肉品品质安全高光谱成像检测新技术及应用
出版时间： 2018年版
内容简介
本书阐述高光谱成像技术作为一种快速无损的检测手段在肉品品质安全检测及控制领域的应用，重点研究高光谱成像技术在食品感官分析、物理特性如色泽和质构、化学特性包括蛋白质降解、脂肪氧化、核苷酸分解以及生物胺的形成过程、微生物污染以及食品快速分级等内容。内容特色：把高光谱成像技术引入肉品安全检测与控制，可以实现快速无损客观分析的目的，为肉品安全实时在线监控提供了理论依据和技术服务。
目录
序言
第1章 绪论
1.1 肉品品质安全现状
1.2 宰后肉品品质特性
1.3 肉品安全常规检测技术
1.3.1 感官评价
1.3.2 物理方法
1.3.3 化学方法
1.3.4 微生物方法
1.4 肉品安全快速无损检测技术
1.4.1 计算机视觉检测技术
1.4.2 光谱学检测技术
1.4.3 高光谱成像检测技术
主要参考文献
第2章 高光谱成像系统
2.1 高光谱成像原理
2.1.1 高光谱成像的定义和特点
2.1.2 高光谱图像特点
2.1.3 高光谱图像采集模式
2.1.4 高光谱成像传感模式
2.2 高光谱成像构件
2.2.1 光源
2.2.2 波长色散装置
2.2.3 主要平面检测器
主要参考文献
第3章 高光谱数据处理方法
3.1 图像数据处理
3.1.1 高光谱图像黑白校正
3.1.2 图像尺寸大小调整
3.1.3 建立掩膜与图像分割
3.1.4 感兴趣区域选择与光谱提取
3.1.5 高光谱图像降维
3.1.6 高光谱图像纹理信息
3.2 光谱数据预处理
3.2.1 平滑
3.2.2 微分
3.2.3 多元散射校正
3.2.4 变量标准化
3.3 光谱特征变量选择方法
3.3.1 回归系数法
3.3.2 连续投影算法
3.3.3 无信息变量消除算法
3.3.4 小波变换
3.3.5 遗传算法
3.3.6 竞争性自适应重加权算法
3.4 定量模型方法
3.4.1 主成分回归(PCR)
3.4.2 多元线性回归(MLR)
3.4.3 偏最小二乘法(PLSR)
3.4.4 人工神经网络(ANN)
3.4.5 最小二乘支持向量机(LS-SVM)
3.4.6 回归模型评价
3.5 分类算法
3.5.1 软独立模式分类法(SIMCA)
3.5.2 偏最小二乘判别分析(PLS-DA)
3.5.3 概率神经网络(PNN)
3.5.4 分类模型校正与评价
3.6 数据分析软件
主要参考文献
第4章 肉品感官特性高光谱成像检测
4.1 感官分析描述
4.2 感官评价预测
4.2.1 样品准备
4.2.2 QIS值测量
4.2.3 图像纹理信息提取
4.3 QIS预测分析
4.3.1 光谱特性分析
4.3.2 LS-SVM分析
4.3.3 数据融合分析
主要参考文献
第5章 肉品物理特性高光谱成像检测
5.1 冷冻猪肉物理特性高光谱成像检测
5.1.1 引言
5.1.2 冷冻猪肉样品
5.1.3 品质指标测定
5.1.4 图像分割和光谱提取
5.1.5 冷冻猪肉品质指标的测定与分析
5.1.6 冷冻猪肉光谱特征及与冰霜的区别
5.1.7 不同品质指标的模型精度的比较
5.1.8 改进ROI选择方法对模型精度的影响
5.1.9 基于不同光谱波段建模效果分析
5.1.10 光谱预处理对建模的影响
5.2 鸡肉物理特性高光谱成像检测
5.2.1 鸡肉色泽参数及嫩度传统测定
5.2.2 鸡肉色泽参数及嫩度预测
5.3 虾肉色泽特性高光谱成像检测
5.3.1 虾肉色泽参数传统测定
5.3.2 虾肉色泽参数预测
5.4 虾肉质构特性高光谱成像检测
5.4.1 虾肉质构参数传统测定
5.4.2 虾肉质构参数预测
5.5 鱼肉色泽特性高光谱成像检测
5.5.1 鱼肉色泽参数传统测定
5.5.2 鱼肉色泽参数预测
5.6 鱼肉硬度特性高光谱成像检测
5.6.1 鱼肉硬度参数传统测定
5.6.2 鱼肉硬度参数预测
主要参考文献
第6章 肉品化学特性高光谱成像检测
6.1 猪肉化学腐败高光谱成像检测
6.1.1 引言
6.1.2 猪肉图像纹理提取
6.1.3 模型建立
6.1.4 化学腐败指标测定
6.1.5 冷冻储存过程中猪肉化学变化
6.1.6 冷冻储存过程中猪肉光谱和图像的变化
6.1.7 基于全波段光谱的冻藏肉品质预测模型
6.1.8 基于特征光谱的冻藏肉品质预测模型
6.2 鱼肉TVB-N值高光谱成像检测
6.2.1 TVB-N值传统测定
6.2.2 TVB-N值高光谱预测
6.3 虾肉TVB-N值高光谱成像检测
6.3.1 TVB-N值传统测定
6.3.2 TVB-N值高光谱预测
6.4 鱼肉TBARS值高光谱成像检测
6.4.1 TBARS值传统测定
6.4.2 TBARS值高光谱预测
6.5 鸡肉TBARS值高光谱成像检测
6.5.1 TBARS值传统测定
6.5.2 TBARS值高光谱预测
6.6 鱼肉K值高光谱成像检测
6.6.1 K值传统测定
6.6.2 K值高光谱预测
6.7 鱼肉化学多指标高光谱成像检测
6.8 鸡肉氨基酸特性高光谱成像检测
6.8.1 羟脯氨酸传统测定
6.8.2 羟脯氨酸高光谱预测
6.9 化学信息可视化分布
6.9.1 化学信息可视化分布步骤
6.9.2 鱼肉TVB-N值可视化分布
6.9.3 虾肉TBARS值可视化分布
6.9.4 鱼肉TBARS值可视化分布
6.9.5 鸡肉羟脯氨酸值可视化分布
6.9.6 鱼肉K值可视化分布
6.9.7 多指标可视化分布
主要参考文献
第7章 肉品微生物污染高光谱成像检测
7.1 引言
7.2 虾肉菌落总数高光谱成像检测
7.2.1 TVC传统测定
7.2.2 TVC高光谱测定
7.3 鱼肉菌落总数高光谱成像检测
7.3.1 TVC传统测定
7.3.2 TVC高光谱测定
7.4 鱼肉E.coli菌落高光谱成像检测
7.4.1 E.coli菌落传统测定
7.4.2 E.coli茵落高光谱测定
主要参考文献
第8章 肉品品质分级高光谱成像检测
8.1 引言
8.2 不同来源的鸡肉高光谱分级
8.3 不同储藏条件的鱼肉新鲜度高光谱分级
主要参考文献
