[发明专利]一种基于高光谱成像技术对三文鱼鲜味强度快速表征的方法在审
申请号: | 202011064908.0 | 申请日: | 2020-09-30 |
公开(公告)号: | CN112285031A | 公开(公告)日: | 2021-01-29 |
发明(设计)人: | 孙宗保;李君奎;邹小波;梁黎明;石吉勇;郭志明 | 申请(专利权)人: | 江苏大学 |
主分类号: | G01N21/25 | 分类号: | G01N21/25 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 光谱 成像 技术 鱼鲜 强度 快速 表征 方法 | ||
1.一种基于高光谱成像技术对三文鱼鲜味强度快速表征的方法,其特征在于,包括以下步骤:
(1)准备三文鱼样本并编号,具体分为冰鲜三文鱼和冻融三文鱼;
(2)使用高光谱成像采集系统对步骤(1)中的三文鱼样本进行高光谱图像采集,得到三文鱼样本高光谱图像;
(3)使用国标法测定步骤(2)中已采集过高光谱图像数据的三文鱼样本鲜味强度指标;
(4)采用ENVI 4.5软件提取步骤(2)中采集的三文鱼样本高光谱图像中心感兴趣区域的光谱值;
(5)采用不同的预处理方法对步骤(4)中提取的光谱值进行预处理,得到预处理后的光谱数据;
(6)使用不同的变量筛选方法提取步骤(5)中经过预处理后的光谱数据中的特征变量,以提取的特征变量组合成的样本作为新样本;
(7)采用样本集划分方法对步骤(6)中经过特征变量提取后产生的新样本进行样本划分,得到重新划分后的样本集;
(8)采用步骤(7)中划分的样本集建立三文鱼鲜味强度指标预测模型;具体操作方法为:采用高光谱成像系统采集三文鱼样本的光谱图像信息,然后以高效液相色谱测得的核苷酸和游离氨基酸值计算出的EUC为真值,以经过预处理和变量筛选过的光谱信息为变量,建立偏最小二乘预测模型;
(9)利用步骤(8)中建立的预测模型,实现鲜味强度指标的分布可视化。
2.根据权利要求1所述的基于高光谱成像技术对三文鱼鲜味强度快速表征的方法,其特征在于,步骤(2)中所述对三文鱼样本进行高光谱图像采集的具体方法为:在光谱图像信息采集过程中,样品台的平移速度为90mm/s,行程为180mm,相机曝光时间设置为50ms,图像分辨率为1628×775pixel。
3.根据权利要求1所述的基于高光谱成像技术对三文鱼鲜味强度快速表征的方法,其特征在于,步骤(3)中所述三文鱼鲜味强度指标为味精当量法,记为EUC;所述的国标法是用高效液相色谱法测定三文鱼样本中的核苷酸以及游离氨基酸,再进一步计算得到EUC值。
4.根据权利要求1所述的基于高光谱成像技术对三文鱼鲜味强度快速表征的方法,其特征在于,步骤(4)中,所述ENVI 4.5软件提取样本中心感兴趣区域的光谱值具体方法为:使用ENVI 4.5打开三文鱼样本的高光谱图像,然后利用矩形工具选取样本中心附近200pixel×200pixel的范围作为感兴趣区域,记为ROI;ROI选定后,对ROI范围内所有像素点的光谱值进行平均,作为该样本的光谱值,每个样本对应一条光谱值。
5.根据权利要求1所述的基于高光谱成像技术对三文鱼鲜味强度快速表征的方法,其特征在于,步骤(5)中,所述预处理方法为一阶导数、二阶导数、多元散射校正、标准正态变量变换、归一化和均值中心化。
6.根据权利要求1所述的基于高光谱成像技术对三文鱼鲜味强度快速表征的方法,其特征在于,步骤(6)中,所述不同的变量筛选方法具体为:竞争性自适应重加权算法、连续投影算法以及竞争性自适应重加权-连续投影算法。
7.根据权利要求1所述的基于高光谱成像技术对三文鱼鲜味强度快速表征的方法,其特征在于,步骤(7)中,所述样本集划分具体方法为:光谱-理化值共生距离法。
8.根据权利要求1所述的基于高光谱成像技术对三文鱼鲜味强度快速表征的方法,其特征在于,步骤(9)中,所述的实现鲜味强度的分布可视化的具体操作步骤为:分别采用CARS、SPA以及CARS-SPA方法对光谱变量进行筛选,并将筛选后的光谱值作为变量建立EUC值的PLS定量模型;在确定光谱信息对鲜味强度指标的最优定量模型后,提取三文鱼样本高光谱图像中的各个像素点对应的光谱值,将光谱值代入建立好的最优定量模型中,实现对样品高光谱图像每个像素点上的指标值进行预测,最后根据像素的坐标信息及其对应的指标含量重构得到三文鱼的鲜味强度指标在平面上的分布图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011064908.0/1.html,转载请声明来源钻瓜专利网。