領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
針對(duì)市場(chǎng)上存在合成調(diào)理牛排冒充原切售賣(mài)的現(xiàn)象，研究利用高光譜和超聲成像技術(shù)對(duì)它們進(jìn)行鑒別的方法。分別采集原切與合成調(diào)理牛排的高光譜和超聲圖像信息，利用灰度共生矩陣法提取圖像的紋理特征值，分別建立線(xiàn)性判別分析、K最鄰近（K-nearest neighbor，KNN）、反向傳播人工神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)（extreme learning machine，ELM）4?種鑒別模型，而后將2?種技術(shù)數(shù)據(jù)融合建模，并采用連續(xù)投影法、競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法（competitive adaptive reweighted sampling，CARS）、變量組合集群分析（variables combination population analysis，VCPA）法3?種方法篩選特征變量建模。結(jié)果表明：合成調(diào)理牛排的肉塊組織均勻，超聲圖像信號(hào)弱、均一性好，與原切調(diào)理牛排圖像存在差異。高光譜和超聲成像技術(shù)的最佳模型分別為KNN和ELM，模型預(yù)測(cè)集識(shí)別率分別為95.00%和90.00%。數(shù)據(jù)融合后建模，最佳模型ELM模型預(yù)測(cè)集識(shí)別率模型為97.50%，在3?種變量選擇方法中，CARS和VCPA選擇的紋理變量建立的模型預(yù)測(cè)集識(shí)別率達(dá)到100.00%。研究表明高光譜和超聲成像數(shù)據(jù)融合結(jié)合變量選擇方法可以快速準(zhǔn)確地鑒別原切和合成調(diào)理牛排。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話(huà): 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
