《多通道近红外光谱牛肉品质多参数同时检测方法.pdf》由会员分享，可在线阅读，更多相关《多通道近红外光谱牛肉品质多参数同时检测方法.pdf（10页完整版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102519906 A (43)申请公布日 2012.06.27 CN 102519906 A *CN102519906A* (21)申请号 201110428023.9 (22)申请日 2011.12.19 G01N 21/35(2006.01) (71)申请人 中国农业大学 地址 100093 北京市海淀区圆明园西路 2 号 (72)发明人 彭彦昆 欧阳文 石力安 江发潮 郭辉 (74)专利代理机构 北京众合诚成知识产权代理 有限公司 11246 代理人 史双元 (54) 发明名称 多通道近红外光谱牛肉品质多参数同时检测 方法 (57) 摘要 本发明公开了属于牛肉。
2、品质快速无损检测范 围的一种多通道近红外光谱牛肉品质多参数同时 检测方法。首先在可移动控制柜内安装由 8 路光 纤复用器分别和两个波长范围的光谱仪及探头装 置组成的光谱检测系统 ； 并嵌入到生产线工艺里 进行在线检测 ： 可同时满足胴体和分割肉的质量 检测， 得出最佳的光谱数据 ； 建立定标预测模型， 和采用相对分析误差来评价模型效果， 模型分析 大量样品实验数据， 分别建立嫩度、 含水率的预测 模型得到各指标的预测值， 再将所得的预测值代 入基于所测指标建立的牛肉多参数综合品质评价 模型得到最后的肉品等级 ； 本发明采集可见近红 外波段内的光谱信息， 信息丰富， 检测指标具有可 拓展性 ； 。
3、能够适应生产线检测需求。 (51)Int.Cl. 权利要求书 2 页 说明书 5 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 2 页 说明书 5 页 附图 2 页 1/2 页 2 1. 一种多通道近红外光谱牛肉品质多参数同时检测方法， 其特征在于， 包括 ： 1) 在可移动控制柜内安装可见近红外光谱检测系统， 光谱检测系统结构为多路光纤复 用器 4 分别连接波长为 300-1100nm 的第一光谱仪 (1)、 波长为 1000-2200nm 的第二光谱仪 (2)、 高功率卤钨灯光源 (3)、 4 个光纤检测探头 (7) 组成 ； 通过 USB 数据。
4、线及光纤将两光谱 仪与计算机 (5) 及显示屏 (6) 相连 ； 在可移动控制柜上左侧面的探头架上放置 4 个光纤检 测探头 (7) ； 4 个光纤检测探头按星形方式平整分布于探头架内， 探头末端离探头架内顶面 的高度一致， 确保光纤离样品表面的距离一致。 2) 采用光谱检测系统对牛肉品质进行检测 ： 采用光纤检测探头贴样检测， 通过多路光纤复用器 4， 将 4 个光纤检测探头与两光谱仪 连接， 形成多通道的近红外光谱检测系统， 同时检测样品 4 个不同位置处的光谱信息， 覆盖 300-2200nm 的可见近红外光谱范围 ； 将光谱信息输入到计算机内， 通过实验建立的牛肉品 质预测模型， 得到。
5、表示嫩度的剪切力值、 含水率的预测值 ； 3) 预测模型的建立， 由上述光谱检测系统采集光谱， 同时检测样本 4 个不同位置处的 光谱信息， 每个样本取平均光谱作为该样本的特征光谱 ； 由于可见近红外光谱易受外界环 境、 检测距离等因素的影响， 在采集到的光谱中， 不可避免的会出现各种噪声、 基线漂移现 象， 这些现象的存在必然会影响到光谱数据的分析及定标模型的分析精度和稳定性， 因此 在建立模型前有必要对原始光谱进行数学预处理， 对预处理后的校正集光谱， 结合逐步回 归、 主成分分析法和偏最小二乘回归 (PLSR)， 寻找主成分数和特征波长， 分别建立牛肉嫩度 和含水率的多元线性回归 (ML。
6、R) 定标预测模型 ： (1)ji 0+1Xil+pXip+i(i 1， 2， n)， (2)Wi 0+1Xil+qXiq+i(i 1， 2， n) ； . 其中， xi1， xi2， xip为第 i 个 样品在各个特征波长点处的反射光谱参数， 0、 1、 p和 0、 1.q为回归系数 ； ji为 第 i 个样品的嫩度值， 含水率值为 Wi， i为测量随机误差 ； 通常假定 E(i) 0， D(i) 2， 且 1， 2， n相互独立 ； 4). 品质评级模型的建立， 采用先分后总式， 通过大量样品实验， 分别建立嫩度、 含水率 的预测模型得到各指标的预测值， 再将所得的预测值代入基于所测指标建。
7、立的牛肉多参数 综合品质评价模型 ： f(x) 1j+2W 式中， 得到最后的肉品等级 ； 其中， f(x) 为牛肉综合品质的函数， j 为嫩度 ( 剪切力值 )， W 为含水率， 1， 2为加 权因子 ； 5) 在线检测的实现 ： 将检测系统嵌入到胴体分级检测工序处， 对 12-13 胸肋间眼肌截面进行检测， 操作人 员通过触发式开关控制光谱采集过程的启停， 对每个样本的四条光谱曲线求平均， 取平均 光谱作为样本的特征光谱 ； 对样本的特征光谱进行预处理， 预处理的方法与建立嫩度、 含水率预测模型时所进行 的预处理方法保持一致 ； 将预处理后的特征光谱代入到嫩度、 含水率预测模型中， 得到样。
8、品的嫩度、 含水率的预 测值 ； 将嫩度、 含水率的预测值代入到牛肉内在品质评定模型中， 得到以嫩度、 含水率为评价 指标的牛肉内在品质等级。 权 利 要 求 书 CN 102519906 A 2 2/2 页 3 2. 根据权利要求 1 所述多通道近红外光谱牛肉品质多参数同时检测方法， 其特征在 于， 所述数学预处理是将所有试验样本随意排序， 每四个样本取三个组成校正集， 其余的组 成验证集， 分别采用多元散射校正、 一阶微分和 S-G 平滑滤波的方法， 对光谱进行预处理、 对比分析， 得出最佳的光谱数据。 3. 根据权利要求 1 所述多通道近红外光谱牛肉品质多参数同时检测方法， 其特征在 于。
9、， 所述模型分析， 对预处理后的校正集光谱， 分别使用多元线性回归、 逐步回归和偏最小 二乘回归， 建立定标预测模型， 采用相关系数、 定标样品的标准分析误差、 预测样品的标准 分析误差、 交叉验证标准分析误差和相对分析误差来评价模型效果， 选出最佳预测模型。 权 利 要 求 书 CN 102519906 A 3 1/5 页 4 多通道近红外光谱牛肉品质多参数同时检测方法 技术领域 0001 本发明属于牛肉品质快速无损检测范围， 特别涉及一种多通道近红外光谱牛肉品 质多参数同时检测方法。 背景技术 0002 牛肉分级是指根据市场对牛肉品质的认可度， 将牛肉产品分成不同的等级， 实现 优质优价的。
10、利益分配。 牛肉分级的广泛推广， 对牛肉行业的健康发展具有重要作用， 可以指 引牛肉生产者进行定性良种选育、 科学饲喂、 规范的屠宰分割， 使其生产出质美价优的牛肉 产品 ； 也可以规范牛肉市场， 形成良性健康的市场竞争 ； 还可以指导消费者正确消费， 确保 交易的公平性。 0003 现行国内外生产加工企业对牛肉的分级都包括产量级分级和质量级分级。产量 级指标主要包括冷胴体重、 眼肌面积和背瞟厚等 ； 质量级指标主要有大理石花纹、 生理成熟 度、 肉色、 脂肪色、 嫩度等。国外应用成熟的检测技术主要包括 ： 0004 1) 机器视觉检测技术， 用来检测胴体特征、 大理石纹、 眼肌面积等感官指标。
11、， 如美 国农业部用来评定牛肉质量级和产量级的计算机图像分析的系统 (VlAScan)， 在北美、 欧洲 等国家此系统已经得到了一定的应用 ； 由美国农业部与堪萨斯大学合作研制的视频图像分 析 (VIA)， 美国的 CVS-Beefcam， 丹麦的 BCC-2 以及德国的 VBS2000 ； 0005 2) 背膘厚检测的超声波成像技术， 用来检测活体或二分体的背膘厚 ； 0006 3) 基于近红外光谱检测技术的在线检测仪器， 如美国农业部的嫩度检测仪。 0007 随着人们消费意识的提高， 目前以反映产肉效益和肉品外表属性为主导的分级标 准越来越难以满足市场的消费需求， 国外许多国家已经开始将牛。
12、肉商品质量分级推进到内 在质量分级阶段， 开始研究更为直观可靠的分级标准及相应的快速无损检测技术， 基于此， 本发明提出使用便携可移动式的多通道近红外光谱系统， 同时检测牛肉的嫩度和含水率， 为牛肉内在质量分级提供技术支持。 发明内容 0008 本发明的目的是提供一种多通道近红外光谱牛肉品质多参数同时检测方法， 其特 征在于， 包括 ： 0009 1) 在可移动控制柜内安装可见近红外光谱检测系统， 光谱检测系统结构为多路光 纤复用器 4 分别连接波长为 300-1100nm 的第一光谱仪 1、 波长为 1000-2200nm 的第二光谱 仪 2、 高功率卤钨灯光源 3、 4 个光纤检测探头 7。
13、 组成 ； 通过 USB 数据线及光纤将两光谱仪与 计算机 5 及显示屏 6 相连 ； 在可移动控制柜上左侧面的探头架上放置 4 个光纤检测探头 7 ； 4 个光纤检测探头按星形方式平整分布于探头架内， 探头末端离探头架内顶面的高度一致， 确保光纤离样品表面的距离一致。 0010 2) 采用光谱检测系统对牛肉品质进行检测 ： 0011 采用光纤检测探头贴样检测， 通过多路光纤复用器 4， 将 4 个光纤检测探头与两光 说 明 书 CN 102519906 A 4 2/5 页 5 谱仪连接， 形成多通道的近红外光谱检测系统， 同时检测样本 4 个不同位置处的光谱信息， 覆盖 300 2200nm。
14、 的可见近红外光谱范围 ； 将光谱信息输入到计算机内， 通过实验建立的 牛肉品质预测模型， 得到嫩度 ( 剪切力值 )、 含水率的预测值 ； 0012 3) 预测模型的建立， 由上述光谱检测系统采集光谱， 同时检测样本 4 个不同位置 处的光谱信息， 每个样本取平均光谱作为该样本的特征光谱 ； 由于可见近红外光谱易受外 界环境、 检测距离等因素的影响， 在采集到的光谱中， 不可避免的会出现各种噪声、 基线漂 移现象， 这些现象的存在必然会影响到光谱数据的分析及定标模型的分析精度和稳定性， 因此在建立模型前有必要对原始光谱进行数学预处理， 对预处理后的校正集光谱， 结合逐 步回归、 主成分分析法。
15、和偏最小二乘回归 (PLSR)， 寻找主成分数和特征波长， 分别建立牛肉 嫩度和含水率的多元线性回归 (MLR) 定标预测模型 ： 0013 (1)ji 0+1Xil+pXip+i(i 1， 2， n)， 0014 (2)Wi 0+1Xil+qXiq+i(i 1， 2， ， n)， 其中， xi1， xi2， ， xip为第 i 个 样品在各个特征波长点处的反射光谱参数 ； 0、 1.p和 0、 1.q为回归系数 ； ji 为第 i 个样品的嫩度值， 含水率值为 Wi， i为测量随机误差， 通常假定 E(i) 0， D(i) 2， 且 1， 2， n相互独立 ； 0015 4). 品质评级模型。
16、的建立， 采用先分后总式， 通过大量样品实验， 分别建立嫩度、 含 水率的预测模型得到各指标的预测值， 再将所得的预测值代入基于所测指标建立的牛肉多 参数综合品质评价模型 ： f(x) 1j+2W 式中， 得到最后的肉品等级。 0016 其中， f(x) 为牛肉综合品质的函数， j 为嫩度 ( 剪切力值 )， W 为含水率， 1， 2 为加权因子 ； 0017 5) 在线检测的实现 ： 0018 将检测系统嵌入到胴体分级检测工序处， 对 12-13 胸肋间眼肌截面进行检测， 操 作人员通过触发式开关控制光谱采集过程的启停， 对每个样本的四条光谱曲线求平均， 取 平均光谱作为样本的特征光谱 ； 。
17、0019 对样本的特征光谱进行预处理， 预处理的方法与建立嫩度、 含水率预测模型时所 进行的预处理方法保持一致 ； 0020 将预处理后的特征光谱代入到嫩度、 含水率预测模型中， 得到样品的嫩度、 含水率 的预测值 ； 0021 将嫩度、 含水率的预测值代入到牛肉内在品质评定模型中， 得到以嫩度、 含水率为 评价指标的牛肉内在品质等级。 0022 所述数学预处理是将所有试验样本随意排序， 每四个样本取三个组成校正集， 其 余的组成验证集， 分别采用多元散射校正、 一阶微分和 S-G 平滑滤波的方法， 对光谱进行预 处理、 对比分析， 得出最佳的光谱数据 ； 0023 所述模型分析， 对预处理后。
18、的校正集光谱， 分别使用多元线性回归 (MLR)、 逐步回 归和偏最小二乘回归 (PLSR)， 建立定标预测模型， 采用相关系数 (r)、 定标样品的标准分析 误差(SEC)、 预测样品的标准分析误差(SEP)、 交叉验证标准分析误差(SECV)和相对分析误 差 (RSD) 来评价模型效果， 选出最佳预测模型。 0024 本发明的有益效果是 ： 0025 1) 系统拓展了波长的覆盖范围， 可采集可见近红外波段 (300-2200nm) 内的光谱 说 明 书 CN 102519906 A 5 3/5 页 6 信息， 信息丰富， 检测指标具有可拓展性 ； 0026 2) 多通道检测探头设计， 可实。
19、现样品不同位置信息的同时检测， 使得检测信息更 具代表性、 一致性 ； 0027 3) 自行设计的检测装置可实现贴样检测， 操作简单， 同时可确保各检测探头离样 品表面的距离一致， 提高检测精度 ； 0028 4) 采用可移动控制柜和贴样检测探头， 使得系统可以适应不同的检测环境， 既可 进行二分体在线评级检测， 也可实现分割肉块的品质检测。 附图说明 0029 图 1 为便携可移动式多通道近红外光谱检测系统示意图。 0030 图 2 为对每个样本分别进行平均处理后得到的所有样品的原始光谱。 0031 图 3 是样本光谱经 SG-MSC 预处理后得到的特征光谱。 具体实施方式 0032 本发明。
20、提供一种多通道近红外光谱牛肉品质多参数同时检测方法。 下面结合附图 予以说明。 0033 图 1 所示为便携可移动式多通道近红外光谱检测系统示意图。在可移动控制柜 内安装可见近红外光谱检测系统， 光谱检测系统结构为 8 路光纤复用器 4 分别连接波长为 300-1100nm 的第一光谱仪 1、 波长为 1000-2200nm 的第二光谱仪 2、 高功率卤钨灯光源 3、 4 个光纤检测探头7组成 ； 通过USB数据线及光纤将两光谱仪与计算机5及显示屏6相连 ； 在 可移动控制柜上左侧面的探头架上放置4个光纤检测探头7 ； 4个光纤检测探头按星形方式 平整分布于探头架内， 探头末端离探头架内顶面的。
21、高度一致， 确保光纤离样品表面的距离 一致。 0034 在线检测流程 ： 0035 将检测系统嵌入到胴体分级检测工序处， 对 12-13 胸肋间眼肌截面进行检测， 操 作人员通过触发式开关控制光谱采集过程的启停， 对每个样本的四条光谱曲线求平均， 取 平均光谱作为样本的特征光谱 ； 0036 对样本的特征光谱进行预处理， 预处理的方法与建立嫩度、 含水率预测模型时所 进行的方法保持一致 ； 0037 将预处理后的特征光谱代入到嫩度、 含水率预测模型中， 得到相应的预测值 ； 0038 将嫩度、 含水率的预测值代入到牛肉内在品质评定模型中， 得到以嫩度、 含水率为 评价指标的牛肉内在质量等级。 。
22、0039 3. 预测模型的建立 0040 1) 光谱采集及预处理 0041 由上述光谱检测系统采集光谱， 检测到样本的 4 个不同位置处的光谱信息， 取每 个样本的平均光谱作为样本的特征光谱 ； 由于可见近红外光谱易受环境、 检测距离等因素 的影响， 在采集到的光谱中， 不可避免地会含有各种噪声、 偏移现象， 这些必然会影响到光 谱数据的分析及定标模型的分析精度和稳定性， 因此在建立模型前有必要对原始光谱进行 数学预处理， 以尽量减小噪声， 提高信噪比， 所述是预处理是将所有试验样本随意排序， 每 4 说 明 书 CN 102519906 A 6 4/5 页 7 个样本取 3 个组成校正集， 。
23、其余的组成验证集， 分别采用多元散射校正、 一阶微分和 S-G 平 滑的滤波方法， 对光谱进行预处理、 对比分析， 得出最佳的光谱数据 ； 0042 2) 模型建立与分析， 0043 对预处理后的校正集光谱， 分别使用多元线性回归、 逐步回归和偏最小二乘回归， 建立定标预测模型， 采用相关系数 (r)、 定标样品的标准分析误差 (SEC)、 预测样品的标准 分析误差 (SEP)、 交叉验证标准分析误差 (SECV)、 和相对分析误差 (RSD) 来评价模型效果， 相关系数越大、 误差越小， 模型越佳， 进而选出最佳预测模型。 0044 品质评级模型的建立， 采用先分后总式， 通过大量样品实验，。
24、 分别建立嫩度、 含水 率的预测模型得到各指标的预测值， 再将所得的预测值代入基于所测指标建立的牛肉多参 数综合品质评价模型 ： f(x) 1j+2W 式中， 得到最后的肉品等级。 0045 其中， f(x) 为牛肉综合品质的函数， j 为嫩度 ( 剪切力值 )， W 为含水率， 1， 2 为加权因子 ； 0046 4. 在线检测的实现 ： 0047 将检测系统嵌入到胴体分级检测工序处， 对 12-13 胸肋间眼肌截面进行检测， 操 作人员通过触发式开关控制光谱采集过程的启停， 对每个样本的四条光谱曲线求平均， 取 平均光谱作为样本的特征光谱 ； 0048 对样本的特征光谱进行预处理， 预处理。
25、的方法与建立嫩度、 含水率预测模型时所 进行的预处理方法保持一致 ； 0049 将预处理后的特征光谱代入到嫩度、 含水率预测模型中， 得到样品的嫩度、 含水率 的预测值 ； 0050 将嫩度、 含水率的预测值代入到牛肉内在品质评定模型中， 得到以嫩度、 含水率为 评价指标的牛肉内在品质等级。 0051 实施实例 ： 0052 下面通过牛肉嫩度检测实施例， 并结合附图， 对本发明的具体方法作进一步地描 述。 0053 2011年8月从北京市海淀区某超市购置宰后成熟14天的出自不同牛的里脊块， 运 至中国农业大学农畜产品无损检测实验室， 无须清洗、 剔除脂肪或结缔组织、 水浴等准备工 作， 将肉样。
26、均匀分割成厚 3cm 的肉块， 剔除不规则肉块后共获得 40 块试样。 0054 对试样编号后， 立即用所述的检测系统 ( 如图 1 所示 ) 按照本发明方法， 获取所有 试样的反射光谱图像 ( 如图 2 所示 )。 0055 获取所有样品的光谱图像后， 参照我国农业部行业标准 -NY/T 1180-2006 肉嫩度 的测定剪切力测定法 标准进行嫩度测量， 取每个试样的平均剪切力值作为该样本剪切力 的标准参照值。 0056 获得样本反射光谱图像后， 进一步按照预处理方法对获取的相对反射光谱图像数 据进行预处理， 进一步获取其多元散射校正光谱(如图3所示)， 将所有样本按31的比例 随机分成校正。
27、集和验证集， 利用预处理后的校正集光谱数据， 选取 425-435nm、 555-565nm、 625-635nm、 685-705nm、 895-915nm、 965-985nm、 1245-1365nm 等七个特征波段的平均光谱数 据， 建立 M L R 预测模型， 然后将该验证集光谱数据代入已经该预测模型中， 得到验证集牛 肉样本剪切力值的预测值。将牛肉样品按照剪切力值大小分为不同嫩度等级， 剪切力值小 说 明 书 CN 102519906 A 7 5/5 页 8 于 44N 的认为是嫩牛肉 (Tender)， 大于 44N 的认为是老牛肉 (Tough)， 分级结果如下表 1 所 示 ： 0057 表 1 嫩度测量 ( 每个试样的平均剪切力值 ) 结果 0058 0059 * 嫩牛肉表示为 1， 老牛肉表示为 0。 0060 分级准确率达到 80， 证明本发明所述方法具有可行性。 0061 采用类似的方法， 得到含水率的预测值， 同时将样品的剪切力预测值与含水率预 测值代入到品质评价模型中， 即可得到对应的品质等级。 说 明 书 CN 102519906 A 8 1/2 页 9 图 1 说 明 书 附 图 CN 102519906 A 9 2/2 页 10 图 2 图 3 说 明 书 附 图 CN 102519906 A 10 。