皮蛋是我国一种传统腌制蛋制品,由鲜蛋在碱液中腌制而制成。目前按工厂检测要求,一般采用人工检测的手段对腌制到期的皮蛋凝胶状况进行检测,将皮蛋按照凝胶品质分为3类—优质蛋、次品蛋和劣质蛋,其中还通过手敲皮蛋依据皮蛋弹性大小将皮蛋分为弹性蛋和非弹性蛋,弹性好的亦为凝胶品质好。人工检测存在劳动强度高、主观性强、效率低等弱点,需要寻找自动无损检测手段对皮蛋品质进行检测分类,从而为实现皮蛋品质自动检测提供技术支持。主要研究内容和研究结论如下:(1)研究了皮蛋质构参数与凝胶品质等级的关系。通过质地剖面检验分析试验,对2种凝胶品质的皮蛋(优质蛋、次品蛋)的弹性、硬度、凝聚性、胶粘性和咀嚼性等质构参数进行分析,比较优质蛋与次品蛋的质构参数,得到优质蛋的质构参数要优于次品蛋。并利用SPSS软件分析了质构参数与皮蛋凝胶品质等级的相关性,得到了两者之间的相关关系。(2)建立了皮蛋凝胶品质的视觉无损检测模型。基于机器视觉技术搭建了皮蛋图像采集平台,采集皮蛋透射图像,并对皮蛋图像进行预处理,去除图像背景,提取R、G、B、H、S、V、L、a、b、σR、σG、σB、σH、σS、σV、σL、σa、σb这18个颜色特征值为图像特征参数。对18个特征参数进行主成分分析,将得到的主成分输入到模型中进行训练。结果表明基于机器视觉技术无法对3种凝胶品质皮蛋(优质蛋、次品蛋、劣质蛋)进行分类,但可以将皮蛋分为可食用蛋(优质蛋、次品蛋)与不可食用蛋(劣质蛋),对比不同模型分类结果得到最佳分类模型为GA-SVM,测试集识别率为97.56%,劣质蛋识别率为100%。(3)建立了皮蛋凝胶品质的光谱检测模型及视觉-光谱的综合检测模型。基于近红外光谱技术采集3种凝胶品质皮蛋(优质蛋、次品蛋和劣质蛋)的光谱数据,发现单独采用近红外光谱技术不能对3种凝胶品质皮蛋进行分类,但可以将机器视觉技术难以区分的可食用蛋(优质蛋、次品蛋)分为优质蛋和次品蛋。所以对优质蛋和次品蛋的原始光谱数据进行多元散射矫正预处理,利用CARS对光谱数据降维提取其特征波长,建立分类模型。结果表明近红外光谱技术能够对优质蛋和次品蛋进行分类,优质蛋识别率为96.49%,次品蛋识别率为94.12%。故提出分步检测法对3种凝胶品质皮蛋进行分类,先利用机器视觉技术将皮蛋分为可食用蛋(优质蛋、次品蛋)和不可食用蛋(劣质蛋),再利用近红外光谱技术将可食用蛋(优质蛋、次品蛋)分为优质蛋和次品蛋,总体识别率为96.38%。(4)建立了皮蛋凝胶品质的弹性振动无损检测模型。利用加速度传感器搭建皮蛋振动信号采集平台,采集皮蛋受到激励后的振动信号,通过快速傅里叶变换将振动信号时域数据转换为频域数据,在时域上提取其峰值、平均值、方差、均方根、最大值、最小值、方根幅值、峭度、波形因子、裕度因子、脉冲因子和峰值因子为特征参数,在频域上提取主响应频率、最大幅值、重心频率、均方频率和均方根频率为特征参数。对特征参数进行主成分分析降低数据维度,建立皮蛋弹性分类模型。对比不同模型的分类结果,得到GA-SVM模型分类效果最佳,总体识别率为85.53%,非弹性蛋(次品蛋)识别率高达94.59%。表明可以利用加速度传感器对皮蛋弹性进行研究分类。