基于多传感器信息融合技术的宁夏滩羊肉品质评价及品种识别方法研究

生鲜肉综合品质检测过程较为复杂,传统的熟化后检测方法已不能满足产业发展需求。本项目以宁夏滩羊肉为研究对象，利用近红外光谱与机器视觉多信息融合技术对羊肉综合品质检测及品种识别方法进行研究。项目以滩羊肉品质、品种特征与光谱图像之间的相关性分析及多源信息融合机理研究为基点，依据多传感器信息的交叉性，合理设计信息融合系统的结构、层次，对采集羊肉的纹理、色泽、肌纤维结构、脂肪酸成分等信息，拟采用PCA因子分析、MLR回归分析等方法完成信息分类及有效特征提取，并在传统化学计量学算法研究基础上，对融合算法的改进优化及集成算法（如FB-PNN、 SVM-ANN）进行研究，建立滩羊肉综合品质检测及品种识别精准的校正模型，最终实现多信息融合技术与滩羊肉无损检测的有机结合。项目研究将为羊肉多指标综合评价及其产业化发展提供新的理论和方法，对促进肉类品质安全无损检测技术发展及推动多传感器融合技术进步起到重要作用。

研究主要利用高光谱融合技术对羊肉综合品质及品种识别技术方法进行研究。.1.利用NIR高光谱图谱融合技术对羊肉蛋白质含量、脂肪含量、pH值进行快速检测，首先对多种光谱预处理方法进行对比，优选出预处理方法，利用加权β系数选择特征波长建立PLSR模型，得R蛋白=0.91，RMSEP蛋白=0.58；R脂肪=0.93，RMSEP脂肪=0.09；RpH=0.85，RMSEPpH=0.12。.2.对融合算法进行研究，分别采用BP-ANN、GA+BP-ANN、PSO+BP-ANN建立羊肉脂肪和蛋白质的定量预测模型。结果表明，PSO+BP-ANN算法对脂肪和蛋白质预测的相关系数R分别为0.9204和0.9306，预测效果最佳。.3.采用高光谱成像技术在可见近红外光谱范围内对羊肉表面肠溶物污染进行无损检测，试验对羊肉表面肠溶物的检测率为98.1％。.4.利用高光谱图像技术结合线性判别法初步对正常死亡羊肉及非正常死亡的病害肉进行识别，结果表明，对光谱进行多元散射校正及平滑处理后，结合线性判别LDA法对正常肉及病变肉分类准确率为99%，基于主成分分析和二阶导数法提取特征波长进行LDA判别准确率分别为98%和96%。.5.采用400-1000nm波段高光谱图谱融合技术对羊肉嫩度进行研究，初步得到羊肉嫩度全波段下PLSR模型预测相关系数R为0.82，预测均方根误差（RMSEP）为1.25，由加权β系数得到的权重系数基于局部最值选择了9个特征波长建立PLSR嫩度预测模型，得预测模型R=0.83，RMSEC=0.82；运用灰度变换、图像分割、掩膜、轮廓提取、灰度调整、阈值分割、连通度分析、膨胀腐蚀等图像处理算法提取肉表面脂肪分布特征，把特征光谱与脂肪分布面积共同作为模型输入变量，实现羊肉嫩度光谱特征与脂肪纹理分布的特征层融合，建立PLSR模型，通过融合得预测模型相关系数R=0.89，RMSEP=0.73。.6.利用可见/近红外及近红外高光谱成像技术对宁夏滩羊、滩寒杂交、小尾寒羊三种不同品种羊肉快速鉴别方法进行研究。利用线性判别方法对羊肉品种分类最高识别准确率为85%；采用支持向量机（SVM）对上述全波段羊肉光谱进行建模准确率达到98%以上。.研究过程发表论文6篇（EI检索2篇），申请发明专利2项，培养研究生6名，较好的完成了预期目标和任务。