-N值高光谱成像检测126
6.3.1 TVB-N值传统测定126
6.3.2 TVB-N值高光谱预测127
6.4 鱼肉TBARS值高光谱成像检测130
6.4.1 TBARS值传统测定130
6.4.2 TBARS值高光谱预测131
6.5 鸡肉TBARS值高光谱成像检测134
6.5.1 TBARS值传统测定134
6.5.2 TBARS值高光谱预测135
6.6 鱼肉K值高光谱成像检测137
6.6.1 K值传统测定137
6.6.2 K值高光谱预测138
6.7 鱼肉化学多指标高光谱成像检测141
6.8 鸡肉氨基酸特性高光谱成像检测143
6.8.1 羟脯氨酸传统测定143
6.8.2 羟脯氨酸高光谱预测143
6.9 化学信息可视化分布146
6.9.1 化学信息可视化分布步骤146
6.9.2 鱼肉TVB-N值可视化分布147
6.9.3 虾肉TBARS值可视化分布148
6.9.4 鱼肉TBARS值可视化分布149
6.9.5 鸡肉羟脯氨酸值可视化分布150
6.9.6 鱼肉K值可视化分布150
6.9.7 多指标可视化分布152
主要参考文献152
第7章 肉品微生物污染高光谱成像检测156
7.1 引言156
7.2 虾肉菌落总数高光谱成像检测157
7.2.1 TVC传统测定157
7.2.2 TVC高光谱测定158
7.3 鱼肉菌落总数高光谱成像检测162
7.3.1 TVC传统测定162
7.3.2 TVC高光谱测定162
7.4 鱼肉E.coli菌落高光谱成像检测164
7.4.1 E.coli菌落传统测定164
7.4.2 E.coli菌落高光谱测定165
主要参考文献168
第8章 肉品品质分级高光谱成像检测170
8.1 引言170
8.2 不同来源的鸡肉高光谱分级170
8.3 不同储藏条件的鱼肉新鲜度高光谱分级174
主要参考文献179
京公网安备 11010102004214号