一种冷却羊肉表面细菌总数检测方法

本发明属于食品检测，涉及一种冷却羊肉表面细菌总数检测装置及方法，具体地说，涉及一种基于高光谱和极限学习机的冷却羊肉表面细菌总数检测装置及方法。

背景技术：

1、羊肉的脂肪含量低，蛋白质含量高，相对于猪肉、鸡肉等肉类，其所含的各种矿物质元素如钙、磷、铁等矿物质显著提高，是绿色的动物蛋白质的理想来源。随着人们生活水平的逐步提高，人们对健康和安全等问题愈加重视，冷却肉的需求量日益增长，代表了未来肉类产品的主流方向。然而，在羊肉屠宰期间以及运输过程中的污染，不可避免的导致冷却羊肉表面细菌的大量繁殖。细菌的数量是影响食品安全的最主要的因素，在对肉类的质量安全调控越来越严格的大环境下，快速、无损的检测技术必将具有十分重要的现实意义。现有技术中急需一种冷却羊肉表面细菌总数检测装置及方法。

技术实现思路

1、本发明的目的在于克服已有传统技术存在的缺陷，提供一种冷却羊肉表面细菌总数检测装置及方法，具有检测方便、快速、无损的特点，适合推广应用。

2、其具体技术方案为：

3、一种冷却羊肉表面细菌总数检测装置，包括光源1、高光谱成像系统2和控制计算机3，所述光源1和高光谱成像系统2之间通过光纤4连接，所述高光谱成像系统2包括：高光谱成像光谱仪5、ccd相机6、镜头7、卤钨灯8、电控位移平台9，所述电控位移平台9上放置样本10，所述镜头7位于电控位移平台9上方，所述高光谱成像光谱仪5与镜头7连接，所述ccd相机6位于高光谱成像光谱仪5上方，所述ccd相机6和控制计算机3连接。

4、进一步，所述高光谱成像系统为400-1100nm可见近红外高光谱成像系统。

5、进一步，所述高光谱成像光谱仪5的光谱分辨率为2-3nm。

6、进一步，所述ccd相机6的像素尺寸为8.0um。

7、进一步，所述光源1为线光源，90-254vac,47-63hz。

8、进一步，所述卤钨灯8为250w。

9、进一步，所述卤钨灯和电控位移平台9之间的角度为45°。

10、待测样本10在电控位移平台9带动下相对于ccd相机6做平行、上下移动，通过线扫描方式得到光谱图像。工作过程：光源1发出的可见近红外光经过样品10反射，通过高光谱成像光谱仪5的镜头7聚焦形成光谱，这些光谱信号可以通过ccd相机6探测到，控制计算机3把ccd相机6探测到的高光谱信号存储，并通过envi软件获取相关数据以txt文件保存下来，最终整理成光谱数据。

11、一种冷却羊肉表面细菌总数检测方法，包括以下步骤：

12、步骤1:高光谱数据采集及细菌总数标准值的测定

13、通过波长范围为400～1100nm的高光谱成像系统，采集冷却羊肉样本的高光谱图像信息，运用envi4.8软件提取图像的原始高光谱数据，共125个波段的光谱值；

14、步骤2:原始高光谱数据预处理及数据降维

15、分别采用高光谱预处理方法对原始高光谱数据进行光谱校正和去噪，建立全波段bp神经网络模型，采用主成分分析法pca对数据进行降维；

16、步骤3:根据高光谱数据和测定的样本细菌总数理化值，建立冷却羊肉表面细菌总数预测模型，包括：

17、①采用一种新的神经网络算法——极限学习机elm以及基于核函数的极限学习机kelm建立预测模型。

18、②对核极限学习机进行优化，分别利用粒子群算法pso和遗传算法ga优化核极限学习机建立预测模型。

19、以训练样本和预测样本的相关系数r和均方根误差rmse为评价指标，对各模型的性能进行对比和评价，选出性能最优的模型。

20、步骤4：以细菌总数为评价指标，建立冷却羊肉新鲜度分类模型，实现“新鲜”、“次新鲜”、“腐败”三种程度的分类。包括：

21、①分别采用粒子群优化支持向量机pso-svm和极限学习机elm建立新鲜度分类模型。

22、②采用混沌粒子群优化支持向量机cpso-svm，萤火虫算法fa优化极限学习机fa-elm建立分类模型。

23、以分类准确率为评价指标，对各模型的性能进行对比和评价，选出分类准确率最高的模型。

24、步骤5：完成“冷鲜羊肉表面细菌总数检测平台”的设计，该检测平台可实现对冷却羊肉表面细菌总数和新鲜度品质的快速、无损检测和分析。

25、进一步，步骤5中所述检测平台包括一个主界面和一个子界面，主界面是用户要访问检测平台首先打开的界面，相当于向导，要包括标题、登录框、帮助、退出、作者几部分，用户通过主界面的相关信息和按钮能够清楚地了解检测平台的作用，基本功能解释以及设计者的基本信息。

26、子界面是整个平台的核心界面，主要的操作和相关数据分析功能都在该界面上体现，所有检测功能也集中在该子界面上，该界面主要包括了4个模块，分别是细菌总数(tvc)检测模块，新鲜度识别模块，高光谱预处理模块和检测结果分析模块；

27、①tvc检测模块

28、tvc检测模块主要实现了对冷却羊肉样本表面细菌总数预测的建模工作，若要实现对未知样本进行tvc检测的功能，首先通过该模块进行网络训练，再通过结果分析模块对未知样本进行分析。

29、②新鲜度识别模块

30、该模块的功能和tvc检测模块相同，是对冷却羊肉新鲜度分类进行建模。

31、③高光谱预处理模块

32、预处理模块的功能是对未知样本的高光谱数据进行预处理，通过选择不同的预处理算法，平台中的坐标图将显示不同方法进行预处理后的仿真图。

33、④检测结果分析模块

34、该模块为子界面中最重要的一个模块，其功能是对未知样本的tvc和新鲜度进行检测和分析，当tvc检测模块和新鲜度识别模块网络学习完成，即可执行该模块的功能。点击“数据导入”，通过选择路径来导入未知样本高光谱数据，坐标图中显示出各样本的分析结果，横坐标表示样本序列号，纵坐标表示样本的tvc检测值，不同的形状和颜色代表了样本不同的新鲜程度。

35、与现有技术相比，本发明的有益效果为：

36、本发明采用高光谱技术结合数学建模的方法，通过高光谱成像系统采集波长范围为400～1100nm的冷却羊肉样本高光谱信息，并采用基于极限学习机elm及其改进算法建立冷却羊肉表面细菌总数预测模型，分别实现了基本的极限学习机elm、核极限学习机kelm以及遗传算法优化核极限学习机ga-kelm三种建模方法。通过实验验证，三种模建模方法中，ga-kelm模型预测效果最佳，其训练集样本和预测样本的相关系数分别为rc＝0.9837，rp＝0.9306，均方根误差为rmsec＝0.0016，rmsep＝0.0016，该方法可以高效地检测冷却羊肉表面细菌总数。另外，利用萤火虫算法fa优化极限学习机fa-elm建立冷却羊肉新鲜度分类模型。最后利用该方法设计实现了一款冷却羊肉表面细菌总数检测平台，包括tvc检测、新鲜度识别、高光谱数据预处理、检测结果分析等功能模块。该方法和软件实现了冷却羊肉表面细菌总数和新鲜度品质的快速、无损及智能化检测分析。