基于GA和CARS的真空包装冷却羊肉细菌菌落总数高光谱检测.pdfVIP

第37卷 ，第3期 光 谱 学 与 光 谱 分 析 Vo1．37，No．3，pp847—852 2017年 3月 SpectroscopyandSpectralAnalysis March，2017 基于 GA和 CARS的真空包装冷却羊肉细菌菌落总数高光谱检测 段宏伟 ，朱荣光 ，许卫东 ，邱园园 ，姚雪东 ，许程剑 1．石河子大学机械电气工程学院，新疆 石河子 832003 2．石河子大学食品学院，新疆 石河子 832003 摘 要 在光谱建模过程中，采用不同的变量筛选算法进行光谱特征波段的提取已成为提高模型效果的重 要方法。以真空包装的冷却羊肉细菌菌落总数作为研究指标，比较了两种变量筛选算法对其高光谱偏最小 二乘 (partialleastsquares，PLS)模型效果的影响。研究提取了样品肌肉感兴趣区域(ROIs)的羊肉光谱并进 行预处理，进而采用遗传算法 (geneticalgorithm，GA)和竞争性 自适应重加权法 (competitiveadaptivere— weightedsampling，cARs)分别对预处理后的473~1000nrn范围光谱进行特征波段的提取，对比分析了不 同波段下羊肉细菌菌落总数的GA-PLS，CARS-PLS和全波段PLS(W-PLS)模型效果 。结果表明，GA-PLS 和CARS-PLS的模型效果均优于W-PLS，且CARS-PLS模型效果最好 ，其校正集的决定系数 ( )和均方根 误差(rootmeansquareerror，RMSEC)分别为0．96和0．29，交互验证的决定系数(R )和均方根误差(root meansquareerrorofcrossvalidation，RMSECV)分别为0．92和0．46，预测集的决定系数(R：)和均方根误差 (rootmeansquareerrorofprediction，RMSEP)分别为 0．92和 0．47，预测相对分析误差 (relativeprediction deviation，RPD)为 3．58。因此利用高光谱图像技术结合CARS-PLS可以实现羊肉细菌菌落总数快速无损准 确检测。 关键词 高光谱图像 (HSI)；冷却羊肉；真空包装；细菌菌落总数；遗传算法(GA)；竞争性 自适应重加权法 (CARS) 中图分类号：TS251．7；0657．3 文献标识码：A DOI：10．3964／j．issn．1000—0593(2017)03—0847—06 高光谱图像技术对真空包装的新疆小尾寒羊冷却肉进行无损 引 言 检测研究。 为了提高高光谱模型精度，可以对全波段光谱进行特征 羊肉是新疆等西北高原地区少数民族的主要肉类营养来 波段的筛选 。传统的变量筛选算法主要有相关系数法、方差 源，并且冷却羊肉具有肉质鲜嫩、口感舒适的特点 ，已成为 分析法和主成分分析法等[7_8]，这些方法都有各 自的缺点， 肉类企业的发展重心。细菌菌落总数是评价羊肉新鲜度的关 如相关系数法是基于线性统计建立的一种变量筛选方法，对 键指标 ，传统的细菌菌落总数检测方法主要有平板计数法、 于非线性相关和样本分布不均的问题，其选取结果往往不可 电导率法等[1]，这些方法具有对肉品破坏程度大、操作繁 靠。而 遗传算 法 (GA)_g]和竞 争性 自适应 重加权 法 琐、耗时费力等缺点，不适合现代快速无损检测要求 。高光 (CARS)_l1o]主要是基于 “适者生存”的原则选取适应能力较强 谱图像技术(HSI)融合 了机器视觉技术和光谱技术的优点， 的特征变量，从而去除与研究对象相关性较弱及无关的光谱 国内外已有相关学者报道了该技术对猪肉