Please wait a minute...
 
 
食品与发酵工业  2020, Vol. 46 Issue (17): 226-231    DOI: 10.13995/j.cnki.11-1802/ts.024080
  分析与检测 本期目录 | 过刊浏览 | 高级检索 |
基于高光谱成像技术的大曲酸度值预测及其可视化
孙婷1, 胡新军1*, 田建平1, 王开铸1, 黄丹2, 彭兴辉1
1(四川轻化工大学 机械工程学院,四川 宜宾,644000)
2(四川轻化工大学 生物工程学院,四川 宜宾,644000)
Prediction and visualization of Daqu acidity based on hyperspectral imaging technology
SUN Ting1, HU Xinjun1*, TIAN Jianping1, WANG Kaizhu1, HUANG Dan2, PENG Xinghui1
1(College of Mechanical Engineering,Sichuan University of Science & Engineering,Yibin 644000,China)
2(College of Biotechnology Engineering,Sichuan University of Science & Engineering,Yibin 644000 China)
下载:  HTML   PDF (1831KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 酸度值是大曲质量评价的重要指标,提出了一种基于高光谱成像技术快速检测大曲发酵过程中酸度值的方法。通过采集大曲高光谱图像并提取感兴趣区域(region of interest,ROI)的平均光谱,采用多元散射校正(multiplicative scatter correction,MSC)、标准正态变量校正(standard normal variable correction,SNV)和S-G卷积平滑后一阶导(savitzky-golay smoothing first derivative,SGFD)3种预处理方法,再通过连续投影算法(successive projection algorithm,SPA)选取最优的特征波长,分别建立偏最小二乘回归(partial least squares regression,PLSR)和最小二乘支持向量机(least squares-support vector machine,LS-SVM)预测模型,结果显示,基于SPA从SNV预处理光谱中筛选的8个最优特征波长建立的LS-SVM模型预测大曲酸度值效果最好,其中预测集决定系数(determination coefficient of prediction,R2P)为0.913 2,预测集均方根误差(root mean square error of prediction,RMSEP)为0.008 1。通过将ROI反射率输入最优的SNV+SPA+LS-SVM预测模型中,生成了大曲酸度值可视化云图,实现了不同发酵时期的酸度值及其分布的直观显示。结果表明,利用高光谱成像技术可实现大曲酸度值快速检测和可视化分布。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
孙婷
胡新军
田建平
王开铸
黄丹
彭兴辉
关键词:  高光谱成像  大曲  酸度值  数学建模  可视化    
Abstract: Acidity value is an important index for quality evaluation of Daqu, a method based on hyperspectral imaging technology for rapid detection of the acidity value during the fermentation of Daqu was proposed. Hyperspectral images of Daqu samples and average spectrum of regions of interest (ROIs) were collected, original spectrum was pretreated by three methods including multivariate scattering correction (MSC), standard normal variable correction (SNV) and Savitzky-Golay first-order derivative (SGFD). Optimal characteristic wavelengths were selected by successive projection algorithm (SPA), then partial least squares regression (PLSR) and least squares support vector machine (LS-SVM) models were established. The results showed that the LS-SVM model built with 8 wavelengths performed better in prediction set, with determination coefficient of prediction (R2P) is 0.913 2 and root mean square error of prediction (RMSEP) is 0.008 1. By inputting the spectrum of each pixel into the optimal SNV+ SPA + LS-SVM model, the visualization of the distribution map of acidity value in Daqu was obtained, the visualization of the acidity value and its distribution in different fermentation periods was realized.
Key words:  hyperspectral imaging    Daqu    acidity value    mathematical modeling    visualization
收稿日期:  2020-03-27      修回日期:  2020-04-27           出版日期:  2020-09-15      发布日期:  2020-10-14      期的出版日期:  2020-09-15
基金资助: 四川省科技厅重点研发项目(2019YJ0475);四川轻化工大学研究生创新基金项目(y2019003);自贡市重点科技计划项目(2018CXJD06)
作者简介:  硕士研究生(胡新军讲师为通讯作者,E-mail:xjhu@suse.edu.cn)
引用本文:    
孙婷,胡新军,田建平,等. 基于高光谱成像技术的大曲酸度值预测及其可视化[J]. 食品与发酵工业, 2020, 46(17): 226-231.
SUN Ting,HU Xinjun,TIAN Jianping,et al. Prediction and visualization of Daqu acidity based on hyperspectral imaging technology[J]. Food and Fermentation Industries, 2020, 46(17): 226-231.
链接本文:  
http://sf1970.cnif.cn/CN/10.13995/j.cnki.11-1802/ts.024080  或          http://sf1970.cnif.cn/CN/Y2020/V46/I17/226
[1] 唐玲,陶雪容.基于粗集理论的大曲理化指标重要性分析[J].黑龙江科技信息,2011(17):36-37.
[2] 荣瑞金,李祖明,王德良,等.中国酒曲微生物研究进展[J].中国酿造,2009(6):5-8.
[3] 李超,穆琳,王建耀,等.汾型大曲的理化指标和微生物指标分析[J].中国酿造,2009,28(1):140-142.
[4] 徐占成,王加辉.代谢指纹技术在曲药分析中的应用[J].酿酒科技,2002(6):17-19.
[5] 王军凯,王卫东,蒋明,等.近红外光谱技术结合偏最小二乘法检测大曲糖化力[J].酿酒科技,2018(3):116-118.
[6] 曹振华,沈才洪,秦辉,等.泸型大曲中曲香与微生物和生理生化指标间的关系[J].酿酒科技,2016(3):42-44;48.
[7] 陈安静,周军,许德富,等.电位滴定法测定大曲酸度的研究[J].酿酒科技,2011(8):112-113.
[8] 王霓,应全红,白德奎,等.一种鉴别酱香型白酒真伪度技术方法的研究[J].中国酿造,2014,33(2):138-140.
[9] 胡心行,沈小梅,马雷,等.快速测定大曲水份新方法的研究[J].酿酒,2017,44(5):97-102.
[10] 刘国英.近红外光谱技术在大曲糖化力分析检测方面的应用[J].酿酒,2015,42(4):76-79.
[11] 于宏威,王强,石爱民,等.高光谱成像技术结合化学计量学可视化花生中蛋白质含量分布[J].光谱学与光谱分析,2017,37(3):853-858.
[12] 吴翔,张卫正,陆江锋,等.基于高光谱技术的玉米种子可视化鉴别研究[J].光谱学与光谱分析,2016,36(2):511-514.
[13] 詹白勺,章海亮,杨建国.基于高光谱成像技术的三文鱼肉水分含量的可视化研究[J].光谱学与光谱分析,2017,37(4):1 232-1 236.
[14] 何鸿举,王魏,王洋洋,等.基于近红外高光谱技术快速检测冷鲜猪肉酸价[J].食品与发酵工业,2020,46(10):264-270.
[15] 王魏,何鸿举,王玉玲,等.基于最优光谱信息的冷鲜鸡肉TBA值快速检测[J].食品工业科技,2020,41(14):222-227.
[16] 于慧春,王润博,殷勇,等.基于不同波段的枸杞多糖及总糖高光谱成像检测[J].食品科学,2017,38(8):191-197.
[17] 赵茂程,杨君荣,陆丹丹,等.基于高光谱成像的青梅酸度检测方法[J].农业机械学报,2017,48(9):318-323.
[18] 马惠玲,王若琳,蔡骋,等.基于高光谱成像的苹果品种快速鉴别[J].农业机械学报,2017,48(4):305-312.
[19] 何鸿举,王洋洋,王魏,等.基于不同预处理高光谱信息的鸡肉滴水损失率快速预测研究[J/OL].食品工业科技:1-11[2020-07-20].http://kns.cnki.net/kcms/detail/11.1759.TS.202-00224.1400.018.html.
[20] 朱敏,孙婷,白直真,等.基于可见光/近红外高光谱技术的窖泥总酸的分布研究[J].食品与发酵工业,2020,46(8):111-117.
[21] 禹文杰,王彩霞,乔芦,等.基于高光谱成像技术的泾源黄牛肉色度PLSR预测模型构建[J].浙江农业学报,2020,32(3):527-533.
[22] 孙红,刘宁,吴莉,等.高光谱成像的马铃薯叶片含水率分布可视化[J].光谱学与光谱分析,2019,39(3):910-916.
[1] 曾玉雪, 罗惠波, 余东, 黄丹, 郭辉祥, 邹永芳. 浓香型大曲中降解生物胺菌株的筛选及应用[J]. 食品与发酵工业, 2021, 47(8): 145-151.
[2] 赵海萍, 南丽娟, 雒雪丽, 杨伟霞, 韩雍, 李忠宏. Ni/Co层状氢氧化物模拟氧化物酶可视化检测海产品中Hg2+[J]. 食品与发酵工业, 2021, 47(8): 204-211.
[3] 曹栩菡, 黄小军, 叶麟, 潘才惠. QuEChERS-超滤净化结合GC-QQQ测定酿酒大曲中多种农药残留量[J]. 食品与发酵工业, 2021, 47(7): 238-243.
[4] 姜洪喆, 蒋雪松, 杨一, 胡逸磊, 陈青, 施明宏, 周宏平. 肉类掺杂掺假的高光谱成像检测研究进展[J]. 食品与发酵工业, 2021, 47(6): 300-305.
[5] 叶建秋, 黄丹平, 田建平, 黄丹, 罗惠波, 张力, 王鑫, 董娜. 基于深度自编码的大曲高光谱数据解混研究[J]. 食品与发酵工业, 2021, 47(4): 96-101.
[6] 戴京京, 吕奎, 史仲平. BioJN发酵技术服务系统PC端的设计、开发及应用[J]. 食品与发酵工业, 2021, 47(3): 150-156.
[7] 黄瑜, 杨帆, 李江华, 杨玉波, 堵国成, 王莉, 刘延峰. 小麦原料微生物组成对高温大曲风味的影响[J]. 食品与发酵工业, 2021, 47(20): 22-29.
[8] 张倩, 韩保林, 李子健, 谢军, 余东, 邹永芳, 郭辉祥, 文静, 张玲玲, 罗惠波, 黄丹. 浓香型白酒包包曲微生物种群多样性及形成机制[J]. 食品与发酵工业, 2021, 47(18): 99-106.
[9] 周天慈, 何宏魁, 周庆伍, 曹润洁, 马叶胜, 杜海, 徐岩. 基于高通量扩增子测序技术解析中高温大曲微生物来源[J]. 食品与发酵工业, 2021, 47(16): 66-71.
[10] 陈晓茹, 黄钧, 周荣清, 张宿义, 董异, 王超, 王小军, 吴重德, 金垚. 不同强化方式对浓香型白酒大曲特性的影响[J]. 食品与发酵工业, 2021, 47(15): 50-55.
[11] 刘红强, 于学健, 翟磊, 白飞荣, 姚粟. 耐高温菌株大曲高温放线菌CICC 10681培养条件的响应面优化[J]. 食品与发酵工业, 2021, 47(14): 123-129.
[12] 叶建秋, 黄丹平, 田建平, 黄丹, 罗惠波, 王鑫, 张力. 高光谱图像技术检测大曲发酵过程中的水分含量[J]. 食品与发酵工业, 2020, 46(9): 250-254.
[13] 郭燕, 钟迟迪, 董晓山, 卫春会, 任志强. 中高温大曲中酵母菌的分离及其在小曲酒中发酵性能初探[J]. 食品与发酵工业, 2020, 46(8): 78-84.
[14] 朱敏, 孙婷, 白直真, 罗惠波, 田建平, 黄丹. 基于可见光/近红外高光谱技术的窖泥总酸的分布[J]. 食品与发酵工业, 2020, 46(8): 111-117.
[15] 刘淼, 丁丽, 赵梦梦, 叶映彤, 熊燕飞, 韩保林, 陈国跃, 李伟. 基于主成分分析的不同小麦品种大曲发酵动态品质评价[J]. 食品与发酵工业, 2020, 46(6): 19-24.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《食品与发酵工业》编辑部
地址:北京朝阳区酒仙桥中路24号院6号楼111室
本系统由北京玛格泰克科技发展有限公司设计开发  技术支持:support@magtech.com.cn