一种基于气流脉冲和激光测距的新鲜度快速无损检测方法
【专利摘要】本发明涉及一种基于气流脉冲和激光测距的新鲜度快速无损检测方法，包括如下步骤：S1、样品采集及位移信息采集，并形成位移曲线；S2、新鲜度评价指标测定；S3、对S1中的位移曲线提取6个参数；S4、采用多元函数对S1中的位移曲线进行拟合，得到6个多元函数拟合特征参数；S5、建立三种回归预测模型；S6、比较三种回归预测模型的精度，获得新鲜度预测最佳模型，利用所述预测最佳模型可获取待测禽畜肉样品新鲜度评价指标预测值。本发明，具有非破坏性、快速无损的优点。
【专利说明】
-种基于气流脉冲和激光测距的新鲜度快速无损检测方法
技术领域
[0001] 本发明设及禽畜肉类品质的无损检测领域，具体说是一种基于气流脉冲和激光测 距的新鲜度快速无损检测方法。
【背景技术】
[0002] 肉类的新鲜度是对某一类动物性食品特指的标准风味、滋味、色泽、质地和口感 等。新鲜度可W综合的反映产品营养性和食用安全性，因此研究肉品新鲜度具有重要的现 实意义。
[0003] 目前对肉类的新鲜度的检测技术主要有感官检测和理化检测等，感官检测主要参 考的是肉品色泽、粘度、弹性等;理化检测主要是对肉品的挥发性盐基氮、水分等进行测定。 感官检测受审评专家的影响较大，不同的审评师得到的结果往往难W-致;而理化检测则 需要一系列设备和装置来完成，存在前处理繁琐、测定过程复杂、测定时间长的问题，且经 过测定后的肉样失去后续使用价值，造成浪费。
[0004] 针对W上不足，为了改进禽畜肉类的新鲜度检测技术，研究无损快速的检测方法 具有十分重要的意义。
【发明内容】
[0005] 针对现有技术中存在的缺陷，本发明的目的在于提供一种基于气流脉冲和激光测 距的新鲜度快速无损检测方法，具有非破坏性、快速无损的优点。
[0006] 为达到W上目的，本发明采取的技术方案是：
[0007] -种基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于，包括如 下步骤：
[0008] S1、样品采集及位移信息采集:在同一时间点，相同外部环境下，应用融合了气流 脉冲和激光测距的禽畜肉黏弹性无损检测系统，采集不少于10个样品的位移随时间变化的 数据，并形成位移曲线；
[0009] S2、新鲜度评价指标测定:对S1中的每个样品按照国家标准规定的化学检测方法 对其新鲜度评价指标进行测定；
[0010] S3、对S1中的位移曲线提取W下6个参数：
[0011] 位移曲线加载部分的位移曲线面积S1，
[0012] 位移曲线卸载部分的位移曲线面积S2，
[0013] 最大压缩位移dl，
[0014] 回复位移d2，
[0015] 瞬时加载位移变化量L1，
[0016] 瞬时卸载位移变化量L2;
[0017] S4、采用多元函数对S1中的位移曲线进行拟合，位移曲线按照气流是否作用分为 加载和卸载两部分，得到6个多元函数拟合特征参数；
[001引所述多元函数为：
[0021] 式中：t为时间，y为位移值，ti为加载时间，即在ti时刻气流开始作用于样品表面， 曰1、61、心32心、02为多元函数拟合特征参数，参与后述研究；
[0022] S5、建立回归预测模型：
[0023] 对S2中测定的新鲜度评价指标测定值和S3中提取的6个参数建立待建模集合，按 比例分为校正集和验证集，建立回归预测模型；
[0024] 对S2中测定的新鲜度评价指标测定值和S4中提取的6个参数建立待建模集合，按 比例分为校正集和验证集，建立另一回归预测模型；
[0025] 对S2中测定的新鲜度评价指标测定值和S3、S4中提取的一共12个特征参数建立待 建模集合，按比例分为校正集和验证集，建立又一回归预测模型；
[00%] S6、比较Ξ种回归预测模型的精度，获得新鲜度预测最佳模型，利用所述预测最佳 模型可获取待测禽畜肉样品新鲜度评价指标预测值。
[0027]在上述技术方案的基础上，步骤S1中，样品采用相同大小，且同一部位不能取样品 过多。
[002引在上述技术方案的基础上，还包括步骤S7:
[0029] S7、S5建立回归预测模型时，对于特征参数建模，为消除参数之间的共线性，建立 回归预测模型之前，需要采用一些变量筛选方法对特征参数进行预处理。
[0030] 在上述技术方案的基础上，步骤S1中，
[0031] 气流脉冲由气累提供，并对样品表面产生作用力；
[0032] 激光测距用于测量位移变化数据，通过激光位移传感器采集每个样品的位移随时 间变化信息；
[0033] 无损检测系统的工作条件为:气累压力为30k化~80kPa，采样频率为50化，采样时 间不少于12s。
[0034] 在上述技术方案的基础上，在步骤S2中，所述待测禽畜肉样品的新鲜度评价指标 为待测禽畜肉样品的粘度、弹性、pH、挥发性盐基氮(TVB-N)或水分。
[0035] 在上述技术方案的基础上，在步骤S5中，校正集和验证集的比例为2~3:1。
[0036] 在上述技术方案的基础上，在步骤S5中，利用校正集的特征参数和对应样品的新 鲜度评价指标测定值，建立样品新鲜度的预测模型，建立预测模型采用偏最小二乘回归、多 元线性回归建模或最小二乘支持向量机回归；
[0037] 利用验证集的特征参数、对应样品的新鲜度评价指标测定值和校正集模型，判断 预测模型的准确度。
[0038] 在上述技术方案的基础上，在步骤S6中，判断模型准确度的参数包括校正集相关 系数R。、校正集标准偏差SEC、验证集相关系数Rv、验证集标准偏差SEP和交互验证标准偏差 沈CV。
[0039] 在上述技术方案的基础上，在步骤S7中，所述的变量筛选方法为主成分分析法、连 续投影算法或岭回归分析法。
[0040] 本发明所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，具有非破坏 性、快速无损的优点。
[0041] 本发明所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，通过气流脉 冲对肉品表面造成冲击，激光测距(激光位移传感器)采集位移变化数据，然后提取位移曲 线的特征参数，采用有效的特征参数预处理方法消除参数之间的共线性，建立新鲜度评价 指标测定值和位移曲线之间的预测模型，用于最终检测，具有非破坏性、快速无损的优点。
【附图说明】
[0042] 本发明有如下附图：
[0043] 图1本发明的流程图。
[0044] 图2实验采集位移曲线。
[0045] 图3面积特征。
[0046] 图4位移特征。
[0047] 图5瞬时位移特征。
[004引图6加载曲线。
[0049]图7加载拟合曲线。
[(K)加]图8卸载曲线。
[0化1]图9卸载拟合曲线。
【具体实施方式】
[0052] W下结合附图对本发明作进一步详细说明。
[0053] 如图1所示，本发明所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法， 具体包括如下步骤：
[0054] S1、样品采集及位移信息采集:在同一时间点，相同外部环境下，应用融合了气流 脉冲和激光测距的禽畜肉黏弹性无损检测系统，采集不少于10个样品的位移随时间变化的 数据，并形成位移曲线(简称为位移曲线）；
[0055] 样品采用相同大小，且同一部位不能取样品过多；
[0056] S2、新鲜度评价指标测定:对S1中的每个样品按照国家标准规定的化学检测方法 对其新鲜度评价指标进行测定；
[0057] S3、对S1中的位移曲线提取W下6个参数：
[005引位移曲线加载部分的位移曲线面积S1，
[0059] 位移曲线卸载部分的位移曲线面积S2，
[0060] 最大压缩位移dl，
[0061 ] 回复位移d2，
[0062] 瞬时加载位移变化量L1，
[0063] 瞬时卸载位移变化量L2;
[0064] S4、采用多元函数对S1中的位移曲线进行拟合，位移曲线按照气流是否作用分为 加载和卸载两部分，得到6个多元函数拟合特征参数；
[0(?日]所述多元函数为：
[0068] 式中：t为时间，y为位移值，ti为加载时间，即在ti时刻气流开始作用于样品表面， 曰1、61、心32心、02为多元函数拟合特征参数，参与后述研究；
[0069] S5、建立回归预测模型：
[0070] 对S2中测定的新鲜度评价指标测定值和S3中提取的6个参数建立待建模集合，按 比例分为校正集和验证集，建立回归预测模型；
[0071] 对S2中测定的新鲜度评价指标测定值和S4中提取的6个参数建立待建模集合，按 比例分为校正集和验证集，建立另一回归预测模型；
[0072] 对S2中测定的新鲜度评价指标测定值和S3、S4中提取的一共12个特征参数建立待 建模集合，按比例分为校正集和验证集，建立又一回归预测模型；
[0073] S6、比较Ξ种回归预测模型的精度，获得新鲜度预测最佳模型，利用所述预测最佳 模型可获取待测禽畜肉样品新鲜度评价指标预测值。
[0074] S7、S5建立回归预测模型时，对于特征参数建模，为消除参数之间的共线性，建立 回归预测模型之前，需要采用一些变量筛选方法对特征参数进行预处理。
[0075] 在上述技术方案的基础上，在步骤S1中，所述禽畜肉黏弹性无损检测系统，优选申 请(专利)号CN201410770806.9中所述畜禽肉黏弹性无损检测系统，该无损检测系统融合了 气流脉冲和激光测距，其中：
[0076] 气流脉冲由气累提供，并对样品表面产生作用力；
[0077] 激光测距用于测量位移变化数据，通过激光位移传感器采集每个样品的位移随时 间变化信息；
[0078] 该无损检测系统的工作条件为:气累压力为30k化~80kPa，采样频率为50化，采样 时间不少于12s。
[0079] 在上述技术方案的基础上，在步骤S2中，所述待测禽畜肉样品的新鲜度评价指标 为待测禽畜肉样品的粘度、弹性、pH、挥发性盐基氮(TVB-N)或水分。
[0080] 在上述技术方案的基础上，如图3所示，在步骤S3中，位移曲线加载部分的位移曲 线面积S1为气流开始作用至气流停止作用时间内位移曲线与y = 0所围成的面积，
[0081] 位移曲线卸载部分的位移曲线面积S2为气流停止作用至位移曲线趋于平行(位移 值趋于一恒定值)的时间（t不少于7s)内位移曲线与y = 0所围成的面积，
[0082] 易知位移曲线加载部分的位移曲线面积S1和位移曲线卸载部分的位移曲线面积 S2与作用时间相关；
[0083] 如图4所示，在步骤S3中，最大压缩位移dl是未加载时位移值与位移最低点的位移 差，回复位移d2是卸载后位移逐渐恢复为一恒定值与位移最低点的位移差；
[0084] 如图5所示，在步骤S3中，瞬时加载位移变化量L1是指样品在气流作用下某一固定 时间（时间t在0.02S-0.06s之间）内的瞬时位移压缩量，
[0085] 瞬时卸载位移变化量L2是指样品在气流消失作用后的同一固定时间（时间t在 0.02s-0.06s之间）内的瞬时位移回复量。
[0086] 在上述技术方案的基础上，在步骤S5中，校正集和验证集的比例为2~3:1。
[0087] 在上述技术方案的基础上，在步骤S5中，利用校正集的特征参数和对应样品的新 鲜度评价指标测定值，建立样品新鲜度的预测模型，建立预测模型采用偏最小二乘回归、多 元线性回归建模或最小二乘支持向量机回归；
[0088] 利用验证集的特征参数、对应样品的新鲜度评价指标测定值和校正集模型，判断 预测模型的准确度。
[0089] 在上述技术方案的基础上，在步骤S6中，判断模型准确度的参数包括校正集相关 系数R。、校正集标准偏差SEC、验证集相关系数Rv、验证集标准偏差SEP和交互验证标准偏差 沈CV。
[0090] 在上述技术方案的基础上，在步骤S7中，所述的变量筛选方法为主成分分析法、连 续投影算法或岭回归分析法。
[0091] 本发明的上述技术方案具有W下有益效果:样品位移数据形成的曲线分为加载曲 线和卸载曲线两部分，经过分别提取位移曲线特征参数W及曲线拟合的方法，对两种方法 提取的特征参数，建立新鲜度与位移曲线之间的预测模型，并最终用于未知新鲜度的禽畜 肉样品的检测。该方法可W建立肉类的新鲜度新的检测方法，通过该方法直接得到肉类的 新鲜度评价指标理化值。
[0092] W下通过52个牛肉样品的实例进行说明：
[0093] (1)、样品位移信息采集
[0094] 步骤S1中，从超市购买52份牛肉样品，样品切割成相同大小，在同一时间点，相同 外部环境下进行操作。应用申请号为201410770806.9的禽畜肉黏弹性无损检测系统，该系 统融合气流脉冲和激光测距的方法，其中气流脉冲由气累提供，并对样品表面产生作用力； 激光测距用于测量位移变化，采集每个样品的位移随时间变化信息。气累压力为70kPa，采 样频率为50化，即采集装置每隔0.02s采集一个位移数据，采集时间为15s，从第3s开始气流 对样品产生作用，第5s气流停止，位移开始恢复，共采集15s的数据作为待分析数据。WOmm 作为位移基准，激光位移传感其采集的是位移变化绝对值，形成的曲线为负向位移曲线，如 图2所示。
[00M] (2)挥发性盐基氮(TVB-N)理化值测定
[0096] 步骤S2中，对采集完位移曲线的每个样品按照GB/T5009.44-2003规定执行，采用 半微量定氮法的化学检测方法对样品的挥发性盐基氮进行检测得到TVB-N化学测定值，理 化试验最好尽快，W避免牛肉样品在空气中放置太久影响结果。
[0097] (3)曲线参数提取
[0098] 步骤S3中，根据气流加载、卸载时间，将采集的位移曲线分为加载曲线(3s~5s)和 卸载曲线（5s~15s)两部分，如图2所示，位移曲线加载部分的位移曲线面积S1为3s~5s时 间内位移曲线与y = 〇所围成的面积，位移曲线卸载部分的位移曲线面积S2为5s~15s内位 移曲线与y = 0所围成的面积。位移的最大压缩量dl、最大回复量d2由曲线图形特征直接提 取。
[0099] 瞬时位移取的是在气流开始作用下0.04s内的瞬时位移压缩量L1和在气流消失作 用后(第5s)的0.04s内的瞬时位移回复量L2。
[0100] (4)多元函数拟合
[0101] 步骤S4中，对曲线进行多元函数拟合，具体采用的多元函数如下：
[0104] 式中：t为时间，y为位移值，ti为加载时间，即在ti时刻气流开始作用于样品表面， ai、bi、ci、a2、b2、C2为多元函数拟合特征参数，参与后述研究。
[0105] 加载曲线和拟合后加载曲线分别如图6、图7所示，卸载曲线和拟合后卸载曲线分 别如图8、图9所示。
[0106] (5)校正集和验证集的划分
[0107] 步骤S5中，对挥发性盐基氮测定值与特征参数组合的集合进行分组，按照3:1的比 例，两组分别为39个和13个。
[010引（6)模型建立对挥发性盐基氮测定值和步骤S3中提取的(11、(12、51、52、1^和1^2共6 个参数建立待建模集合，按3:1的比例分为校正集和验证集，建立回归预测模型；
[0109] 对挥发性盐基氮测定值和步骤S4中提取的曰1、bi、C1、曰2、b2、C2共6个参数建立待建 模集合，按3:1的比例分为校正集和验证集，建立回归预测模型；
[0110] 对挥发性盐基氮测定值和步骤S3、S4中提取的一共12个特征参数建立待建模集 合，按3:1的比例分为校正集和验证集，建立回归预测模型。
[0111] (7)消除参数共线性
[0112] 考虑到提取的特征参数之间存在共线性，在建立预测回归模型之前，采用主成分 分析法、连续投影算法和岭回归分析法对(6)中Ξ种待建模集合进行预处理，筛选变量，参 与后述预测回归模型建立。
[0113] (8)模型的评价
[0114] 步骤S5中，对于建立的预测回归模型，判断其准确度的参数包括校正集相关系数 (Rc)、校正集标准偏差（SEC)、验证集相关系数(Rv)、验证集标准偏差(SEP)和交互验证标准 偏差(沈CV)。一般校正集相关系数(化），验证集相关系数(Rv)值越大且接近1越好，校正集标 准偏差(SEC)、验证集标准偏差(SEP)和交互验证标准偏差(沈CV)值越小且越接近0越好。
[0115] 建模结果如下表1、表2和表3所示，结果表明：最佳建模方法是对提取的12个特征 参数岭回归分析后建立的偏最小二乘回归模型，得到验证集相关系数Rv = 〇. 8024,验证集 标准偏差沈P = 0.6653。
[0116] 表 1 6参数(al、bl、Cl、a2、b2、C2)TVB-N建模结果
[0117]
[011 引 表2 6参数(dl、d2、Sl、S2、Ll、L2)TVB-N建模结果 [0119]
[0123] 综上所述，本发明提供一种基于气流脉冲和激光测距的新鲜度快速无损检测方 法，通过对采集的位移信息进行有效提取，采用有效的特征参数预处理方法消除参数之间 的共线性，将特征参数与TVB-N测定值一一建立预测模型，确定最佳建模方法并得到预测模 型，通过比较得到12参数岭回归分析后建立偏最小二乘回归模型效果最佳，验证集相关系 数达到0.8024。该方法可W建立TVB-N与位移曲线之间的模型，并可W对未知挥发性盐基氮 理化值的肉类进行判定预测。
[0124] 本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发 明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选 择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员 能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
[0125] 本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
【主权项】
1. 一种基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征在于，包括如下 步骤： 51、 样品采集及位移信息采集:在同一时间点，相同外部环境下，应用融合了气流脉冲 和激光测距的禽畜肉黏弹性无损检测系统，采集不少于10个样品的位移随时间变化的数 据，并形成位移曲线； 52、 新鲜度评价指标测定:对Sl中的每个样品按照国家标准规定的化学检测方法对其 新鲜度评价指标进行测定； 53、 对Sl中的位移曲线提取以下6个参数： 位移曲线加载部分的位移曲线面积Sl， 位移曲线卸载部分的位移曲线面积S2， 最大压缩位移dl， 回复位移d2， 瞬时加载位移变化量LI， 瞬时卸载位移变化量L2; 54、 采用多元函数对Sl中的位移曲线进行拟合，位移曲线按照气流是否作用分为加载 和卸载两部分，得到6个多元函数拟合特征参数；所述多元§ 当t < t时 式中：1^为日、」丨《」，以^'丨兄例且山乃训职1卩、」丨《」，[3|」彳;^1时刻气流开始作用于样品表面，31、131、 (^、&2、132、(32为多元函数拟合特征参数，参与后述研究； 55、 建立回归预测模型： 对S2中测定的新鲜度评价指标测定值和S3中提取的6个参数建立待建模集合，按比例 分为校正集和验证集，建立回归预测模型； 对S2中测定的新鲜度评价指标测定值和S4中提取的6个参数建立待建模集合，按比例 分为校正集和验证集，建立另一回归预测模型； 对S2中测定的新鲜度评价指标测定值和S3、S4中提取的一共12个特征参数建立待建模 集合，按比例分为校正集和验证集，建立又一回归预测模型； 56、 比较三种回归预测模型的精度，获得新鲜度预测最佳模型，利用所述预测最佳模型 可获取待测禽畜肉样品新鲜度评价指标预测值。2. 如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征 在于:步骤Sl中，样品采用相同大小，且同一部位不能取样品过多。3. 如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征 在于:还包括步骤S7: 57、 S5建立回归预测模型时，对于特征参数建模，为消除参数之间的共线性，建立回归 预测模型之前，需要采用一些变量筛选方法对特征参数进行预处理。4. 如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征 在于:步骤Sl中， 气流脉冲由气栗提供，并对样品表面产生作用力； 激光测距用于测量位移变化数据，通过激光位移传感器采集每个样品的位移随时间变 化信息； 无损检测系统的工作条件为:气栗压力为30kPa~80kPa，采样频率为50Hz，采样时间不 少于12s。5. 如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征 在于：在步骤S2中，所述待测禽畜肉样品的新鲜度评价指标为待测禽畜肉样品的粘度、弹 性、pH、挥发性盐基氮(TVB-N)或水分。6. 如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征 在于:在步骤S5中，校正集和验证集的比例为2~3:1。7. 如权利要求1所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征 在于:在步骤S5中，利用校正集的特征参数和对应样品的新鲜度评价指标测定值，建立样品 新鲜度的预测模型，建立预测模型采用偏最小二乘回归、多元线性回归建模或最小二乘支 持向量机回归； 利用验证集的特征参数、对应样品的新鲜度评价指标测定值和校正集模型，判断预测 模型的准确度。8. 如权利要求7所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征 在于:在步骤S6中，判断模型准确度的参数包括校正集相关系数R。、校正集标准偏差SECji 证集相关系数Rv、验证集标准偏差SEP和交互验证标准偏差SECV。9. 如权利要求3所述的基于气流脉冲和激光测距的新鲜度快速无损检测方法，其特征 在于:在步骤S7中，所述的变量筛选方法为主成分分析法、连续投影算法或岭回归分析法。
【文档编号】G01N33/12GK105842410SQ201610196111
【公开日】2016年8月10日
【申请日】2016年3月31日
【发明人】汤修映, 王文娟, 彭彦昆, 康熙龙, 李岩磊
【申请人】中国农业大学