来源：期刊VIP网 时间：
作者：肖纵纵;蔡浩天;王炼;柳军;
单位：南京农业大学人工智能学院;江苏省农业科学院农业设施与装备研究所;
摘要：针对生鲜牛肉新鲜度的传统评价中，存在的参数单一、检测精度不足等问题。采用高光谱技术搭建无损检测系统，通过采集牛肉样本的光谱数据，参照国标方法测定其主要品质参数：pH值，总挥发性盐基氮（TVB-N）,L*,a*,b*值，并根据pH值和TVB-N将牛肉分为新鲜、次新鲜和腐败3个等级。采用不同的预处理方式建立各参数的偏最小二乘（PLSR）模型，确定SG+MSC为最优预处理方法。使用CARS和SPA特征波长筛选算法，分别建立PLSR、多元线性回归和人工神经网络预测模型。结果表明，SG+MSC-CARS-PLSR模型对牛肉品质参数的预测效果最佳，其中pH,TVB-N,L*,a*,b*测试集的决定系数分别为0.953 9,0.966 0,0.926 6,0.868 3,0.901 8，对应的测试集均方根误差分别为0.085 7,1.395 5,0.375 6,0.320 8,0.455 5，试验验证分级准确率达到92.6%。研究为牛肉新鲜度品质评估提供有效的技术手段。
关键词：牛肉;;机器学习;;高光谱成像技术;;特征波长提取;;无损检测
基金资助：国家重点研发计划项目(2022YFD2100500)
