基于不同预处理高光谱信息的鸡肉滴水损失率快速预测研究

本文旨在通过挖掘不同预处理高光谱(900～1700 nm)信息构建鸡肉滴水损失率的快速预测模型.首先采集每个鸡肉样本高光谱图像并提取图像感兴趣区域内的平均光谱信息,经基线校正(BC)、标准正态变量校正(SNV)、多元散射校正(MSC)、高斯滤波平滑(GFS)、归一化校正(NC)等五种光谱不同预处理,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)算法构建光谱信息与鸡肉滴水损失率之间的定量关系.然后分别基于回归系数法(Regression Coefficient,RC)、连续投影算法(Successive Projections Algorithm,SPA)和逐步回归算法(Stepwise)筛选出对模型精度影响较大的最优波长优化全波段PLS模型.结果 显示,基于BC光谱的全波段PLSR模型(BC-PLSR)预测鸡肉滴水损失率效果更好(rP=0.95,RMSEP=0.29％,RPD=3.07,△E=0.0024％).利用Stepwise法从BC光谱中选取的14个最优波长(900.6、903.8、905.5、907.1、917.0、997.7、1162.2、1272.4、1354.8、1369.6、1410.8、1425.6、1584.1和1695.1 nm)建立的SW-BC-PLSR模型(rP=0.97,RMSEP=0.24％,RPD=3.82,△E=0.0012％)和多元线性回归(Multiple Linear Regression,MLR)模型SW-BC-MLR(rP=0.97、RMSEP=0.22％、RPD =4.19,△E=0.0036％)预测鸡肉滴水损失率效果均良好.本试验表明,基于近红外高光谱信息可潜在实现鸡肉滴水损失率的快速预测.