基于多光谱成像技术的番茄酱品质与安全快速检测研究

基于多光谱成像技术的番茄酱品质与安全快速检测研究

ID:37044774

大小:1.12 MB

页数:59页

时间:2019-05-17

基于多光谱成像技术的番茄酱品质与安全快速检测研究_第1页
基于多光谱成像技术的番茄酱品质与安全快速检测研究_第2页
基于多光谱成像技术的番茄酱品质与安全快速检测研究_第3页
基于多光谱成像技术的番茄酱品质与安全快速检测研究_第4页
基于多光谱成像技术的番茄酱品质与安全快速检测研究_第5页
资源描述:

《基于多光谱成像技术的番茄酱品质与安全快速检测研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、单位代码:10359密级:公开学号:2015170801分类号:TS201.1HefeiUniversityofTechnology硕士学位论文MASTER’SDISSERTATION(专业硕士)论文题目:基于多光谱成像技术的番茄酱品质与安全快速检测研究专业名称:食品工程作者姓名:郝广导师姓名:刘长虹副教授王运香高级工程师完成时间:2018年4月合肥工业大学专业硕士学位论文基于多光谱成像技术的番茄酱品质与安全快速检测研究作者姓名:郝广指导教师:刘长虹副教授王运香高级工程师专业名称:食品工程研究方向:食品质量与安全2018年

2、4月ADissertationSubmittedfortheDegreeofMasterRapidDetectionofQualityandSafetyofTomatoPastebyUsingMultispectralImagingByGuangHaoHefeiUniversityofTechnologyHefei,Anhui,P.R.ChinaApril,2018致谢时间过得真快,三年的研究生学习即将结束,在这三年的学习和生活中。我学到了很多专业知识,同时,也懂得了一些人生道理使我变的越来越成熟,越来越稳重。我能收获这么

3、多并顺利完成实验和本论文,离不开老师及师兄师姐、师弟师妹们的帮助,在这里,我要向他们表达我由衷的感谢。首先,我要感谢我的导师刘长虹老师,在课题的选定,实验方案的设计,实验数据的处理,实验结果的分析以及论文的写作方面对我的悉心指导和帮助。在此,我谨向刘长虹老师致以衷心的感谢。同时,感谢郑磊老师和食品科学与工程学院的老师们三年来对我的帮助和指导,使我在研究生学习期间获取了很多专业知识,并且自身能力也得到了很大提升。感谢刘伟老师和瞿昊老师,感谢他们在实验和数据处理方面以及日常生活中所给我的帮忙和照顾,感谢他们细致耐心的解答我的疑

4、惑。感谢实验室的师兄师姐、师弟师妹在我实验的过程中给予的帮助。同时衷心感谢我的家人,他们的鼓励和安慰使我有了前进的动力,让我快乐的度过三年的学习生活。在今后的工作、生活中,我一定更加努力,让自己为社会多做贡献,不辜负大家的帮助。作者:郝广2018年4月I摘要番茄酱是人们喜爱的调味食品之一,其品质和安全性不仅影响了广大消费者的健康状况,也关系到番茄酱产业的发展。因此,对番茄酱的品质和安全进行检测十分重要。目前,番茄酱品质和安全性检测方法主要包括感官评价、理化指标检测和微生物检测等。但这些方法操作繁琐,耗时耗力,具有检测效率低

5、、样品破坏性大和检测成本高等缺点,无法满足政府监管部门和食品企业对番茄酱品质和安全实时监测的要求,因而寻找快速、无损的番茄酱品质与安全检测方法变得非常迫切。本文应用多光谱成像系统获取番茄酱样品在405-970nm波长范围内的多光谱图像信息,结合主成分分析(PCA)、偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)和反向传播神经网络(BPNN)四种多元数据分析方法,探究了番茄酱品质和安全的快速检测方法。本研究的主要内容和结果如下:(1)采用PLS、LS-SVM和BPNN三种化学计量学法建立番茄酱中可溶性固形物与番茄红

6、素含量的预测模型。在可溶性固形物含量的预测中,LS-SVM与BPNN模型的预测效果相似,优于PLS模型的预测效果。LS-SVM和BPNN模型对可溶性固形物含量的预测决定系数(ܴଶ)分别为0.901和0.950,预测均方根误差୔(RMSEP)分别为0.979%和1.027%,相应的剩余预测偏差(RPD)分别为3.044和3.248。在番茄红素含量的预测中,相对于LS-SVM和BPNN模型,PLS模型对番茄红素含量的预测效果最好,其ܴଶ、RMSEP和RPD分别为0.930、0.567mg/100g和୔3.906。(2)采用PL

7、S、LS-SVM和BPNN三种化学计量学方法研究了掺入1%、2%、3%、4%、5%、6%、7%、8%和9%蔗糖的掺假番茄酱定性鉴别和定量预测模型。结果表明,相对于PLS和BPNN模型,LS-SVM模型的预测效果最好,其两批番茄酱样本的ܴଶ分别为0.936和0.966,RMSEP分别为0.521%和0.445%,RPD分别为୔5.014和5.865。此外,采用PLS、LS-SVM和BPNN三种方法检测掺有1%蔗糖的番茄酱,结果表明,三种算法都能将纯番茄酱样品与掺有1%蔗糖的番茄酱样品很好的区分开,且鉴别准确率均达到100%。

8、本研究结果表明多光谱成像技术结合化学计量学方法可以满足番茄酱的品质和安全检测要求,为多光谱成像检测技术在番茄酱工业上的实际运用提供了理论支撑。关键词:番茄酱;多光谱成像;品质;安全;快速检测IIABSTRACTTomatopasteisoneofthemostpopularseasoningfoods.

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。