定 價：108 元
叢書名：普通高等教育“十三五”規(guī)劃教材普通高等院校工程實踐系列規(guī)劃教材
- 作者：孫大文, 成軍虎著
- 出版時間：2018/2/1
- ISBN：9787030565440
- 出 版 社：科學出版社
- 中圖法分類：TS201.6
- 頁碼：192
- 紙張：
- 版次：1
- 開本：B5
本書闡述高光譜成像技術作為一種快速無損的檢測手段在肉品品質安全檢測及控制領域的應用，重點研究高光譜成像技術在食品感官分析、物理特性如色澤和質構、化學特性包括蛋白質降解、脂肪氧化、核苷酸分解以及生物胺的形成過程、微生物污染以及食品快速分級等內(nèi)容。內(nèi)容特色：把高光譜成像技術引入肉品安全檢測與控制，可以實現(xiàn)快速無損客觀分析的目的，為肉品安全實時在線監(jiān)控提供了理論依據(jù)和技術服務。
更多科學出版社服務，請掃碼獲取。
目錄
序言
第1章 緒論1
1.1 肉品品質安全現(xiàn)狀1
1.2 宰后肉品品質特性4
1.3 肉品安全常規(guī)檢測技術5
1.3.1 感官評價5
1.3.2 物理方法5
1.3.3 化學方法7
1.3.4 微生物方法8
1.4 肉品安全快速無損檢測技術8
1.4.1 計算機視覺檢測技術9
1.4.2 光譜學檢測技術12
1.4.3 高光譜成像檢測技術14
主要參考文獻25
第2章 高光譜成像系統(tǒng)35
2.1 高光譜成像原理35
2.1.1 高光譜成像的定義和特點35
2.1.2 高光譜圖像特點35
2.1.3 高光譜圖像采集模式37
2.1.4 高光譜成像傳感模式38
2.2 高光譜成像構件40
2.2.1 光源40
2.2.2 波長色散裝置41
2.2.3 主要平面檢測器44
主要參考文獻46
第3章 高光譜數(shù)據(jù)處理方法49
3.1 圖像數(shù)據(jù)處理49
3.1.1 高光譜圖像黑白校正49
3.1.2 圖像尺寸大小調整50
3.1.3 建立掩膜與圖像分割50
3.1.4 感興趣區(qū)域選擇與光譜提取50
3.1.5 高光譜圖像降維50
3.1.6 高光譜圖像紋理信息51
3.2 光譜數(shù)據(jù)預處理52
3.2.1 平滑52
3.2.2 微分53
3.2.3 多元散射校正53
3.2.4 變量標準化54
3.3 光譜特征變量選擇方法54
3.3.1 回歸系數(shù)法56
3.3.2 連續(xù)投影算法56
3.3.3 無信息變量消除算法57
3.3.4 小波變換58
3.3.5 遺傳算法61
3.3.6 競爭性自適應重加權算法61
3.4 定量模型方法63
3.4.1 主成分回歸（PCR）63
3.4.2 多元線性回歸（MLR）63
3.4.3 偏最小二乘法（PLSR）64
3.4.4 人工神經(jīng)網(wǎng)絡（ANN）65
3.4.5 最小二乘支持向量機（LS-SVM）65
3.4.6 回歸模型評價67
3.5 分類算法68
3.5.1 軟獨立模式分類法（SIMCA）69
3.5.2 偏最小二乘判別分析（PLS-DA）69
3.5.3 概率神經(jīng)網(wǎng)絡（PNN）70
3.5.4 分類模型校正與評價70
3.6 數(shù)據(jù)分析軟件70
主要參考文獻71
第4章 肉品感官特性高光譜成像檢測75
4.1 感官分析描述75
4.2 感官評價預測76
4.2.1 樣品準備76
4.2.2 QIS值測量76
4.2.3 圖像紋理信息提取76
4.3 QIS預測分析79
4.3.1 光譜特性分析79
4.3.2 LS-SVM分析80
4.3.3 數(shù)據(jù)融合分析81
主要參考文獻81
第5章 肉品物理特性高光譜成像檢測83
5.1 冷凍豬肉物理特性高光譜成像檢測83
5.1.1 引言83
5.1.2 冷凍豬肉樣品84
5.1.3 品質指標測定84
5.1.4 圖像分割和光譜提取85
5.1.5 冷凍豬肉品質指標的測定與分析86
5.1.6 冷凍豬肉光譜特征及與冰霜的區(qū)別87
5.1.7 不同品質指標的模型精度的比較89
5.1.8 改進ROI選擇方法對模型精度的影響89
5.1.9 基于不同光譜波段建模效果分析90
5.1.10 光譜預處理對建模的影響90
5.2 雞肉物理特性高光譜成像檢測91
5.2.1 雞肉色澤參數(shù)及嫩度傳統(tǒng)測定91
5.2.2 雞肉色澤參數(shù)及嫩度預測92
5.3 蝦肉色澤特性高光譜成像檢測96
5.3.1 蝦肉色澤參數(shù)傳統(tǒng)測定96
5.3.2 蝦肉色澤參數(shù)預測96
5.4 蝦肉質構特性高光譜成像檢測100
5.4.1 蝦肉質構參數(shù)傳統(tǒng)測定100
5.4.2 蝦肉質構參數(shù)預測101
5.5 魚肉色澤特性高光譜成像檢測104
5.5.1 魚肉色澤參數(shù)傳統(tǒng)測定104
5.5.2 魚肉色澤參數(shù)預測104
5.6 魚肉硬度特性高光譜成像檢測108
5.6.1 魚肉硬度參數(shù)傳統(tǒng)測定108
5.6.2 魚肉硬度參數(shù)預測109
主要參考文獻113
第6 章 肉品化學特性高光譜成像檢測116
6.1豬肉化學腐敗高光譜成像檢測116
6.1.1 引言116
6.1.2 豬肉圖像紋理提取117
6.1.3 模型建立117
6.1.4 化學腐敗指標測定117
6.1.5 冷凍儲存過程中豬肉化學變化118
6.1.6 冷凍儲存過程中豬肉光譜和圖像的變化119
6.1.7 基于全波段光譜的凍藏肉品質預測模型120
6.1.8 基于特征光譜的凍藏肉品質預測模型121
6.2 魚肉TVB-N值高光譜成像檢測122
6.2.1 TVB-N值傳統(tǒng)測定122
6.2.2 TVB-N值高光譜預測122
6.3 蝦肉TVB-N值高光譜成像檢測126
6.3.1 TVB-N值傳統(tǒng)測定126
6.3.2 TVB-N值高光譜預測127
6.4 魚肉TBARS值高光譜成像檢測130
6.4.1 TBARS值傳統(tǒng)測定130
6.4.2 TBARS值高光譜預測131
6.5 雞肉TBARS值高光譜成像檢測134
6.5.1 TBARS值傳統(tǒng)測定134
6.5.2 TBARS值高光譜預測135
6.6 魚肉K值高光譜成像檢測137
6.6.1 K值傳統(tǒng)測定137
6.6.2 K值高光譜預測138
6.7 魚肉化學多指標高光譜成像檢測141
6.8 雞肉氨基酸特性高光譜成像檢測143
6.8.1 羥脯氨酸傳統(tǒng)測定143
6.8.2 羥脯氨酸高光譜預測143
6.9 化學信息可視化分布146
6.9.1 化學信息可視化分布步驟146
6.9.2 魚肉TVB-N值可視化分布147
6.9.3 蝦肉TBARS值可視化分布148
6.9.4 魚肉TBARS值可視化分布149
6.9.5 雞肉羥脯氨酸值可視化分布150
6.9.6 魚肉K值可視化分布150
6.9.7 多指標可視化分布152
主要參考文獻152
第7章 肉品微生物污染高光譜成像檢測156
7.1 引言156
7.2 蝦肉菌落總數(shù)高光譜成像檢測157
7.2.1 TVC傳統(tǒng)測定157
7.2.2 TVC高光譜測定158
7.3 魚肉菌落總數(shù)高光譜成像檢測162
7.3.1 TVC傳統(tǒng)測定162
7.3.2 TVC高光譜測定162
7.4 魚肉E.coli菌落高光譜成像檢測164
7.4.1 E.coli菌落傳統(tǒng)測定164
7.4.2 E.coli菌落高光譜測定165
主要參考文獻168
第8章 肉品品質分級高光譜成像檢測170
8.1 引言170
8.2 不同來源的雞肉高光譜分級170
8.3 不同儲藏條件的魚肉新鮮度高光譜分級174
主要參考文獻179
書單推薦
