权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Quality assurance of processed meat based on hyperspectral analysis

基于高光谱分析的加工肉类质量保证

基本信息

批准号：
16F16104
负责人：
牧野義雄
金额：
$ 1.54万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2016
资助国家：
日本
起止时间：
2016-10-07 至 2019-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16F16104/
关键词：
分光分析畜産食品統計解析

项目摘要

近赤外分光分析は、当該光の高い透過性に着目し、対象物からの拡散反射光等から統計解析で情報を抽出することにより、内部品質を非破壊で予測する手法である。本研究では、市販のウインナーソーセージを試料として研究を行い、応用範囲の広い、可視近赤外分光分析による食肉加工品品質の非破壊判品質評価法について検討した。ウインナーソーセージの鮮度および腐敗と関係の深いアデノシン-5’-三リン酸(ATP)濃度の非破壊推定を試みた。75個の試料を、35℃で1、3、5 d貯蔵し、380～1000 nmの波長範囲の可視近赤外領域におけるハイパースペクトル画像を5 nmごとに測定した。分光吸収／反射スペクトルあるいはその前処理した結果を説明変数として、偏最小二乗回帰分析（PLSR）でATP予測モデルを作成した。その際、供試試料を検量用と予測用に分割した。全測定波長のデータを入力変数に用いた結果、Standard normal variate (SNV)で分光分析データを前処理したモデルが最も予測精度が高かった。すなわちSNVでの前処理が、ATP濃度予測モデルの構築には最も有効であったと考えられた。次に重要な選択された10波長(385, 390, 395, 505, 580, 670, 745, 780, 855, 955 nm)での分光分析データを入力変数とした、機械学習によるATP濃度予測精度の結果によると、元データの1次微分(1st der)と1st der+Normal (N)で分光分析データを前処理したモデルで予測精度が高く、全波長でのデータを入力した場合よりも高かった。これは、過剰なデータを入力したことによる過剰適合が抑制されたためと考えられる。

Near-infrared spectroscopic analysis, when the light has high transmittance and is focused on the object, the object is scattered and reflected light, etc. Statistical analysis, information extraction, and internal quality prediction techniques. This research is carried out, commercially available sample materials are used for research, and specifications are used. , Visible near-infrared spectroscopy analysis and non-destructive quality evaluation method of processed meat products. The freshness of the ウインナーソーセージのおよびcorruption and the relationship between the deep いアデノシン-5'-trisonic acid (ATP) concentration and the non-destructive presumption of testing are not allowed. 75 samples, stored at 35°C for 1, 3, and 5 d, wavelength range of 380 to 1000 nm, visible near-infrared field image, 5 nmごとにdeterminationした. Spectroscopic absorption/reflection pre-processing and result interpretation, partial least square regression analysis (PLSR) and ATP prediction were performed. In this case, the test material is divided into parts for measurement and prediction purposes. The results of the full measurement wavelength and the input force value are used, and the Standard normal variate (SNV) spectroscopic analysis and pre-processing are used to achieve the highest prediction accuracy. The most effective SNV pre-treatment and ATP concentration prediction are the most effective ones. The next most important selection is 10 wavelengths (385, 390, 395, 505, 580, 670, 745, 780, 855, 955 nm)でのSpectroscopic analysisデータをInput force valueとした、Mechanical learningによるATP concentration prediction accuracyのresultによると、元データの1st differential (1st der)と1st der+Normal The pre-processing of (N) spectroscopic analysis is very accurate and the accuracy of the prediction is high, and the intensity of the full wavelength is very high in various situations.これは, 了剰なデータを enter force したことによる excessive suitable for が suppress されたためと卡えられる.