论文目录 | |
| 附件 | 第1-7页 |
| 致谢 | 第7-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-13页 |
| 目次 | 第13-18页 |
| 图目录 | 第18-21页 |
| 表目录 | 第21-23页 |
| 1 绪论 | 第23-38页 |
| 1.1 研究背景 | 第23-24页 |
| 1.2 鱼种概况 | 第24页 |
| 1.3 鱼肉品质的常规检测方法 | 第24-28页 |
| 1.3.1 感官评价 | 第25页 |
| 1.3.2 物理评价 | 第25-27页 |
| 1.3.2.1 质构参数 | 第25-26页 |
| 1.3.2.2 系水力 | 第26-27页 |
| 1.3.3 化学评价 | 第27-28页 |
| 1.3.3.1 化学营养成分 | 第27页 |
| 1.3.3.2 鱼肉鲜度评价的化学指标 | 第27-28页 |
| 1.4 鱼肉品质的光谱检测 | 第28-32页 |
| 1.4.1 可见/近红外光谱技术 | 第29-30页 |
| 1.4.2 可见/近红外光谱技术在鱼肉品质检测中的应用 | 第30-32页 |
| 1.4.2.1 鱼肉冷冻存储状态及鲜度化学指标的研究 | 第30页 |
| 1.4.2.2 鱼肉冷藏存储状态及鲜度化学指标的研究 | 第30-32页 |
| 1.4.2.3 鱼肉物理参数的研究 | 第32页 |
| 1.4.2.4 鱼肉化学营养成分的含量检测 | 第32页 |
| 1.5 图像处理和光谱成像技术在鱼肉品质检测中的应用 | 第32-36页 |
| 1.5.1 图像处理技术及其在鱼肉品质检测中的应用 | 第32-33页 |
| 1.5.2 多光谱成像技术及其在鱼肉品质检测中的应用 | 第33-34页 |
| 1.5.3 高光谱成像技术及其在鱼肉品质检测中的应用 | 第34-36页 |
| 1.6 国内外研究存在的主要问题 | 第36页 |
| 1.7 研究目的与内容 | 第36-38页 |
| 2 试验材料与方法 | 第38-57页 |
| 2.1 试验设备 | 第38-43页 |
| 2.1.1 可见/短波近红外高光谱成像仪 | 第38-40页 |
| 2.1.1.1 光源 | 第38页 |
| 2.1.1.2 光谱仪 | 第38页 |
| 2.1.1.3 CCD探测器 | 第38-39页 |
| 2.1.1.4 数据采集软件 | 第39-40页 |
| 2.1.2 长波近红外高光谱成像仪 | 第40-41页 |
| 2.1.3 便携式可见/短波近红外光谱仪 | 第41页 |
| 2.1.4 食品质构分析仪 | 第41-42页 |
| 2.1.5 索氏脂肪提取仪 | 第42-43页 |
| 2.2 试验材料及物理和化学值测定 | 第43页 |
| 2.3 高光谱图像数据分析技术路线 | 第43-44页 |
| 2.4 光谱数据处理技术 | 第44-49页 |
| 2.4.1 光谱预处理方法 | 第44-46页 |
| 2.4.1.1 平滑 | 第44-45页 |
| 2.4.1.2 多元散射校正 | 第45-46页 |
| 2.4.1.3 变量标准化 | 第46页 |
| 2.4.1.4 求导算法 | 第46页 |
| 2.4.2 光谱特征波长提取算法 | 第46-49页 |
| 2.4.2.1 竞争性自适应重加权算法 | 第47-48页 |
| 2.4.2.2 Random Frog算法 | 第48-49页 |
| 2.5 图像数据处理技术 | 第49-51页 |
| 2.5.1 图像处理方法 | 第49-50页 |
| 2.5.1.1 最小噪声分离变换 | 第49-50页 |
| 2.5.1.2 主成分分析 | 第50页 |
| 2.5.2 图像纹理特征提取方法 | 第50-51页 |
| 2.6 化学计量学建模方法 | 第51-55页 |
| 2.6.1 偏最小二乘法 | 第51-52页 |
| 2.6.2 人工神经网络 | 第52-53页 |
| 2.6.3 最小二乘支持向量机 | 第53-55页 |
| 2.7 定量和定性模型评价标准 | 第55-56页 |
| 2.7.1 定量模型评价标准 | 第55-56页 |
| 2.7.2 定性模型评价标准 | 第56页 |
| 2.8 算法实现软件 | 第56页 |
| 2.9 本章小结 | 第56-57页 |
| 3 新鲜与冷冻-解冻大菱鲆鱼肉的鉴别研究 | 第57-79页 |
| 3.1 引言 | 第57-58页 |
| 3.2 鱼肉样本的冷冻处理和高光谱图像采集 | 第58页 |
| 3.2.1 鱼肉样本的冷冻处理 | 第58页 |
| 3.2.2 可见/短波近红外高光谱图像采集 | 第58页 |
| 3.3 数据分析流程 | 第58-60页 |
| 3.3.1 图像的降噪和平均光谱的提取 | 第58-59页 |
| 3.3.2 光谱数据的预处理 | 第59页 |
| 3.3.3 图像纹理变量的提取 | 第59页 |
| 3.3.4 基于特征波长和纹理变量的新鲜与冷冻-解冻鱼肉的鉴别 | 第59-60页 |
| 3.4 新鲜与不同存储温度的冷冻-解冻大菱鲆鱼肉的鉴别 | 第60-69页 |
| 3.4.1 鱼肉光谱特性 | 第60-62页 |
| 3.4.2 偏最小二乘鉴别模型比较 | 第62-64页 |
| 3.4.3 图像纹理变量的提取 | 第64-66页 |
| 3.4.4 新鲜与冷冻-解冻鱼肉鉴别的特征波长 | 第66-67页 |
| 3.4.5 基于特征波长和纹理变量的新鲜与冷冻-解冻鱼肉的鉴别 | 第67-68页 |
| 3.4.6 新鲜、快速冷冻-解冻、慢速冷冻-解冻鱼肉鉴别的特征波长 | 第68页 |
| 3.4.7 基于特征波长和纹理变量的新鲜、快速冷冻-解冻、慢速冷冻-解冻鱼肉的鉴别 | 第68-69页 |
| 3.5 新鲜与不同解冻次数的冷冻-解冻大菱鲆鱼肉的鉴别 | 第69-77页 |
| 3.5.1 鱼肉光谱特性 | 第69-71页 |
| 3.5.2 偏最小二乘鉴别模型比较 | 第71-73页 |
| 3.5.3 图像纹理变量的提取 | 第73-74页 |
| 3.5.4 新鲜与冷冻-解冻鱼肉鉴别的特征波长 | 第74页 |
| 3.5.5 基于特征波长和纹理变量的新鲜与冷冻-解冻鱼肉的鉴别 | 第74-75页 |
| 3.5.6 新鲜、冷冻-解冻1次、冷冻-解冻2次鱼肉鉴别的特征波长 | 第75-76页 |
| 3.5.7 基于特征波长和纹理变量的新鲜、冷冻-解冻1次、冷冻-解冻2次鱼肉的鉴别 | 第76-77页 |
| 3.6 本章小结 | 第77-79页 |
| 4 大菱鲆鱼肉冷藏时间的可视化研究 | 第79-87页 |
| 4.1 引言 | 第79页 |
| 4.2 鱼肉样本的冷藏处理和高光谱图像采集 | 第79-80页 |
| 4.2.1 鱼肉样本的冷藏处理 | 第79-80页 |
| 4.2.2 可见/短波近红外高光谱图像采集 | 第80页 |
| 4.3 不同冷藏时间的鱼肉的可见/短波近红外光谱 | 第80-82页 |
| 4.4 鱼肉冷藏时间的预测 | 第82-84页 |
| 4.5 鱼肉冷藏时间的可视化 | 第84-85页 |
| 4.6 本章小结 | 第85-87页 |
| 5 大菱鲆鱼肉质构参数和系水力的检测研究 | 第87-106页 |
| 5.1 引言 | 第87-88页 |
| 5.2 鱼肉样本光谱数据和物理参数的获取 | 第88-89页 |
| 5.2.1 鱼肉样本处理 | 第88页 |
| 5.2.2 光谱数据的获取 | 第88-89页 |
| 5.2.3 质构参数的获取 | 第89页 |
| 5.2.4 滴水损失的获取 | 第89页 |
| 5.3 大菱鲆鱼肉质构参数的检测 | 第89-100页 |
| 5.3.1 鱼肉的质构参数 | 第89-91页 |
| 5.3.2 鱼肉光谱特性 | 第91-92页 |
| 5.3.3 偏最小二乘回归模型比较 | 第92-94页 |
| 5.3.4 提取的质构参数特征波长 | 第94-95页 |
| 5.3.5 基于特征波长的质构参数检测 | 第95-100页 |
| 5.4 大菱鲆鱼肉滴水损失的检测 | 第100-104页 |
| 5.4.1 鱼肉的滴水损失 | 第100-101页 |
| 5.4.2 鱼肉光谱特性 | 第101-102页 |
| 5.4.3 偏最小二乘回归模型比较 | 第102页 |
| 5.4.4 提取的滴水损失特征波长 | 第102-103页 |
| 5.4.5 基于特征波长的滴水损失检测 | 第103-104页 |
| 5.5 本章小结 | 第104-106页 |
| 6 大西洋鲑脂肪和水分含量的分布检测研究 | 第106-124页 |
| 6.1 引言 | 第106-107页 |
| 6.2 鱼肉样本高光谱图像及化学指标(脂肪和水分)的获取 | 第107-111页 |
| 6.2.1 鱼肉样本购买和处理 | 第107-108页 |
| 6.2.2 长波近红外高光谱图像采集 | 第108页 |
| 6.2.3 脂肪和水分含量测定 | 第108-111页 |
| 6.3 鱼肉的脂肪和水分化学值 | 第111-112页 |
| 6.4 鱼肉的长波近红外光谱 | 第112-113页 |
| 6.5 鱼肉脂肪和水分含量的预测 | 第113-117页 |
| 6.6 鱼肉样本脂肪和水分含量的分布可视化 | 第117-120页 |
| 6.7 整鱼片脂肪和水分含量分布可视化的探索 | 第120-122页 |
| 6.8 本章小结 | 第122-124页 |
| 7 结论与展望 | 第124-128页 |
| 7.1 结论 | 第124-126页 |
| 7.2 主要创新点 | 第126页 |
| 7.3 展望 | 第126-128页 |
| 参考文献 | 第128-136页 |
| 作者简介及学术交流、科研成果情况 | 第136-137页 |
