[發明專利]基于可見-近紅外高光譜技術的脆肉皖脆度預測方法

在審

• 申請號: 202110775100.1
• 申請日: 2021-07-07
• 公開（公告）號: CN113504201A
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 楊靈;王青秀;鄒娟;吳霆;蘇立恒;林蠡
• 申請（專利權）人: 仲愷農業工程學院
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 廣州科捷知識產權代理事務所(普通合伙) 44560
• 代理人: 鐘慧增

1.基于可見-近紅外光譜技術的脆肉皖脆度預測方法，其特征在于，包括如下步驟：

S1、取新鮮的脆肉皖肉，削除肌肉表面的紅肉，切割成塊，得到待測樣品；將待測樣品放置在近紅外光譜成像攝像機的載物平臺上，調整樣品和鏡頭的距離，調整焦距，拍攝得到樣品的近紅外光譜圖像，由采集的近紅外光譜圖像得到樣品的原始近紅外光譜圖；

S2、對原始近紅外光譜圖進行黑白校正處理后，再進行標準正則變換預處理，然后通過隨機森林算法對脆肉鯇近紅外光譜圖進行特征提取，得到影響脆肉皖脆度的特征光譜波長，由所述特征光譜波長得到各樣品的高光譜特征值；

S3、通過質構儀檢測得到樣品的硬度值，換算成樣品的脆度值，得到包含有各樣品的高光譜特征值和脆度值的數據集；

S4、由數據集建立脆肉皖脆度值與高光譜特征值的BP-NN預測模型；

S5、按照S1、S2中的方法采集得到待測脆肉皖樣品的高光譜特征值，將所述高光譜特征值輸入建立的BP-NN預測模型中，即得到待測脆肉皖的脆度。

2.根據權利要求1所述的基于可見-近紅外高光譜技術的脆肉皖脆度預測方法，其特征在于，S4步驟中建立BP-NN模型時采用Sigmoid核函數，網絡結構設置為三層，訓練系數設置為800次，采用K折交叉驗證法進行驗證集的驗證，K為10。

3.根據權利要求1所述的基于可見-近紅外高光譜技術的脆肉皖脆度預測方法，其特征在于，通過隨機森林算法對脆肉鯇近紅外光譜圖進行特征提取，得到影響脆肉皖脆度的特征光譜波長的方法為：

S2-1、采用bootstrap采樣方法，從含有4N個樣本的樣本集中選取N個樣本作為一個訓練集，4N個樣本包括脆化時間分別為0天、40天、80天和120天的各N個樣本；

S2-2、用步驟S2-1抽樣得到的訓練集生成一棵決策樹，步驟為：隨機不重復地選擇20個特征，利用這20個特征分別對訓練集進行劃分，采用基尼指數作為評價指標，找到最佳的劃分特征；

S2-3、重復上述步驟S2-1、S2-2共M次，得到M棵決策樹，組成隨機森林，M即為隨機森林中決策樹的個數；

S2-4、用步驟S2-3得到的隨機森林對測試樣本進行預測，用票選法決定預測的結果。

4.根據權利要求1所述的基于可見-近紅外高光譜技術的脆肉皖脆度預測方法，其特征在于，S2步驟中所述影響脆肉皖脆度的特征光譜波長包含有四個光譜波長，分別為450nm、599nm、602nm和745nm，將樣品在這四個波長的光譜數據作為樣品的高光譜特征值。

5.根據權利要求1所述的基于可見-近紅外高光譜技術的脆肉皖脆度預測方法，其特征在于，S1步驟中所述高光譜成像攝像機的波數范圍為400-1100nm，拍攝的方法為：調整樣品和鏡頭的距離52cm，調整焦距，設置所述載物平臺的移動速度為0.08mm/s，曝光時間為9.98秒。

6.根據權利要求1所述的基于可見-近紅外高光譜技術的脆肉皖脆度預測方法，其特征在于，S1步驟中由采集的近紅外光譜圖像得到樣品的原始近紅外光譜圖的方法為：將近紅外光譜圖像導入ENVI 5.3軟件中，利用軟件自帶的感興趣區提取光譜工具，提取脆肉皖的魚肉圖像，提取區域主要為脆肉皖魚肉中部的均勻平滑部位，面積約為1.5cm*1cm，取該區域的平均值作為樣品的原始近紅外光譜圖。

7.根據權利要求1所述的基于可見-近紅外高光譜技術的脆肉皖脆度預測方法，其特征在于，S3步驟中通過質構儀檢測得到樣品的硬度值的方法：采用FTC質構儀，選擇力量感應元為500N，直徑為6mm圓柱形不銹鋼探頭，設置觸發力為0.75N，測試速度為30mm/min，形變率為35％，采用TPA模式檢測，每個樣品采集三個位點，每個位點測試兩次，最后取三個位點的平均值進行分析，硬度值由質構儀配套的TMS-Pro物性分析系統讀取和計算。