腊肉品质的检测方法技术

本申请公开了一种腊肉品质的检测方法，包括以下步骤：同时采集腊肉的高光谱图像特征波长信息及高光谱亚硝酸盐含量光谱信息，并采集腊肉微生物菌落总数的显微图像信息，得到所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数；将所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数作为径向基函数人工神经网络多数据融合预测模型的输入，采取遗传优化方法，获取腊肉品质输出值；根据所述腊肉品质输出值判断腊肉品质并进行品质分级预测。本发明专利技术可快速、准确地检测腊肉品质及分级。更加便利鉴别腊肉可否安全食用。

【技术实现步骤摘要】

本专利技术涉及食品检测领域，具体涉及一种腊肉品质的检测方法。
技术介绍
作为一项新兴的检测技术，高光谱(Hyper-spectral)检测技术将光电子学、光学、电子信息处理学、计算机科学等领域的先进技术集于一身，并有机地把传统的近红外光谱技术和二维图像技术结合在一起。在可见光和近红外区域，高光谱的传感器有几十到数百个波段，它的光谱分辨率很高，在近红外780-2526nm波长范围内其光谱分辨率一般小于10nm，通常可达到2-3nm。因此，为了提高检测精度，将高光谱检测技术应用于对农产品、畜肉产品、食品的品质与安全性检测具有很大的应用潜力。与传统一维近红外光谱检测技术相比，集光谱和图像两种技术优点于一身的高光谱检测技术，不仅能够检测出被测物体信息的相关图像信息还包含有丰富的光谱信息。高光谱图像技术之所以能够检测物体内外品质信息，是因为图像检测能够全面反映物体的外在特征，而光谱检测则能够检测物体的内在物理结构和化学成分等信息。所以说，高光谱检测技术是一种易于操作、检测精度高、快速而且无损的新型检测技术。近几年的研究表明，将高光谱检测技术应用于农产品品质等无损检测研究领域中，对于无损检测技术未来的发展提供了一个非常重要的研究手段。高光谱检测技术的突出特点在于：光谱分辨率高，能获得整个波段的多而窄的连续光谱，波段数多至数百个，光谱分辨率能达到纳米级。图谱合一，高光谱图像包含了丰富的空间、辐射和光谱三重信息，光谱波段多，在某一光谱波段范围内可连续成像。高光谱检测所具有的高分辨率特性使得它的图像数据相邻波段间隔较窄，存在波段重叠区域，因此光谱通道不再离散而是连续的，高光谱图像数据每个像元均可提取一条完整的高分辨率光谱曲线，高光谱检测原理如图所示。它的出现解决了传统科学领域“成像无光谱”和“光谱不成像”的历史问题。现有腊肉检测技术采用方法一般分为感官检查、化学检查和微生物检查。感官检查法是最容易的一种方法，它主要是利用人的嗅觉、视觉、触觉和味觉来辨别肉品气味、色泽、粘度及弹性的改变，从而鉴定肉的卫生质量，简便易行。但是，感官检查的结果不易量化，存在主观性和片面性，即使检查人员有足够的经验，很多情况下也很难得出正确的结论，尚需进行实验室检查；物理检查是根据蛋白质分解，低分子物质增多、导电率、粘度、保水量的变化来衡量肉质；化学检查是用定性或定量方法测定蛋白质分解产物，如氨、胺类、TVB-N(挥发性盐基氮)、三甲胺(TMA)、吲哚等，来衡量肉的变质程度。其中TVB-N是我国检测肉类新鲜度的国家标准，TVB-N值能有规律地反映肉品新鲜度变化，新鲜肉、次鲜肉和变质肉之间差异非常显著，并与感官变化一致，是较为客观的指标，但该方法所需设备复杂、步骤繁琐、检测周期很长，很难在现场快速检测；微生物学检验是从肉品中微生物数量的角度说明其污染状况及腐败变质程度，常用的方法有细菌总数和大肠菌群近似数的测定，取鲜肉压片镜检，不需增菌和选择培养，操作简单，结果迅速。许多国家从细菌菌落总数的角度制定了肉类新鲜度标准，可以较为准确地检测肉类新鲜度，但结果受采样部位的影响很大，特别是市销肉类在屠宰运输、销售过程中被二次污染情况较为严重，因此取样部位不同结果相差较大。在传统的微生物方法中，由于细菌的分离，培养耗时长(24h)以上，技术要求高，难以在现场检验中推广使用。
技术实现思路
鉴于现有技术中的上述缺陷或不足，期望提供一种可快速、准确地检测腊肉品质及分级的腊肉品质的检测方法。为了实现上述目的，本专利技术采取的技术方案是：一种腊肉品质的检测方法，包括以下步骤：同时采集腊肉的高光谱图像特征波长信息及高光谱亚硝酸盐含量光谱信息，并采集腊肉微生物菌落总数的显微图像信息，得到所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数；将所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数作为径向基函数(RBF，RadialBasisFunction)人工神经网络多数据融合预测模型的输入，采取遗传优化方法，获取腊肉品质输出值；根据所述腊肉品质输出值判断腊肉品质并进行品质分级预测。与现有技术相比，本专利技术的有益效果是：1.首次采用高光谱检测技术获得腊肉高光谱图像特征波长信息及高光谱亚硝酸盐含量光谱信息；并在同一时刻、同一观测点采集到腊肉微生物菌落总数的显微图像信息。2.首次将获得的腊肉高光谱图像特征波长信息及高光谱亚硝酸盐含量光谱信息；并根据采集同一时刻、同一观测点的腊肉微生物菌落总数的显微图像信息作为RBF人工神经网络多数据融合预测模型的输入，采取遗传优化方法，获取腊肉品质输出值。3.首次将国家腊肉品质三个等级标准(一级、二级、三级)通过遗传优化智能学习算法，重新细划分为四个等级(优级、良级、合格、不合格)，判断腊肉品质并进行品质分级预测。更加便利安全食用。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1为本专利技术实施例提供的基于遗传优化RBF网络的腊肉品质数据融合流程图；图2为本专利技术实施例提供的光谱曲线图；图3为本专利技术实施例提供的腊肉样品的高光谱图像；图4为本专利技术实施例提供的不同波段下腊肉的高光谱图像；图5为本专利技术实施例提供的不同等级腊肉的主成分分析(PCA)散点图；图6为本专利技术实施例提供的基于高光谱光谱信息的腊肉亚硝酸盐含量检测的流程图；图7为本专利技术实施例提供的遗传优化RBF神经网络的结构图；图8为本专利技术实施例提供的实验样本特征信息图；图9为本专利技术实施例提供的遗传RBF网络拓扑图；图10为本专利技术实施例提供的所建模型的误差训练曲线图；图11为本专利技术实施例提供的测试样本验证结果图；图12为本专利技术实施例提供的单点交叉过程示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。参见图1，一种腊肉品质的检测方法，包括以下步骤：同时采集腊肉的高光谱图像特征波长信息及高光谱亚硝酸盐含量光谱信息，并采集腊肉微生物菌落总数的显微图像信息，得到所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数；将所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数作为径向基函数(RBF，RadialBasisFunction)人工神经网络多数据融合预测模型的输入，采取遗传优化方法，获取腊肉品质输出值；根据所述腊肉品质输出值判断腊肉品质并进行品质分级预测。本专利技术可快速、准确地检测腊肉品质及分级。更加便利鉴别腊肉可否安全食用。优选地，所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数为同一时刻、同一观测点所采集的信息。优选地，所述采集腊肉的高光谱图像特征波长信息选取的光谱范围1000～1450nm。优选地，所述采集腊肉的高光谱亚硝酸盐含量光谱信息包括：采集腊肉的高光谱数据，使用光谱预处理方法对高光谱数据进行预处理，然后用理化实验获取的腊肉亚硝酸盐实际含量值和处理后的高光谱数据建立训练集和验证集，采用偏最小二乘法(PLS)将训练集的高光谱数据与亚硝酸盐实际含量值本文档来自技高网...

【技术保护点】
一种腊肉品质的检测方法，其特征在于，包括以下步骤：同时采集腊肉的高光谱图像特征波长信息及高光谱亚硝酸盐含量光谱信息，并采集腊肉微生物菌落总数的显微图像信息，得到所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数；将所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数作为径向基函数人工神经网络多数据融合预测模型的输入，采取遗传优化方法，获取腊肉品质输出值；根据所述腊肉品质输出值判断腊肉品质并进行品质分级预测。

【技术特征摘要】
1.一种腊肉品质的检测方法，其特征在于，包括以下步骤：同时采集腊肉的高光谱图像特征波长信息及高光谱亚硝酸盐含量光谱信息，并采集腊肉微生物菌落总数的显微图像信息，得到所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数；将所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数作为径向基函数人工神经网络多数据融合预测模型的输入，采取遗传优化方法，获取腊肉品质输出值；根据所述腊肉品质输出值判断腊肉品质并进行品质分级预测。2.根据权利要求1所述的腊肉品质的检测方法，其特征在于，所述腊肉的图像特征波长、亚硝酸盐含量及微生物菌落总数为同一时刻、同一观测点所采集的信息。3.根据权利要求1所述的腊肉品质的检测方法，其特征在于，所述采集腊肉的高光谱图像特征波长信息选取的光谱范围1000～1450nm。4.根据权利要求1所述的腊肉品质的检测方法，其特征在于，所述采集腊肉的高光谱亚硝酸盐含量光谱...

【专利技术属性】
技术研发人员：郭培源，杨昆程，邢素霞，孙梅，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京;11