發(fā)布時(shí)間：2020-04-06 12:21

【摘要】：高光譜成像技術(shù)集光譜技術(shù)和成像技術(shù)于一體,因其具有快速無損的優(yōu)點(diǎn),從而近年來逐漸被用于食品品質(zhì)的安全檢測(cè)。利用數(shù)據(jù)處理技術(shù)建立高光譜數(shù)據(jù)與肉類品質(zhì)的映射模型,可以實(shí)現(xiàn)對(duì)待測(cè)樣品的品質(zhì)檢測(cè)。然而,逐漸增加的光譜通道數(shù)加重了其數(shù)據(jù)分析的計(jì)算負(fù)擔(dān),為了保障檢測(cè)效率而不增加設(shè)備成本,研究精度高且計(jì)算量小的算法成為高光譜領(lǐng)域主要的研究方向。因此,本文圍繞著定性、定量、可視化檢測(cè)研究了3種數(shù)據(jù)分析方法,取得的成果與創(chuàng)新點(diǎn)如下:(1)針對(duì)肉類摻假定性檢測(cè)中神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度慢的問題,本文引入了一種快速的學(xué)習(xí)算法-極限學(xué)習(xí)機(jī),提高了肉類摻假定性檢測(cè)的算法效率。通過留一交叉驗(yàn)證法得到最優(yōu)的光譜預(yù)處理技術(shù)為二階微分法;利用假設(shè)檢驗(yàn)證明了極限學(xué)習(xí)機(jī)在識(shí)別肉類摻假上有更高的準(zhǔn)確性和穩(wěn)定性。使用950條譜帶建立極限學(xué)習(xí)機(jī)模型,牛肉摻假識(shí)別的準(zhǔn)確度和特異度分別為96.28%、99.60%,其方差系數(shù)分別為0.06、0.01;豬肉摻假識(shí)別的準(zhǔn)確度和特異度分別為98.56%、99.48%,其方差系數(shù)分別為0.03、0.01。(2)針對(duì)肉類摻假定量檢測(cè)中存在譜帶冗余和多重共線性效應(yīng)的問題,本文提出了一種新型的定量分析算法,實(shí)現(xiàn)了快速、準(zhǔn)確的摻假程度定量。該方法利用極限學(xué)習(xí)機(jī)實(shí)現(xiàn)特征降維后基于偏最小二回歸分析實(shí)現(xiàn)回歸分析。在檢測(cè)牛肉中雞肉含量和豬肉肥瘦比時(shí),使用950條譜帶建立偏最小二回歸模型,測(cè)試集最優(yōu)的均方根誤差分別為1.40%、2.37%;使用極限學(xué)習(xí)機(jī)將特征維數(shù)降至40和10后再建立偏最小二回歸模型,測(cè)試集最優(yōu)的均方根誤差分別為1.56%、2.57%。(3)在前述研究的基礎(chǔ)上,針對(duì)牛肉摻假中摻假物的分布可視化問題,本研究提出了一種新型的可視化定量模型,實(shí)現(xiàn)了牛肉樣本中摻假物分布可視化和摻假程度定量。該方法根據(jù)不同樣本高光譜圖像之間線性回歸系數(shù)的概率分布建立判別模型,進(jìn)而對(duì)圖像上單一像素點(diǎn)定性識(shí)別。使用950維高光譜圖像建立上述可視化定量模型,對(duì)于摻假程度分別為0%、10%、20%、30%和40%的摻假牛肉進(jìn)行可視化檢測(cè),其最佳預(yù)測(cè)結(jié)果為4%、11%、25%、27%、41%,平均絕對(duì)誤差為2.8%。本論文所研究的基于光譜和圖像特征的數(shù)據(jù)處理方法能有效提高肉類摻假定性、定量和可視化的檢測(cè)精度,證明了數(shù)據(jù)處理方法是改善其檢測(cè)精度的有效手段,為高光譜檢測(cè)技術(shù)在肉類摻假檢測(cè)的發(fā)展提供新手段,進(jìn)而推動(dòng)其在食品安全領(lǐng)域的發(fā)展。
【圖文】：

論文的基本框架

研究所使用的實(shí)驗(yàn)裝置以及其在肉類摻假檢測(cè)中的系統(tǒng)參數(shù)，并基于此系統(tǒng)，簡(jiǎn)紹本論文所使用的預(yù)處理方法、數(shù)據(jù)分析方法與評(píng)價(jià)方法。高光譜圖像采集實(shí)驗(yàn)裝置本研究所用的采集系統(tǒng)為線掃式可見光-近紅外高光譜成像系統(tǒng)（圖 2-1）。式為反射式，光譜范圍從 380 到 1000nm，共計(jì)采集連續(xù)的 950 條譜帶。采集裝要包括了載物臺(tái)、光源系統(tǒng)、光譜儀和計(jì)算機(jī)四個(gè)部分。載物臺(tái)由武漢紅星楊公作，由一個(gè)載物臺(tái)和控制儀組成；光源系統(tǒng)主要包括兩盞 150 W 鹵素?zé)簦�分別在光譜儀的兩側(cè)；光譜儀為美國(guó) Headwall 公司生產(chǎn)的 Headwall-serial A 系列；機(jī)系統(tǒng)為相機(jī)系統(tǒng)和載物系統(tǒng)提供相應(yīng)的軟件控制。高光譜圖像的采集過程為a）打開鹵素?zé)纛A(yù)熱半小時(shí)；（b）打開光譜儀和載物平臺(tái)的操作軟件，，調(diào)整樣以獲得清晰的樣本圖像；（c）將樣品放于指定采集位置，控制載物臺(tái)移動(dòng)以采集的高光譜圖像。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP181;O657.3;TS251.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬江麗;;基于高光譜成像技術(shù)的藝術(shù)品鑒定研究[J];文物保護(hù)與考古科學(xué);2018年03期

2 桂江生;吳子?jì)?顧敏;遲元峰;包曉安;;高光譜成像技術(shù)在農(nóng)業(yè)中的應(yīng)用概述[J];浙江農(nóng)業(yè)科學(xué);2017年07期

3 于宏威;王強(qiáng);劉麗;石愛民;胡暉;劉紅芝;;糧油品質(zhì)安全高光譜成像檢測(cè)技術(shù)的研究進(jìn)展[J];光譜學(xué)與光譜分析;2016年11期

4 劉燕德;鄧清;;高光譜成像技術(shù)在水果無損檢測(cè)中的應(yīng)用[J];農(nóng)機(jī)化研究;2015年07期

5 王龍;邱園園;李小波;;基于高光譜成像技術(shù)的牛羊肉品質(zhì)無損檢測(cè)研究進(jìn)展[J];新疆農(nóng)墾科技;2015年06期

6 張保華;李江波;樊書祥;黃文倩;張馳;王慶艷;肖廣東;;高光譜成像技術(shù)在果蔬品質(zhì)與安全無損檢測(cè)中的原理及應(yīng)用[J];光譜學(xué)與光譜分析;2014年10期

7 孫佳馨;;農(nóng)產(chǎn)品外部品質(zhì)無損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究進(jìn)展[J];黑龍江科技信息;2014年27期

8 羅陽(yáng);何建國(guó);賀曉光;王松磊;劉貴珊;;農(nóng)產(chǎn)品無損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究[J];農(nóng)機(jī)化研究;2013年06期

9 曲佳歡;馬驥;孫大文;吳迪;曾新安;;高光譜成像在食品質(zhì)量評(píng)估方面的研究進(jìn)展與應(yīng)用(一)[J];肉類研究;2012年04期

10 馬驥;曲佳歡;孫大文;吳迪;曾新安;;高光譜成像在食品質(zhì)量評(píng)估方面的研究進(jìn)展與應(yīng)用(二)[J];肉類研究;2012年05期

相關(guān)會(huì)議論文 前10條

1 張馨月;張旭東;;基于分類的高光譜壓縮成像評(píng)價(jià)[A];第十三屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2019年

2 成誠(chéng);;高光譜成像技術(shù)在公安業(yè)務(wù)中的應(yīng)用展望[A];2017年光學(xué)技術(shù)研討會(huì)暨交叉學(xué)科論壇論文集[C];2017年

3 柏財(cái)勛;李建欣;沈燕;;基于雙折射偏振干涉的高光譜成像方法[A];第十六屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)交流會(huì)摘要集[C];2016年

4 劉德芳;孟鑫;李建欣;;基于色散剪切干涉的高光譜成像方法[A];第十五屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)交流會(huì)論文摘要集[C];2014年

5 顏昌翔;;星載高光譜成像及數(shù)據(jù)應(yīng)用[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

6 楊暄;亓洪興;劉敏;王義坤;劉毓博;汪磊;;機(jī)載擺掃式寬幅高光譜成像技術(shù)研究[A];2016年紅外、遙感技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇論文集[C];2016年

7 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設(shè)計(jì)[A];中國(guó)空間科學(xué)學(xué)會(huì)空間探測(cè)專業(yè)委員會(huì)第二十六屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)會(huì)議論文集[C];2013年

8 向明順;楊武年;楊盡;任金銅;溫玉雯;周思琪;;基于高光譜成像技術(shù)的災(zāi)毀土地作物生長(zhǎng)狀況研究[A];資源環(huán)境與地學(xué)空間信息技術(shù)新進(jìn)展學(xué)術(shù)會(huì)議論文集[C];2016年

9 鞏夢(mèng)婷;馮萍莉;;高光譜成像技術(shù)用于書畫顏料的無損分析——以張大千臨摹敦煌壁畫《隋藻井》為例[A];中國(guó)文物保護(hù)技術(shù)協(xié)會(huì)第九次學(xué)術(shù)年會(huì)論文集[C];2016年

10 王靜禹;楊良;孟留偉;李紹佳;傅霞萍;杜小強(qiáng);吳迪;黃凌霞;;可見-近紅外高光譜成像技術(shù)檢測(cè)桑螟幼蟲及其對(duì)桑葉損害的潛力研究[A];中國(guó)蠶學(xué)會(huì)2018年學(xué)術(shù)年會(huì)論文集[C];2018年

相關(guān)重要報(bào)紙文章 前3條

1 本報(bào)記者 袁一雪;高光譜成像 一雙慧眼“看”透千年壁畫[N];中國(guó)科學(xué)報(bào);2018年

2 本報(bào)記者 于德福;擦亮找礦“天眼”[N];中國(guó)國(guó)土資源報(bào);2012年

3 記者 聶可 秦華江;環(huán)保產(chǎn)業(yè)“藍(lán)�！比孕杓夹g(shù)“落地”[N];經(jīng)濟(jì)參考報(bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 司夢(mèng)婷;火焰中碳黑形貌特征及其輻射特性檢測(cè)研究[D];華中科技大學(xué);2019年

2 謝正超;基于高光譜成像的火焰三維溫度場(chǎng)、煙黑濃度場(chǎng)和氣體濃度場(chǎng)重建研究[D];浙江大學(xué);2018年

3 杜劍;基于醫(yī)學(xué)高光譜影像分析的腫瘤組織分類方法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所);2018年

4 吳威;基于高光譜成像的家禽胴體表面污染檢測(cè)方法研究[D];南京農(nóng)業(yè)大學(xué);2017年

5 王彩玲;干涉高光譜成像中的信息提取技術(shù)[D];中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2011年

6 郭輝;牛肉主要品質(zhì)參數(shù)無損光學(xué)檢測(cè)裝置的研究[D];中國(guó)農(nóng)業(yè)大學(xué);2014年

7 王鵬沖;聲光調(diào)制型可見光高光譜成像技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2017年

8 葛明鋒;基于輕小型無人機(jī)的高光譜成像系統(tǒng)研究[D];中國(guó)科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

9 朱逢樂;基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無損檢測(cè)[D];浙江大學(xué);2014年

10 陳凱;長(zhǎng)波紅外高光譜成像信息獲取與處理關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院研究生院(上海技術(shù)物理研究所);2016年

相關(guān)碩士學(xué)位論文 前10條

1 萬(wàn)國(guó)玲;貯藏期內(nèi)亞硝酸鹽腌羊肉色澤變化的高光譜預(yù)測(cè)[D];寧夏大學(xué);2019年

2 李玉婷;壓縮高光譜成像編碼矩陣優(yōu)化設(shè)計(jì)[D];國(guó)防科技大學(xué);2017年

3 李文博;復(fù)雜背景下地面目標(biāo)可見光高光譜成像仿真[D];西安電子科技大學(xué);2019年

4 趙軍波;基于高光譜成像技術(shù)的環(huán)境微塑料檢測(cè)的研究[D];大連理工大學(xué);2019年

5 俞晗月;肉類摻假高光譜檢測(cè)的數(shù)據(jù)處理方法研究[D];華中科技大學(xué);2019年

6 曹崴;基于高光譜成像技術(shù)的大米產(chǎn)地鑒別研究[D];吉林農(nóng)業(yè)大學(xué);2019年

7 余云新;基于高光譜技術(shù)的摻假大米快速檢測(cè)研究[D];華中科技大學(xué);2019年

8 楊思成;基于高光譜成像技術(shù)的稻谷品種鑒別研究[D];武漢輕工大學(xué);2019年

9 解娜;高光譜成像技術(shù)研究[D];長(zhǎng)春理工大學(xué);2019年

10 李東澤;基于高光譜成像技術(shù)的牛肉品質(zhì)檢測(cè)研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2019年

本文編號(hào)：2616503