CN112903620B - 基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法 - Google Patents
基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法 Download PDFInfo
- Publication number
- CN112903620B CN112903620B CN202110076801.6A CN202110076801A CN112903620B CN 112903620 B CN112903620 B CN 112903620B CN 202110076801 A CN202110076801 A CN 202110076801A CN 112903620 B CN112903620 B CN 112903620B
- Authority
- CN
- China
- Prior art keywords
- chicken breast
- near infrared
- compression rate
- infrared spectrum
- grade
- 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
Links
- 206010034203 Pectus Carinatum Diseases 0.000 title claims abstract description 170
- 230000006835 compression Effects 0.000 title claims abstract description 125
- 238000007906 compression Methods 0.000 title claims abstract description 125
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 68
- 239000002023 wood Substances 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims description 27
- 235000013372 meat Nutrition 0.000 claims abstract description 55
- 239000000523 sample Substances 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims description 44
- 238000012360 testing method Methods 0.000 claims description 39
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000004497 NIR spectroscopy Methods 0.000 claims description 5
- 238000005194 fractionation Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 241000287828 Gallus gallus Species 0.000 claims description 2
- 238000002203 pretreatment Methods 0.000 claims description 2
- 210000000481 breast Anatomy 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000011144 upstream manufacturing Methods 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000002835 absorbance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002559 palpation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
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
本发明公开了基于近红外光谱和压缩速率的木质鸡胸肉分级系统,包括:传送装置:用于搭载测定装置与摆臂式剔除装置,同时输送未分级和已分级的鸡胸肉;测定装置:安装在传送装置的上游,包括集成探头和位置光电传感器,用于测定鸡胸肉的木质化等级,集成探头集成有近红外光谱检测模块和压缩距离检测模块;摆臂式剔除装置:安装于测定装置的下游的传送装置的两侧,用于根据鸡胸肉的木质化等级依次剔除各等级的鸡胸肉;控制系统:与传送装置、测定装置和摆臂式剔除装置连接,用于控制传送装置与测定装置运行,分析测定装置测定的数据,驱动摆臂式剔除装置完成各等级鸡胸肉的分级。本发明能够实现木质鸡胸肉的准确分级。
Description
技术领域
本发明涉及基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法,属于鸡胸肉质量等级的判定技术领域。
背景技术
在传统的禽类加工行业中,通常采用人工触诊的方式对鸡胸肉的质量等级进行分级,即经过培训的评级员凭借手的触摸检测鸡胸肉的硬度对鸡胸肉进行评级。该方法对评级员的分级经验要求高,但由于评级员在分级工作过程中易产生感官疲劳,且不同工作时长、不同经验的评级员对样品的分级不同,主观性强,因此分级测定结果差异大。
目前有一些自动分级方法包括:基于硬度形变或图像形变对鸡胸肉木质化程度进行分级,这两种方法的核心是喷射出高压空气冲击鸡胸肉表面,根据肉的形变情况对鸡胸肉进行分级,这两种方法会对鸡胸肉的结构造成损坏;基于弯曲度检测鸡胸肉木质化程度进行分级,这种方法易受到抓取位置影响分级结果。目前还有手持式检测装置,需要手工施加力,容易受到工作人员力量大小的影响。目前缺乏无损检测鸡胸肉木质化程度、能够准确且精细对鸡胸肉进行分级的分级系统及方法。
发明内容
本发明的目的在于克服现有技术中的不足,提供基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法,能够实现木质鸡胸肉的准确分级。为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了基于近红外光谱和压缩速率的木质鸡胸肉分级系统,包括:
传送装置:用于搭载测定装置与摆臂式剔除装置,同时输送未分级和已分级的鸡胸肉;
测定装置:安装在传送装置的上游,包括集成探头和位置光电传感器,用于测定鸡胸肉的木质化等级,所述集成探头集成有近红外光谱检测模块和压缩距离检测模块;
摆臂式剔除装置:安装于测定装置的下游的传送装置的两侧,用于根据鸡胸肉的木质化等级依次剔除各等级的鸡胸肉;
控制系统:与传送装置、测定装置和摆臂式剔除装置连接,用于控制传送装置与测定装置运行,分析测定装置测定的数据,驱动摆臂式剔除装置完成各等级鸡胸肉的分级。
结合第一方面,优选地,集成探头的探头面积为15~20cm2。
结合第一方面,进一步地,所述传送装置包括:一条主输送带和多条支输送带,所述支输送带间隔分布,支输送带不对称的连接在所述主输送带的左右两侧。
结合第一方面,优选地,支输送带包括正常肉输送带、轻微木质化输送带和中等木质化输送带,主输送带的输出为严重木质化的鸡胸肉。
结合第一方面,优选地,正常肉输送带、轻微木质化输送带和中等木质化输送带均有两个,分布在主输送带的左右两侧。
结合第一方面,进一步地,所述传送装置还包括置于主输送带和各支输送带底部的驱动装置,所述驱动装置与所述控制系统连接。
结合第一方面,优选地,驱动装置在控制系统的控制下驱动主输送带和各支输送带运转和停止运转。
结合第一方面,进一步地,所述摆臂式剔除装置包括定位销、摆杆以及与驱动摆杆摆臂的摆杆电机,所述定位销将摆臂式剔除装置安装在各支输送带入口处的一侧,所述摆杆电机与控制系统连接。
结合第一方面,优选地,摆杆电机的输出轴连接摆杆,摆杆以摆杆电机输出轴所在的位置为圆心,在摆杆电机驱动下做摆臂运行。
结合第一方面,优选地,支输送带入口处有两侧,分别为上游侧和下游侧,所述摆臂式剔除装置安装在支输送带入口处的下游侧。
结合第一方面,优选地,支输送带入口处的上游侧装有与控制系统连接的红外传感器,所述红外传感器用于检测各等级鸡胸肉在传送装置上的位置。
结合第一方面,优选地,摆臂式剔除装置用于在控制系统控制下运行将各等级鸡胸肉从主输送带上剔除至对应的支输送带。
结合第一方面,进一步地,所述测定装置包括桁架和与控制系统连接的集成探头、位置光电传感器,所述桁架包括对称安装在传送装置两侧的支腿和横梁,支腿内侧对称装有一组竖直导轨,横梁连接竖直导轨与传送装置的运行方向垂直,横梁上装有水平导轨,所述集成探头安装在水平导轨上,所述位置光电传感器安装在桁架一侧支腿上。
结合第一方面,优选地,所述测定装置还包括固接在桁架上的竖直电机和水平电机,分别驱动横梁竖直移动、驱动集成探头水平移动,竖直电机和水平电机均与控制系统连接。
第二方面,本发明提供了基于近红外光谱和压缩速率的木质鸡胸肉分级方法,包括:
利用位置光电传感器检测未分级鸡胸肉的头部,控制集成探头采集未分级鸡胸肉的近红外光谱数据和压缩距离数据;
利用预先训练的分级模型对未分级的鸡胸肉分级,驱动摆臂式剔除装置运行依次剔除各等级鸡胸肉;其中各等级的鸡胸肉包括正常等级鸡胸肉、轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉。
结合第二方面,优选地,所述近红外光谱数据包括波长和吸光度。
结合第二方面,优选地,位置光电传感器检测到未分级鸡胸肉后,传送装置停止运行,在集成探头完成采集、集成探头移动至初始位置后,传送装置恢复运行。
结合第二方面,进一步地,控制集成探头采集未分级鸡胸肉的近红外光谱数据和压缩速率数据,包括如下步骤:
控制集成探头水平移动对准待检测的未分级鸡胸肉的头部;控制集成探头竖直移动,在待检测的未分级鸡胸肉的头部垂直施加150~200g的压力;持续施力30~40s采集未分级鸡胸肉的近红外光谱数据和压缩距离数据。
结合第二方面,优选地,持续施力时间根据近红外的测定时间设定。
结合第二方面,优选地,采集未分级鸡胸肉的近红外光谱数据和压缩距离数据完毕后,集成探头移动至初始位置等待下一次采集。
结合第二方面,进一步地,所述预先训练的分级模型通过以下步骤训练得到:
准备四种等级的鸡胸肉;
采集四种等级的鸡胸肉的近红外光谱数据和压缩距离数据;
建立近红外光谱模型,训练并测试近红外光谱模型,包括:
将正常等级的鸡胸肉和木质化鸡胸肉的近红外光谱数据分为光谱训练集和光谱测试集,使用光谱训练集训练近红外光谱模型,得到训练完成的近红外光谱模型;
使用光谱测试集测试训练完成的近红外光谱模型,得到测试完成的近红外光谱模型,能够用于对正常等级的鸡胸肉和木质化鸡胸肉进行分级;
建立压缩速率模型,训练并测试压缩速率模型,包括:
将轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉的压缩距离预处理得到压缩速率,将压缩速率分为压缩速率训练集和压缩速率测试集,使用压缩速率训练集训练压缩速率模型,得到训练完成的压缩速率模型;
使用压缩速率测试集测试训练完成的压缩速率模型,得到测试完成的压缩速率模型,能够用于对轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉进行分级。
结合第二方面,进一步地,将轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉的压缩距离预处理得到压缩速率,所述预处理包括如下步骤:
采用压缩距离拟合公式对压缩距离进行拟合,所述压缩距离拟合公式为:
公式(1)中,ε(t)表示处理中的压缩距离,σ0表示压力,E1表示瞬时弹性模量,E2表示延迟弹性模量,η1表示阻尼器的残余粘度,η2表示阻尼器的粘度,t表示集成探头采集时间;
对压缩距离拟合方程进行求导,得到:
公式(2)中,ε’(t)表示压缩速率。
结合第二方面,优选地,每块木质化鸡胸肉都有特定的瞬时弹性模量E1、延迟弹性模量E2、阻尼器的残余粘度η1以及阻尼器的粘度η2。
结合第二方面,进一步地,根据对未分级的鸡胸肉的分级结果,驱动对应的摆臂式剔除装置运行使已分级的鸡胸肉从主输送带上剔除至对应的支输送带上。
与现有技术相比,本发明实施例所提供的基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法所达到的有益效果包括:
本发明提供的基于近红外光谱和压缩速率的木质鸡胸肉分级系统包括传送装置、测定装置、摆臂式剔除装置和控制系统,控制系统与传送装置、测定装置和摆臂式剔除装置连接,用于控制传送装置与测定装置运行,分析测定装置测定的数据,驱动摆臂式剔除装置完成各等级鸡胸肉的分级;本发明能够实现木质化鸡胸肉的准确分级;未分级的木质化鸡胸肉在检测前无需前处理,分级完成后其结构不会有损坏;
本发明通过测定装置的集成探头集成的近红外光谱检测模块采集未分级的木质化鸡胸肉头部的近红外光谱数据,通过压缩距离检测模块采集未分级的木质化鸡胸肉头部的压缩距离数据,计算得到压缩速率,利用近红外光谱区分正常鸡胸肉和木质化鸡胸肉,利用压缩速率模拟触诊时分级员的感觉反馈,分级时间短、灵敏度高、准确率高;
本发明通过摆臂式剔除装置依次剔除各等级鸡胸肉,结果直观,能够克服人工鉴别的误差。
附图说明
图1是本发明实施例1提供的基于近红外光谱和压缩速率的木质鸡胸肉分级系统的结构图;
图2是本发明实施例1提供的基于近红外光谱和压缩速率的木质鸡胸肉分级系统中测定装置的结构图;
图3是本发明实施例1提供的基于近红外光谱和压缩速率的木质鸡胸肉分级系统中摆臂式剔除装置的结构图;
图4是本发明实施例1提供的基于近红外光谱和压缩速率的木质鸡胸肉分级系统中摆臂式剔除装置的侧视图;
图5是本发明实施例1提供的基于近红外光谱和压缩速率的木质鸡胸肉分级方法的工作流程图;
图6是本发明实施例1提供的基于近红外光谱和压缩速率的木质鸡胸肉分级方法的测定装置的工作流程图。
图中:1、传送装置,1-1、主输送带,1-2、正常肉输送带,1-3、轻微木质化输送带,1-4、中等木质化输送带;
2、测定装置,2-1、未分级的鸡胸肉,2-2、集成探头,2-3、位置光电传感器,2-4、桁架,2-5、横梁;
3、摆臂式剔除装置,3-1、定位销,3-2、摆杆,3-3、摆杆电机,3-4、摆杆电机输出轴,3-5、红外传感器;
4、控制系统。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
实施例一:
如图1所示,本发明是实施例提供了一种基于近红外光谱和压缩速率的木质鸡胸肉分级系统,包括:
传送装置:用于搭载测定装置与摆臂式剔除装置,同时输送未分级和已分级的鸡胸肉;
测定装置:安装在传送装置的上游,包括集成探头和位置光电传感器,用于测定鸡胸肉的木质化等级,所述集成探头集成有近红外光谱检测模块和压缩距离检测模块;
摆臂式剔除装置:安装于测定装置的下游的传送装置的两侧,用于根据鸡胸肉的木质化等级依次剔除各等级的鸡胸肉;
控制系统:与传送装置、测定装置和摆臂式剔除装置连接,用于控制传送装置与测定装置运行,分析测定装置测定的数据,驱动摆臂式剔除装置完成各等级鸡胸肉的分级。
如图1所示,传送装置包括一条主输送带和多条支输送带,多条支输送带间隔分布。多条支输送带根据输送的鸡胸肉的等级能够划分为:正常肉输送带、轻微木质化输送带和中等木质化输送带。主输送带的输出为严重木质化的鸡胸肉。正常肉输送带、轻微木质化输送带和中等木质化输送带均有两个,不对称的分布在主输送带的左右两侧,与主输送带连接。根据未分级的鸡胸肉在主输送带上的左右位置,就近选择进入对应的支输送带。
具体地,传送装置还包括置于主输送带和各支输送带底部的驱动装置,驱动装置与控制系统连接。驱动装置在控制系统的控制下驱动主输送带和各支输送带运转和停止运转。
如图2所示,测定装置包括桁架、竖直电机、水平电机、集成探头和位置光电传感器。桁架包括对称安装在传送装置两侧的支腿和横梁,支腿内侧对称装有一组竖直导轨,横梁连接竖直导轨与传送装置的运行方向垂直,横梁上装有水平导轨,集成探头安装在水平导轨上,位置光电传感器安装在桁架一侧支腿上。竖直电机和水平电机固接在桁架上,分别驱动横梁竖直移动、驱动集成探头水平移动。竖直电机、水平电机、集成探头和位置光电传感器均与控制系统连接。
具体地,集成探头的探头面积为15~20cm2。
如图3和图4所示,摆臂式剔除装置包括定位销、摆杆以及与驱动摆杆摆臂的摆杆电机,定位销将摆臂式剔除装置安装在各支输送带入口处的一侧,摆杆电机与控制系统连接。摆杆电机的输出轴连接摆杆,摆杆以摆杆电机输出轴所在的位置为圆心,在摆杆电机驱动下做摆臂运行。需要说明的是,摆杆的静止状态与主输送带平行。
具体地,支输送带入口处有两侧,分别为上游侧和下游侧,支输送带入口处的上游侧装有与控制系统连接的红外传感器,红外传感器用于检测各等级鸡胸肉在传送装置上的位置,摆臂式剔除装置安装在支输送带入口处的下游侧。
实施例二:
如图5所示,本发明实施例提供了基于近红外光谱和压缩速率的木质鸡胸肉分级方法,包括:
利用位置光电传感器检测未分级鸡胸肉的头部,控制集成探头采集未分级鸡胸肉的近红外光谱数据和压缩距离数据;
利用预先训练的分级模型对未分级的鸡胸肉分级,驱动摆臂式剔除装置运行依次剔除各等级鸡胸肉;其中各等级的鸡胸肉包括正常等级鸡胸肉、轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉。
具体地,近红外光谱数据包括波长和吸光度。
如图6所示,当位置光电传感器检测到有未分级的鸡胸肉从传送装置输送到测定装置处,传送装置停止运行;位置光电传感器检测未分级鸡胸肉的头部,控制水平电机运行集成探头水平移动,对准待检测的未分级鸡胸肉的头部;控制竖直电机运行集成探头竖直移动,在待检测的未分级鸡胸肉的头部垂直施加150~200g的压力;持续施力30~40s采集未分级鸡胸肉的近红外光谱数据和压缩距离数据;数据采集完毕后,水平电机和竖直电机反向运动,集成探头移动至初始位置等待下一次采集,传输装置运行。
具体地,优选地,持续施力时间根据近红外的测定时间设定。
预先训练的分级模型通过以下步骤训练得到:
准备四种等级的鸡胸肉;
采集四种等级的鸡胸肉的近红外光谱数据和压缩距离数据;
建立近红外光谱模型,训练并测试近红外光谱模型,包括:
将正常等级的鸡胸肉和木质化鸡胸肉的近红外光谱数据分为光谱训练集和光谱测试集,使用光谱训练集训练近红外光谱模型,得到训练完成的近红外光谱模型;
使用光谱测试集测试训练完成的近红外光谱模型,得到测试完成的近红外光谱模型,能够用于对正常等级的鸡胸肉和木质化鸡胸肉进行分级;
建立压缩速率模型,训练并测试压缩速率模型,包括:
将轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉的压缩距离预处理得到压缩速率,将压缩速率分为压缩速率训练集和压缩速率测试集,使用压缩速率训练集训练压缩速率模型,得到训练完成的压缩速率模型;
使用压缩速率测试集测试训练完成的压缩速率模型,得到测试完成的压缩速率模型,能够用于对轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉进行分级。
将轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉的压缩距离预处理,所述预处理包括如下步骤:
采用压缩距离拟合公式对压缩距离进行拟合,所述压缩距离拟合公式为:
公式(1)中,ε(t)表示处理中的压缩距离,σ0表示压力,E1表示瞬时弹性模量,E2表示延迟弹性模量,η1表示阻尼器的残余粘度,η2表示阻尼器的粘度,t表示集成探头采集时间;
对压缩距离拟合方程进行求导,得到:
公式(2)中,ε’(t)表示压缩速率。
需要说明的是,每块木质化鸡胸肉都有特定的瞬时弹性模量E1、延迟弹性模量E2、阻尼器的残余粘度η1以及阻尼器的粘度η2。
具体地,当红外传感器检测到鸡胸肉传输到目标支输送带处,将位置信息传输至控制系统,控制系统控制摆杆电机启动,摆杆做摆臂运动,将各等级鸡胸肉从主输送带上剔除至对应的支输送带。
实施例三:
本发明实施例提供了基于近红外光谱和压缩速率的木质鸡胸肉分级方法中训练并测试近红外光谱模型和压缩速率模型的具体应用场景。
在本实施例中,集成探头为圆柱体,底部直径为5cm,施加在待检测的未分级鸡胸肉头部的压力为200g。
采集四种等级的鸡胸肉的近红外光谱数据和压缩速率,其中正常鸡胸肉和木质化鸡胸肉的近红外光谱数据共计86份,木质化鸡胸肉的压缩速率的数据共计51份。
将正常等级的鸡胸肉和木质化鸡胸肉的近红外光谱数据分为光谱训练集和光谱测试集;其中,光谱训练集中近红外光谱数据共计68份,光谱测试集中近红外光谱数据共计18份;
使用光谱训练集训练近红外光谱模型,得到训练完成的近红外光谱模型;
使用光谱测试集测试训练完成的近红外光谱模型,得到测试完成的近红外光谱模型,能够用于对正常等级的鸡胸肉和木质化鸡胸肉进行分级。
光谱训练集的处理结果如下表所示:
光谱测试集的测试结果如下表所示:
将轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉的压缩速率预处理,将预处理后的压缩速率分为压缩速率训练集和压缩速率测试集,其中,压缩速率训练集中的压缩速率的数据共计38份,压缩速率测试集中的压缩速率的数据共计13份;
使用压缩速率训练集训练压缩速率模型,得到训练完成的压缩速率模型;
使用压缩速率测试集测试训练完成的压缩速率模型,得到测试完成的压缩速率模型,能够用于对轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉进行分级。
压缩速率训练集的处理结果如下表所示:
压缩速率测试集的测试结果如下表所示:
根据对未分级的鸡胸肉的分级结果,驱动对应的摆臂式剔除装置运行使已分级的鸡胸肉从主输送带上剔除至对应的支输送带上。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (4)
1.基于近红外光谱和压缩速率的木质鸡胸肉分级方法,其特征在于,包括如下步骤:
利用位置光电传感器检测未分级鸡胸肉的头部,控制集成探头采集未分级鸡胸肉的近红外光谱数据和压缩距离数据;
利用预先训练的分级模型对未分级的鸡胸肉分级,驱动摆臂式剔除装置运行依次剔除各等级鸡胸肉;其中各等级的鸡胸肉包括正常等级鸡胸肉、轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉;
其中,所述预先训练的分级模型通过以下步骤训练得到:
准备四种等级的鸡胸肉;
采集四种等级的鸡胸肉的近红外光谱数据和压缩距离数据;
建立近红外光谱模型,训练并测试近红外光谱模型,包括:
将正常等级的鸡胸肉和木质化鸡胸肉的近红外光谱数据分为光谱训练集和光谱测试集,使用光谱训练集训练近红外光谱模型,得到训练完成的近红外光谱模型;
使用光谱测试集测试训练完成的近红外光谱模型,得到测试完成的近红外光谱模型,能够用于对正常等级的鸡胸肉和木质化鸡胸肉进行分级;
建立压缩速率模型,训练并测试压缩速率模型,包括:
将轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉的压缩距离预处理得到压缩速率,将压缩速率分为压缩速率训练集和压缩速率测试集,使用压缩速率训练集训练压缩速率模型,得到训练完成的压缩速率模型;
使用压缩速率测试集测试训练完成的压缩速率模型,得到测试完成的压缩速率模型,能够用于对轻微等级木质化鸡胸肉、中等等级木质化鸡胸肉和严重等级木质化鸡胸肉进行分级。
2.根据权利要求1所述的基于近红外光谱和压缩速率的木质鸡胸肉分级方法,其特征在于,控制集成探头采集未分级鸡胸肉的近红外光谱数据和压缩距离数据,包括如下步骤:
控制集成探头水平移动对准待检测的未分级鸡胸肉的头部;控制集成探头竖直移动,在待检测的未分级鸡胸肉的头部垂直施加150~200g的压力;持续施力30~40s采集未分级鸡胸肉的近红外光谱数据和压缩距离数据。
4.根据权利要求1所述的基于近红外光谱和压缩速率的木质鸡胸肉分级方法,其特征在于,根据对未分级的鸡胸肉的分级结果,驱动对应的摆臂式剔除装置运行使已分级的鸡胸肉从主输送带上剔除至对应的支输送带上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076801.6A CN112903620B (zh) | 2021-01-20 | 2021-01-20 | 基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076801.6A CN112903620B (zh) | 2021-01-20 | 2021-01-20 | 基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112903620A CN112903620A (zh) | 2021-06-04 |
CN112903620B true CN112903620B (zh) | 2022-04-19 |
Family
ID=76116840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110076801.6A Active CN112903620B (zh) | 2021-01-20 | 2021-01-20 | 基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112903620B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149177A (zh) * | 2013-01-14 | 2013-06-12 | 天津先阳科技发展有限公司 | 压力调制近红外光谱实现生物组织检测的装置和方法 |
CN103994937A (zh) * | 2014-06-11 | 2014-08-20 | 中国水产科学研究院南海水产研究所 | 一种基于质构仪的脆肉鲩鱼肉品质分级方法 |
CN204989009U (zh) * | 2015-06-09 | 2016-01-20 | 宁夏大学 | 基于图谱融合技术的羊肉安全品质在线快速无损检测生产线 |
CN109238893A (zh) * | 2018-09-12 | 2019-01-18 | 滁州学院 | 一种基于硬度形变的鸡胸肉木质化程度自动分级系统及分级方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10806153B2 (en) * | 2017-06-20 | 2020-10-20 | Board Of Trustees Of The University Of Arkansas | System and method for detecting woody breast condition in broilers using image analysis of carcass features |
-
2021
- 2021-01-20 CN CN202110076801.6A patent/CN112903620B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149177A (zh) * | 2013-01-14 | 2013-06-12 | 天津先阳科技发展有限公司 | 压力调制近红外光谱实现生物组织检测的装置和方法 |
CN103994937A (zh) * | 2014-06-11 | 2014-08-20 | 中国水产科学研究院南海水产研究所 | 一种基于质构仪的脆肉鲩鱼肉品质分级方法 |
CN204989009U (zh) * | 2015-06-09 | 2016-01-20 | 宁夏大学 | 基于图谱融合技术的羊肉安全品质在线快速无损检测生产线 |
CN109238893A (zh) * | 2018-09-12 | 2019-01-18 | 滁州学院 | 一种基于硬度形变的鸡胸肉木质化程度自动分级系统及分级方法 |
Non-Patent Citations (2)
Title |
---|
Characteristics and incidence of broiler chicken wooden breast meat under commercial conditions in China;T. Xing et al.;《Poultry Science》;20200131;第99卷(第1期);第620-628页 * |
木质鸡胸肉生肉品质表征及检测方法研究;孙啸等;《食品安全质量检测学报》;20200229;第11卷(第03期);第745-751页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112903620A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101308086B (zh) | 基于近红外光谱技术的水果内部品质在线检测装置 | |
CN202087540U (zh) | 一种基于机器视觉的铜件外观缺陷在线检测仪 | |
CN108775887B (zh) | 一种锂电池的检测方法 | |
CN105486660B (zh) | 利用近红外光谱在线检测实木板材性能的装置和方法 | |
CN107561091A (zh) | 一种斜射式实木板材表面裂纹的检测系统和检测方法 | |
CN104089960A (zh) | 圆锥轴承滚子表面疵病检测装置及方法 | |
CN108169246A (zh) | 圆棒检测系统及用于圆棒的检测方法 | |
CN109975314A (zh) | 一种基于三维激光点云数据的木材表面检测系统及检测方法 | |
CN112845159B (zh) | 一种基于机器学习的管路视觉检测系统及方法 | |
CN212301356U (zh) | 一种轮毂焊缝视觉检测装置 | |
CN112903620B (zh) | 基于近红外光谱和压缩速率的木质鸡胸肉分级系统及方法 | |
CN203658250U (zh) | 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测装置 | |
CN109507204B (zh) | 一种基于弯曲度检测的鸡胸肉木质化分级方法及其装置 | |
CN207816847U (zh) | 一种板材缺陷检测装置 | |
CN204989006U (zh) | 一种脐橙糖度快速无损检测装置 | |
CN112686838B (zh) | 船舶锚链闪光焊接系统的快速检测装置及检测方法 | |
CN102331426B (zh) | 一种检测吸嘴故障的方法及其装置 | |
CN205843607U (zh) | 一种阳极导杆弯曲检测系统及阳极导杆矫正设备 | |
CN209247652U (zh) | 一种大壳体上铆钉表面缺陷在线检测装置 | |
CN108515031A (zh) | 一种五金冲压件攻牙缺陷检测系统及方法 | |
CN110605244A (zh) | 一种产品品质检测装置 | |
CN116105654A (zh) | 一种卷材毡类产品的检测系统和方法 | |
CN205898106U (zh) | 一种建筑物外墙裂缝检测装置 | |
CN105066881B (zh) | 一种自动测试系统以及该测试系统所用的自动测试方法 | |
CN207528650U (zh) | 圆棒检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |