領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
融合可見(jiàn)-近紅外光譜和機(jī)器視覺(jué)分析技術(shù)，建立玉米霉變程度在線檢測(cè)方法。輻照滅菌玉米分別接種5 種谷物中常見(jiàn)有害霉菌，并于28 ℃和85%相對(duì)濕度環(huán)境中儲(chǔ)藏15 d至嚴(yán)重霉變。在樣品儲(chǔ)藏的第0、6、9、12、15天，同時(shí)在線采集其光譜及圖像特征信息，將提取的樣品光譜特征波長(zhǎng)和圖像顏色特征參數(shù)融合成總特征參數(shù)，建立玉米霉變程度定性定量模型。結(jié)果表明，主成分分析可成功區(qū)分不同霉變程度的玉米樣品；基于光譜和圖像信息融合的線性判別分析模型對(duì)不同霉變程度玉米樣品的整體識(shí)別率達(dá)91.1%，比單獨(dú)應(yīng)用光譜和圖像時(shí)的準(zhǔn)確率分別提高4.4%和8.9%；基于信息融合的玉米菌落總數(shù)偏最小二乘回歸模型結(jié)果也同樣較優(yōu)，模型預(yù)測(cè)決定系數(shù)Rp2為0.894 1，均方根預(yù)測(cè)誤差為0.665（lg（CFU/g）），相對(duì)分析偏差達(dá)3.06。結(jié)果表明光譜和圖像數(shù)據(jù)融合能夠提高模型精度，在霉變玉米在線檢測(cè)方面具有可行性。下一步應(yīng)不斷擴(kuò)大樣品量，補(bǔ)充自然霉變及受更多代表性霉菌侵染的玉米樣品，以不斷增強(qiáng)模型的魯棒性和適用性。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
