CN108627471A - 在线快速检测鸡肉热杀索丝菌含量的方法 - Google Patents

在线快速检测鸡肉热杀索丝菌含量的方法 Download PDF

Info

Publication number
CN108627471A
CN108627471A CN201810225128.6A CN201810225128A CN108627471A CN 108627471 A CN108627471 A CN 108627471A CN 201810225128 A CN201810225128 A CN 201810225128A CN 108627471 A CN108627471 A CN 108627471A
Authority
CN
China
Prior art keywords
rope silk
bacterial content
kills
heat
sample
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.)
Pending
Application number
CN201810225128.6A
Other languages
English (en)
Inventor
何鸿举
马汉军
王慧
宋照军
刘玺
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.)
Henan Institute of Science and Technology
Original Assignee
Henan Institute of Science and Technology
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 Henan Institute of Science and Technology filed Critical Henan Institute of Science and Technology
Priority to CN201810225128.6A priority Critical patent/CN108627471A/zh
Publication of CN108627471A publication Critical patent/CN108627471A/zh
Pending legal-status Critical Current

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
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • 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
    • G01N21/55—Specular reflectivity
    • 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
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N2021/3196—Correlating located peaks in spectrum with reference data, e.g. fingerprint data

Landscapes

  • Physics & Mathematics (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)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了在线快速检测鸡肉热杀索丝菌含量的方法，采集校正集鸡肉样品的高光谱图像，对获取的光谱图进行预处理再进行目标区域的识别以及光谱图平均光谱数据的提取；将提取的光谱数据代入公式即得。本发明从486个全波段内提取23个最优波长时为了剔除大量的冗余信息，提取有用的信息，以降低数据分析的计算量，从而提高偏最小二乘模型的精度，以实现肉品企业大规模的在线生产的需求。与现有技术相比，本发明具有以下有益效果：本发明不需对被测样品进行预处理，仅对样品进行非接触的光谱扫描且没有破坏性；本发明不使用任何化学试剂，即绿色又节约成本；本发明易于操作又节约时间，能实现鸡肉热杀索丝菌含量的大规模在线检测。

Description

在线快速检测鸡肉热杀索丝菌含量的方法
技术领域
本发明涉及及食品质量与安全检测领域，具体涉及在线快速检测鸡肉热杀索丝菌含量的方法。
背景技术
当今，鸡肉不仅可以提供给人们日常生活所需的蛋白质、不饱和脂肪酸、矿物质和维生素等营养物质而且又因其肉质细嫩、滋味鲜美并具有滋补养身的作用，而深受消费者的青睐。目前冷鲜鸡肉已成为我国大中城市的消费主流，但冷鲜鸡肉的货架期很短，一般新鲜鸡肉在4℃冷藏时，其货架期是3-5天便会腐败变质，而超过货架期的鸡肉其颜色、气味和外观会逐渐恶化而失去其食用价值，其中热杀索丝菌是导致鸡肉腐败的主要微生物之一，因此对鸡肉中热杀索丝菌的在线监测和控制具有重要的意义。目前鸡肉中热杀索丝菌的检测仍使用传统的国标法即GB 4789.2-2016《食品微生物学检验菌落总数测定》，此方法在试验过程中需使用大量的化学试剂且费时费力对被测样品具有破损性，满足不了当今肉品行业对快速、无损、大规模的在线检测技术的要求。因此，发明一种高光谱成像技术在线检测鸡肉热杀索丝菌含量的方法对当今肉品行业的快速发展具有相当重要的现实意思。
目前，将传统的光谱学与计算机视觉技术相融合的高光谱成像技术可以同时提供被测样本的空间信息和光谱信息，而且高光谱成像技术还具有快速、无损且不使用化学试剂等优点。近年来，在肉品的质量评估方面已有大量研究，但在鸡肉热杀索丝菌含量方面的研究较少。
发明内容
为了解决现有技术的不足，本发明提供了在线快速检测鸡肉热杀索丝菌含量的方法。
本发明的技术方案是：在线快速检测鸡肉热杀索丝菌含量的方法，采集校正集鸡肉样品的高光谱图像，对获取的光谱图进行预处理再进行目标区域的识别以及光谱图平均光谱数据的提取；将提取的光谱数据代入下式即得Y热杀索丝菌＝3.317+86.169X900.55nm-88.706X908.787nm+30.741X930.198nm+30.227X945.017nm-13.467X992.756nm-19.797X1076.672nm+20.302X1134.246nm-42.492X1153.986nm-28.796X1183.596nm+17.563X1211.563nm+18.391X1265.862nm-28.133X1364.648nm+35.015X1376.18nm-39.351X1428.92nm+34.109X1511.418nm+30.027X1565.94nm-48.368X1643.713nm-50.025X1673.54nm+50.895X1688.463nm-24.98X1691.78nm+156.168X1693.439nm-56.647X1696.756nm+148.295X1700.074nm，其中Y热杀索丝菌为鸡胸肉样品的热杀索丝菌含量的对数值(lg(CFU/g))，X900.55nm、X908.787nm、X930.198nm、X945.017nm、X992.756nm、X1076.672nm、X1134.246nm、X1153.986nm、X1183.596nm、X1211.563nm、X1265.862nm、X1364.648nm、X1376.18nm、X1428.92nm、X1511.418nm、X1565.94nm、X1643.713nm、X1673.54nm、X1688.463nm、X1691.78nm、X1693.439nm、X1696.756nm、X1700.074nm，分别为波长在900.55nm、908.787nm、930.198nm、945.017nm、992.756nm、1076.672nm、1134.246nm、1153.986nm、1183.596nm、1211.563nm、1265.862nm、1364.648nm、1376.18nm、1428.92nm、1511.418nm、1565.94nm、1643.713nm、1673.54nm、1688.463nm、1691.78nm、1693.439nm、1696.756nm、1700.074nm处的光谱反射率值,，相关系数R＝0.970，均方根误差RMSE＝0.282。
本发明的进一步改进包括：
对获取的光谱图进行预处理即黑白板校正按照以下公式进行：
其中R为校正后的图像，O为原始光谱图像；I为黑板图像，其反射率为0％，B为白板图像，其反射率为99.9％。
本发明为弥补现有技术操作繁琐，周期长、费用高且破坏样品等缺陷，而提供一种无需预处理、非破坏性、快速、易于操作且费用低等特点的高光谱成像技术以此来检测鸡肉中的肠杆菌数。
本发明从486个全波段内提取23个最优波长时为了剔除大量的冗余信息，提取有用的信息，以降低数据分析的计算量，从而提高偏最小二乘模型的精度，以实现肉品企业大规模的在线生产的需求。与现有技术相比，本发明具有以下有益效果：本发明在对不破坏样品的情况下，只需对样品进行非接触的光谱扫描即可获得样品的热杀索丝菌含量；试验过程中降低了由于人为操作而导致的偶然误差；本发明可以实现鸡胸肉热杀索丝菌含量的大规模在线检测。
本发明具有以下有益效果：本发明只需要获取被测样品的光谱数据，把获得的最优波长下的光谱反射率值直接带入所建的最优预测模型内即可得到被测样品中肠杆菌的含量，大大提高了工作效率；试验过程中不使用任何化学试剂，即省钱又环保；被测样品无需进行预处理，只需进行非接触的光谱扫描对样品没有破坏性，可实现鸡肉肠杆菌的大批量在线检测
附图说明
图1为实施例的鸡胸肉的高光谱图特征。
图2为实施例的鸡胸肉最优波长的提取图。
图3鸡胸肉重量的预测值与实测值之间的关系。
具体实施方式
下面结合实施例对本发明做详细说明。
实施例
本实施例的一种快速无损在线检测鸡肉热杀索丝菌含量的方法步骤如下：
(1)将购买的整块新鲜鸡胸肉在实验室分割成3cm*3cm*1cm的小样品，共获得95个小样品称为校正集，再将其平均分成7份，分别放进带有盖子的一次性塑料盒里，最后放在4℃的冰箱内进行冷藏，在0、1、2、3、4、5、6天各取出一份进行试验；
(2)在试验之前，提前30min打开高光谱成像系统预热，同时鸡肉样本也提前30min从冰箱内取出待其恢复至室温后用吸水纸将其表面的水分擦干，将成像系统的状态调至最佳即光谱图像采集速度为6.54mm/s，曝光时间为4.65ms时，接着进行黑板和白板图像的保存，最后进行样品图像的采集；
(3)将调试好的高光谱成像系统来采集校正集样品的高光谱图像；
(4)将采集过光谱图像的样品立即使用GB 4789.2-2016《食品微生物学检验菌落总数测定》的方法检测样品的热杀索丝菌含量，记录为lg(FCU/g)；即95个样品的热杀索丝菌的含量数据统计如表1：
表1 95个样品热杀索丝菌含量的数据统计
(5)对获得光谱图像按照以下公式进行黑白板校正；
其中R为校正后的图像，O为原始光谱图像；I为黑板图像，其反射率为0％，B为白板图像，其反射率为99.9％。
(6)提取校正过的光谱图像中感兴趣区域(ROI)的光谱数据，集95个样品的全波段光谱数据如图1：
(7)采用偏最小二乘(PLSR)法来建立步骤(4)和步骤(6)中校正集样品热杀索丝菌含量与光谱数据之间的全波段(486个波长)预测模型，即全波段的校正集PLSR预测模型。对所建模型使用相关系数R和均方根误差RMSE对其进行评价，当R越接近于1，RMSE越小时且校正集和交叉验证集两者的相关系数和均方根误差越接近时，表明校正集模型的精度越高，稳定性越好。结果如表2：
表2鸡胸肉热杀索丝菌含量的全波段PLSR模型
从表2中可以得出，校正集PLSR模型的相关系数和均方根误差为与交叉验证集的即接近且相关系数均高于0.96，均方根误差均低于0.35，故所建校正集模型的精度很高且稳定性也相对好。
(8)为了优化第(7)步所获得的校正集PLSR预测模型，采用回归系数法从全波段内486个波长中提取出对所建模型贡献量最大的波长，即结果如图2。从图2可得，使用回归系数法从486个波段内共提取了23个最优波长，分别为900.55nm、908.787nm、930.198nm、945.017nm、992.756nm、1076.672nm、1134.246nm、1153.986nm、1183.596nm、1211.563nm、1265.862nm、1364.648nm、1376.18nm、1428.92nm、1511.418nm、1565.94nm、1643.713nm、1673.54nm、1688.463nm、1691.78nm、1693.439nm、1696.756nm、1700.074nm。
(9)再次采用偏最小二乘(PLSR)法来建立步骤(4)所获得的校正集样品的热杀索丝菌含量和步骤(8)所提取的23个最优波长之间的预测模型，其结果如表3：
表3鸡胸肉热杀索丝菌含量的最优波长PLSR模型
从表中可得出使用最优波长数所建立的校正集PLSR模型相关系数和均方根误差与交叉验证集的很接近，且结果相关系数均高于0.95，均方根误差均低于0.4，且与全波段相比差距极小故优化的校正集模型的精度和稳定性都极好。
(10)获得的最优波长的PLSR模型公式如下：Y热杀索丝菌＝3.317+86.169X900.55nm-88.706X908.787nm+30.741X930.198nm+30.227X945.017nm-13.467X992.756nm-19.797X1076.672nm+20.302X1134.246nm-42.492X1153.986nm-28.796X1183.596nm+17.563X1211.563nm+18.391X1265.862nm-28.133X1364.648nm+35.015X1376.18nm-39.351X1428.92nm+34.109X1511.418nm+30.027X1565.94nm-48.368X1643.713nm-50.025X1673.54nm+50.895X1688.463nm-24.98X1691.78nm+156.168X1693.439nm-56.647X1696.756nm+148.295X1700.074nm，其中Y热杀索丝菌为鸡胸肉样品的热杀索丝菌含量的对数值(lg(CFU/g))，X900.55nm、X908.787nm、X930.198nm、X945.017nm、X992.756nm、X1076.672nm、X1134.246nm、X1153.986nm、X1183.596nm、X1211.563nm、X1265.862nm、X1364.648nm、X1376.18nm、X1428.92nm、X1511.418nm、X1565.94nm、X1643.713nm、X1673.54nm、X1688.463nm、X1691.78nm、X1693.439nm、X1696.756nm、X1700.074nm，分别为波长在900.55nm、908.787nm、930.198nm、945.017nm、992.756nm、1076.672nm、1134.246nm、1153.986nm、1183.596nm、1211.563nm、1265.862nm、1364.648nm、1376.18nm、1428.92nm、1511.418nm、1565.94nm、1643.713nm、1673.54nm、1688.463nm、1691.78nm、1693.439nm、1696.756nm、1700.074nm处的光谱反射率值。
(11)测试
采集32块待测鸡胸肉样品的高光谱图像，并对获得的光谱图像进行光谱强度的校正，以及感兴趣区域的识别和光谱数据的提取，最后便获得每个待测样品最优波长下的反射率值；
把步骤1)中的所有待测样品最优波长下的反射率值带入到步骤(10)中的最优波长的PLSR校正模型，可得到32个待测鸡胸肉热杀索丝菌的预测值，结果如表4：
表4 32个待测样品热杀索丝菌含量的预测值
将上述32个待测样品的热杀索丝菌含量的预测值与使用传统平板计数法所测得的值进行线性相关，结果如图3。
从图3可得，其两者的线性相关性高达0.932，表明本发明的方法所预测的鸡胸肉热杀索丝菌含量与实际测得的之间的差异极小，故此发明具有很大的潜力。以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (2)

1.在线快速检测鸡肉热杀索丝菌含量的方法，其特征在于，采集校正集鸡肉样品的高光谱图像，对获取的光谱图进行预处理再进行目标区域的识别以及光谱图平均光谱数据的提取；将提取的光谱数据代入下式即得Y热杀索丝菌＝3.317+86.169X900.55nm-88.706X908.787nm+30.741X930.198nm+30.227X945.017nm-13.467X992.756nm-19.797X1076.672nm+20.302X1134.246nm-42.492X1153.986nm-28.796X1183.596nm+17.563X1211.563nm+18.391X1265.862nm-28.133X1364.648nm+35.015X1376.18nm-39.351X1428.92nm+34.109X1511.418nm+30.027X1565.94nm-48.368X1643.713nm-50.025X1673.54nm+50.895X1688.463nm-24.98X1691.78nm+156.168X1693.439nm-56.647X1696.756nm+148.295X1700.074nm，其中Y热杀索丝菌为鸡胸肉样品的热杀索丝菌含量的对数值(lg(CFU/g))，X900.55nm、X908.787nm、X930.198nm、X945.017nm、X992.756nm、X1076.672nm、X1134.246nm、X1153.986nm、X1183.596nm、X1211.563nm、X1265.862nm、X1364.648nm、X1376.18nm、X1428.92nm、X1511.418nm、X1565.94nm、X1643.713nm、X1673.54nm、X1688.463nm、X1691.78nm、X1693.439nm、X1696.756nm、X1700.074nm，分别为波长在900.55nm、908.787nm、930.198nm、945.017nm、992.756nm、1076.672nm、1134.246nm、1153.986nm、1183.596nm、1211.563nm、1265.862nm、1364.648nm、1376.18nm、1428.92nm、1511.418nm、1565.94nm、1643.713nm、1673.54nm、1688.463nm、1691.78nm、1693.439nm、1696.756nm、1700.074nm处的光谱反射率值,，相关系数R＝0.970，均方根误差RMSE＝0.282。
2.根据权利要求1所述的在线快速检测鸡肉热杀索丝菌含量的方法，其特征在于，对获取的光谱图进行预处理即黑白板校正按照以下公式进行：
其中R为校正后的图像，O为原始光谱图像；I为黑板图像，其反射率为0％，B为白板图像，其反射率为99.9％。
CN201810225128.6A 2018-03-19 2018-03-19 在线快速检测鸡肉热杀索丝菌含量的方法 Pending CN108627471A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810225128.6A CN108627471A (zh) 2018-03-19 2018-03-19 在线快速检测鸡肉热杀索丝菌含量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810225128.6A CN108627471A (zh) 2018-03-19 2018-03-19 在线快速检测鸡肉热杀索丝菌含量的方法

Publications (1)

Publication Number Publication Date
CN108627471A true CN108627471A (zh) 2018-10-09

Family

ID=63706366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810225128.6A Pending CN108627471A (zh) 2018-03-19 2018-03-19 在线快速检测鸡肉热杀索丝菌含量的方法

Country Status (1)

Country Link
CN (1) CN108627471A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102564964A (zh) * 2011-12-29 2012-07-11 南京林业大学 基于光谱图像的肉品品质可视化非接触检测方法
CN106404692A (zh) * 2016-11-09 2017-02-15 大连工业大学 利用高光谱成像技术检测即食海参新鲜度等级的方法
CN106525875A (zh) * 2016-12-07 2017-03-22 江苏大学 一种腊肉腌制过程中色泽和质构变化的高光谱检测方法
CN106596416A (zh) * 2016-11-25 2017-04-26 华中农业大学 一种基于高光谱成像技术的冷鲜肉品质无损检测方法
WO2017160382A1 (en) * 2016-03-17 2017-09-21 Raytheon Company Ultraviolet led and phosphor based hyperspectral calibrator
CN107543801A (zh) * 2017-08-25 2018-01-05 天津商业大学 基于高光谱的芒果冲击损伤后硬度预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102564964A (zh) * 2011-12-29 2012-07-11 南京林业大学 基于光谱图像的肉品品质可视化非接触检测方法
WO2017160382A1 (en) * 2016-03-17 2017-09-21 Raytheon Company Ultraviolet led and phosphor based hyperspectral calibrator
CN106404692A (zh) * 2016-11-09 2017-02-15 大连工业大学 利用高光谱成像技术检测即食海参新鲜度等级的方法
CN106596416A (zh) * 2016-11-25 2017-04-26 华中农业大学 一种基于高光谱成像技术的冷鲜肉品质无损检测方法
CN106525875A (zh) * 2016-12-07 2017-03-22 江苏大学 一种腊肉腌制过程中色泽和质构变化的高光谱检测方法
CN107543801A (zh) * 2017-08-25 2018-01-05 天津商业大学 基于高光谱的芒果冲击损伤后硬度预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HONG-JU HE AND DA-WEN SUN: "Hyperspectral imaging technology for rapid detection of various microbial contaminants in agricultural and food products", 《TRENDS IN FOOD SCIENCE & TECHNOLOGY》 *
HONG-JU HE AND DA-WEN SUN: "Toward enhancement in prediction of Pseudomonas counts distribution in salmon fillets using NIR hyperspectral imaging", 《LWT - FOOD SCIENCE AND TECHNOLOGY》 *
YAO-ZE FENG AND DA-WENSUN: "Development of simplified models for nondestructive hyperspectral imaging monitoring of TVB-N contents in cured meat during drying process", 《TALANTA》 *
YAO-ZE FENG ET AL.: "Near-infrared hyperspectral imaging and partial least squares regression for rapid and reagentless determination of Enterobacteriaceae on chicken fillets", 《FOOD CHEMISTRY》 *

Similar Documents

Publication Publication Date Title
Hassoun et al. Food quality 4.0: From traditional approaches to digitalized automated analysis
CN103439285B (zh) 一种基于高光谱成像的鱼片新鲜度检测方法
Zhao et al. Application of invasive weed optimization and least square support vector machine for prediction of beef adulteration with spoiled beef based on visible near-infrared (Vis-NIR) hyperspectral imaging
Khulal et al. Intelligent evaluation of total volatile basic nitrogen (TVB-N) content in chicken meat by an improved multiple level data fusion model
He et al. Hyperspectral imaging technology for rapid detection of various microbial contaminants in agricultural and food products
Cheng et al. Pork biogenic amine index (BAI) determination based on chemometric analysis of hyperspectral imaging data
Xiong et al. Non-destructive prediction of thiobarbituric acid reactive substances (TBARS) value for freshness evaluation of chicken meat using hyperspectral imaging
Wu et al. Application of long-wave near infrared hyperspectral imaging for measurement of color distribution in salmon fillet
CN102507459B (zh) 一种生鲜牛肉新鲜度快速无损评价方法及系统
Xiong et al. Recent developments of hyperspectral imaging systems and their applications in detecting quality attributes of red meats: A review
Xiong et al. Application of visible hyperspectral imaging for prediction of springiness of fresh chicken meat
CN104049068B (zh) 生鲜畜肉新鲜度的无损测定装置及测定方法
CN105181912B (zh) 一种大米储藏过程中的新鲜度检测方法
Yang et al. Rapid determination of biogenic amines in cooked beef using hyperspectral imaging with sparse representation algorithm
Jinorose et al. Development of a computer vision system and novel evaluation criteria to characterize color and appearance of rice
Feng et al. Hyperspectral imaging in tandem with R statistics and image processing for detection and visualization of pH in Japanese big sausages under different storage conditions
Yang et al. Detection of total viable count in spiced beef using hyperspectral imaging combined with wavelet transform and multiway partial least squares algorithm
Yang et al. Detection of the freshness state of cooked beef during storage using hyperspectral imaging
Zhuang et al. UV-fluorescence imaging for real-time non-destructive monitoring of pork freshness
CN102181514A (zh) 快速无损伤检测冷却肉菌落总数的方法
Kamruzzaman Optical sensing as analytical tools for meat tenderness measurements-A review
Wu et al. Food colour measurement using computer vision
Tang et al. A nondestructive method for determination of green tea quality by hyperspectral imaging
CN108645798A (zh) 在线快速检测鸡肉乳酸菌含量的方法
CN108872138A (zh) 在线快速检测鸡肉肠杆菌科含量的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181009