[目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间结缔组织的特征参数,运用统计学方法关联该特征参数和熟肉剪切力值,结合经过专门训练的评级小组的分级,采用Stepwise多元线性回归(Stepwise-MLR)建模,对牛肉嫩度进行预测和分级。[结果]70个样本图像的结缔组织特征数据全部用于训练模型,采用留一法交叉验证(Leave-one-out cross validation)测试模型,验证模型的牛肉嫩度判别系数(R^2)为0.857,剩余标准误差(residual standard error,RSEC)为6.453;将牛肉分为嫩、中等、老3个等级,全部预测集的总体等级预测正确率为88.57%。[结论]肌间结缔组织特征是预测牛肉嫩度的重要指标,本文所用的软硬件方法对牛肉嫩度的快速、无损、客观预测和分级具有一定的实用价值及指导意义。
[目的]针对当前国内外对散黄鸡蛋较难无损检测的问题,对散黄鸡蛋的振动特性和无损检测方法进行了研究。[方法]通过对鸡蛋进行生理学解剖,据此进行ANSYS有限元分析;构建基于磁致伸缩振子扫频式振动的鸡蛋散黄检测系统,对采集的鸡蛋振动音频信号进行MUSIC(multiple signal classification)功率谱分析,再利用主成分分析法提取特征向量中的有用信息并构建基于对向传播神经网络(CPNN)的鸡蛋散黄检测模型。[结果]鸡蛋的ANSYS固液耦合有限元分析证明新鲜蛋与散黄蛋振动特性差异明显,为基于振动信息的鸡蛋散黄检测提供理论依据;基于磁致伸缩振子扫频式振动的鸡蛋散黄检测系统能有效增强鸡蛋振动信息,基于对向传播神经网络的鸡蛋散黄检测模型对300枚鸡蛋进行检测(训练集200枚,测试集100枚),结果新鲜蛋与散黄蛋的识别率分别达到98%和96%。[结论]新鲜蛋与散黄蛋振动存在差异,采用基于扫频振动式的MUSIC功率谱分析和对向传播神经网络的鸡蛋散黄检测是可行的。
