FOSS 的ANN肉类定标——划算分析的关键

FoodScan基于近红外透射技术（NIT, Near Infrared Transmittance）来工作 近红外透射技术基于被测定样品，例如原料肉，根据脂肪和蛋白含量的不同，在不同波长处对红外光的吸收不同的原理来测定。当然，仅仅是样品本身的信息还是不够的，还必须把本身的信息和已知信息库来比较来获得样品的化学组成信息。 一种用于信息比较的方法是运用最小二乘法（PLS）定标，PLS基于一个线性方程，此方程由和测量波长数据相关的因子来表征。 如果测试样品没有很大的变异，PLS方法可以很好地工作。但是，如果对于原料肉，单成分中脂肪一项就有很大的变异，这种情况下就必须建立多个PLS定标。例如，对于原料肉测定，你可能需要4个定标，即0-5%脂肪，5-15%脂肪，15-30％脂肪和30-45%脂肪。这将非常费时，而且这些不同的定标需要不时的维护和验证。 相反，一个ANN定标就可以覆盖已知的所有的变异，例如脂肪的变异。这是因为ANN定标基于一个复杂的数学公式，它考虑了诸多的变异因素于一体，举例来说，肉类定标就是基于多于20000个光谱数据而建立的。 如果您需要更为详细的资料，请到“访客留言”中留言索取，我们会尽快和您联系。