导语

  

内容提要

  

    孙大文、成军虎著的《肉品品质安全高光谱成像检测技术及应用》阐述高光谱成像检测技术作为一种快速、无损、非接触、客观的检测手段在肉品品质安全检测及控制领域的应用，涉及计算机科学、数学、机械自动化科学、分析化学与食品科学等多学科的交叉，借助化学计量学分析和编程以及图像处理算法等技术重点研究了高光谱成像系统特点和数据处理分析方法以及该技术在肉品品质感官分析、物理特性、化学特性、微生物污染以及食品快速分级等方面的应用。
    本书主要研究内容均来自作者及研究团队长期的研究成果，所列的检测技术是一种平台技术，不仅可用于肉品品质安全的快速无损检测，也可为食品和农产品等农业领域中其他非食用产品的检测提供参考，具有鲜明的特征和实用性。
    本书适合于从事食品科学与分析检测、光谱学分析、智能化控制、光学成像系统优化相关的科研、教学、开发和生产管理等方面的工作人员，也可作为高等院校食品品质安全检测技术研究、光学成像分析、肉品加工及质量安全控制等相关专业的教师、研究生、本科生的参考书，同时也可供从事现代成像设备生产、销售、技术操作的人员参考。

    孙大文，华南理工大学教授，博士生导师。爱尔兰皇家科学院院士，欧洲人文和自然科学院院士，波兰科学院外籍院士，国际食品科学院院士，国际农业与生物系统工程科学院(iAABE)院士，国际农业与生物系统工程委员会(CIGR)主席(2013—2014)和荣誉主席，中国致公党中央委员，Food and Bioprocess Technology期刊创刊人和主编；荣获凤凰卫视“影响世界华人大奖”(2013)、国际食品保护协会(IAFP)冷冻研究奖(2013)、国际工程与食品协会(IAEF)终身成就奖(2015)、科睿唯安(原汤森路透)高被引科学家(2015—2017)等多项国际大奖。共发表了500多篇SCI收录论文，SCI的H指数高达86，SCOPUS的H指数为90，特别是共有39篇论文被ESI评为“高被引论文(Highly Cited Papers)”。

序言
第1章  绪论
  1.1  肉品品质安全现状
  1.2  宰后肉品品质特性
  1.3  肉品安全常规检测技术
    1.3.1  感官评价
    1.3.2  物理方法
    1.3.3  化学方法
    1.3.4  微生物方法
  1.4  肉品安全快速无损检测技术
    1.4.1  计算机视觉检测技术
    1.4.2  光谱学检测技术
    1.4.3  高光谱成像检测技术
  主要参考文献
第2章  高光谱成像系统
  2.1  高光谱成像原理
    2.1.1  高光谱成像的定义和特点
    2.1.2  高光谱图像特点
    2.1.3  高光谱图像采集模式
    2.1.4  高光谱成像传感模式
  2.2  高光谱成像构件
    2.2.1  光源
    2.2.2  波长色散装置
    2.2.3  主要平面检测器
  主要参考文献
第3章  高光谱数据处理方法
  3.1  图像数据处理
    3.1.1  高光谱图像黑白校正
    3.1.2  图像尺寸大小调整
    3.1.3  建立掩膜与图像分割
    3.1.4  感兴趣区域选择与光谱提取
    3.1.5  高光谱图像降维
    3.1.6  高光谱图像纹理信息
  3.2  光谱数据预处理
    3.2.1  平滑
    3.2.2  微分
    3.2.3  多元散射校正
    3.2.4  变量标准化
  3.3  光谱特征变量选择方法
    3.3.1  回归系数法
    3.3.2  连续投影算法
    3.3.3  无信息变量消除算法
    3.3.4  小波变换
    3.3.5  遗传算法
    3.3.6  竞争性自适应重加权算法
  3.4  定量模型方法
    3.4.1  主成分回归(PCR)
    3.4.2  多元线性回归(MLR)
    3.4.3  偏最小二乘法(PLSR)
    3.4.4  人工神经网络(ANN)
    3.4.5  最小二乘支持向量机(LS-SVM)
    3.4.6  回归模型评价
  3.5  分类算法
    3.5.1  软独立模式分类法(SIMCA)
    3.5.2  偏最小二乘判别分析(PLS-DA)
    3.5.3  概率神经网络(PNN)
    3.5.4  分类模型校正与评价
  3.6  数据分析软件
  主要参考文献
第4章  肉品感官特性高光谱成像检测
  4.1  感官分析描述
  4.2  感官评价预测
    4.2.1  样品准备
    4.2.2  QIS值测量
    4.2.3  图像纹理信息提取
  4.3  QIS预测分析
    4.3.1  光谱特性分析
    4.3.2  LS-SVM分析
    4.3.3  数据融合分析
  主要参考文献
第5章  肉品物理特性高光谱成像检测
  5.1  冷冻猪肉物理特性高光谱成像检测
    5.1.1  引言
    5.1.2  冷冻猪肉样品
    5.1.3  品质指标测定
    5.1.4  图像分割和光谱提取
    5.1.5  冷冻猪肉品质指标的测定与分析
    5.1.6  冷冻猪肉光谱特征及与冰霜的区别
    5.1.7  不同品质指标的模型精度的比较
    5.1.8  改进ROI选择方法对模型精度的影响
    5.1.9  基于不同光谱波段建模效果分析
    5.1.10  光谱预处理对建模的影响
  5.2  鸡肉物理特性高光谱成像检测
    5.2.1  鸡肉色泽参数及嫩度传统测定
    5.2.2  鸡肉色泽参数及嫩度预测
  5.3  虾肉色泽特性高光谱成像检测
    5.3.1  虾肉色泽参数传统测定
    5.3.2  虾肉色泽参数预测
  5.4  虾肉质构特性高光谱成像检测
    5.4.1  虾肉质构参数传统测定
    5.4.2  虾肉质构参数预测
  5.5  鱼肉色泽特性高光谱成像检测
    5.5.1  鱼肉色泽参数传统测定
    5.5.2  鱼肉色泽参数预测
  5.6  鱼肉硬度特性高光谱成像检测
    5.6.1  鱼肉硬度参数传统测定
    5.6.2  鱼肉硬度参数预测
  主要参考文献
第6章  肉品化学特性高光谱成像检测
  6.1  猪肉化学腐败高光谱成像检测
    6.1.1  引言
    6.1.2  猪肉图像纹理提取
    6.1.3  模型建立
    6.1.4  化学腐败指标测定
    6.1.5  冷冻储存过程中猪肉化学变化
    6.1.6  冷冻储存过程中猪肉光谱和图像的变化
    6.1.7  基于全波段光谱的冻藏肉品质预测模型
    6.1.8  基于特征光谱的冻藏肉品质预测模型
  6.2  鱼肉TVB-N值高光谱成像检测
    6.2.1  TVB-N值传统测定
    6.2.2  TVB-N值高光谱预测
  6.3  虾肉TVB-N值高光谱成像检测
    6.3.1  TVB-N值传统测定
    6.3.2  TVB-N值高光谱预测
  6.4  鱼肉TBARS值高光谱成像检测
    6.4.1  TBARS值传统测定
    6.4.2  TBARS值高光谱预测
  6.5  鸡肉TBARS值高光谱成像检测
    6.5.1  TBARS值传统测定
    6.5.2  TBARS值高光谱预测
  6.6  鱼肉K值高光谱成像检测
    6.6.1  K值传统测定
    6.6.2  K值高光谱预测
  6.7  鱼肉化学多指标高光谱成像检测
  6.8  鸡肉氨基酸特性高光谱成像检测
    6.8.1  羟脯氨酸传统测定
    6.8.2  羟脯氨酸高光谱预测
  6.9  化学信息可视化分布
    6.9.1  化学信息可视化分布步骤
    6.9.2  鱼肉TVB-N值可视化分布
    6.9.3  虾肉TBARS值可视化分布
    6.9.4  鱼肉TBARS值可视化分布
    6.9.5  鸡肉羟脯氨酸值可视化分布
    6.9.6  鱼肉K值可视化分布
    6.9.7  多指标可视化分布
  主要参考文献
第7章  肉品微生物污染高光谱成像检测
  7.1  引言
  7.2  虾肉菌落总数高光谱成像检测
    7.2.1  TVC传统测定
    7.2.2  TVC高光谱测定
  7.3  鱼肉菌落总数高光谱成像检测
    7.3.1  TVC传统测定
    7.3.2  TVC高光谱测定
  7.4  鱼肉E.coli菌落高光谱成像检测
    7.4.1  E.coli菌落传统测定
    7.4.2  E.coli茵落高光谱测定
  主要参考文献
第8章  肉品品质分级高光谱成像检测
  8.1  引言
  8.2  不同来源的鸡肉高光谱分级
  8.3  不同储藏条件的鱼肉新鲜度高光谱分级
  主要参考文献