基于手持式近红外光谱仪的三文鱼菌落总数 检测技术

基于手持式近红外光谱仪的三文鱼菌落总数 检测技术
目的  通过对近红外广谱数据进行神经网络系统训练, 讨论近红外广谱技术对冷藏三文鱼菌落总数快速预测的可行性。方法  针对三文鱼在4 ℃贮藏过程中的微生物变化, 利用手持式近红外光谱仪, 通过小波分析对于光谱进行预处理, 之后结合遗传算法和BP神经网络系统方法建立预测和检测模型。结果  该模型与传统平板计数方法的相关系数为0.981, 均方根误差为0.097, 验证模型的相关系数为0.960, 均方根误差为0.098, 具有良好精确度、准确度。结论  该方法能够用于冷藏三文鱼菌落总数的无损、现场检测。

Objective  To develop a new method by using artificial neural network for discussing the feasibility of predicting the aerobic plate count of salmon. Methods  After spectral pretreatment by wavelet analysis, a new prediction and validation model was established by using a combined tactic of genetic algorithm (GA) and back-propagation artificial neural network (BP-ANN) to predict the aerobic palate count of salmon based on the change of microbe during the storage at 4 ℃, and portable near infrared spectrometer was used. Results  The model had high accuracy and precision, the calibration curve coefficient of correlation (R) of the model and the traditional plate count method was 0.981, and root mean square error (RMSE) was 0.097. Correlation coefficient of validation model was 0.960 and root mean square error (RMSE) was 0.098. Conclusion  This model could be used for non-destructive and on-site detection of the total bacteria colonies in frozen salmon.

标题：基于手持式近红外光谱仪的三文鱼菌落总数 检测技术
英文标题：Detection of total number of salmon colonies by handheld near infrared spectrometer

作者：
段翠 中国海洋大学食品科学与工程学院
陈春光 中国海洋大学数学科学学院
刘永志 中国海洋大学数学科学学院
隋建新 中国海洋大学食品科学与工程学院
林洪 中国海洋大学食品科学与工程学院
曹立民 中国海洋大学食品科学与工程学院

中文关键词:三文鱼,近红外光谱,菌落总数,BP神经网络,
英文关键词:salmon,near infrared spectroscopy,total numbers of colony,back-propagation artificial neural network,

发表日期：2013-09-19

基于手持式近红外光谱仪的三文鱼菌落总数 检测技术.pdf

文件大小:

1.82 MB

高速下载