專利名稱：多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法
多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法技術(shù)領(lǐng)域
本發(fā)明屬于牛肉品質(zhì)快速無損檢測范圍，特別涉及一種多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法。
背景技術(shù)：
牛肉分級(jí)是指根據(jù)市場對牛肉品質(zhì)的認(rèn)可度，將牛肉產(chǎn)品分成不同的等級(jí)，實(shí)現(xiàn)優(yōu)質(zhì)優(yōu)價(jià)的利益分配。牛肉分級(jí)的廣泛推廣，對牛肉行業(yè)的健康發(fā)展具有重要作用，可以指引牛肉生產(chǎn)者進(jìn)行定性良種選育、科學(xué)飼喂、規(guī)范的屠宰分割，使其生產(chǎn)出質(zhì)美價(jià)優(yōu)的牛肉產(chǎn)品；也可以規(guī)范牛肉市場，形成良性健康的市場競爭；還可以指導(dǎo)消費(fèi)者正確消費(fèi)，確保交易的公平性。
現(xiàn)行國內(nèi)外生產(chǎn)加工企業(yè)對牛肉的分級(jí)都包括產(chǎn)量級(jí)分級(jí)和質(zhì)量級(jí)分級(jí)。產(chǎn)量級(jí)指標(biāo)主要包括冷胴體重、眼肌面積和背瞟厚等；質(zhì)量級(jí)指標(biāo)主要有大理石花紋、生理成熟度、肉色、脂肪色、嫩度等。國外應(yīng)用成熟的檢測技術(shù)主要包括
1)機(jī)器視覺檢測技術(shù)，用來檢測胴體特征、大理石紋、眼肌面積等感官指標(biāo)，如美國農(nóng)業(yè)部用來評定牛肉質(zhì)量級(jí)和產(chǎn)量級(jí)的計(jì)算機(jī)圖像分析的系統(tǒng)(VlAkan)，在北美、歐洲等國家此系統(tǒng)已經(jīng)得到了一定的應(yīng)用；由美國農(nóng)業(yè)部與堪薩斯大學(xué)合作研制的視頻圖像分析(VIA)，美國的CVS-Beefcam，丹麥的BCC-2以及德國的VBS2000 ；
2)背膘厚檢測的超聲波成像技術(shù)，用來檢測活體或二分體的背膘厚；
3)基于近紅外光譜檢測技術(shù)的在線檢測儀器，如美國農(nóng)業(yè)部的嫩度檢測儀。
隨著人們消費(fèi)意識(shí)的提高，目前以反映產(chǎn)肉效益和肉品外表屬性為主導(dǎo)的分級(jí)標(biāo)準(zhǔn)越來越難以滿足市場的消費(fèi)需求，國外許多國家已經(jīng)開始將牛肉商品質(zhì)量分級(jí)推進(jìn)到內(nèi)在質(zhì)量分級(jí)階段，開始研究更為直觀可靠的分級(jí)標(biāo)準(zhǔn)及相應(yīng)的快速無損檢測技術(shù)，基于此， 本發(fā)明提出使用便攜可移動(dòng)式的多通道近紅外光譜系統(tǒng)，同時(shí)檢測牛肉的嫩度和含水率， 為牛肉內(nèi)在質(zhì)量分級(jí)提供技術(shù)支持。發(fā)明內(nèi)容
本發(fā)明的目的是提供一種多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法，其特征在于，包括
1)在可移動(dòng)控制柜內(nèi)安裝可見近紅外光譜檢測系統(tǒng)，光譜檢測系統(tǒng)結(jié)構(gòu)為多路光纖復(fù)用器4分別連接波長為300-1100nm的第一光譜儀1、波長為1000-2200nm的第二光譜儀2、高功率鹵鎢燈光源3、4個(gè)光纖檢測探頭7組成；通過USB數(shù)據(jù)線及光纖將兩光譜儀與計(jì)算機(jī)5及顯示屏6相連；在可移動(dòng)控制柜上左側(cè)面的探頭架上放置4個(gè)光纖檢測探頭7 ； 4個(gè)光纖檢測探頭按星形方式平整分布于探頭架內(nèi)，探頭末端離探頭架內(nèi)頂面的高度一致， 確保光纖離樣品表面的距離一致。
2)采用光譜檢測系統(tǒng)對牛肉品質(zhì)進(jìn)行檢測
采用光纖檢測探頭貼樣檢測，通過多路光纖復(fù)用器4，將4個(gè)光纖檢測探頭與兩光譜儀連接，形成多通道的近紅外光譜檢測系統(tǒng)，同時(shí)檢測樣本4個(gè)不同位置處的光譜信息， 覆蓋300 2200nm的可見近紅外光譜范圍；將光譜信息輸入到計(jì)算機(jī)內(nèi)，通過實(shí)驗(yàn)建立的牛肉品質(zhì)預(yù)測模型，得到嫩度(剪切力值)、含水率的預(yù)測值；
3)預(yù)測模型的建立，由上述光譜檢測系統(tǒng)采集光譜，同時(shí)檢測樣本4個(gè)不同位置處的光譜信息，每個(gè)樣本取平均光譜作為該樣本的特征光譜；由于可見近紅外光譜易受外界環(huán)境、檢測距離等因素的影響，在采集到的光譜中，不可避免的會(huì)出現(xiàn)各種噪聲、基線漂移現(xiàn)象，這些現(xiàn)象的存在必然會(huì)影響到光譜數(shù)據(jù)的分析及定標(biāo)模型的分析精度和穩(wěn)定性， 因此在建立模型前有必要對原始光譜進(jìn)行數(shù)學(xué)預(yù)處理，對預(yù)處理后的校正集光譜，結(jié)合逐步回歸、主成分分析法和偏最小二乘回歸(PLSR)，尋找主成分?jǐn)?shù)和特征波長，分別建立牛肉嫩度和含水率的多元線性回歸(MLR)定標(biāo)預(yù)測模型
(1)1=30+34^.. + 33^^(1 = 1,2, ...，n)，
(2) Wi = α ^a1Xil+-..+ QqXiq+ε = 1,2,…，η)，其中，xn，xi2，...,Xip 為第 i 個(gè)樣品在各個(gè)特征波長點(diǎn)處的反射光譜參數(shù)；β。、β”.. βρ Ρ a0> Q1... α,為回歸系數(shù)；么為第i個(gè)樣品的嫩度值，含水率值為Wi, ε i為測量隨機(jī)誤差，通常假定E( ε J = 0，D( ε ,) =σ2，且ε ” ε 2,……，ε η相互獨(dú)立；
4).品質(zhì)評級(jí)模型的建立，采用先分后總式，通過大量樣品實(shí)驗(yàn)，分別建立嫩度、含水率的預(yù)測模型得到各指標(biāo)的預(yù)測值，再將所得的預(yù)測值代入基于所測指標(biāo)建立的牛肉多參數(shù)綜合品質(zhì)評價(jià)模型f(X) = O1* j+co2· W式中，得到最后的肉品等級(jí)。
其中，f(x)為牛肉綜合品質(zhì)的函數(shù)，j為嫩度(剪切力值)，W為含水率，ω” ω2 為加權(quán)因子；
5)在線檢測的實(shí)現(xiàn)
將檢測系統(tǒng)嵌入到胴體分級(jí)檢測工序處，對12-13胸肋間眼肌截面進(jìn)行檢測，操作人員通過觸發(fā)式開關(guān)控制光譜采集過程的啟停，對每個(gè)樣本的四條光譜曲線求平均，取平均光譜作為樣本的特征光譜；
對樣本的特征光譜進(jìn)行預(yù)處理，預(yù)處理的方法與建立嫩度、含水率預(yù)測模型時(shí)所進(jìn)行的預(yù)處理方法保持一致；
將預(yù)處理后的特征光譜代入到嫩度、含水率預(yù)測模型中，得到樣品的嫩度、含水率的預(yù)測值；
將嫩度、含水率的預(yù)測值代入到牛肉內(nèi)在品質(zhì)評定模型中，得到以嫩度、含水率為評價(jià)指標(biāo)的牛肉內(nèi)在品質(zhì)等級(jí)。
所述數(shù)學(xué)預(yù)處理是將所有試驗(yàn)樣本隨意排序，每四個(gè)樣本取三個(gè)組成校正集，其余的組成驗(yàn)證集，分別采用多元散射校正、一階微分和S-G平滑濾波的方法，對光譜進(jìn)行預(yù)處理、對比分析，得出最佳的光譜數(shù)據(jù)；
所述模型分析，對預(yù)處理后的校正集光譜，分別使用多元線性回歸(MLR)、逐步回歸和偏最小二乘回歸(PLSR)，建立定標(biāo)預(yù)測模型，采用相關(guān)系數(shù)(r)、定標(biāo)樣品的標(biāo)準(zhǔn)分析誤差(SEC)、預(yù)測樣品的標(biāo)準(zhǔn)分析誤差(SEP)、交叉驗(yàn)證標(biāo)準(zhǔn)分析誤差(SECV)和相對分析誤差(RSD)來評價(jià)模型效果，選出最佳預(yù)測模型。
本發(fā)明的有益效果是
1)系統(tǒng)拓展了波長的覆蓋范圍，可采集可見近紅外波段(300-2200nm)內(nèi)的光譜信息，信息豐富，檢測指標(biāo)具有可拓展性；
2)多通道檢測探頭設(shè)計(jì)，可實(shí)現(xiàn)樣品不同位置信息的同時(shí)檢測，使得檢測信息更具代表性、一致性；
3)自行設(shè)計(jì)的檢測裝置可實(shí)現(xiàn)貼樣檢測，操作簡單，同時(shí)可確保各檢測探頭離樣品表面的距離一致，提高檢測精度；
4)采用可移動(dòng)控制柜和貼樣檢測探頭，使得系統(tǒng)可以適應(yīng)不同的檢測環(huán)境，既可進(jìn)行二分體在線評級(jí)檢測，也可實(shí)現(xiàn)分割肉塊的品質(zhì)檢測。


圖1為便攜可移動(dòng)式多通道近紅外光譜檢測系統(tǒng)示意圖。
圖2為對每個(gè)樣本分別進(jìn)行平均處理后得到的所有樣品的原始光譜。
圖3是樣本光譜經(jīng)SG-MSC預(yù)處理后得到的特征光譜。
具體實(shí)施方式
本發(fā)明提供一種多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法。下面結(jié)合附圖予以說明。
圖1所示為便攜可移動(dòng)式多通道近紅外光譜檢測系統(tǒng)示意圖。在可移動(dòng)控制柜內(nèi)安裝可見近紅外光譜檢測系統(tǒng)，光譜檢測系統(tǒng)結(jié)構(gòu)為8路光纖復(fù)用器4分別連接波長為 300-1 IOOnm的第一光譜儀1、波長為1000-2200nm的第二光譜儀2、高功率鹵鎢燈光源3、4 個(gè)光纖檢測探頭7組成；通過USB數(shù)據(jù)線及光纖將兩光譜儀與計(jì)算機(jī)5及顯示屏6相連；在可移動(dòng)控制柜上左側(cè)面的探頭架上放置4個(gè)光纖檢測探頭7 ；4個(gè)光纖檢測探頭按星形方式平整分布于探頭架內(nèi)，探頭末端離探頭架內(nèi)頂面的高度一致，確保光纖離樣品表面的距離一致。
在線檢測流程
將檢測系統(tǒng)嵌入到胴體分級(jí)檢測工序處，對12-13胸肋間眼肌截面進(jìn)行檢測，操作人員通過觸發(fā)式開關(guān)控制光譜采集過程的啟停，對每個(gè)樣本的四條光譜曲線求平均，取平均光譜作為樣本的特征光譜；
對樣本的特征光譜進(jìn)行預(yù)處理，預(yù)處理的方法與建立嫩度、含水率預(yù)測模型時(shí)所進(jìn)行的方法保持一致；
將預(yù)處理后的特征光譜代入到嫩度、含水率預(yù)測模型中，得到相應(yīng)的預(yù)測值；
將嫩度、含水率的預(yù)測值代入到牛肉內(nèi)在品質(zhì)評定模型中，得到以嫩度、含水率為評價(jià)指標(biāo)的牛肉內(nèi)在質(zhì)量等級(jí)。
3.預(yù)測模型的建立
1)光譜采集及預(yù)處理
由上述光譜檢測系統(tǒng)采集光譜，檢測到樣本的4個(gè)不同位置處的光譜信息，取每個(gè)樣本的平均光譜作為樣本的特征光譜；由于可見近紅外光譜易受環(huán)境、檢測距離等因素的影響，在采集到的光譜中，不可避免地會(huì)含有各種噪聲、偏移現(xiàn)象，這些必然會(huì)影響到光譜數(shù)據(jù)的分析及定標(biāo)模型的分析精度和穩(wěn)定性，因此在建立模型前有必要對原始光譜進(jìn)行數(shù)學(xué)預(yù)處理，以盡量減小噪聲，提高信噪比，所述是預(yù)處理是將所有試驗(yàn)樣本隨意排序，每4個(gè)樣本取3個(gè)組成校正集，其余的組成驗(yàn)證集，分別采用多元散射校正、一階微分和S-G平滑的濾波方法，對光譜進(jìn)行預(yù)處理、對比分析，得出最佳的光譜數(shù)據(jù)；
2)模型建立與分析，
對預(yù)處理后的校正集光譜，分別使用多元線性回歸、逐步回歸和偏最小二乘回歸， 建立定標(biāo)預(yù)測模型，采用相關(guān)系數(shù)(r)、定標(biāo)樣品的標(biāo)準(zhǔn)分析誤差(SEC)、預(yù)測樣品的標(biāo)準(zhǔn)分析誤差(SEP)、交叉驗(yàn)證標(biāo)準(zhǔn)分析誤差(SECV)、和相對分析誤差(RSD)來評價(jià)模型效果， 相關(guān)系數(shù)越大、誤差越小，模型越佳，進(jìn)而選出最佳預(yù)測模型。
品質(zhì)評級(jí)模型的建立，采用先分后總式，通過大量樣品實(shí)驗(yàn)，分別建立嫩度、含水率的預(yù)測模型得到各指標(biāo)的預(yù)測值，再將所得的預(yù)測值代入基于所測指標(biāo)建立的牛肉多參數(shù)綜合品質(zhì)評價(jià)模型f(x) = ω^ j+co2*W式中，得到最后的肉品等級(jí)。
其中，f(x)為牛肉綜合品質(zhì)的函數(shù)，j為嫩度(剪切力值)，W為含水率，ω” ω2 為加權(quán)因子；
4.在線檢測的實(shí)現(xiàn)
將檢測系統(tǒng)嵌入到胴體分級(jí)檢測工序處，對12-13胸肋間眼肌截面進(jìn)行檢測，操作人員通過觸發(fā)式開關(guān)控制光譜采集過程的啟停，對每個(gè)樣本的四條光譜曲線求平均，取平均光譜作為樣本的特征光譜；
對樣本的特征光譜進(jìn)行預(yù)處理，預(yù)處理的方法與建立嫩度、含水率預(yù)測模型時(shí)所進(jìn)行的預(yù)處理方法保持一致；
將預(yù)處理后的特征光譜代入到嫩度、含水率預(yù)測模型中，得到樣品的嫩度、含水率的預(yù)測值；
將嫩度、含水率的預(yù)測值代入到牛肉內(nèi)在品質(zhì)評定模型中，得到以嫩度、含水率為評價(jià)指標(biāo)的牛肉內(nèi)在品質(zhì)等級(jí)。
實(shí)施實(shí)例
下面通過牛肉嫩度檢測實(shí)施例，并結(jié)合附圖，對本發(fā)明的具體方法作進(jìn)一步地描述。
2011年8月從北京市海淀區(qū)某超市購置宰后成熟14天的出自不同牛的里脊塊，運(yùn)至中國農(nóng)業(yè)大學(xué)農(nóng)畜產(chǎn)品無損檢測實(shí)驗(yàn)室，無須清洗、剔除脂肪或結(jié)締組織、水浴等準(zhǔn)備工作，將肉樣均勻分割成厚3cm的肉塊，剔除不規(guī)則肉塊后共獲得40塊試樣。
對試樣編號(hào)后，立即用所述的檢測系統(tǒng)(如圖1所示)按照本發(fā)明方法，獲取所有試樣的反射光譜圖像(如圖2所示)。
獲取所有樣品的光譜圖像后，參照我國農(nóng)業(yè)部行業(yè)標(biāo)準(zhǔn)-NY/T 1180-2006《肉嫩度的測定剪切力測定法》標(biāo)準(zhǔn)進(jìn)行嫩度測量，取每個(gè)試樣的平均剪切力值作為該樣本剪切力的標(biāo)準(zhǔn)參照值。
獲得樣本反射光譜圖像后，進(jìn)一步按照預(yù)處理方法對獲取的相對反射光譜圖像數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)一步獲取其多元散射校正光譜(如圖3所示)，將所有樣本按3 1的比例隨機(jī)分成校正集和驗(yàn)證集，利用預(yù)處理后的校正集光譜數(shù)據(jù)，選取425-435nm、555-565nm、 625-6;35nm、685-705nm、895-915nm、965-985nm、1245-1365nm 等七個(gè)特征波段的平均光譜數(shù)據(jù)，建立M L R預(yù)測模型，然后將該驗(yàn)證集光譜數(shù)據(jù)代入已經(jīng)該預(yù)測模型中，得到驗(yàn)證集牛肉樣本剪切力值的預(yù)測值。將牛肉樣品按照剪切力值大小分為不同嫩度等級(jí)，剪切力值小于44N的認(rèn)為是嫩牛肉(Tender)，大于44N的認(rèn)為是老牛肉(Tough)，分級(jí)結(jié)果如下表1所示
表1嫩度測量(每個(gè)試樣的平均剪切力值)結(jié)果
權(quán)利要求
1. 一種多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法，其特征在于，包括1)在可移動(dòng)控制柜內(nèi)安裝可見近紅外光譜檢測系統(tǒng)，光譜檢測系統(tǒng)結(jié)構(gòu)為多路光纖復(fù)用器4分別連接波長為300-1100nm的第一光譜儀(1)、波長為1000-2200nm的第二光譜儀 O)、高功率鹵鎢燈光源(3)、4個(gè)光纖檢測探頭(7)組成；通過USB數(shù)據(jù)線及光纖將兩光譜儀與計(jì)算機(jī)( 及顯示屏(6)相連；在可移動(dòng)控制柜上左側(cè)面的探頭架上放置4個(gè)光纖檢測探頭(7) ；4個(gè)光纖檢測探頭按星形方式平整分布于探頭架內(nèi)，探頭末端離探頭架內(nèi)頂面的高度一致，確保光纖離樣品表面的距離一致。2)采用光譜檢測系統(tǒng)對牛肉品質(zhì)進(jìn)行檢測采用光纖檢測探頭貼樣檢測，通過多路光纖復(fù)用器4，將4個(gè)光纖檢測探頭與兩光譜儀連接，形成多通道的近紅外光譜檢測系統(tǒng)，同時(shí)檢測樣品4個(gè)不同位置處的光譜信息，覆蓋 300-2200nm的可見近紅外光譜范圍；將光譜信息輸入到計(jì)算機(jī)內(nèi)，通過實(shí)驗(yàn)建立的牛肉品質(zhì)預(yù)測模型，得到表示嫩度的剪切力值、含水率的預(yù)測值；3)預(yù)測模型的建立，由上述光譜檢測系統(tǒng)采集光譜，同時(shí)檢測樣本4個(gè)不同位置處的光譜信息，每個(gè)樣本取平均光譜作為該樣本的特征光譜；由于可見近紅外光譜易受外界環(huán)境、檢測距離等因素的影響，在采集到的光譜中，不可避免的會(huì)出現(xiàn)各種噪聲、基線漂移現(xiàn)象，這些現(xiàn)象的存在必然會(huì)影響到光譜數(shù)據(jù)的分析及定標(biāo)模型的分析精度和穩(wěn)定性，因此在建立模型前有必要對原始光譜進(jìn)行數(shù)學(xué)預(yù)處理，對預(yù)處理后的校正集光譜，結(jié)合逐步回歸、主成分分析法和偏最小二乘回歸(PLSR)，尋找主成分?jǐn)?shù)和特征波長，分別建立牛肉嫩度和含水率的多元線性回歸(MLR)定標(biāo)預(yù)測模型(Dji = βο+β^^-' + β^+ε ,(i = 1,2, -,η),(2) Wi = a0+aiXil+ + a(iXi(i+￡i(i = 1,2, -,η)；.其中，xn, xi2,…，為第 i 個(gè)樣品在各個(gè)特征波長點(diǎn)處的反射光譜參數(shù)，β r β ρβρ和α ρ α”., α,為回歸系數(shù)；么為第i個(gè)樣品的嫩度值，含水率值為Wi, ε i為測量隨機(jī)誤差；通常假定E(￡i) =0，D(￡i)= σ2，且ε” ε 2,……，ε η相互獨(dú)立；4).品質(zhì)評級(jí)模型的建立，采用先分后總式，通過大量樣品實(shí)驗(yàn)，分別建立嫩度、含水率的預(yù)測模型得到各指標(biāo)的預(yù)測值，再將所得的預(yù)測值代入基于所測指標(biāo)建立的牛肉多參數(shù)綜合品質(zhì)評價(jià)模型f(x) = ω" j+co2· W式中，得到最后的肉品等級(jí)；其中，f(x)為牛肉綜合品質(zhì)的函數(shù)，j為嫩度(剪切力值)，W為含水率，ω” ω2為加權(quán)因子；5)在線檢測的實(shí)現(xiàn)將檢測系統(tǒng)嵌入到胴體分級(jí)檢測工序處，對12-13胸肋間眼肌截面進(jìn)行檢測，操作人員通過觸發(fā)式開關(guān)控制光譜采集過程的啟停，對每個(gè)樣本的四條光譜曲線求平均，取平均光譜作為樣本的特征光譜；對樣本的特征光譜進(jìn)行預(yù)處理，預(yù)處理的方法與建立嫩度、含水率預(yù)測模型時(shí)所進(jìn)行的預(yù)處理方法保持一致；將預(yù)處理后的特征光譜代入到嫩度、含水率預(yù)測模型中，得到樣品的嫩度、含水率的預(yù)測值；將嫩度、含水率的預(yù)測值代入到牛肉內(nèi)在品質(zhì)評定模型中，得到以嫩度、含水率為評價(jià)指標(biāo)的牛肉內(nèi)在品質(zhì)等級(jí)。
2.根據(jù)權(quán)利要求1所述多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法，其特征在于，所述數(shù)學(xué)預(yù)處理是將所有試驗(yàn)樣本隨意排序，每四個(gè)樣本取三個(gè)組成校正集，其余的組成驗(yàn)證集，分別采用多元散射校正、一階微分和S-G平滑濾波的方法，對光譜進(jìn)行預(yù)處理、 對比分析，得出最佳的光譜數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法，其特征在于，所述模型分析，對預(yù)處理后的校正集光譜，分別使用多元線性回歸、逐步回歸和偏最小二乘回歸，建立定標(biāo)預(yù)測模型，采用相關(guān)系數(shù)、定標(biāo)樣品的標(biāo)準(zhǔn)分析誤差、預(yù)測樣品的標(biāo)準(zhǔn)分析誤差、交叉驗(yàn)證標(biāo)準(zhǔn)分析誤差和相對分析誤差來評價(jià)模型效果，選出最佳預(yù)測模型。
全文摘要
本發(fā)明公開了屬于牛肉品質(zhì)快速無損檢測范圍的一種多通道近紅外光譜牛肉品質(zhì)多參數(shù)同時(shí)檢測方法。首先在可移動(dòng)控制柜內(nèi)安裝由8路光纖復(fù)用器分別和兩個(gè)波長范圍的光譜儀及探頭裝置組成的光譜檢測系統(tǒng)；并嵌入到生產(chǎn)線工藝?yán)镞M(jìn)行在線檢測可同時(shí)滿足胴體和分割肉的質(zhì)量檢測，得出最佳的光譜數(shù)據(jù)；建立定標(biāo)預(yù)測模型，和采用相對分析誤差來評價(jià)模型效果，模型分析大量樣品實(shí)驗(yàn)數(shù)據(jù)，分別建立嫩度、含水率的預(yù)測模型得到各指標(biāo)的預(yù)測值，再將所得的預(yù)測值代入基于所測指標(biāo)建立的牛肉多參數(shù)綜合品質(zhì)評價(jià)模型得到最后的肉品等級(jí)；本發(fā)明采集可見近紅外波段內(nèi)的光譜信息，信息豐富，檢測指標(biāo)具有可拓展性；能夠適應(yīng)生產(chǎn)線檢測需求。
文檔編號(hào)G01N21/35GK102519906SQ20111042802
公開日2012年6月27日 申請日期2011年12月19日 優(yōu)先權(quán)日2011年12月19日
發(fā)明者彭彥昆, 歐陽文, 江發(fā)潮, 石力安, 郭輝 申請人:中國農(nóng)業(yè)大學(xué)