冷鲜滩羊肉挥发性盐基氮变化的高光谱动力学模型构建

为探究基于高光谱成像技术预测滩羊肉挥发性盐基氮的可行性并寻找最佳预测模型。采集200个滩羊肉样本在波长400~1000 nm处的高光谱图像,采用蒙特卡洛检测法剔除异常样本;应用竞争性自适应重加权(CARS)、无信息变量消除(UVE)和连续投影(SPA)算法互相结合对原始光谱进行敏感波点提取;分别建立了冷鲜滩羊肉挥发性盐基氮变化的近红外光谱定量检测模型和其变化规律的动力学模型。结果表明:采用偏最小二乘回归(PLSR)建立的冷鲜滩羊肉挥发性盐基氮模型预测效果最好,预测相关系数R_p为0.866,均方根误差RMSEP为3.790。同时,将近红外光谱模型应用于挥发性盐基氮含量随时间变化的零级反应动力学模型中,得到模型的相关系数R为0.915。研究结果表明:结合动力学模型的近红外光谱技术可通过滩羊肉挥发性盐基氮含量的变化预测其安全贮藏时间。     

肉品挥发性盐基氮的高光谱无损快速检测

建立利用高光谱成像技术对生鲜猪肉的挥发性盐基氮含量进行快速无损伤检测的方法。方法 利用400~1100 nm光谱范围的高光谱成像系统, 获取猪肉表面的高光谱图像信息, 通过洛伦兹函数对其表面的扩散信息进行拟合, 结合偏最小二乘回归和多元线性回归两种方法, 分别建立预测猪肉TVB-N含量的预测模型。结果 利用洛伦兹三参数组合[abc]结合MLR方法建立预测猪肉TVB-N含量的模型效果优于PLSR模型, 预测相关系数达到0.90, 标准差为4.67。结论 高光谱成像技术可以快速无损伤检测肉品挥发性盐基氮。     

基于NIR高光谱成像技术的滩羊肉内部品质无损检测

利用近红外高光谱成像技术对滩羊肉蛋白质和脂肪含量、pH值进行无损检测研究。通过高光谱系统(900~1700 nm)采集69个羊肉样本信息,先对全波段下的原始光谱和预处理后光谱建立偏最小二乘回归(PLSR)模型,对比优选出最佳预处理算法,后采用PLSR的加权β系数法提取特征波长,建立特征波长下各品质参数的PLSR模型,分析预测效果。结果表明:羊肉蛋白质、脂肪含量、pH值最佳预处理方法为基线校准(Baseline)、多元散射校正与S-G卷积平滑结合算法(MSC+SG)和原始光谱;利用特征波长建立预测模型,决定系数(RP2)分别为0.83、0.86和0.72,预测均方根误差(RMSEP)为0.57、0.09和0.12,可替代全波段建模。利用近红外高光谱成像技术对羊肉内部品质进行快速无损检测是可行的。     

基于高光谱成像技术的鸡肉菌落总数快速无损检测

以市售新鲜冷藏(4℃)鸡胸肉为研究对象,采集鸡胸肉表面的高光谱(400~1 100 nm)图像信息,采用偏最小二乘回归(partial least square regression,PLSR)建立菌落总数预测模型,采用不同预处理方法提高模型的预测准确性和稳健性,实现快速无损检测生鲜鸡胸菌落总数的目的。结果表明:标准变量变换(standard normalized variate,SNV)预处理后,模型性能最佳。模型的校正标准差(standard error of calibration,s_(EC))和验证标准差(standard error of prediction,s_(EP))分别为0.40和0.57,s_(EP)/s_(EC)为1.08,校正集相关系数(correlation coefficient of prediction,R_C)和验证集相关系数(correlation coeffic ient of prediction,R_P)分别为0.93和0.86;且应用最佳模型可有效预测样品菌落总数的分布地图。     

冷鲜羊肉品质的高光谱成像无损检测

利用400¹000 nm可见近红外高光谱成像系统对冷鲜羊肉蛋白质含量、嫩度、p H进行无损检测研究。采集冷鲜羊肉表面的高光谱散射图像,提取样本感兴趣区域的反射光谱曲线获得原始数据。先对原始光谱预处理并建立偏最小二乘回归（PLSR）模型,优选最佳预处理方法,后采用正自适应加权算法（CARS）和连续投影算法（SPA）提取特征波长,建立不同特征波长下各品质参数的PLSR预测模型。结果表明:利用原始光谱建立的冷鲜羊肉蛋白质、嫩度和p H的PLSR模型均优于经过光谱预处理所建PLSR模型;在不同波长下建立预测模型,OS-PLSR光谱模型对冷鲜羊肉蛋白质含量预测效果最佳,Rp=0.869,RMSEP=0.097;建立的SPA-PLSR光谱预测模型对p H预测效果理想,Rp=0.958,RMSEP=0.067;CARS-PLSR光谱预测模型对嫩度的预测能力较高,Rp=0.862,RMSEP=0.706。研究表明:利用可见近红外高光谱技术对冷鲜羊肉品质进行快速无损检测是可行的。      

猪肉中挥发性盐基氮含量光谱检测模型的修正方法

目的 研究猪肉新鲜度指标挥发性盐基氮(TVB-N)含量检测模型修正方法, 以提高光谱校正模型对不同品种猪肉样品的适用性。方法 建立基于偏最小二乘回归(PLSR)的杜长大猪肉TVB-N模型, 采用光谱信号补正与模型更新两种方法对该模型进行修订, 比较修正后杜长大模型对恩施山猪样本的预测效果。结果 建立的杜长大猪肉样本模型预测决定系数R2p为0.884, 预测标准差RMSEP为1.792, 将此模型用于预测恩施山猪TVB-N值, R2p为0.552, RMSEP为4.733。修正后的杜长大猪肉样本模型预测恩施山猪TVB-N值时, R2p分别提高到0.964和0.943, RMSEP分别降低为1.329和1.885。结论 光谱信号补正和模型更新方法均能有效改善模型预测性能, 提高模型适应性。     

气相红外光谱无损检测臭鳜鱼中挥发性盐基氮

挥发性盐基氮(total volatile basic nitrogen,TVB-N)是衡量臭鳜鱼新鲜度的一项重要指标,而现有检测方法存在速度慢、对样品破坏性强的局限性。为实现TVB-N快速无损检测,该文利用气相傅里叶变换红外光谱获取不同贮藏条件下臭鳜鱼挥发物的光谱信息,采用高斯滤波、稳健局部加权回归(robust locally weighted regression,RLWR)、小波阈值去噪、模拟退火-偏最小二乘(simulated annealing-partial least squares,SA-PLS)等方法进行光谱预处理,偏最小二乘回归和支持向量回归算法构建预处理光谱与TVB-N之间的关联性模型。结果表明,与其它模型相比,经RLWR结合SA-PLS选择的特征波长光谱可建立最优预测模型,其决定系数(decision coefficient,R_p²)和相对预测误差分别为0.942 8和4.005 0,具有较高的精准度与鲁棒性。     

基于高光谱反射特性的猪肉新鲜度和腐败程度的对比分析

为有效评价猪肉在贮藏过程中的品质变化,分析相同猪肉样品在相同环境条件下挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量与菌落总数（total viable count,TVC）的变化规律。结果显示,在4?℃冷藏15?d猪肉TVB-N含量与冷藏时间成“J”型变化规律,而TVC与冷藏时间成“S”变化规律。当TVB-N含量在第7.5天达到国家标准规定新鲜度限定值（15 mg/100 g）时,TVC已远超国家标准限定值（6（lg（CFU/g）））,达到7.92（lg（CFU/g））。当TVC在第5.5天达到国家标准限定值时,TVB-N含量仅为10.65?mg/100?g;即在相同贮藏条件下,依据国标TVC指标判定猪肉为“腐败肉”时,而根据TVB-N含量猪肉仍被判定为“新鲜肉”。在此基础上,利用可见-短波近红外高光谱反射技术采集猪肉高光谱数据,建立不同预处理的TVB-N含量与TVC偏最小二乘回归模型。结果表明,利用多元散射校正预处理建立的TVB-N含量模型与1阶导数预处理建立的TVC模型预测效果最好。Rp分别为0.957?2与0.968?2,预测集标准误差分别为2.802?5?mg/100?g与0.332?7（lg（CFU/g））,实测值的标准偏差与预测集的标准误差比值分别为3.093?7和3.434?1;外部验证集相关系数分别为0.928?3与0.930?5,标准误差分别为3.556?2?mg/100?g和0.515?7（lg（CFU/g））。本研究能为高光谱技术更好地应用于猪肉的品质检测提供一定理论依据。     

基于近红外技术测定不同鲜肉中挥发性盐基氮含量

目的 应用近红外光谱技术快速检测猪肉、羊肉和牛肉的挥发性盐基氮含量。方法 本实验采集各种肉类的近红外光谱, 运用偏最小二乘法(partial least squares, PLS), 光谱经多种不同预处理方式并通过比较选择最优处理后, 建立挥发性盐基氮含量的近红外校正模型。结果 猪肉选择一阶导、S-G平滑方式, 羊肉选择二阶导、S-G平滑方式, 牛肉选择一阶导、Norris平滑方式。猪肉、羊肉和牛肉的挥发性盐基氮建模集相关系数分别为0.9069、0.9106和0.9587, 方根误差分别为1.12、1.64和2.20。结论 所建立的模型取得了较好的结果, 验证了近红外光谱技术对猪肉、羊肉和牛肉挥发性盐基氮进行定量分析的巨大应用潜力。     

盐池滩羊肉脂肪含量的高光谱预测模型构建

本文利用可见-近红外高光谱成像技术预测冷鲜滩羊肉脂肪含量,优选最佳预测模型。测定90个滩羊背最长肌的脂肪含量并采集其光谱图像,对原始光谱进行不同种预处理后,构建了全波段下的偏最小二乘回归(PLSR)和主成分回归(PCR)的光谱预测模型。为减少模型运算次数,在预处理效果最优的全波段模型上采用连续投影算法(SPA)、应用竞争性自适应重加权(CARS)、变量组合集群分析(VCPA)和波长空间迭代收缩(IVISSA)方法提取特征波长,构建脂肪含量的光谱预测模型。结果表明:采用归一化(Normlize)预处理后光谱构建的PLSR全波段模型效果最好,校正集模型相关系数(Rc)达到0.921;采用多元散射校正(MSC)预处理后光谱构建的PCR全波段模型效果最好,其校正集模型相关系数(Rc)达到0.850;在4种提取特征波长过程中,IVISSA算法所提取特征波长的交互验证均方根误差(RMSECV)最低,为0.0072;Normlize-IVISSA-PLSR模型较其他3种算法所构建的PLSR模型效果最优,其校正集相关系数(Rc)和预测集相关系数(Rp)值分别为0.931和0.754,表明利用高光谱技术对盐池滩羊肉脂肪含量进行预测是可行的。研究成果为冷鲜滩羊肉品质在线光谱快速无损检测系统开发提供理论依据。     

基于近红外高光谱成像的冷鲜羊肉表面细菌总数检测

细菌总数是反映肉品被污染和腐败状况的重要指标,为寻找快速有效的冷鲜羊肉表面细菌总数无损检测方法,本研究利用近红外高光谱(900~1700nm)成像技术对20d贮藏期内的冷鲜羊肉表面细菌总数进行快速无损检测。由80个样本表面高光谱图像获取目标区域反射光谱,采用多元散射校正和二阶导数相结合(MSC+SD)的方法进行预处理。将用主成分分析法对光谱降维后获得6个特征波长作为输入变量,分别采用偏最小二乘回归(PLS)、误差反向传递人工神经网络(BP-ANN)和径向基函数人工神经网络(RBF-ANN)三种方法建立模型对冷却羊肉表面细菌总数进行预测,均取得较好预测结果,其中,神经网络建模效果优于PLS,预测效果最好的是RBF-ANN模型,相关系数R为0.9988,均方根误差RMSEP为0.2507。结果表明,NIR高光谱图像技术可用于冷鲜羊肉表面细菌总数的快速无损检测。     

高光谱成像技术定量可视化检测熟牛肉中挥发性盐基氮的含量

为了能够快速、准确的检测出熟牛肉在冷藏过程中的新鲜状况,尝试利用高光谱成像技术对熟牛肉中的挥发性盐基氮(TVB-N)含量进行定量可视化分析。采集400~1000 nm范围内样品高光谱图像,采用变量组合集群分析法(VCPA)提取出6个光谱特征波段变量,针对特征波段图像,利用Tamura算法共提取出18个纹理特征变量,基于RGB颜色模型,分别计算出R、G和B分量图中共9个颜色特征变量。利用粒子群优化最小二乘支持向量机(PSO-LS-SVM)算法分别建立了不同变量组合的TVB-N含量预测模型。经分析比较,基于光谱与颜色特征融合的PSO-LS-SVM模型展现出最优的预测能力,预测集决定系数(R2p)和均方根误差(RMSEP)分别为0.955和1.093。利用最优模型将TVB-N含量进行可视化表达。结果表明,融合高光谱图像中光谱与颜色特征并结合PSO-LS-SVM算法对熟牛肉中TVB-N含量进行准确的预测与可视化表达是可行的,该研究可为其它肉及肉制品新鲜度检测提供理论参考。     

基于近红外高光谱成像快速无损检测注胶肉研究

采用近红外高光谱成像技术结合化学计量学方法建立注胶肉的快速无损检测模型。首先通过近红外高光谱成像系统获取含有不同浓度梯度卡拉胶的猪里脊肉高光谱图像,然后提取图像中的光谱数据,使用偏最小二乘法(Partial least square,PLS)探究光谱信息与不同掺假比例卡拉胶之间的定量关系。结果表明全波段光谱(900~1700 nm)所构建的PLS校正集模型均方根误差(Root mean square error,RMSE)为1.74%,预测模型RMSE为3.16%。表明基于全波段所建立的PLS模型具有较优的预测性能。利用连续投影算法(Successive projection algorithm,SPA)筛选获得11个特征波长,并优化全波长PLS模型,将预测集样品带入,以验证模型的预测效果,结果表明SPA算法结合PLS建模方法所建立的模型预测效果更优,预测集相关系数(R_P)为0.93,均方根误差(Root mean square error of prediction,RMSEP)为3.51%,预测偏差(Residual predictive deviation,RPD)为2.66。试验表明利用高光谱成像技术可实现对注胶猪肉的快速无损检测。     

NIR高光谱成像技术检测冷鲜羊肉嫩度

利用900¹700 nm近红外高光谱成像系统对冷鲜羊肉嫩度进行快速无损检测研究。采集冷鲜羊肉（1⁸ d）表面的高光谱散射图像,提取样本感兴趣区域反射光谱曲线并用剪切力值表征冷鲜羊肉的标准嫩度。以原始光谱、特征区域光谱和Savitzky-Golay卷积平滑预处理光谱建立冷鲜羊肉嫩度的偏最小二乘回归（PLSR）模型,预处理的特征区域光谱建立的模型效果更优。结果表明:特征区域光谱可有效替代全波段光谱,经过S-G卷积平滑预处理后,模型预测效果最佳,预测相关系数（Rp）和均方根误差（RMSEP）分别为0.773和1.060。研究表明:利用近红外高光谱成像技术结合偏最小二乘回归法对冷鲜羊肉嫩度的快速无损检测是可行的。      

高光谱成像技术检测肴肉新鲜度

建立阿胶中马和驴成分高特异、高灵敏的实时荧光聚合酶链式反应（polymerase chain reaction,PCR）检 测方法。选择马和驴线粒体基因tRNA-Thr及D-loop区为靶序列,设计合成特异引物,通过普通PCR和实时荧光PCR 检测,结果表明,这两对引物能够准确检测阿胶或动物胶中马和驴成分。     

基于高光谱成像的香肠菌落总数回归预测及数据可视化

香肠的好坏有很多种评价指标,菌落总数（TVC）是其中的一种。高光谱成像技术已经成为一种快速、无损检测食品品质的有效方法。本文利用高光谱成像技术对香肠的菌落总数进行了定量分析,对数据进行了主成分分析（PCA）,研究发现数据集中前四个主成分累计贡献率已达97.65%,已经可以反映出香肠所包含的绝大部分信息。对前四个主成分对应的优化区间采用高斯核函数的SVM回归模型进行预测,并为了提高回归预测模型的精确度,对模型的c,g参数,进行了遗传算法（GA）、网格搜索算法和粒子群算法（PSO）寻优对比,其中PSO寻优可使回归预测值和真实值的相关系数为0.9777,交互验证均方根误差为0.0823,能够准确快速的实现香肠菌落总数的预测。除此之外,利用python对回归预测的数据进行可视化,更加直观的显示菌落总数变化,且可以达到实时观看的效果。     

基于高光谱和极限学习机的冷鲜羊肉颜色无损检测

利用400¹000 nm近红外高光谱成像系统对冷鲜羊肉颜色进行快速无损检测研究。采集140个冷鲜羊肉样品（贮藏1⁷ d）光谱图像,并测量其亮度（L*）、红度（a*）、黄度（b*）和饱和度（C*）等颜色参数。选取感兴趣区域获取样品代表性光谱,利用联合区间偏最小二乘法（si PLS）对一阶微分、多元散射校正、标准正态变量变换（SNV）等方法预处理后的光谱数据筛选特征波段,建立冷鲜羊肉颜色各参数的si PLS-ELM神经网络校正模型。对于L*、a*、b*和C*,模型的预测集相关系数（RP）分别为0.9219、0.9391、0.9603和0.8839,预测集均方根误差（RMSEP）分别为1.1935、0.2333、0.6009和0.3586。结果表明:采用可见-近红外高光谱成像技术结合si PLS-ELM神经网络对冷鲜羊肉颜色的快速无损检测是可行的。      

基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的. 综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900nm的高光谱图像数据,通过主成分分析提取547nm波长下的特征图像.     

高光谱成像技术快速预测鸡蛋液菌落总数

针对鸡蛋液中菌落总数分析方法操作繁琐、时效性低等问题,采用高光谱成像技术（400～1 000 nm）建立鸡蛋液中菌落总数的快速预测方法。于蛋清中接种铜绿假单胞菌后采集不同污染程度蛋液样本的原始高光谱信息,结合连续投影算法进行特征波段的提取,分别建立基于特征波段和全波段光谱信息下的偏最小二乘和支持向量机（support vector machine,SVM）预测回归模型。结果表明：标准化预处理效果相对最佳,蛋清、蛋黄以及全蛋液样本对应的相对最佳定量分析模型为基于特征波段下的SVM模型。其中蛋清预测集相关系数RP为0.81,预测集均方根误差（root mean square error of prediction,RMSEP）为0.63（lg（CFU/g））;蛋黄预测集的RP为0.82,RMSEP为0.47（lg（CFU/g））;全蛋液样本中RP为0.75,RMSEP为0.75（lg（CFU/g））。结果表明,高光谱成像技术结合化学计量学方法,可以实现对鸡蛋内部微生物污染程度的定量预测。     

不同减菌方式对滩羊肉制品货架期的影响

以白切羊肉、凉手抓羊肉、椒盐羊肝、酱羊肉和酱羊头肉5种宁夏特色滩羊肉制品为研究对象,经切割、分块、煮制等过程得到羊肉系列制品,用保鲜盒包装。实验组的切割、包装间采用无菌处理,包括紫外照射和空气过滤装置,并采用紫外照射对羊肉制品的加工包装过程进行层层减菌处理;对照组1、2分别在正常环境下加工后进行微波杀菌和高压灭菌,包装好后置于0~5℃贮藏。在贮藏第0、7、14、21、28、35天时检测各组样品的菌落总数、pH值、总挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量、硫代巴比妥酸反应物(thiobarbituric acid reactive substance,TBARs)值及水分分布的变化。结果表明:在贮藏过程中,减菌处理的羊肉制品的各项理化指标均优于微波杀菌和高压灭菌,说明采用栅栏技术的减菌处理方法是适用于低温羊肉制品的最佳杀菌方式。经减菌处理的白切羊肉和凉手抓羊肉的货架期为30 d,椒盐羊肝的货架期为28 d,酱羊肉和酱羊头肉的货架期为35 d。