Међу многим месним производима, већина потрошача фаворизује због високог протеина, ниског масти, високих садржаја витамина и минерала и минерала, што високо задовољава прехрамбене потребе модерних људи за месо. Како се темпо живота убрзава, традиционални кувани говеђи производи постали су уобичајена храна у супермаркетима и деликатици, а запремина потражње и продаје се такође повећавају. Међутим, у стварном животу већина куване говедине која се продаје на тржишту је у великој мери, а богати се високог протеине и високог садржаја воде, тако да је врло лако узгајати микроорганизми и узроковати да се поквари током складиштења са ниским температурама. Стога је на основу разумних и ефикасних стандарда и система и система квалитета говедине, тражење поуздане методе детекције квалитета говеђег квалитета постала главни приоритет за развојни смер тржишта говеђег говедине.
Хиперспектралне слике, познате и као хиперцубес, су тродимензионални блокови података (Кс, И, λ) састављени од серије дводимензионалних просторних слика (Кс, И) под континуираном таласном дужином λ. Као што је приказано на слици испод, из перспективе таласне дужине, хиперспектални подаци о сликама (Кс, И, λ) је тродимензионални блок података састављен од дводимензионалних слика (Кс, И); Из перспективе дводимензионалних података (Кс, И), хиперспектрал је низ спектралних кривина. Принцип употребе ХСИ технологије за откривање свежине хране односи се на разлику у апсорпцији, размишљању, расипању, електромагнетној енергији светлости и спектралном положају врхунца / корита унутрашње хемијске састава и спољне физичке карактеристике објекта бити тестиран, што доводи до различитих карактеристика дигиталних сигнала. На пример, вршне и долине вредности (спектрални отисци прстију) апсорпције на различитим таласним дужинама могу представљати физичка својства различитих једињења, тако да се квалитативна или квантитативна анализа квалитета хране може постићи анализом хиперспекцијских информација, односно не- Деструктивно испитивање квалитета хране.
(1) ТВЦ узорка РОИ и екстракција спектра
За ТВЦ узорак, 50 пк × 50 пк мишића подземна рои слика пресплете хиперспекторатског слике изабран је након црно-беле корекције. Изабрано
Слика сазената говеђег говедина у просеку је у просеку под одређеном спектром за добијање спектралне средине сваког узорак под одређеном бендом. Овај корак је имплементиран
На софтверском енви 5.1, углавном кроз РОИ алат ЕНВИ софтвера.
На слици испод приказује вађење РОИ-а ТВЦ куваног узорка говедине у Енви5.1 и добијеној спектралној вредности.
(2) ТВБ-Н узорка РОИ и екстракција спектра
Процес екстракције рои региона исти је као и подаци о ТВЦ узорима у претходном ставу. Регион РОИ од 50пк * 50пк такође је добијен да би се предвидио кувани узорак говедине ТВБ-Н. Може се видети да постоје одређене разлике у спектралним облинама две серије куваних узорака говеђег (процењена је да су две серије даокиагцун куване говеђег производа купљене у дугом интервалу, који могу да узрокују различите сорте говедине) . Слично томе, овај корак за ТВБ-Н скува узорак говедине такође се спроводи на софтверу ЕНВИ5.1.
На слици испод приказује ТВБ-Н екстракцију подручја РОИ у Енви5.1 и добијање узорка спектралне вредности.
Спектрални резултати препроцеса
Предрађене информације о куваном узорку говедине за предвиђање ТВЦ-а била је унапред (по редоследу СГ изглађивања, векторске нормализације и СНВ трансформације). Оригинални спектар спектралних информација и резултат прерађивања спектра приказан је на слици испод.
Иста метода препроцеса која се користи за кувани узорак говедине за предвиђање ТВЦ-а у претходном ставу у претходном ставу користи се за унапређење спектралних информација хиперспектралних података узорка за предвиђање ТВБ-Н вредности. Оригинални спектар и спектар након прерађивања приказани су на слици испод:
За спектралне податке основан је десетоструко пречични модел подршке векторске регресије (СВР) пре и после прерађивања. На перформансама модела приказује се у табели и резултати моделирања приказани су на слици. Ова метода се реализује у мултиваријантном софтверу за анализу података ТхеунсЦрамблер Кс10.4. СВР метода и његове индикаторе перформанси модела биће уведени у одељку 4.1 и неће бити детаљно описани овде.
Као што се може видети из табеле, перформансе предвиђања модела два показатеља утврђене претходном спектра побољшале су се у одређеној мери. Коефицијент корелације перформанси Р од модела предвиђања за ТВЦ повећан је за 16 процентних поена, док је коефицијент корелације перформанси Р од модела предвиђања за ТВБ-Н повећан за 9 процентних поена. Ово потврђује неопходност спектралне препровозе, тако да накнадна анализа користи унапред наношене податке.
Резиме и Оутлоок
Да би се постигла брза и неразорна откривање свежине куваних месних производа, овај рад заузима кувану говедину као истраживачки објект и користи хиперспектралну технологију за снимање да би се створила модел предвиђања за свежину куване говедине. Проучене су промене свежине скуване говедине током складиштења и главних фактора који утичу на свежину куване говедине, а у току је утврђена вредност и хемијска индекса ТВЦ вредности и хемијска индекса. Специфични истраживачки закључци су следећи: могућност употребе хиперспектралне технологије за снимање за откривање свежине куване говедине, а тренд промене индекса свежине ТВЦ и ТВБ-Н вредност ТВЦ куване говедине разговарано је о чувари; У поређењу је у поређењу на перформансе СВР предвиђања модела (користећи десетоструко прераспоређивање прерађивања пре и после спектралне податке, а модел предвиђања саграђен са претходном скупом података имао је боље перформансе; Студирана је метода партиционирања узорка. Подешавање обуке и испитивања који се генерише различитим погледом на узорку преграде су моделирани и анализирани, а на крају су одабрани сет за обуку и тест подељен поступком СПКСИ партиционирања.
