[发明专利]一种融合NIRS和CV对冷鲜鸭肉新鲜度进行快速检测的方法

权利要求书

1.一种融合NIRS和CV对冷鲜鸭肉新鲜度进行快速检测的方法，其特征在于包括建立KNN模型以及利用该模型对冷鲜鸭肉新鲜度进行检测的步骤，所述KNN模型的建立包括以下步骤：

1）将用于建模的冷鲜鸭肉切块后于4℃冷藏，定期采集样本的近红外光谱数据以及图像数据，其中，近红外光谱数据的采集使用的是光纤探头漫反射模式，波段4,000-10,000cm^-1，以log(1/R) 表示光谱的响应值，其中R为反射率；图像数据的采集使用的是分辨率不低于500万像素的高分辨率数码相机；数据采集的频率为每1~3h采集一次，连续采集14天；

2）在采集近红外光谱数据以及图像数据的同时对样本进行理化指标测定，并根据理化指标测定结果对样本新鲜度等级进行评级和标记；所述的理化指标测定为pH测定和TVB-N值测定，在根据理化指标测定结果对样本新鲜度等级进行评级时，将pH=5.8~6.2、TVB-N15mg/100g的评为新鲜肉；将pH=6.3~6.6、TVB-N=15~25mg/100g的评为次新鲜肉：将pH6.7，TVB-N25mg/100g的评为腐败肉，如果样本TVB-N值与pH值不在同一个新鲜度等级时，那么依据从低原则将其归为低新鲜度等级的一类；

3）利用计算机软件对步骤1）采集到的5500-6500、7500-10000 cm^-1两个波段范围内的近红外光谱数据进行主成分分析，将原来的多个主成分降维成仅有一个主成分的数据，此数据用P表示；

4）利用计算机软件获得步骤1）采集到的图像数据中的红色值、绿色值和蓝色值，分别用R、G、B表示，并计算与初始颜色值之间的色距，此数据用S表示；所述色距S_n的计算公式为：

其中，n代表第n个样本，、、代表初始时的颜色值，、、代表样本实际检测的颜色值，S_n代表第n个样本的色距特征值；

5）利用计算机软件对P值和S值进行归一化处理，构建n个样本的特征变量矩阵X如下表示：

；

6）使用k最近邻算法判断样本新鲜度所属类别，K值取1、2、3中的任一个，建立特征变量与样品新鲜度等级的KNN模型。