CN106018292B - 蛋清中蛋白质构象的无损检测装置及其方法 - Google Patents

蛋清中蛋白质构象的无损检测装置及其方法 Download PDF

Info

Publication number
CN106018292B
CN106018292B CN201610567346.9A CN201610567346A CN106018292B CN 106018292 B CN106018292 B CN 106018292B CN 201610567346 A CN201610567346 A CN 201610567346A CN 106018292 B CN106018292 B CN 106018292B
Authority
CN
China
Prior art keywords
eggs
beasts
birds
image
light source
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.)
Active
Application number
CN201610567346.9A
Other languages
English (en)
Other versions
CN106018292A (zh
Inventor
王巧华
付丹丹
张磊
李小明
许峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong Agricultural University
Original Assignee
Huazhong Agricultural University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong Agricultural University filed Critical Huazhong Agricultural University
Priority to CN201610567346.9A priority Critical patent/CN106018292B/zh
Publication of CN106018292A publication Critical patent/CN106018292A/zh
Application granted granted Critical
Publication of CN106018292B publication Critical patent/CN106018292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种蛋清中蛋白质构象的高光谱无损检测装置及其方法，涉及农产品无损检测领域。本方法是：①调节检测装置参数，包括设置高光谱波段范围、曝光时间、移动距离等；②将不同贮藏时间的禽蛋按顺序编号，并依次采集每枚禽蛋的高光谱数据；③对采集的禽蛋高光谱数据进行黑白校正；④从校正后的禽蛋高光谱信息中提取禽蛋图像信息与光谱信息；⑤对提取到的禽蛋图像信息与光谱信息分别进行数据处理。本发明综合利用高光谱的图像信息和光谱信息，对蛋清中蛋白质在贮藏期间的结构变化进行测定，能够对其引起禽蛋品质变化的内部微观结构变化进行快速、渐变、无损、客观的检测，可用于更准确的评价禽蛋综合品质、禽蛋等级评定。

Description

蛋清中蛋白质构象的无损检测装置及其方法
技术领域
本发明涉及农产品无损检测领域，尤其涉及一种蛋清中蛋白质构象的高光谱无损检测装置及其方法。
背景技术
蛋是人们膳食中最优质的蛋白质来源之一。鲜蛋在贮藏过程中其内部性状由于受饲料、温度、湿度以及运输、贮存条件和时间等众多因素的影响而发生变化，品质也随之降低，严重影响了蛋的食用价值和商品价值【Musgrove1 M T,Jones D R,Northcutt J K,etal. Survey of Shell Egg Processing Plant Sanitation Programs:Effects on Non–Egg-Contact Surfaces Journal of Food Protection[J], 2004,12(67):2801-2804】。我国对蛋的保质期没有明确的规定，2003 年我国的研究人员首次提出蛋具有保质期，有些学者认为禽蛋的保质期为15天，但有些禽蛋生产企业在一些保健禽蛋的包装上注明禽蛋的保质期为45天【宁欣.鸡蛋的分级、检测与包装[J]. 中国家禽,2004,12(26):56 -60】。这些关于蛋品食用品质规定的不统一对于公众健康具有不可忽视的影响。而蛋龄（禽蛋产后贮存时间）不能准确反映不同贮存条件下禽蛋的真实鲜度【魏小彪，王树才.鸡蛋新鲜度综合无损检测模型及试验[J].农业工程学报，2009, 25；242-247】。现有的禽蛋品质评价大多集中在外部品质（如蛋形、蛋重、表面破损和壳色等）和简单的理化指标（如水分、pH等）的变化方面，鲜有涉及到品质变化的生化本质，因此仍然有许多基础科学问题没有从根本上得到解决。
现有的蛋品品质检测的化学方法都是将蛋打破来测定一些理化因子（如pH、哈弗单位、血斑、肉斑等）的变化，这无疑是不利于生产实际的，也并不能有效的揭示蛋品质变化的化学本质以及对机体健康的影响；对于蛋品质的无损检测方法大多依面破损和壳色等，很少从蛋品质的化学变化角度来考虑其食用品质和安全性。
经相关检索现有的检测技术：
①目前国内外评价禽蛋品质都是从宏观的角度出发，没有研究从微观的角度对其进行评价，即尚未发现从蛋白构象的变化角度来评价禽蛋品质的研究。
②国内外尚未发现有蛋清中主要蛋白质构象无损检测装置和方法。国内外检测蛋清中蛋白构象检测均需要经过复杂的生化试验，而禽蛋品质的变化从根本上而言是其内部蛋白质构象的变化，因此该技术可以从更深的禽蛋品质变化机理上来评价禽蛋品质，检测方法及其装置更准确、简便、易行。
发明内容
本发明的目的在于克服现有的禽蛋蛋白质生化检测装置及其方法的复杂性及周期长的问题，提供一种蛋清中蛋白质构象的高光谱无损检测装置及其方法。
本发明的目的是这样实现的：
首先调节好高光谱成像仪的各个参数，利用高光谱成像仪获得贮藏期间禽蛋的高光谱信息；其次提取相应的图像信息与光谱信息，并划分样本集，通过黑白校正、灰度化、边缘检测、平滑、光谱微分、连续投影法、光谱指纹图谱、多元线性回归等算法建立主要蛋白质构象的检测模型；最后通过调用相关模型，用预测集数据检验模型的有效性，以达到无损检测蛋清中蛋白质构象的目的。
本发明主要针对蛋清中的蛋白构象检测。与其他类似研究不同的是，本发明设计了快速检测蛋清蛋白构象的光源箱，研究了检测禽蛋内部微观的蛋清蛋白构象的方法，可实现准确、无损和快速地从禽蛋内部微观变化评价禽蛋品质。本发明主要完成以下几项工作：
1、设计和搭建高光谱信息采集装置，采集禽蛋的高光谱信息。主要包括高光谱透射光谱箱模块的设计，透射光源的选择，设备的连接；
2、采用合适的图像预处理算法、光谱预处理算法对获得的禽蛋图像信息和光谱信息进行滤波、去噪和平滑等处理；选用合适的特征参数提取算法，提取禽蛋的图像特征参数与光谱特征参数；采用合适的建模算法，利用建模集样品建立预测模型，并用预测集样品验证模型预测的准确性。
具体地说，本发明的实现方案如下：
一、蛋清中蛋白质构象的高光谱无损检测装置（简称装置）
本装置包括检测对象——禽蛋；
设置有计算机、密封箱、光谱相机、步进电机、联轴器、光电传感器、底座、丝杆、移动平台、透射光源箱、光源开关、透射光源和风扇；
其位置和连接关系是：
在密封箱的顶部中心设置有光谱相机，在密封箱的底部设置有底座，在密封箱的内部设置有光电传感器，光电传感器正对禽蛋；
在底座上设置有依次连接的步进电机、联轴器、丝杆和移动平台，在移动平台上设置有透射光源箱；
禽蛋置于透射光源箱的顶部中心，在透射光源箱的左右两侧壁分别设置有光源开关和风扇，在透射光源箱的底部中心设置有透射光源；
光谱相机、步进电机和光电传感器分别与设置在密封箱外面的计算机连接。
二、蛋清中蛋白质构象的高光谱无损检测方法（简称方法）
本方法包括下列步骤：
①调节检测装置参数，包括设置高光谱波段范围、曝光时间和移动距离；
②将不同贮藏时间的禽蛋按顺序编号，并依次采集每枚禽蛋的高光谱数据；
③对采集的禽蛋高光谱数据进行黑白校正；
④从校正后的禽蛋高光谱信息中提取禽蛋图像信息与光谱信息；
⑤对提取到的禽蛋图像信息与光谱信息分别进行数据处理。
本发明具有下列优点和积极效果：
①利用高光谱透射技术，能够完成对蛋清内部微观蛋白质构象变化的准确检测；
②利用高光谱透射技术，实现了对禽蛋内部微观化学结构变化的检测，解决了仅用简单的宏观理化指标来评价禽蛋品质的弊端；
③无需打破禽蛋，检测模型准确率高。
总之，本发明综合利用高光谱的图像信息和光谱信息，对蛋清中蛋白质在贮藏期间的结构变化进行测定，能够对其引起禽蛋品质变化的内部微观结构变化进行快速、渐变、无损和客观的检测，可用于更准确地评价禽蛋综合品质的等级评定。
附图说明
图1是本装置的结构示意图（总体）；
图2是本装置的结构示意图（局部放大）；
图3是数据处理软件的工作流程图。
图中：
0—禽蛋；
1—计算机；
2—密封箱；
3—光谱相机；
4—步进电机；
5—步进电机控制器；
6—联轴器；
7—光电传感器；
8—底座；
9—丝杆；
10—移动平台；
11—透射光源箱；
12—光源开关；
13—透射光源；
14—风扇。
具体的实施方式：
下面结合附图和实例详细说明：
一、装置
1、总体
如图1、图2，本装置包括检测对象——禽蛋0；
设置有计算机1、密封箱2、光谱相机3、步进电机4、步进电机控制器5、联轴器6、光电传感器7、底座8、丝杆9、移动平台10、透射光源箱11、光源开关12、透射光源13和风扇14；
其位置和连接关系是：
在密封箱2的顶部中心设置有光谱相机3，在密封箱2的底部设置有底座8，在密封箱2的内部设置有光电传感器7，光电传感器7正对禽蛋0；
在底座8上设置有依次连接的步进电机4、联轴器6、丝杆9和移动平台10，在移动平台10上设置有透射光源箱11；
禽蛋0置于透射光源箱11的顶部中心，在透射光源箱11的左右两侧壁分别设置有光源开关12和风扇14，在透射光源箱11的底部中心设置有透射光源13；
步进电机4与步进电机控制器5连接，光谱相机3、步进电机控制器5和光电传感器6分别与设置在密封箱2外面的计算机1连接。
2、功能部件
01）计算机1
计算机1的硬件配置是CPU、Inter Core i5-3210、2.50GHz处理器、RAM（8G）、windows64位系统；
内嵌的数据处理软件的工作流程是：
①读取高光谱图像，进行黑白校正—101
利用调节装置时获得的校正文件对采集到的高光谱图像进行黑白校正，去除暗电流的干扰；
②划分训练集和预测集—102
将采集的所有禽蛋图像按照2：1的比例随机划分为训练集和预测集，训练集用来建立预测模型，预测集用来检验所建立模型的准确性；
③图像与光谱处理，分别进行：
第一、图像方面：
A、对训练集图像进行预处理—103
通过对获取的图像进行灰度化、中值滤波和高斯—拉普维斯算子边缘检测的预处理算法提高图像质量；
B、提取图像特征参数—104
计算图像长轴、短轴、宽度和高度，并计算图像边缘所围区域内的像素和整蛋面积，选取长短轴之比和整蛋面积作为图像的特征参数；
第二、光谱方面：
a、对校正后的图像提取光谱数据—105
选取整蛋为感兴趣区域，对校正后的图像提取光谱数据；
b、对训练集光谱进行预处理—106
对训练集的光谱数据进行预处理，去除禽蛋光谱数据的噪声干扰，提高信噪比；
c、提取光谱特征参数—107
利用连续投影法、光谱指纹和竞自变量加权算法等从450～950nm波长范围内挑选出有效的波长点，去除无信息含量及信息含量少的波长点；
④融合图像、光谱特征参数—108
将提取的图像特征参数与光谱特征参数进行融合，使所选的所有特征参数能够至少包含禽蛋主要蛋白构象98%以上的有效信息，利用融合的特征参数组合建立模型可以进一步简化模型，提高模型准确性与稳定性；
⑤建立训练集预测模型—109
计算蛋清中蛋白构象的各结构含量，建立预测模型；
⑥用预测集数据检验模型的准确性—110
将预测集数据导入到所建立的模型中，依据预测集的预测值与真实值之间的差异，判断所建立的模型的准确性。
02）密封箱2
密封箱2是一种长方形的封闭箱；
其功能是安装其他功能部件，避免采集禽蛋0的透射光谱时受周围环境的干扰。
03）光谱相机3
光谱相机3选用制冷型TE-CCD相机，尺寸为142×135×350mm；
其功能是拍摄高质量的禽蛋的高光谱图像。
04）步进电机4
步进电机4是一种通用件；
其功能是通过其正转、反转使移动平台9前进、后退。
05）步进电机控制器5
步进电机控制器5选用HSIA-HC-100，其运动模式为单步、连续，接口为RS232；
其功能是控制步进电机4正转、反转及转动时间。
06）联轴器6
联轴器6是一种通用件；
其功能是连接步进电机4与丝杆9，使丝杆9旋转。
07）光电传感器7
光电传感器7是一种扩散反射型光电开关；
其功能是控制移动平台10在前进与后退的过程中步进电机4的工作状态。
08）底座8
底座8采用的具有一定强度和刚度的型材；
其功能是安装其他功能部件，使其他功能部件能够随丝杆的运动平稳地运动。
09）丝杆9
丝杆9是一种通用件；
其功能是控制移动平台9的前进与后退。
10）移动平台10
移动平台在一种长方形的钢板；
其功能是固定透射光源箱11，使箱体在移动过程中能够平稳地前进和后退。
11）透射光源箱11
透射光源箱11是一种长方形的封闭箱，长×宽×高=230×140×140mm，封闭不漏光；
其功能是安装透射光源13等其他功能部件，防止灰尘进入，保证透射光源12的光强不衰减。
12）光源开关12
光源开关12是一种通用件；
其功能是控制透射光源13的启动与关闭。
13）透射光源13
透射光源13是一种通用的卤素灯，选用ESS MR11 35W，光源上的灯头型号为GU4，直径为35mm；
其功能是提供检测禽蛋0的光能。
14）风扇14
风扇14为GF8025MS型风扇，输入端电压为12V；
其功能是避免透射光源13长时间使用发出的热量被封存在透射光源箱11内，降低透射光源箱11的温度。
二、工作机理
计算机1控制步进电机控制器5工作，步进电机控制器5使步进电机4带动丝杆9转动继而使移动平台10前进或者后退；打开光源开关12，使透射光源13开始工作；设置最佳曝光时间、移动距离等最佳参数，利用计算机1控制光谱相机3获取禽蛋0的透射图像；禽蛋0运动到设置的最终位置时，光电传感器7工作，移动平台10停止前进；利用计算机1内部的数据处理软件处理获得的数据，最终实现蛋清中蛋白质构象的无损检测。
三、检测结果
试验样品为褐壳鸡蛋，共120个，均于2015年12月采购于湖北省武汉市九峰山养鸡场，随机选取80个鸡蛋作为训练集，其他40个鸡蛋作为预测集，分别获取每个鸡蛋的高光谱图像，通过上述的蛋清中蛋白构象无损检测装置及其方法进行预测，预测值与真实值的相关系数大于0.9，且均方根误差小。

Claims (1)

1.一种基于高光谱的蛋清蛋白质无损检测方法，方法使用的装置包括禽蛋(0)，还设置有计算机(1)、密封箱(2)、光谱相机(3)、步进电机(4)、步进电机控制器(5)、联轴器(6)、光电传感器(7)、底座(8)、丝杆(9)、移动平台(10)、透射光源箱(11)、光源开关(12)、透射光源(13)和风扇(14)；
其位置和连接关系是：
在密封箱(2)的顶部中心设置有光谱相机(3)，在密封箱(2)的底部设置有底座(8)，在密封箱(2)的内部设置有光电传感器(7)，光电传感器(7)正对禽蛋(0)；
在底座(8)上设置有依次连接的步进电机(4)、联轴器(6)、丝杆(9)和移动平台(10)，在移动平台(10)上设置有透射光源箱(11)；
禽蛋(0)置于透射光源箱(11)的顶部中心，在透射光源箱(11)的左右两侧壁分别设置有光源开关(12)和风扇(14)，在透射光源箱(11)的底部中心设置有透射光源(13)；
步进电机(4)与步进电机控制器(5)连接，光谱相机(3)、步进电机控制器(5)和光电传感器(7)分别与设置在密封箱(2)外面的计算机(1)连接；
其特征在于：
所述的计算机(1)内嵌的数据处理软件的工作流程是：
①读取高光谱图像，进行黑白校正(101)
利用调节仪器时获得的校正文件对采集到的高光谱图像进行黑白校正，去除暗电流的干扰；
②划分训练集和预测集(102)
将采集的所有禽蛋图像按照2：1的比例随机划分为训练集和预测集，训练集用来建立预测模型，预测集用来检验所建立模型的准确性；
③图像与光谱处理，分别进行：
第一、图像方面：
A、对训练集图像进行预处理(103)
通过对获取的图像进行灰度化、中值滤波或高斯—拉普维斯算子边缘检测的预处理，提高图像质量；
B、提取图像特征参数(104)
计算图像长轴、短轴、宽度、高度，并计算图像边缘所围区域内的像素和整蛋面积，选取长短轴之比、整蛋面积作为图像的特征参数；
第二、光谱方面：
a、对校正后的图像提取光谱数据(105)
选取整蛋为感兴趣区域，对校正后的图像提取光谱数据；
b、对训练集光谱进行预处理(106)
对训练集的光谱数据进行预处理，去除禽蛋光谱数据的噪声干扰，提高信噪比；
c、提取光谱特征参数(107)
利用连续投影法、光谱指纹或竞自变量加权算法从450nm—950nm波长范围内挑选出有效的波长点，去除无信息含量及信息含量少的波长点；
④融合图像、光谱特征参数(108)
将提取的图像特征参数与光谱特征参数进行融合，使所选的所有特征参数能够至少包含禽蛋主要蛋白构象98％以上的有效信息，利用融合的特征参数组合建立模型可以进一步简化模型，提高模型准确性与稳定性；
⑤建立训练集预测模型(109)
计算蛋清中蛋白构象的各结构含量，建立预测模型；
⑥用预测集数据检验模型的准确性(110)
将预测集数据导入到所建立的模型中，依据预测集的预测值与真实值之间的差异，判断所建立的模型的准确性；
检测方法包括下列步骤：
①调节检测装置参数，包括设置高光谱波段范围、曝光时间、移动距离；
②将不同贮藏时间的禽蛋按顺序编号，并依次采集每枚禽蛋的高光谱数据；
③对采集的禽蛋高光谱数据进行黑白校正；
④从校正后的禽蛋高光谱信息中提取禽蛋图像信息与光谱信息；
⑤对提取到的禽蛋图像信息与光谱信息分别进行数据处理。
CN201610567346.9A 2016-07-19 2016-07-19 蛋清中蛋白质构象的无损检测装置及其方法 Active CN106018292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610567346.9A CN106018292B (zh) 2016-07-19 2016-07-19 蛋清中蛋白质构象的无损检测装置及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610567346.9A CN106018292B (zh) 2016-07-19 2016-07-19 蛋清中蛋白质构象的无损检测装置及其方法

Publications (2)

Publication Number Publication Date
CN106018292A CN106018292A (zh) 2016-10-12
CN106018292B true CN106018292B (zh) 2019-01-25

Family

ID=57118259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610567346.9A Active CN106018292B (zh) 2016-07-19 2016-07-19 蛋清中蛋白质构象的无损检测装置及其方法

Country Status (1)

Country Link
CN (1) CN106018292B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110749555B (zh) * 2019-10-30 2022-05-31 宜宾五粮液股份有限公司 基于高光谱技术白酒曲块内部发酵状态检测装置及方法
CN111239056B (zh) * 2020-01-17 2021-04-20 浙江大学 一种产油微藻中三酰甘油含量的检测方法及其检测装置
CN111879725B (zh) * 2020-08-24 2022-02-01 四川长虹电器股份有限公司 一种基于权重系数的光谱数据修正方法
CN113984692A (zh) * 2021-11-01 2022-01-28 武汉轻工大学 鸡蛋综合品质无损检测方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104316473A (zh) * 2014-10-28 2015-01-28 南京农业大学 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法
CN105548028A (zh) * 2015-12-11 2016-05-04 华中农业大学 禽蛋新鲜度的光纤光谱分级检测装置及其方法
CN205844169U (zh) * 2016-07-19 2016-12-28 华中农业大学 一种蛋清中蛋白质构象的无损检测装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6639665B2 (en) * 2001-02-09 2003-10-28 Institute For Technology Development Multispectral imaging system for contaminant detection

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104316473A (zh) * 2014-10-28 2015-01-28 南京农业大学 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法
CN105548028A (zh) * 2015-12-11 2016-05-04 华中农业大学 禽蛋新鲜度的光纤光谱分级检测装置及其方法
CN205844169U (zh) * 2016-07-19 2016-12-28 华中农业大学 一种蛋清中蛋白质构象的无损检测装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于高光谱信息融合和相关向量机的种蛋无损检测;祝志慧 等;《农业工程学报》;20150831;第31卷(第15期);285-290
鸡蛋贮藏过程中蛋白质的变化机理及其研究方法;王晶 等;《中国家禽》;20130205;第35卷(第3期);48

Also Published As

Publication number Publication date
CN106018292A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
Xiong et al. Applications of hyperspectral imaging in chicken meat safety and quality detection and evaluation: A review
Xiong et al. Application of visible hyperspectral imaging for prediction of springiness of fresh chicken meat
Kamruzzaman et al. Online monitoring of red meat color using hyperspectral imaging
Cheng et al. Non-destructive and rapid determination of TVB-N content for freshness evaluation of grass carp (Ctenopharyngodon idella) by hyperspectral imaging
CN107976428B (zh) 水产品化学污染物的无损实时检测方法与装置
Xiong et al. Potential of hyperspectral imaging for rapid prediction of hydroxyproline content in chicken meat
CN106018292B (zh) 蛋清中蛋白质构象的无损检测装置及其方法
He et al. Non-destructive and rapid analysis of moisture distribution in farmed Atlantic salmon (Salmo salar) fillets using visible and near-infrared hyperspectral imaging
Wu et al. Application of long-wave near infrared hyperspectral imaging for measurement of color distribution in salmon fillet
Wang et al. Spectral detection techniques for non-destructively monitoring the quality, safety, and classification of fresh red meat
ElMasry et al. Chemical-free assessment and mapping of major constituents in beef using hyperspectral imaging
Wu et al. Prediction of beef quality attributes using VIS/NIR hyperspectral scattering imaging technique
Iqbal et al. An overview on principle, techniques and application of hyperspectral imaging with special reference to ham quality evaluation and control
CN103257118A (zh) 一种基于特征波段的鱼肉嫩度高光谱检测方法
Wang et al. Smartphone imaging spectrometer for egg/meat freshness monitoring
CN105092579B (zh) 一种芒果品质无损检测设备
Yao et al. Non-invasive and rapid pH monitoring for meat quality assessment using a low-cost portable hyperspectral scanner
US20160356704A1 (en) Nondestructive meat tenderness assessment
Cheng et al. Comparison of visible and long-wave near-infrared hyperspectral imaging for colour measurement of grass carp (Ctenopharyngodon idella)
Wang et al. Application of hyper-spectral imaging technique for the detection of total viable bacteria count in pork
Feng et al. Real‐time prediction of pre‐cooked Japanese sausage color with different storage days using hyperspectral imaging
Fan et al. Applications of fluorescence spectroscopy, RGB-and multispectral imaging for quality determinations of white meat: a review
Pu et al. Recent advances in muscle food safety evaluation: Hyperspectral imaging analyses and applications
Li et al. Nondestructive assessment of beef-marbling grade using hyperspectral imaging technology
Duan et al. Sensitive variables extraction, non-destructive detection and visualization of total viable count (TVC) and pH in vacuum packaged lamb using hyperspectral imaging

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant