文献类型： 中文期刊

作者： 罗毅智^{1,2,3 1} ; 唐书奇^{4 2} ; 金青婷^{5 2} ; 丘广俊^{1 2} ; 齐海军^{1 2} ; 孟繁明^{3,6 2} ; 李鹏^{7 2} ;

作者机构： 1.1.广东省农业科学院设施农业研究所

2.null

关键词： 猪肉新鲜度;高光谱成像技术;宽度学习系统;特征提取

期刊名称： 食品科学

ISSN： 1002-6630

年卷期： 2025 年 46 卷 016 期

页码： 345-352

收录情况： EI ; 北大核心 ; CSCD

摘要： 为了实现猪肉新鲜度的快速、无损、准确检测，本研究提出一种基于高光谱成像与宽度学习系统（broad learningsystem,BLS）的猪肉新鲜度无损检测方法。通过将高光谱技术与BLS模型结合，预测猪肉样品总挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量和pH值。通过4种不同的预处理方法(Savitzky-Golay（SG）平滑、归一化、基线校正、标准正态变换)优化光谱数据，采用竞争自适应重加权采样（competitive adaptive reweighted sampling,CARS）、连续投影算法（successive projections algorithm,SPA）和区间变量迭代空间收缩法（interval variable iterative space shrinking approach,iVISSA）进行特征提取。结果表明，SG预处理效果最优，结合iVISSA与SPA的特征提取方法能够有效剔除冗余特征并减少不相关信息的干扰，在BLS回归模型中实现了最佳的预测性能。具体来说，在TVB-N含量的预测中，iVISSA-SPA-BLS模型达到了预测相关系数R_P为0.942 2、预测均方根误差（root mean square error of prediction,RMSEP）为3.007 2、残差预测差（residual prediction deviation,RPD）为2.803 8的优异性能，pH值的预测达到了R_P为0.817 3、RMSEP为0.367 9、RPD为1.716 4。该方法能够高效、无损地预测猪肉新鲜度，可为食品安全领域提供一条新的无损检测技术路线。