摘要
为实现明虾中挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量的快速预测,采用近红外光谱和机器视觉技术获取明虾图谱特征信息,融合图谱特征信息构建预测明虾中TVB-N含量的支持向量机模型.获取明虾4℃贮藏0～12 d共51 个样品的光谱信息和图像信息,同时参照GB 5009.228-2016《食品中TVB-N的测定》方法测定其TVB-N含量.结果表明,利用350～1 000 nm和940～1650 nm双波段融合的光谱特征信息,并对其进行一阶导数的预处理,同时采用竞争性自适应加权算法挑选特征波长后建立的模型效果较好,其预测集相关系数(correlation coefficient in the prediction set,Rp)为0.968 7,验证集标准分析误差(standard error of prediction,SEP)为10.56 mg/100 g,相对分析误差(relative percent deviation,RPD)为3.38;利用图像特征信息所构建的模型效果较差,Rp为0.933 5,SEP为19.79 mg/100 g,RPD为1.74.最后,融合特征图谱信息构建TVB-N含量的预测模型,相比其他2种方法,该模型精度和稳定性都得到了提高,其Rp为0.9884,SEP为7.51 mg/100g,RPD为6.29.该结果证实近红外光谱技术结合机器视觉方法预测明虾中TVB-N含量的潜力,为分析评价明虾在冷藏过程中新鲜度的变化规律提供了快速检测技术.
基金项目
"十三五"国家重点研发计划重点专项(2018YFD0901004)
国家科技期刊平台
NSTL
维普
万方数据