[发明专利]近红外多光谱成像多指标协同的鱼片新鲜度无损评价方法

摘要

本发明公开了多光谱多指标协同的鱼片新鲜程度评价方法，该方法分别测定冷藏不同天数的鱼片样本的新鲜度指标TVB‑N值、TBARS值和K值；利用多光谱成像系统扫描相应的鱼片样本，得到相应的多光谱图像，对近红外多光谱图像进行处理，分别提取5个中心波长1250nm、1452nm、1655nm、1785nm、和1890nm处对应的平均反射光谱值；基于所获取的TVB‑N值、TBARS值和K值和平均光谱值，利用LS‑SVM建立预测模型，并对待测鱼片样品进行新鲜程度预测。本发明采用多光谱多指标协同评价鱼片的新鲜程度，降低了传统方法所需时间，增强了检测效率和准确率，可以有效实现快速、无损、非接触在线检测的目的。

主权项

1.近红外多光谱成像多指标协同的鱼片新鲜度无损评价方法，其特征在于包括以下步骤：(1)从0天开始，间隔天数为1或者2天，制备鱼肉样本并冷藏不同天数，冷藏天数最长不超过7天，获取N个鱼片样本，N个鱼片样本随机分为M组；N大于90，M为4‑10的整数；每组样品个数为N/5；(2)利用近红外多光谱成像系统对不同储藏天数的鱼片样本进行扫描，共得到N个鱼片样本的多光谱图像；(3)提取鱼片样本的多光谱中心波长处对应的反射光谱值，所述中心波长分别为1250nm、1452nm、1655nm、1785nm、和1890nm；(4)测定表征鱼片新鲜度的三个指标，利用半微量定氮法测定TVB‑N值、分光光度法测定TBARS值及高效液相色谱法测定K值；(5)结合步骤(3)得到的中心波长处对应的反射光谱值和步骤(4)得到的TVB‑N值、TBARS值及K值三个鱼片新鲜度指标值，利用最小二乘支持向量机(LS‑SVM)构建鱼片新鲜度多指标预测模型；Y_i＝C₀+AX_1250nm+BX_1452nm+CX_1655nm+DX_1785nm+EX_1890nm；其中，Y_i为新鲜度评价指标TVB‑N值、TBARS值和K值，i为新鲜度等级，取值分别为1、2、和0，分别表示一级鲜度、二级鲜度和无鲜度；X_1250nm、X_1452nm、X_1655nm、X_1785nm、X_1890nm分别为波长为1250nm、1452nm、1655nm、1785nm、1890nm对应的平均反射光谱值，并与TVB‑N值、TBARS值和K值测量时的光谱值所对应；C₀、A、B、C、D、E均为协调系数，通过Matlab编程自动生成；(6)利用步骤(5)得到的预测模型评价待测鱼片样品的新鲜程度。