[发明专利]一种基于气流脉冲和激光测距的新鲜度快速无损检测方法

权利要求书

1.一种基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于，包括如下步骤：

S1、样品采集及位移信息采集：在同一时间点，相同外部环境下，应用融合了气流脉冲和激光测距的禽畜肉黏弹性无损检测系统，采集不少于10个样品的位移随时间变化的数据，并形成位移曲线；

S2、新鲜度评价指标测定：对S1中的每个样品按照国家标准规定的化学检测方法对其新鲜度评价指标进行测定；

S3、对S1中的位移曲线提取以下6个参数：

位移曲线加载部分的位移曲线面积S1，

位移曲线卸载部分的位移曲线面积S2，

最大压缩位移d1，

回复位移d2，

瞬时加载位移变化量L1，

瞬时卸载位移变化量L2；

S4、采用多元函数对S1中的位移曲线进行拟合，位移曲线按照气流是否作用分为加载和卸载两部分，得到6个多元函数拟合特征参数；

所述多元函数为：

当0≤t≤t1时，

当t1≤t时，

式中：t为时间，y为位移值，t₁为加载时间，即在t₁时刻气流开始作用于样品表面，a₁、b₁、c₁、a₂、b₂、c₂为多元函数拟合特征参数，参与后述研究；

S5、建立回归预测模型：

对S2中测定的新鲜度评价指标测定值和S3中提取的6个参数建立待建模集合，按比例分为校正集和验证集，建立回归预测模型；

对S2中测定的新鲜度评价指标测定值和S4中提取的6个参数建立待建模集合，按比例分为校正集和验证集，建立另一回归预测模型；

对S2中测定的新鲜度评价指标测定值和S3、S4中提取的一共12个特征参数建立待建模集合，按比例分为校正集和验证集，建立又一回归预测模型；

S6、比较三种回归预测模型的精度，获得新鲜度预测最佳模型，利用所述预测最佳模型可获取待测禽畜肉样品新鲜度评价指标预测值。

2.如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于：步骤S1中，样品采用相同大小，且同一部位不能取样品过多。

3.如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于：

在所述步骤S5建立回归预测模型时，对于特征参数建模，为消除参数之间的共线性，建立回归预测模型之前，需要采用一些变量筛选方法对特征参数进行预处理。

4.如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于：步骤S1中，

气流脉冲由气泵提供，并对样品表面产生作用力；

激光测距用于测量位移变化数据，通过激光位移传感器采集每个样品的位移随时间变化信息；

无损检测系统的工作条件为：气泵压力为30kPa～80kPa，采样频率为50Hz，采样时间不少于12s。

5.如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于：在步骤S2中，所述待测禽畜肉样品的新鲜度评价指标为待测禽畜肉样品的粘度、弹性、pH、挥发性盐基氮(TVB-N)或水分。

6.如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于：在步骤S5中，校正集和验证集的比例为2～3:1。

7.如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于：在步骤S5中，利用校正集的特征参数和对应样品的新鲜度评价指标测定值，建立样品新鲜度的预测模型，建立预测模型采用偏最小二乘回归、多元线性回归建模或最小二乘支持向量机回归；

利用验证集的特征参数、对应样品的新鲜度评价指标测定值和校正集模型，判断预测模型的准确度。

8.如权利要求7所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于：在步骤S6中，判断模型准确度的参数包括校正集相关系数Rc、校正集标准偏差SEC、验证集相关系数Rv、验证集标准偏差SEP和交互验证标准偏差SECV。

9.如权利要求3所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于：所述的变量筛选方法为主成分分析法、连续投影算法或岭回归分析法。