|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于高光谱成像技术的羊肉新鲜度预测显示文摘为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型。通过高光谱成像系统获取羊肉样本935~2 539nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱。利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型。依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度。比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数R_c^2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数R_p^2和均方根误差RMSEP分别为0.86和3.36。综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据。 | 张珏 田海清 王轲 张丽娜 于洋 | 2020 | 中国农业大学学报2020，25，5： | 8 |
| 2 | 温度对自热食品理化指标影响及其货架期预测方法显示文摘目的以自热食品土豆牛肉菜肴包为研究对象,考察温度对其贮藏品质的影响,同时建立自热食品土豆牛肉菜肴包的货架期预测模型。方法利用加速货架期实验的方法,研究不同贮藏温度下(40,50,60℃)土豆牛肉菜肴包品质的变化,通过相关性分析选定货架期预测的代表性指标,基于理化指标变化运用化学动力学模型、Q10模型和BP神经网络模型建立自热食品的货架期预测模型,对其常温下货架期进行预测。结果在3种温度下,样品pH值基本呈现先下降再上升最后下降的趋势,且温度越高变化越剧烈;3种温度下,均有L*值先缓慢下降后急剧下降,a*值先是快速升高之后速率逐渐减慢,b*值则是相对较稳定的缓慢上升的趋势;脂质氧化和蛋白质水解的反应速率加快,致使丙二醛和挥发性盐基氮含量增加。相较于化学动力学模型和Q10模型,基于先验条件的BP神经网络模型最适用于该自热食品货架期预测,最终误差收敛于7.16×10^(-5),用该模型预测25℃土豆牛肉菜肴包的货架期为430d。结论温度对土豆牛肉菜肴包各项品质指标均有显著影响,同时确立了货架期预测的最优模型为考虑先验条件的BP神经网络模型。 | 沈旺旺 高振洪 樊沁昕 刘东红 丁甜 | 2021 | 包装工程2021，42，9： | 7 |
| 3 | 高光谱成像技术对羊肉新鲜度的无损检测显示文摘为探究高光谱成像技术对羊肉新鲜度无损检测的可行性,通过高光谱成像系统获取羊肉样本935~2 539 nm的高光谱图像,测定羊肉挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量并划分样本新鲜度类别。借助连续投影法(successive projection algorithm,SPA)优选的12个特征波长建立基于反向人工神经网络(back-propagation artificial neural network,BPANN)和分类回归决策树(classification and regression trees,CART)算法的羊肉新鲜度判别模型。结果表明,BPANN模型对校正集和预测集的平均分类准确率为100%和83. 33%,对3个新鲜度类别样本的识别率分别为88. 89%、75%和85. 71%;CART模型对校正集和预测集的平均分类准确率为100%和91. 67%,对3个新鲜度类别样本的识别率分别为88. 89%、87. 50%和100%。CART模型的平均分类准确率和对3个类别样本的识别率均高于BPANN模型,表明高光谱成像技术结合CART算法可有效提高羊肉新鲜度的判别精度。 | 张珏 田海清 张丽娜 王轲 于洋 | 2020 | 食品与发酵工业2020，46，12： | 5 |
| 4 | 无损检测技术在羊肉品质分析中的研究进展显示文摘无损检测技术可以在不破坏样品的前提下完成检测。目前已被国内外学者广泛应用于羊肉品质分析中。综述了国内外近年来羊肉品质无损检测技术的研究现状,从感官品质、理化指标、微生物指标、其他安全指标、掺假肉等5个方面,介绍了无损检测技术与应用,分析了存在的问题,并对其发展作出展望。 | 姜莎 闫彩霞 范鑫 张彦斌 张宏博 | 2021 | 肉类工业2021，，2： | 5 |
| 5 | 基于生成对抗网络与ICNet的羊骨架图像实时语义分割显示文摘研究了羊骨架图像生成技术与基于ICNet的羊骨架图像实时语义分割方法。通过DCGAN、SinGAN、BigGAN 3种生成对抗网络生成图像效果对比,优选BigGAN作为羊骨架图像生成网络,扩充了羊骨架图像数据量。在此基础上,将生成图像与原始图像建立组合数据集,引入迁移学习训练ICNet,并保存最优模型,获取该模型对羊骨架脊椎、肋部、颈部的分割精度、MIoU以及单幅图像平均处理时间,并以此作为羊骨架图像语义分割效果的评判标准。结果表明,最优模型对羊骨架3部位分割精度和MIoU分别为93.68%、96.37%、89.77%和85.85%、90.64%、75.77%,单幅图像平均处理时间为87 ms。通过模拟不同光照条件下羊骨架图像来判断ICNet的泛化能力,通过与常用的U Net、DeepLabV3、PSPNet、Fast SCNN 4种图像语义分割模型进行对比来验证ICNet综合分割能力,通过对比中分辨率下不同分支权重的网络分割精度来寻求最优权值。结果表明,ICNet与前3种模型的分割精度、MIoU相差不大,但处理时间分别缩短了72.98%、40.82%、88.86%;虽然Fast SCNN单幅图像处理时间较ICNet缩短了43.68%,但MIoU降低了4.5个百分点,且当中分辨率分支权重为0.42时,ICNet分割精度达到最高。研究表明本文方法具有较高的分割精度、良好的实时性和一定的泛化能力,综合分割能力较优。 | 赵世达 王树才 白宇 郝广钊 涂本帅 | 2021 | 农业机械学报2021，52，2： | 4 |
| 6 | 基于聚类-RBF神经网络的家庭冷藏羊肉新鲜度的评价方法显示文摘为了实现对家庭储藏方式下羊肉新鲜度变化的全面客观评价,本文研究利用自制电子鼻系统、色差仪与质构仪获取气体、颜色和硬度数据,通过分析获取家庭冷藏条件下羊肉品质变化的规律,采用聚类算法确定RBF神经网络的中心,建立基于聚类-RBF神经网络的羊肉新鲜度评价模型,对家庭冷藏羊肉新鲜度进行客观全面的评价。结果表明:根据电子鼻、色差仪、质构仪获取的气体、颜色、硬度数据确定了反映羊肉新鲜度变化的多源数据,结合气体、颜色和硬度数据所建立的聚类-RBF神经网络模型对羊肉新鲜度分类的准确率为80%,这表明本文所建立的分类模型对羊肉新鲜度的评价是有效、可行的。 | 刘静静 李志刚 张旭 张小栓 | 2020 | 石河子大学学报(自然科学版)2020，38，4： | 2 |
| 7 | 家禽分割产品质量分级技术的研究进展显示文摘家禽分割产品分级技术是提高禽肉产品经济效益的关键技术,肉品质量是家禽分割产品分级的重要指标。重点介绍了国内外研究肉类分级采用的无损检测技术、原理和实验数据的处理方式,认为开发适应我国行业标准的家禽分割产品分级系统具有可行性和重要意义。 | 郭楠 潘满 王子戡 相朝阳 王道路 蒋俊强 | 2019 | 肉类工业2019，，9： | 0 |
| 8 | 基于气体传感信息的冷鲜羊肉新鲜度预测方法显示文摘为实现冷鲜羊肉新鲜度变化的快速无损检测,本文利用气体传感信息提出一种基于BP神经网络预测冷鲜羊肉新鲜度的方法。对贮藏在4℃下的冷鲜羊肉微环境气体(O_(2)、CO_(2)、H 2S)含量进行监测,并测定冷鲜羊肉的4种理化指标(硬度、pH值、颜色、TVB-N含量),分析气体含量和理化指标之间的相关性,以微环境气体(O_(2)、CO_(2)、H_(2)S)含量为基础,以硬度、pH值和TVB-N含量为新鲜度评价标准,建立基于BP神经网络的冷鲜羊肉新鲜度预测模型。结果表明:微环境气体含量与理化指标之间存在显著相关性,建立的预测模型的预测值与实测值相对误差均在5%以内,满足预测的精度要求,本文提出的预测方法对冷鲜羊肉新鲜度检测具有较高的可行性。 | 张曼 李志刚 李新武 张小栓 | 2022 | 石河子大学学报(自然科学版)2022，40，4： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员