基于高光譜技術(shù)的不同品種豬肉品質(zhì)檢測模型維護方法研究.pdf

1、我國是豬肉消費大國，豬肉品質(zhì)關(guān)系到消費者的健康安全和市場經(jīng)濟效益。采用光譜技術(shù)所建立的豬肉品質(zhì)多元校正模型的預(yù)測性能是否具有穩(wěn)定性，直接影響著分析結(jié)果的精確度和準(zhǔn)確度。多元校正模型包含的樣本信息（如品種、產(chǎn)地、粒度等）變化或者測量條件變化（如溫度、濕度等）可能會導(dǎo)致已建立的模型不適宜預(yù)測新樣本，故利用光譜技術(shù)對豬肉品質(zhì)進行檢測時，由于品種的不同可能導(dǎo)致已有光譜模型對其他品種樣本的預(yù)測性能降低，模型缺乏穩(wěn)健性和適用性。然而，重新建立一個穩(wěn)

2、健、可靠、準(zhǔn)確的檢測模型是一個需要消耗大量人力、物力和時間的復(fù)雜過程。因此，開展豬肉品質(zhì)檢測模型的維護方法研究以提高光譜檢測模型的適用性和可靠性具有重要的科學(xué)意義和良好的應(yīng)用前景。
　　該文以湖北地區(qū)山黑豬、零號土豬兩個品種樣本作為研究對象，研究了基于高光譜成像技術(shù)的豬肉樣本pH值定量檢測方法和嫩度等級定性檢測方法。通過比較不同光譜預(yù)處理方法和建模方法對光譜檢測模型性能的影響，確定了豬肉不同品質(zhì)模型的最優(yōu)預(yù)處理方法和最優(yōu)建模方法。

3、對豬肉品質(zhì)光譜檢測模型的適用性進行檢驗研究，并比較不同模型修正和模型傳遞等維護方法對模型的維護效果，確定了豬肉不同品質(zhì)模型的最優(yōu)維護方法。主要研究結(jié)果如下:
　　1)研究了不同樣本集劃分方法對豬肉pH值定量分析的劃分結(jié)果及其對模型性能的影響，確定了SPXY法最適用于豬肉pH值定量分析的樣本集劃分。分別采用隨機法、KS法和SPXY法3種樣本集劃分方法對山黑豬pH值數(shù)據(jù)進行劃分，并采用偏最小二乘法建立模型。結(jié)果表明:隨機法和KS法所建

4、模型性能較差，SPXY法劃分樣本集所建模型的交叉驗證相關(guān)系數(shù)Rc和預(yù)測相關(guān)系數(shù)Rp均優(yōu)于其他兩種方法。
　　2)比較了不同光譜預(yù)處理方法和定量建模方法對山黑豬pH值定量分析模型的性能影響，確定了歸一化方法為山黑豬pH值定量分析的最優(yōu)光譜預(yù)處理方法和偏最小二乘法為山黑豬pH值定量分析的最優(yōu)建模方法。采用SPXY法將山黑豬樣本劃分了校正集和測試集，分別采用不同光譜預(yù)處理方法對豬肉高光譜數(shù)據(jù)進行處理，并采用主成分回歸法、偏最小二乘法和支

5、持向量機法3種定量建模方法建立模型。結(jié)果表明，采用偏最小二乘法對山黑豬pH值進行檢測的效果較其他兩種建模方法更優(yōu)，當(dāng)采用該法建模時，光譜經(jīng)歸一化預(yù)處理后所建立的pH值定量分析模型性能最優(yōu)，該模型對校正集和測試集的Rc、Rp、RMSECV以及RMSEP分別為0.885、0.864、0.1129和0.1059。
　　3)開展山黑豬pH值定量分析模型的適用性檢驗研究。采用主成分得分空間分布圖、馬氏距離分布圖定性地對山黑豬pH值檢測模型的

6、適用性進行檢測，并首次提出采用Fisher值圖定量地對模型的適用性進行分析，隨后采用模型交叉驗證方法進行驗證，結(jié)果表明山黑豬pH值定量分析模型直接對零號土豬待測樣本的預(yù)測相關(guān)系數(shù)Rp僅為0.415，預(yù)測誤差RMSEP達到0.1804，這表明山黑豬模型直接用于零號土豬樣本時的預(yù)測性能較差，因此需要對山黑豬模型進行傳遞修正。
　　4)基于SPXY法添加樣本的模型更新方法可在一定程度上改善山黑豬pH值檢測模型對零號土豬樣本的預(yù)測性能。比

7、較了RS法、KS法和SPXY法選取典型零號土豬樣本添加到山黑豬pH值校正模型中對模型適用性的影響。結(jié)果表明，選取的新樣本分布情況對山黑豬模型的修正效果有影響，SPXY法因同時兼顧樣本的光譜特征和濃度特征而能選擇出分布范圍廣的代表性樣本，故確定SPXY為模型更新算法中代表性新樣本的選取方法。當(dāng)采用該法向山黑豬pH值模型校正集添加14個零號土豬新樣本時，修正后模型對零號土豬待測樣本的預(yù)測相關(guān)系數(shù)Rp由0.415提高至0.797，提高幅度為9

8、2.05％，RMSEP由0.1804降低為0.1121，下降37.86％。
　　5)研究了斜率/截距方法對山黑豬pH值檢測模型的適用性影響。試驗結(jié)果表明，斜率/截距方法對山黑豬pH值檢測模型的修正效果有限，故該方法僅可降低高山黑豬pH值檢測模型對零號土豬樣本的預(yù)測均方根誤差，RMSEP由0.1804降低為0.1343，僅下降了25.54％。
　　6)提出了一種基于光譜值校正傳遞算法的模型維護方法，以改善山黑豬pH值模型對零號

9、土豬待測樣本的預(yù)測性能。該方法不改變山黑豬原模型，通過消除品種之間的光譜值差異達到改善模型適用性的效果。采用該方法對待測零號土豬樣本的光譜校正后，山黑豬原模型對零號土豬樣本的預(yù)測相關(guān)系數(shù)Rp由0.415提高至0.837，提高了101.69％，預(yù)測誤差RMSEP由0.1804降低至0.0856，下降了52.55％。
　　7)建立了基于高光譜成像技術(shù)的山黑豬豬肉嫩度等級定性識別模型。分別采用無處理、標(biāo)準(zhǔn)化、去趨勢變換、多元散射校正以及

10、歸一化及其各種方法的組合等預(yù)處理方法對光譜數(shù)據(jù)進行處理，并采用K-最鄰近法(KNN)、偏最小二乘-判別分析法(PLS-DA)和支持向量機-判別分析法(SVM-DA)3種模型識別方法建立嫩度等級識別模型。結(jié)果表明，歸一化處理光譜所建SVM-DA模型對山黑豬樣本嫩度等級的識別效果最優(yōu)，其對校正集和測試集樣本的識別正確率均達到100％。
　　8)全局混合模型、模型更新方法和光譜信號補正方法均有助于提高山黑豬嫩度識別模型對零號土豬樣本嫩度

11、的識別正確率。建立了全局混合模型對不同品種豬肉樣本的嫩度等級進行識別，結(jié)果表明模型對不同品種豬肉樣本的識別正確率均達到80％以上，模型的適用性優(yōu)于單一品種所建模型;采用模型更新方法向山黑豬嫩度等級SVM-DA原模型校正集添加20個零號土豬樣本時，修正后模型對零號土豬樣本的識別正確率由50％提高至76.7％;光譜信號補正方法通過補正不同品種豬肉樣本的光譜信號差值后，模型對零號土豬樣本的識別正確率由直接預(yù)測時的50％提高至73.3％。