申请/专利权人：宁夏大学

申请日：2016-11-03

公开（公告）日：2023-12-05

公开（公告）号：CN117169150A

主分类号：G01N21/31

分类号：G01N21/31;C12Q1/06;G01N21/359;G01N21/3563

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.22#实质审查的生效;2023.12.05#公开

摘要：本发明公开了一种冷却羊肉表面细菌总数检测方法，包括步骤1:高光谱数据采集及细菌总数标准值的测；步骤2:原始高光谱数据预处理及数据降维；步骤3:根据高光谱数据和测定的样本细菌总数理化值，建立冷却羊肉表面细菌总数预测模型；步骤4：以细菌总数为评价指标，建立冷却羊肉新鲜度分类模型，实现“新鲜”、“次新鲜”、“腐败”三种程度的分类步骤5：完成“冷鲜羊肉表面细菌总数检测平台”的设计，该检测平台能实现对冷却羊肉表面细菌总数和新鲜度品质的快速、无损检测和分析。本发明具有检测方便、快速、无损的特点，适合推广应用。

主权项：1.一种冷却羊肉表面细菌总数检测方法，其特征在于，包括以下步骤：步骤1:高光谱数据采集及细菌总数标准值的测定通过波长范围为400～1100nm的高光谱成像系统，采集冷却羊肉样本的高光谱图像信息，运用ENVI4.8软件提取图像的原始高光谱数据，共125个波段的光谱值；步骤2:原始高光谱数据预处理及数据降维分别采用高光谱预处理方法对原始高光谱数据进行光谱校正和去噪，建立全波段BP神经网络模型，采用主成分分析法PCA对数据进行降维；步骤3:根据高光谱数据和测定的样本细菌总数理化值，建立冷却羊肉表面细菌总数预测模型，包括：①采用一种新的神经网络算法——极限学习机ELM以及基于核函数的极限学习机KELM建立预测模型；②对核极限学习机进行优化，分别利用粒子群算法PSO和遗传算法GA优化核极限学习机建立预测模型；以训练样本和预测样本的相关系数R和均方根误差RMSE为评价指标，对各模型的性能进行对比和评价，选出性能最优的模型；步骤4：以细菌总数为评价指标，建立冷却羊肉新鲜度分类模型，实现“新鲜”、“次新鲜”、“腐败”三种程度的分类；包括：①分别采用粒子群优化支持向量机PSO-SVM和极限学习机ELM建立新鲜度分类模型；②采用混沌粒子群优化支持向量机CPSO-SVM，萤火虫算法FA优化极限学习机FA-ELM建立分类模型；以分类准确率为评价指标，对各模型的性能进行对比和评价，选出分类准确率最高的模型；步骤5：完成“冷鲜羊肉表面细菌总数检测平台”的设计，该检测平台能实现对冷却羊肉表面细菌总数和新鲜度品质的快速、无损检测和分析。

全文数据：

权利要求：

百度查询： 宁夏大学 一种冷却羊肉表面细菌总数检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD