文献类型：期刊文章

作　　者：王巧华[1,2] 梅璐[1] 马美湖[2,3] 高升[1] 李庆旭[1]

Wang Qiaohua;Mei Lu;Ma Meihu;Gao Sheng;Li Qinxu(College of Engineering,Huazhong Agricultural University/Key Laboratory of Agricultural Equipment in Mid-lower Yangtze River,Ministry of Agriculture,Wuhan 430070,China;National Egg Processing Technology Research and Development Sub Center,Huazhong Agricultural University,Wuhan 430070,China;College of Food Science and Technology,Huazhong Agricultural University,Wuhan 430070,China)

机构地区：[1]华中农业大学工学院/农业部长江中下游农业装备重点实验室,武汉430070 [2]国家蛋品加工技术研发分中心华中农业大学,武汉430070 [3]华中农业大学食品科学技术学院,武汉430070

出　　处：《农业工程学报》

基　　金：国家自然科学基金项目(31871863);公益性行业(农业)科研专项(201303084)

年　　份：2019

卷　　号：35

期　　号：24

起止页码：314-321

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。

关 键 词：机器视觉 近红外光谱 凝胶品质 皮蛋 支持向量机

分 类 号：TS253.7]