CN103278609B - 一种基于多源感知信息融合的肉品新鲜度检测方法 - Google Patents
一种基于多源感知信息融合的肉品新鲜度检测方法 Download PDFInfo
- Publication number
- CN103278609B CN103278609B CN201310262132.7A CN201310262132A CN103278609B CN 103278609 B CN103278609 B CN 103278609B CN 201310262132 A CN201310262132 A CN 201310262132A CN 103278609 B CN103278609 B CN 103278609B
- Authority
- CN
- China
- Prior art keywords
- meat
- information
- freshness
- sample
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 235000013372 meat Nutrition 0.000 title claims abstract description 79
- 230000008447 perception Effects 0.000 title claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000001228 spectrum Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 22
- 230000003595 spectral effect Effects 0.000 claims description 21
- 230000001953 sensory effect Effects 0.000 claims description 9
- 238000012567 pattern recognition method Methods 0.000 claims description 7
- 238000012847 principal component analysis method Methods 0.000 claims description 7
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 6
- 230000000813 microbial effect Effects 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 5
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000000839 emulsion Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 3
- 238000007918 intramuscular administration Methods 0.000 claims description 3
- 210000003205 muscle Anatomy 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 3
- -1 pH value Chemical compound 0.000 claims description 3
- 238000001028 reflection method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 210000004003 subcutaneous fat Anatomy 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000003786 synthesis reaction Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 3
- 238000009614 chemical analysis method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种基于多源感知信息融合的肉品新鲜度检测方法,其利用近红外光谱仪、计算机视觉系统和电子鼻同时分别采集样品的内外部信息,并对所采集到的各信息进行特征提取、融合处理,结合肉品新鲜等级评定标准,对肉品新鲜程度进行分级评定,步骤如下:建立肉品新鲜度分级评定标准;建立肉品新鲜度分级预测模型;待测样品的新鲜度分级评定。本发明综合利用光谱、图像和气味指纹信息,对肉品的内外部品质进行综合测定,能够实现肉品新鲜度快速、简便、客观的分级评定。
Description
技术领域
本发明涉及肉品新鲜度检测方法,具体是一种基于多源感知信息融合的肉品新鲜度检测方法。
背景技术
肉品新鲜度的检测方法很多,主要有人工感观评定和常规化学分析方法。人工感观评定需要经过训练的人员进行评价,评价结果具有一定主观性;常规化学分析方法检测周期长,步骤繁琐,检测结果依赖于检测人员的技术水平。即这些传统的检测方法都存在检测精度不高或耗时过长、不能及时准确地反馈肉品新鲜度信息等局限。
而随着生活水平的提高,世界各国对于肉类及其制品的质量安全控制愈加严格,人们对肉品的需求已逐渐从数量向质量转变,传统的肉品质检测方法已经不再能够满足人们的需求,而对准确、快速、灵敏的检测方法的需求也愈加迫切。
而目前,多数检测方法为较传统的信号预处理技术和模式识别方法,它往往对某一两项指标有较好的信息响应,但对充分利用多种信息进行综合全面评价就显得力不从心。肉品腐败变质是一个复杂的过程,既有内部化学成分的改变,又有外部气味等感官指标的变化,充分利用以上所述多种信息进行综合地、全面地评价的无损检测方法尚没有出现,此为现有技术的不足之处。
发明内容
本发明所要解决的技术问题是,针对现有技术的不足之处,提供一种既能够检测肉品内部化学成分的改变,又能够检测肉品外部颜色、气味等感官指标变化的基于多源感知信息融合的肉品新鲜度检测方法。
为解决上述技术问题,本发明提供了一种基于多源感知信息融合的肉品新鲜度检测方法,其利用近红外光谱仪、计算机视觉系统和电子鼻同时分别采集样品的内外部信息,并对所采集到的各信息进行数据融合处理,结合肉品新鲜等级评定标准,对肉品新鲜程度进行分级评定,其具体步骤如下:
1) 建立肉品新鲜度分级评定标准:
将肉样品分成两份,根据肉品新鲜度检测的标准,对其中一份样品进行感官检测、理化检测和微生物检测,包括色泽、气味、弹性、粘度、持水力、挥发性盐基氮、pH值、硫化氢和菌落总数,同时确定各指标的权重,建立肉品新鲜度分级评定标准:新鲜肉、次新鲜肉和腐败肉;其中,所述样品为片状或肉糜状;
2)建立肉品新鲜度分级预测模型:
利用近红外光谱仪、计算机视觉系统和电子鼻分别同时采集另一份样品的光谱信息、图像信息和气味指纹信息,并将所采集到的上述信息传入计算机,计算机对获得信息分别进行光谱预处理、图像预处理和气味指纹数据预处理,之后通过主成分分析法,分别提取反映样品新鲜度的光谱特征、图像特征和气味指纹特征,并采用偏最小二乘法在特征层对所述的光谱特征、图像特征和气味指纹特征进行融合;与所建立的肉品新鲜度分级评定标准相关联,结合模式识别方法,在决策层作出肉品新鲜程度的判断,建立肉品新鲜度分级预测模型;
3)待测样品的新鲜度分级评定:
检测时,通过近红外光谱仪、计算机视觉系统和电子鼻分别采集待测样品的光谱信息、图像信息和气味指纹信息,并将其传入计算机;计算机对传入的各信息分别进行预处理、特征提取和特征层融合,并在决策层进行模式识别,给出待测样品新鲜度的分级评定结果。
其中,所述计算机视觉系统采用可见光光源。
其中,步骤2)中所述光谱信息采用近红外积分球漫反射法或漫透射法进行采集。
其中,步骤2)中所述图像信息采用RGB彩色空间模型表示。
其中,步骤2)中所述气味指纹信息采用静态顶空生成法采集。
其中,步骤2)中所述光谱预处理的方法为附加散射校正结合Savitzky-Golay滤波法。
其中,步骤2)中所述图像预处理的方法包括图像消噪、图像背景去除、皮下脂肪区域去除和肌内脂肪区域分割。
其中,步骤2)中传入计算机的图像信息以肌肉区域的颜色平均值以及颜色分布标准差为特征参数,且采用主成分分析法提取颜色特征变量。
其中,步骤2)中所述的气味指纹信息选取气体传感器的电压数据稳定值或最大值作为特征参数,并通过主成分分析法提取气味特征变量。
其中,步骤3)中所述的模式识别,就是将待测样品的光谱信息、图像信息和气味指纹信息经预处理、特征提取后在特征层上特征融合,然后再结合已经建立的肉品新鲜度分级预测模型,通过模式识别的方法给出待测样品新鲜度的分级评定结果。
与现有技术相比,本发明的优点在于:
本发明将近红外光谱仪、计算机视觉系统和电子鼻结合使用,利用多源感知技术得到描述肉品新鲜度的大量信息,采用多信息融合技术,对这些信息进行分析、综合和平衡,最终得到对肉品新鲜程度的综合评价,克服了单一检测手段的弊端,使检测结果更为全面、可靠且灵敏度高。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著的进步,其实施的有益效果也是显而易见的。
附图说明
图1为本发明所述基于多源感知信息融合的肉品新鲜度检测方法的流程图示意图。
具体实施方式
下面将结合本发明的附图,对本发明的技术方案进行清楚、完整地描述。
如图1所示,本发明的一种基于多源感知信息融合的肉品新鲜度检测方法,其利用近红外光谱仪、计算机视觉系统和电子鼻同时分别采集样品的内外部信息,并对所采集到的各信息进行数据融合处理,结合肉品新鲜等级评定标准,对肉品新鲜程度进行分级评定,其具体步骤如下:
1) 建立肉品新鲜度分级评定标准:
将肉样品分成样品1和样品2,根据肉品新鲜度检测的标准,对样品1进行感官检测、理化检测和微生物检测,包括色泽、气味、弹性、粘度、持水力、挥发性盐基氮、pH值、硫化氢和菌落总数,同时确定各指标的权重,建立肉品新鲜度分级评定标准:新鲜肉、次新鲜肉和腐败肉;其中,所述样品为片状或肉糜状;
2)建立肉品新鲜度分级预测模型:
利用近红外光谱仪、计算机视觉系统和电子鼻分别同时采集样品2的光谱信息、图像信息和气味指纹信息,并将所采集到的上述信息传入计算机,计算机对获得信息分别进行光谱预处理、图像预处理和气味指纹数据预处理,之后通过主成分分析法,分别提取反映样品新鲜度的光谱特征、图像特征和气味指纹特征,并采用偏最小二乘法在特征层对所述的光谱特征、图像特征和气味指纹特征进行融合;与所建立的肉品新鲜度分级评定标准相关联,结合模式识别方法,在决策层作出肉品新鲜程度的判断,建立肉品新鲜度分级预测模型;
3)待测样品的新鲜度分级评定:
检测时,通过近红外光谱仪、计算机视觉系统和电子鼻分别采集待测样品的光谱信息、图像信息和气味指纹信息,并将其传入计算机;计算机对传入的各信息分别进行预处理、特征提取和特征层融合,并在决策层进行模式识别,给出待测样品新鲜度的分级评定结果。
其中,所述计算机视觉系统采用可见光光源。
其中,步骤2)中所述光谱信息采用近红外积分球漫反射法或漫透射法进行采集;所述图像信息采用RGB彩色空间模型表示;所述气味指纹信息采用静态顶空生成法采集。
其中,步骤2)中所述光谱预处理的方法为附加散射校正结合Savitzky-Golay滤波法;所述图像预处理的方法包括图像消噪、图像背景去除、皮下脂肪区域去除和肌内脂肪区域分割。
其中,步骤2)中传入计算机的图像信息以肌肉区域的颜色平均值以及颜色分布标准差为特征参数,且采用主成分分析法提取颜色特征变量。
其中,步骤2)中所述的气味指纹信息选取气体传感器的电压数据稳定值或最大值作为特征参数,并通过主成分分析法提取气味特征变量。
其中,步骤3)中所述的模式识别,就是将待测样品的光谱信息、图像信息和气味指纹信息经预处理、特征提取后在特征层上特征融合,然后再结合已经建立的肉品新鲜度分级预测模型,通过模式识别的方法给出待测样品新鲜度的分级评定结果。
综上,本发明通过近红外光谱检测技术、计算机视觉检测技术和电子鼻检测技术获取描述肉品新鲜度的大量信息,通过采用多特征信息融合技术对这些信息进行分析、综合和平衡,最终得到对肉品新鲜程度的综合评价,具有信息量大、容错性好等优点,检测结果全面、可靠且灵敏度高。
Claims (4)
1.一种基于多源感知信息融合的肉品新鲜度检测方法,其特征在于:利用近红外光谱仪、计算机视觉系统和电子鼻同时分别采集样品的内外部信息,并对所采集到的各信息进行特征提取、融合处理,结合肉品新鲜等级评定标准,对肉品新鲜程度进行分级评定,其具体步骤如下:
1) 建立肉品新鲜度分级评定标准:
将肉样品分成两份,根据肉品新鲜度检测的标准,对其中一份样品进行感官检测、理化检测和微生物检测,包括色泽、气味、弹性、粘度、持水力、挥发性盐基氮、pH值、硫化氢和菌落总数,同时确定各指标的权重,建立肉品新鲜度分级评定标准:新鲜肉、次新鲜肉和腐败肉;其中,所述样品为片状或肉糜状;
2)建立肉品新鲜度分级预测模型:
利用近红外光谱仪、计算机视觉系统和电子鼻分别同时采集另一份样品的光谱信息、图像信息和气味指纹信息,并将所采集到的上述信息传入计算机,计算机对获得信息分别进行光谱预处理、图像预处理和气味指纹数据预处理,之后通过主成分分析法,分别提取反映样品新鲜度的光谱特征、图像特征和气味指纹特征,并采用偏最小二乘法在特征层对所述的光谱特征、图像特征和气味指纹特征进行融合;与所建立的肉品新鲜度分级评定标准相关联,结合模式识别方法,在决策层作出肉品新鲜程度的判断,建立肉品新鲜度分级预测模型;
3)待测样品的新鲜度分级评定:
检测时,通过近红外光谱仪、计算机视觉系统和电子鼻分别采集待测样品的光谱信息、图像信息和气味指纹信息,并将其传入计算机;计算机对传入的各信息分别进行预处理、特征提取和特征层融合,并在决策层进行模式识别,给出待测样品新鲜度的分级评定结果;其中,
步骤2)中所述光谱预处理的方法为附加散射校正结合Savitzky-Golay滤波法;
步骤2)中所述图像信息采用RGB彩色空间模型表示;
步骤2)中所述图像预处理的方法包括图像消噪、图像背景去除、皮下脂肪区域去除和肌内脂肪区域分割;
步骤2)中传入计算机的图像信息以肌肉区域的颜色平均值以及颜色分布标准差为特征参数;
步骤2)中所述的气味指纹信息选取气体传感器的电压数据稳定值或最大值作为特征参数;
步骤3)中所述的模式识别,就是将待测样品的光谱信息、图像信息和气味指纹信息经预处理、特征提取后在特征层上特征融合,然后再结合已经建立的肉品新鲜度分级预测模型,通过模式识别的方法给出待测样品新鲜度的分级评定结果。
2.根据权利要求1所述的基于多源感知信息融合的肉品新鲜度检测方法,其特征在于:所述计算机视觉系统采用可见光光源。
3.根据权利要求1所述的基于多源感知信息融合的肉品新鲜度检测方法,其特征在于:步骤2)中所述光谱信息采用近红外积分球漫反射法或漫透射法进行采集。
4.根据权利要求1所述的基于多源感知信息融合的肉品新鲜度检测方法,其特征在于:步骤2)中所述气味指纹信息采用静态顶空生成法采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310262132.7A CN103278609B (zh) | 2013-06-27 | 2013-06-27 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310262132.7A CN103278609B (zh) | 2013-06-27 | 2013-06-27 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103278609A CN103278609A (zh) | 2013-09-04 |
CN103278609B true CN103278609B (zh) | 2015-09-30 |
Family
ID=49061189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310262132.7A Expired - Fee Related CN103278609B (zh) | 2013-06-27 | 2013-06-27 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103278609B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568815A (zh) * | 2014-12-31 | 2015-04-29 | 中国肉类食品综合研究中心 | 生鲜牛肉中挥发性盐基氮含量的快速无损检测方法 |
CN105092579B (zh) * | 2014-12-31 | 2019-05-21 | 广西师范学院 | 一种芒果品质无损检测设备 |
CN104568796B (zh) * | 2015-01-01 | 2017-06-23 | 浙江工商大学 | 猪肉保存时间检测方法 |
CN104568794B (zh) * | 2015-01-01 | 2017-06-23 | 浙江工商大学 | 带鱼肉储存时间检测方法 |
KR101745372B1 (ko) * | 2015-07-08 | 2017-06-09 | 피도연 | 식품 상태 측정 장치, 식품 상태 측정 모듈, 이를 포함하는 스마트 장치 |
CN105136881A (zh) * | 2015-09-17 | 2015-12-09 | 四川旅游学院 | 一种快速检测掺假腐烂猪肉香肠的方法 |
CN107657140A (zh) * | 2016-07-23 | 2018-02-02 | 东北林业大学 | 一种猴头菇品质监测体系的构建方法 |
CN107886095A (zh) * | 2016-09-29 | 2018-04-06 | 河南农业大学 | 一种基于机器视觉和嗅觉特征融合的分类识别方法 |
CN108133743A (zh) * | 2016-12-01 | 2018-06-08 | 佛山市顺德区美的电热电器制造有限公司 | 一种信息推送的方法、装置和系统 |
CN106556602A (zh) * | 2016-12-05 | 2017-04-05 | 湖南理工学院 | 一种鱼体新鲜度的检测方法及其装置 |
CN107423421A (zh) * | 2017-07-31 | 2017-12-01 | 京东方科技集团股份有限公司 | 菜谱推荐方法、装置和冰箱 |
CN107884428A (zh) * | 2017-10-31 | 2018-04-06 | 重庆楚新业科技有限公司 | 一种危险品检测系统及其控制方法 |
CN107831084B (zh) * | 2017-12-08 | 2023-09-12 | 山东商业职业技术学院 | 一种生鲜水产品品质综合测定装置及测定方法 |
CN107942015A (zh) * | 2017-12-15 | 2018-04-20 | 山东商业职业技术学院 | 一种水产品新鲜度无损检测装置及评价方法 |
CN108663339B (zh) * | 2018-05-15 | 2021-01-26 | 南京财经大学 | 基于光谱和图像信息融合的霉变玉米在线检测方法 |
CN108960315B (zh) * | 2018-06-27 | 2021-08-06 | 河南农业大学 | 一种调理肉制品品质智能评价系统及方法 |
CN111159831A (zh) * | 2018-10-18 | 2020-05-15 | 珠海格力电器股份有限公司 | 食材新鲜度的预测方法及装置、家电设备 |
CN111323551A (zh) * | 2018-12-17 | 2020-06-23 | 珠海格力电器股份有限公司 | 食材新鲜度的提示方法、装置及家电设备 |
CN109490306B (zh) * | 2018-12-27 | 2021-07-23 | 山东炎黄工业设计有限公司 | 一种基于色泽和气味数据融合的猪肉新鲜度检测方法 |
CN110132890A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 根据食材成分优化无人厨房烹饪操作的方法及装置 |
CN110133202A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种智能厨房的食材监测新鲜度的方法及装置 |
CN110426366A (zh) * | 2019-08-13 | 2019-11-08 | 宿州学院 | 基于可视化嗅觉传感器及近红外的肉类掺假比例检测方法 |
CN110987895B (zh) * | 2019-11-07 | 2023-04-11 | 江苏大学 | 一种快速在线检测木薯固态发酵的生长过程的方法 |
CN111272682A (zh) * | 2020-03-03 | 2020-06-12 | 渤海大学 | 一种用于评价糖熏肉制品新鲜度的比色卡及其制备方法和应用 |
CN111272672A (zh) * | 2020-03-03 | 2020-06-12 | 渤海大学 | 一种基于颜色评估糖熏肉制品新鲜度的方法 |
CN112417008A (zh) * | 2020-12-07 | 2021-02-26 | 渤海大学 | 一种基于机器学习的鱼类品质判定方法 |
CN112691939A (zh) * | 2020-12-21 | 2021-04-23 | 中国农业大学 | 果蔬品质智能感知分拣机器人系统 |
CN113011479A (zh) * | 2021-03-05 | 2021-06-22 | 北京中医药大学 | 一种用于智能制造的多源信息融合方法 |
CN112634274B (zh) * | 2021-03-10 | 2021-06-04 | 广东省农业科学院动物科学研究所 | 一种基于机器视觉的肥育猪肉肉质评价方法及系统 |
CN113672662A (zh) * | 2021-08-04 | 2021-11-19 | 华中农业大学 | 一种食品多源信息融合方法、装置及存储介质 |
CN113791049B (zh) * | 2021-08-30 | 2023-02-28 | 华中农业大学 | 一种融合nirs和cv对冷鲜鸭肉新鲜度进行快速检测的方法 |
CN114813631B (zh) * | 2022-06-23 | 2022-09-06 | 中化现代农业有限公司 | 小麦品种纯度检测方法、装置和电子设备 |
CN114993630A (zh) * | 2022-07-18 | 2022-09-02 | 武汉大学 | 一种面向鲜肉新鲜度的生鲜照明光品质评价方法及系统 |
CN116359142B (zh) * | 2023-03-27 | 2024-03-22 | 山东千禧农牧发展有限公司 | 一种鸡肉品质的评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2331069C1 (ru) * | 2006-11-29 | 2008-08-10 | Государственное образовательное учреждение высшего профессионального образования Воронежская государственная технологическая академия | Способ количественной оценки аромата мяса и мясных продуктов |
-
2013
- 2013-06-27 CN CN201310262132.7A patent/CN103278609B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2331069C1 (ru) * | 2006-11-29 | 2008-08-10 | Государственное образовательное учреждение высшего профессионального образования Воронежская государственная технологическая академия | Способ количественной оценки аромата мяса и мясных продуктов |
Non-Patent Citations (5)
Title |
---|
Multi-sensor data fusion using support vector machine for motor fault detection;Tribeni Prasad Banerjee等;《Information Sciences》;20120714;第96-107页 * |
基于多源信息融合技术的猪肉新鲜度无损检测方法研究;周炜;《中国优秀硕士学位论文全文数据库》;20120215(第02期);参见第14页3.2.2猪肉图像的采集试验 * |
基于近红外光谱分析技术和计算机视觉技术的猪肉品质检测的研究;万新民;《中国优秀硕士学位论文全文数据库》;20110515(第05期);参见第10页2.1猪肉新鲜度的理化测定及等级评定,第15页3.2.2.1光谱采集,第20页3.3.1近红外原始光谱的预处理,第36页4.1.2猪肉图像的采集,第37页第1-2段和倒数第2段,第38页倒数第1段,第51页5.3.3基于近红外光谱和图像信息融合模型的建立 * |
多源信息融合技术的猪肉新鲜度检测方法研究;黄懿等;《湖北农业科学》;20110630;第50卷(第12期);参见第2537页1材料与方法 * |
肉类品质无损检测技术研究现状与发展趋势;张玉华等;《食品工业科技》;20121231;第33卷(第12期);参见第393页左栏第2-3段,第394页2.1多源感知信息融合技术 * |
Also Published As
Publication number | Publication date |
---|---|
CN103278609A (zh) | 2013-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103278609B (zh) | 一种基于多源感知信息融合的肉品新鲜度检测方法 | |
CN101251526B (zh) | 鲜猪肉综合品质无损检测方法与装置 | |
CN105445421B (zh) | 一种通过外观指标预测片烟醇化过程中感官质量的方法 | |
CN101692052B (zh) | 基于超光谱图像技术的名优茶真伪鉴别方法及装置 | |
CN105335692A (zh) | 一种轮胎x光图像检测识别方法及系统 | |
CN105893980A (zh) | 一种注意力专注度评价方法及系统 | |
CN101059424A (zh) | 多光谱肉类新鲜度人工智能测量方法及系统 | |
CN102788794A (zh) | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 | |
CN110133049A (zh) | 基于电子鼻和机器视觉的茶叶等级快速无损检测方法 | |
Shafiee et al. | Potential application of machine vision to honey characterization | |
CN105067531A (zh) | 一种芒果品质无损检测方法及装置 | |
CN101975788A (zh) | 低场核磁共振鉴别食用油品质的方法 | |
CN103900972A (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
CN104256882A (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN110189383A (zh) | 基于机器学习的中医舌色苔色定量分析方法 | |
CN104977258A (zh) | 基于二维相关光谱的茶叶/化妆品等品质检测方法 | |
CN105911268A (zh) | 一种胶体金试纸条检测结果自动读取仪器及其应用 | |
CN103760110A (zh) | 一种快速鉴别不同动物来源肉的方法 | |
CN105466921A (zh) | 一种多样品同时检测的方法 | |
CN105004722A (zh) | 一种烟叶成熟度快速检测方法 | |
CN116883394B (zh) | 一种基于图像数据处理的金刚石质量检测方法 | |
CN102998350A (zh) | 利用电化学指纹图谱鉴别食用油和地沟油的方法 | |
CN201156043Y (zh) | 食品综合品质无损检测装置 | |
CN108287161A (zh) | 一种智能茶叶感官审评方法及系统 | |
Alexander et al. | Identifying spatial structure in phytoplankton communities using multi‐wavelength fluorescence spectral data and principal component analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150930 Termination date: 20160627 |
|
CF01 | Termination of patent right due to non-payment of annual fee |