基于高光谱图像技术的油炸薯片中羧甲基赖氨酸含量检测

Detection of Nε-(1-Carboxymethyl)-L-Lysine Content in Fried Potato Chips Based on Hyperspectral Imaging

扫码查看

原文链接

万方数据
维普

中文摘要：为探究羧甲基赖氨酸[Nε-(1-carboxymethyl)-L-lysine,CML]含量的快速无损检测方法,该文采用高光谱图像技术对8种自制油炸薯片进行检测研究,提取每个高光谱图像的平均光谱值作为特征参量,同时结合液相色谱-质谱法测定CML含量,探寻预测其含量最适宜的光谱预处理和建模方法.首先将高光谱图像进行黑白校正,再选用标准正态变量变换光谱预处理方法,以消除固体颗粒、散射以及光程变化对光谱的影响.然后筛选出第200个到1000个波段图像的平均光谱反射值,建立主成分回归、偏最小二乘回归和BP神经网络3种预测模型.对比结果表明:BP神经网络可以预测油炸薯片中CML含量,预测正确率为99.67％,决定系数为0.99,均方根误差为0.22.同时,为验证模型的稳健性,随机选取5组训练集和预测集代入相同参数的模型进行预测.结果显示:预测正确率平均值为96.23％,决定系数平均值为0.99,均方根误差平均值为0.22.这说明高光谱图像技术结合BP神经网络快速预测油炸薯片中CML含量具有可行性.

作者：

王润博、韩文凤、于慧春

展开 >

作者单位：

河南工业大学漯河工学院,河南漯河462000

浙江工业职业技术学院鉴湖学院,浙江绍兴312000

河南科技大学食品与生物工程学院,河南洛阳471023

关键词：

高光谱图像主成分分析偏最小二乘 BP神经网络油炸薯片羧甲基赖氨酸(CML)

基金：

河南省科技攻关项目

项目编号：

172102110222

出版年：

2022

DOI：

10.12161/j.issn.1005-6521.2022.08.021

食品研究与开发

天津市食品研究所,天津市食品工业生产力促进中心

食品研究与开发

CSTPCD北大核心

影响因子：0.561

ISSN：1005-6521

年,卷(期)：2022.43(8)

参考文献量11