“冻藏食品智能管家”系统的研究
摘 要 不良商家在冻藏食品中加入大量添加剂，而且冻藏食品因其特殊的保存条件难以发现其质量问题，很多商家为了减低成本，以次充好，将冻藏食品'赤膊“放在室外，这些现象屡见不鲜，消费者仅凭感官感受，难以准确判定冻藏食品新鲜程度和保质期与最佳使用期。本文为解决上述问题，先在食品理化实验室进行精密的实验，采集标准特征性数据，将数据整合，采取RBF神经径向网络技术，而后经过对超声波技术、近红外光谱技术、集成传感器等相关技术的分析与实验，以冻藏肉类为实验对象，设计出的便携式仪器可以准确检测管理消费者冰箱中的冻藏食品。
关键词 冻藏食品 检测管理 系统研究
1概述
为了让消费者买到高品质的冻藏食品并能在可食用日期内食用，该研究拟研作一款可随时检测冻藏食品品质可随时携带的智能检测设备。通过检测，消费者能够辨别冻藏食品品质买到放心可安全食用的冻藏食品，而且由于能够随时检测，我们可以确定食物经过一段时间后是否可食用。这也符合当代人的营养要求，对保障人们的身体健康具有深远的意义。同时这也赋予大众消费者食品品质实时检测的权利，消费者可以实时检测冻藏食品品质，这对国内食品市场冻藏食品品质的整体提高与冻藏食品行业的健康持续发展也有深远影响与意义。
2系统设计
2.1近红外技术的应用
首先应用近红外光谱技术进行肉类主要成分的检测，在检测期间，试验利用校正集中52个已知样本通过3层的反向传播人工神经网络（BP-ANN）来构建肉类嫩度等级标准判别模型，模型建立好以后，再利用预测集中26个样本来验证模型的可靠性。模型预测结果与该样本的嫩度等级标准值（通过剪切力方法检测的结果）相比较来衡量模型的性能。以校正集和预测集中模型的识别率作为指标来优化相应的模型参数。在构建BP-ANN模型过程时，需对模型中的相关参数进行优化，研究通过优化得到相关参数如下：隐含层神经元个数为8，传递函数为双曲正切函数（tanh），学习速率为0.1，动量因子为0.1，初始权重为0.3，训练迭代为1000次。
研究尝试利用高光谱成像技术检测牛肉的嫩度等级。通过对牛肉高光谱数据进行主成分分析优选3个特征波长图像，并从每个特征波长图像中提取4个基于灰度共生矩阵的纹理特征变量，共12个特征变量，最后再对这12个变量进行主成分分析，提取6个主成分因子数构建基于BP-ANN的牛肉嫩度评判模型。模型校正和预测时的识别率分别为96.15%和80.77%。研究表明...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
