近红外特征光谱定量检测羊肉卷中猪肉掺假比例

利用近红外漫反射光谱技术结合化学计量学方法对解冻掺假羊肉卷,进行猪肉掺假比例的定量检测研究。按照不同肥肉占比和不同猪肉掺假比例,制备324?个样品,并利用近红外光谱仪采集其光谱数据。对原始数据进行SG（Savitzky-Golay）平滑、SG一阶导、SG二阶导、多元散射校正、中心化、标准正态变量校正等预处理,并利用偏最小二乘回归（partial least square regression,PLSR）进行建模分析,其中SG平滑结合一阶求导预处理的模型预测效果最优。针对最佳预处理光谱采用竞争性自适应加权采样（competitive adaptive reweighted sampling,CARS）算法进行波长筛选,并建立特征波长PLSR模型,模型预测效果得到提高。其中,校正集和验证集决定系数分别为0.983?6和0.972?5,校正集和验证集的均方根误差分别为0.043?7和0.057?7,范围误差比为7.62。应用该CARS-PLSR模型对检验集进行预测,真实值与预测值的相关系数为0.913?8,结果表明采用近红外光谱分析技术可以实现不同肥肉占比羊肉卷中猪肉掺假比例的定量检测。     

发酵猪肉汉堡饼的研制

用嗜酸乳杆菌作为发酵剂 ,对猪肉汉堡饼中的精肉进行前发酵 ,分析了不同工艺条件对制品的质构、色泽和风味的影响。结果表明 :前发酵精肉的配方 :食盐 1 .5 % ,葡萄糖1 .3% ,嗜酸乳杆菌加入量 1 .5× 1 0 5个 / g ;前发酵温度为2 7℃ ,发酵 1 7h。猪肉汉堡饼的配方 :前发酵精肉 5 5 % ,脂肪 1 2 % ,玉米淀粉 1 2 % ,冷水 1 5 % ,卡拉胶 0 .2 % ,磷酸盐0 .4 % ,调味料 5 %。     

基于近红外高光谱技术快速检测豌豆蛋白掺假牛肉

利用近红外高光谱成像技术结合偏最小二乘模型(PLSR)对牛肉掺入豌豆蛋白进行快速无损检测。将豌豆蛋白按照1%～30%(w/w)的浓度梯度掺入牛肉糜中(掺入浓度间隔1%),共获得93个样品以采集其光谱信息。经移动平均值平滑(Moving average smoothing,MAS)、高斯滤波平滑(Gaussian filter smoothing,GFS)、基线校正(Baseline correction,BC)、S-G卷积平滑(Savitzky Golay convolution smoothing,SGCS)、标准正态变量校正(Standard normal variable correction,SNV)等5种方法预处理光谱信息后,利用PLSR算法构建预测模型。然后采用回归系数法(Regression Coefficient,RC)、逐步回归法(Stepwise)和连续投影算法(Successive Projections Algorithm,SPA)筛选最优波长进行模型优化。结果显示,经过GFS预处理所构建的全波段PLSR模型预测效果更好(R_P^2<...     

电子鼻结合统计学分析对牛肉中猪肉掺假的识别

利用电子鼻结合统计学分析对掺入猪肉的掺假牛肉进行定性和定量研究。采用平均值法和K均值聚类分析法提取特征值;通过主成分分析、判别分析进行分析并使用多层感知神经网络进行模式识别;通过偏最小二乘、多元线性回归和BP神经网络建立定量模型来预测掺假物含量。结果表明：K均值聚类分析法提取的特征值能更全面地反映电子鼻的响应信号,同时判别分析能更好地对掺假牛肉进行定性检测。多层感知神经网络分析中训练集正确分类率达98.8%,验证集正确分类率达97.4%,说明分类结果较好。BP神经网络的决定系数R2（0.9993、0.9930）和均方根误差（0.90%、2.50%）明显优于其他两种方法,故BP神经网络建模分析能更好地预测掺假牛肉中猪肉的含量。说明应用电子鼻技术检测掺入猪肉的掺假牛肉具有一定的可行性。     

原料乳中锌盐掺假定性检测方法

为了保证收购鲜牛奶的品质,有必要在收购时对大量鲜牛奶进行检验.传统的检测方法较复杂且耗时较长,试验研制锌盐与双硫腙-四氯化碳反应生成红色螯合物,从而快速定性检测牛乳中锌盐掺假.本方法检出限为50 mg/kg.结果表明,该方法灵敏度高,操作简单,成本低廉,结果准确,适合用于大量鲜牛奶收购时的实时在线质量监控.     

葛粉掺假的近红外漫反射光谱快速检测

研究葛粉中掺假红薯淀粉和马铃薯淀粉的近红外漫反射光谱快速检测方法。采集样品的近红外漫反射光 谱,采用主成分回归和偏最小二乘法建立校正模型,并对比光谱预处理方法和光谱建模区间对模型的影响。结果表 明,采用偏最小二乘法建模,光谱采用标准正态变量变换预处理,光谱区间选择在962～1 389 nm时,模型预测效 果最佳,外部验证预测相关系数（RP 2）达0.994 5,均方根误差2.298 7%,相对分析误差13.56,平均回收率99.89% （n=9,RSD=2.96%）,这表明近红外漫反射技术能对葛粉中掺假红薯淀粉和马铃薯淀粉进行有效检测。     

近红外光谱快速测定巧克力中掺假淀粉

巧克力作为一种休闲食品,以其细腻的口感和独特的口味而广泛受到消费者的青睐。然而,近几年来关于巧克力掺假的报道不断涌入人们的视野。其中,以廉价淀粉掺假巧克力的手段最为常见。本文研究利用近红外光谱快速检测巧克力中掺假红薯淀粉和马铃薯淀粉的方法,采用主成分回归(principal component regression,PCR)和偏最小二乘法(partial least squares regression,PLS)建立校正模型,并对比了光谱区间、光谱预处理方式以及主因子数对模型的影响。结果显示,采用PLS建模,光谱采用一阶导数处理(7pts),光谱区间选择在7000~4200 cm-1,主因子数为8时,模型预测效果最佳。结果表明,模型的预测误差均方根RMSEP=1.7%,实际值与预测值相关系数RP2=0.9426。该模型对不同掺假比例样品的加样回收率为94.2%~105.6%,日内RSD为4.7%~8.9%,日间RSD为5.1%~11.3%。结果表明,近红外光谱技术可用于快速检测巧克力中掺假淀粉。     

基于高光谱成像的羊肉掺假可视化无损定量检测

目的：快速、准确检测羊肉掺假。方法：利用可见—近红外(400~1 000 nm)和短波近红外(900~1 700 nm)高光谱成像仪对羊肉中掺假不同比例的鸭肉进行数据采集,比较两个波段范围内不同光谱预处理方法的偏最小二乘法(PLS)建模效果,最终在可见—近红外波段选择归一化预处理方法,在短波近红外波段选择标准正态变量变换(SNV)预处理方法。分别对两个波段的光谱数据进行最优的预处理后,采用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)、区间随机蛙跳算法(iRF)和组合区间偏最小二乘法(SiPLS)对特征波长进行选取。结果：在短波近红外(900~1 700 nm)波段采用SNV-SPA-PLS模型的羊肉掺假预测效果最好,预测集决定系数为0.968 4,预测标准偏差为0.058 2,预测集相对分析误差为5.625 4,并得到较好的图像反演结果。结论：利用不同波段的高光谱成像技术可实现对羊肉掺假的快速无损定量检测。     

近红外光谱技术在液态食品掺假检测中的应用

近些年,食品安全事故有增多趋势,而在众多针对食品掺假的检测技术中,近红外光谱技术因其快速、方便等优点而受到关注。本文主要综述了近红外技术在牛奶、蜂蜜和食用油等液态食品掺假检测研究的发展状况,并分析了如今所存在的问题和未来的发展方向。      

基于近红外光谱的酸枣仁不同伪品掺假检测

本文采用近红外光谱技术对酸枣仁及其三种常见伪品理枣仁、枳椇子和兵豆进行定性定量检测研究。分别制备不同伪品掺杂质量分数为1%~90%的单种掺杂物实验样品,以及多种伪品同时掺杂的样品,采集800~2500 nm范围的近红外光谱数据。首先利用主成分分析（principal component analysis,PCA）对酸枣仁及三种伪品进行初步定性鉴别。对于单一掺假物样品,采用五种不同预处理方法对光谱数据进行去噪。利用偏最小二乘回归（partial least squares regression,PLS）方法,建立PLS1模型定量预测掺假物含量,并采用连续投影算法（successive projection algorithm,SPA）挑选最优波长,优化定量模型。结果表明,理枣仁掺假建立的3波长检测模型的预测集决定系数R2_p为0.9659,均方根误差（root mean square error,RMSEP）为6.1910%。枳椇子掺假建立的8波长检测模型的预测集决定系数R2_p为0.9491,均方根误差（RMSEP）为7.6232%。兵豆掺假建立的5波长检测模型的预测集决定系数R2_p为0.9666,均方根误差（RMSEP）为6.1437%。对于多掺杂物样品,建立了PLS2模型同时对不同成分进行定量预测,酸枣仁效果最好,R2_p≥0.7115,枳椇子预测效果最差,R2_p≥0.2007。研究表明,利用近红外光谱技术可以实现酸枣仁不同伪品掺假的快速无损检测。所建方法为后续酸枣仁及其他种子类中药材便携式无损检测仪器的开发提供了理论基础与参考依据,对保证中药材质量安全具有重要社会意义。     

基于近红外光谱仪分析中式爆炒猪肉的水分含量

应用傅里叶变换近红外光谱技术建立中式传统爆炒猪肉片水分含量预测模型,达到快速无损检测的目的。通过直接干燥法测定100 组爆炒猪肉片样品的水分含量,并扫描得到其近红外光谱图。采用偏最小二乘法并通过二阶微分结合卷积平滑算法对光谱进行预处理,通过拐点法、马氏距离法、杠杆值、学生残差法与内部交互验证均方根法进一步剔除异常样本,优化光谱模型。结果表明：所构建的中式爆炒肉片水分含量近红外光谱预测模型的校正均方差值为0.089 1,相关系数为0.972 1;且将预测值与真实值进行比较发现,预测结果正确率大于98.7%（P＜0.05）,表明本研究建立的用于检测中式爆炒肉片水分含量的近红外光谱预测模型效果良好,能够快速检测并准确预测中式爆炒肉片的水分含量,具有一定的应用价值。     

近红外光谱仪特性及在牛肉制品检测中的应用

近红外光谱技术作为一种新型的分析检测技术,具有快速准确、无损的特点,在食品品质检测和生产监控中有着良好的应用前景。本文着重介绍近红外分析技术的原理、仪器和在牛肉及其制品中的应用并将其与相关同类仪器的性能特点进行对比,最后对近红外光谱技术进行展望。     

基于欧式距离法或因子化法的近红外光谱技术对牛肉掺假鉴定的研究

利用近红外光谱技术结合欧氏距离法或因子化法建立牛肉中掺入猪肉和鸡肉的快速、准确的技术方法,从而为保证牛肉制品品质和安全提供强有力的检测手段;以牛肉和掺假肉(掺入猪肉和鸡肉)按照相同程度进行均匀搅碎,按照掺假肉10%为梯度增量进行制备掺假肉,共分为10类样本(10%至100%),采用单通道,光谱范围为12000cm^-1~4000cm^-1,扫描次数为64次,特征波段为7351.92cm^-1~6824.83cm^-1、5578.24cm^-1~5075.21cm^-1,预处理方式为一阶导数或二阶导数+矢量归一化+9点平滑,结果表明:猪肉和鸡肉掺假因子化法的判别率分别为94%和96.67%;因子化法可以试现对牛肉掺假进行定性分析鉴定。     

Qualitative and Quantitative Textural Assessment of Cooked Ground Beef Patties

Cohesiveness of extruded, sliced hamburger patties from two manufacturers was studied in relation to cooking performance. Tensile determinations of ultimate strength and toughness were related to cohesiveness as measured with an Instron Universal Testing Machine. Light and environmental scanning electron microscopy was used to relate physical and macroscopic observations. Very cohesive samples had values of ultimate strength 7>1.45N and toughness >3.70 × 10^?4J, and noncohesive samples had values of ultimate strength <0.90N and toughness <1.50 × 10^?4J. Tensile results allowed discrimination between levels of cohesiveness among ground beef patties and could serve as a monitoring device to ensure consistency and indicate failure of the product at the serving outlet.     

苹果货架期的近红外光谱定性分析

以嘎啦苹果为试材,使用ASD公司的FieldSpec3光谱仪在常温条件下进行近红外光谱采集,应用OPUS软件的快速比较法和电子称重数据对苹果样品的近红外光谱信息进行处理。结果表明,苹果样品在室内常温及通风条件下10d失重率即可达到5%;货架期苹果的近红外光谱在水分吸收峰1440nm和1936nm发生显著变化;快速比较法在使用二阶导数预处理方法可以准确、有效地进行定性鉴别。     

蜂蜜用葡萄糖溶液掺假的近红外光谱检测

为实现蜂蜜用葡萄糖溶液掺假的快速检测,利用近红外光谱技术(NIRS)对真假蜂蜜样本进行了研究。121个真蜂蜜样本中取8个分别按5%、10%、15%、20%、25%、30%、35%、45%、55%和65%的质量比掺假,共得80个掺假样本。不同光谱预处理方法的模型结果表明最佳预处理方法为自归一化加一阶微分(真假判别)和中心化加一阶微分(掺假量分析)。利用CARS(Competitive adaptive reweighted sampling)法筛选变量,PLS-LDA模型对真假蜂蜜的判别准确率为100%,PLS模型对掺假量定量分析的交互验证均方差为3.137 7,预测均方差为2.980 0。结果表明NIRS能实现蜂蜜用葡萄糖掺假的检测。     

近红外透射光谱分析油茶籽油掺入豆油的研究

采用傅里叶近红外透射光谱技术,应用于不同比例(0%～50%)的豆油和油茶籽油的二元体系样品,通过各种光谱预处理方法和回归方法的优化,建立了检测油茶籽油中掺杂豆油含量的近红外光谱的定量模型。以"二阶导数+Norris derivative filter"的最佳预处理方法和PLS的回归方法所建模型最佳,其校正相关系数(Rc)和校正标准误差(RMSEC)分别为0.999 99、0.057 70;交叉检验相关系数(Rcv)和交叉检验校准误差(RMSECV)分别为0.999 99、0.071 9;最优波段为5 037.16～4 728.60 cm-1、7 852.72～7 089.04 cm-1、8 577.82～8 323.26 cm-1;最佳主因子数为6。另外,经外部验证15份随机样品的化学值和NITS预测值的相关系数(R2)为0.998。表明近红外透射光谱法能够快速、准确地定量分析掺假油茶籽油中豆油的含量(范围为0%～50%)。     

基于近红外光谱定量分析花生牛奶可行性

模拟花生牛奶生产工艺制备不同含量的花生牛奶,使用近红外光谱仪扫描建立定量分析模型,探索近红外光谱应用于花生奶定量分析的可行性。结果表明,花生牛奶使用PLS建模方法可以有效地对光散射、花生与奶粉之间的干扰做出补偿,适合用于花生牛奶复杂成分体系的分析;花生定量分析模型校正均方差(root-mean-square error of calibration,RMSEC)、预测均方差(root-mean-square error of predication,RMSEP)、相关系数R分别为0.573%、3.73%、0.999 7;奶粉定量分析模型RMSEC、RMSEP、R分别为0.066、0.183 g/L、0.955 7。近红外光谱可以应用于花生牛奶的定量分析,可以为花生牛奶提供产品质量控制和快速定量检测,为植物蛋白饮料提供一种新的检测思路。模型优化改进有待进一步研究。     

应用微滴式数字聚合酶链式反应定量检测牛肉制品中的猪源性成分

参照GB/T 25165—2010《明胶中牛、羊、猪源性成分的定性检测方法 实时荧光聚合酶链式反应法》,以牛的生长激素（growth hormone,GH）基因和猪的朊蛋白（prion protein,PRNP）基因2 种核基因为靶基因合成特异性引物和探针。理论推导单位质量牛肉的GH基因与猪肉PRNP基因拷贝数之比为一固定值,通过微滴式数字聚合酶链式反应（droplet digital polymerase chain reaction,ddPCR）方法对该固定值进行检测和验证,并以该固定值对牛肉/猪肉人工混合样本和市售牛肉制品中的猪肉成分进行定量检测。结果表明：该方法具有良好的准确性及可重复性;牛肉中掺杂猪肉质量分数在5%～99%范围内时,检测结果绝对误差小于1.28%,变异系数小于6.5%,猪肉成分的回收率为99.09%～102.80%;20 份牛肉制品中,4 份检出猪肉成分,其中3 份的相对含量为29.19%～98.15%,1 份为0.12%（低于本方法检出限5%）。因此,ddPCR方法可以较好地应用于牛肉制品中掺杂猪肉成分的定量检测。