《农业工程学报》年第36卷第5期刊载了南京农业大学等单位王浩云、宋进、潘磊庆、袁培森、郭振环与徐焕良的论文——“优化BP神经网络提高高光谱检测调理鸡肉菌落总数精度”。该研究由江苏省重点研发计划（项目号：L）等资助。
调理鸡肉制品是以鸡肉为主要原料，经过多种复杂加工工艺，在冷藏或冻藏条件下贮藏,食用前需经简单加工的风味生肉制品。由于调理鸡肉制品生产工艺复杂，加工中极易受微生物污染，即使在低温冷链储运过程中，微生物也会生长繁殖。滋生的微生物会导致肉制品腐败变质，不仅影响肉品营养价值，也给消费者健康带来安全隐患。菌落总数作为食品微生物检测的重要指标，其测定方法通常参照国标采用平板计数，该方法虽然测定精度高，但对肉品本身具有破坏性，无法应用到实际生产线上。
该文以调理鸡肉“骨肉相连”作为检测对象，利用高光谱成像仪拍摄调理鸡肉图像，并借助图像处理软件提取调理鸡肉的高光谱信息。为了降低模型计数量，利用以达尔文进化论“适者生存”为原则的竞争性自适应算法去除不相关的波长，得到菌落总数的预测模型。为了提高模型预测精度，采用一种模仿鸟群行为的鸟群算法，以及一种模仿生物免疫机制的免疫算法对模型的初始参数进行优化，通过对比不同算法优化结果，确定最优的预测模型。
研究结果表明，相比于未优化的预测模型，使用免疫算法和鸟群算法共同优化模型参数后，模型迭代次数、建模时长以及预测精度效果均有明显提升，其中预测集相关系数、均方根误差、剩余预测偏差分别为0.93、0.31lg(CFU/g)、2.68，且模型稳定性最好。因此，利用高光谱技术，对贮藏期间调理鸡肉中菌落总数含量进行无损检测具有一定的可行性。
长按识别