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。     

南疆鲜羊肉水分含量的近红外光谱法无损检测

本文在近红外反射光谱780~1700 nm的波长范围内采集新宰杀的同一品种的羊的后腿肉134个样本的光谱数据,来实现快速无损的南疆生鲜羊肉含水量的检测。这些光谱数据经中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等预处理方法对原始光谱进行降噪处理;然后以13:1的比例将样本分为训练集和测试集,并采用PLSR建立预测模型,使用所建模型对生鲜羊肉水分含量进行预测。结果为:训练集的预测相关系数Rc为0.94、标准差MSEC为0.04,预测成功率为97.6%,测试集的预测相关系数Rv为0.89、标准差MSEV为0.07,预测成功率为96.4%。实验结果证实结合中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等多种预处理方法建立的基于近红外光谱PLSR模型,可以对南疆鲜羊肉的水分含量进行精确的快速无损评价,并且能为南疆生鲜羊肉水分含量的快速无损检测技术的应用提供理论上的指导。     

基于低场核磁共振技术构建韧性饼干中水分含量无损定量预测模型

目的基于低场核磁共振技术(low-field nuclear magnetic resonance, LF-NMR)弛豫特性建立韧性饼干水分含量的预测模型,探讨LF-NMR无损快速预测韧性饼干水分含量的可行性。方法采用LF-NMR对韧性饼干的CMPG(Carr-Purcell-Meiboom-Gill)序列信号进行采集,利用直接干燥法检测韧性饼干中水分的实际含量,建立多元回归分析、K最邻值回归分析(K-nearestneighbor,KNN)和高斯过程回归(Gaussianprocess regression,GPR)模型。结果 3种模型中KNN回归模型预测集决定系数最大为0.9932,均方根误差最小为0.2542,因此韧性饼干中水分与低场核磁弛豫特性的分析中, KNN回归分析的模型最优。结论使用LF-NMR分析仪预测韧性饼干中水分含量是一种无损、快速的方法,对于韧性饼干样品中水分快速预测建模结果良好,因此利用低场核磁共振技术快速预测韧性饼干样品中的水分含量方法可行。     

生鲜猪肉细菌总数的高光谱特征参数研究

目的 通过对高光谱数据进行洛伦兹拟合参数的分析, 讨论高光谱技术对生鲜猪肉细菌总数预测的可行性。方法 63个猪肉样品贮存于4 ℃冰箱中, 每天随机取出4块样品, 在400~1100 nm波长范围内获取猪肉表面的高光谱散射图像, 从高光谱图像中提取猪肉的反射光谱曲线, 利用洛伦兹函数进行拟合, 然后用单参数和不同参数结合的方法建立多元线性回归模型。结果 多参数结合的方法比单个参数建立的模型更好, 最好的模型结果是三个参数结合建立模型, 校正集相关系数为0.96, 标准差为0.42; 预测集相关系数为0.89, 标准差为0.46。结论 利用高光谱成像技术结合洛伦兹函数对快速检测猪肉细菌总数具有一定的可行性。     

基于近红外光谱的大豆水分和粗脂肪含量的快速检测

基于近红外光谱技术快速检测大豆中水分和粗脂肪含量。方法 首先采集350-2500 nm光谱范围的大豆近红外光谱,采用光谱-理化值共生距离（SPXY）算法将大豆样本划分为校正集样本与测试集样本,然后对原始光谱分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化（Nor）等9种方法进行预处理,最后使用偏最小二乘回归(PLSR)分析方法建立模型对样本进行定量分析。结果 原始光谱经过多元散射校正后建立的偏最小二乘回归模型对水分的预测精度最高,其校正集和测试集的相关系数分别为0.8964和0.9055 , 均方根误差分别为0.4211和0.5933;原始光谱经过归一化处理后建立的偏最小二乘回归模型对粗脂肪的预测精度最高,其校正集和测试集的相关系数分别为0.9084和0.9295 , 均方根误差分别为0.6897和0.6462。结论 近红外光谱（NIRS）结合预处理及偏最小二乘回归法,可以快速、准确的检测大豆水分和粗脂肪含量。     

基于近红外漫反射光谱的面包老化过程中非冻结水含量无损检测

目的 建立一种基于近红外光谱技术快速无损测定面包老化过程中的非冻结水含量的方法。方法 应用近红外漫反射光谱技术采集新鲜面包在放置2h、2d、3d、4d、5d、6d、7d时的光谱，对比导数、S-G平滑(Savitzky Golay smooth)、标准正态变量变换(Standard normal variable transformation，SNV)及多元散射校正(Multiplicative scatter correction，MSC)预处理方法，利用偏最小二乘回归法(Partial least square regression，PLSR)和多元线性回归法（Multiple Linear Regression，MLR）建立面包老化过程中的非冻结水含量的预测模型，并对比两种模型预测结果。结果 利用PLSR建模相较MLR建模结果较好，建立的模型预测结果较好，模型的校正集相关系数（Rc）和均方根误差（RMSEC）分别为0.9386和0.0236 , 验证集相关系数（Rv）和均方根误差（RMSEP）分别为0.9271和0.0245。结论 通过近红外光谱技术结合偏最小二乘法建立面包老化过程中的非冻结水含量模型可作为面包老化过程中的非冻结水含量无损快速测定的可行性方法，其含量变化可以有效预测面包老化，为面包老化的无损检测提供了新的可行方案。     

高光谱成像技术预测香葱贮藏品质

香葱是一种保质期很短的重要调味食品,水分与叶绿素是评估香葱采后品质的重要指标。本文旨在使用无损检测技术获取香葱在采后不同存储条件下的水分及叶绿素分布情况。实验采用高光谱成像技术获取431~962 nm波段的香葱反射光谱数据,通过卷积平滑（SG）、多元散射校正（MSC）、标准正态变异（SNV）三种预处理方法对原始光谱进行相应转换,并分别建立水分和叶绿素含量预测模型,比较模型预测精度后,选用降噪效果最好的MSC作为光谱预处理方法。随后使用竞争自适应加权采样算法分别选出11个和20个特征波段用于水分与叶绿素含量的预测。基于优选特征波段,利用偏最小二乘回归算法和支持向量机回归算法建立水分和叶绿素含量的预测模型。所建水分与叶绿素含量预测模型的最高预测决定系数分别达到0.9046和0.9143。最后根据所建模型取得不同存储条件下香葱水分及叶绿素含量分布图。综上,高光谱成像技术可用于快速无损检测香葱水分及叶绿素分布情况。本研究为后续便携式果蔬水分及叶绿素分布检测仪器的开发提供了理论依据。     

电子鼻技术对猪肉挥发性盐基氮的预测研究

为预测不同肥瘦配比猪肉的新鲜度,对4℃恒温贮藏条件下的新鲜猪肉进行挥发性盐基总氮(Total Volatile Basic Nitrogen,TVB-N)检测和营养成分检测,同时利用电子鼻技术检测挥发性气味的信息。以传感器阵列特征值为自变量建立蛋白质、脂肪的回归预测模型,分别对不同肥瘦配比的猪肉样本建立不分类和分类2种TVB-N神经网络预测模型。结果表明:先分类再建立神经网络模型预测的效果更优,将样本进行二分类建立2个模型后,模型训练组的相关系数达0.994、0.985(p<0.01),预测组的相关系数达到0.984、0.979(p<0.01);模型的绝对误差小而且分布区间集中,训练组和预测组各有86%、62.6%的样本的绝对误差在0~1之间;训练组中没有绝对误差大于2.5的样本,预测组中仅有8.5%的样本绝对误差大于2.5。电子鼻传感器特征信号与TVB-N数据具有很强的相关性,电子鼻可以快速预测出不同肥瘦配比猪肉在贮藏期间TVB-N含量的变化,进而无损的评价猪肉的新鲜度。     

近红外光谱法检测中式滑炒猪肉的水分含量

水分含量是评价猪肉品质优劣的重要指标,与肉品的多汁性、口感和嫩度密切相关,但检测肉类水分含量的传统方法是直接干燥法,耗时耗力。实验应用傅立叶变换近红外光谱分析技术建立中式滑炒猪肉水分含量测定模型,实现快速无损检测。利用平滑结合一阶微分预处理方式并结合马氏距离、内部交叉校正均方差法(RMSECV)和学生残差剔除异常样本,建立最佳模型。结果显示:模型的相关系数(R)为0.9760,校正均方差值(RMSEC)为0.0674,且根据预测值与真实值的比较发现,预测结果正确率大于99.1%,表明该分析方法准确可靠,有望在中式烹饪猪肉水分含量检测中得到广泛应用。     

拉曼光谱法快速检测猪肉脯中的掺伪鸡肉

目的 肉脯掺假制假事件层出不穷,严重损害消费者权益,为了快速无损的检测肉脯掺假的质量安全问题,建立拉曼光谱技术快速、准确、无损的检测猪肉脯样品中是否掺假鸡肉。方法 试验制备33份猪肉中掺入不同比例鸡肉的肉脯样品,采集拉曼光谱数据,分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数等5种不同预处理方法,对原始光谱数据进行预处理,采用连续投影算法、竞争性自适应重加权算法及随机蛙跳算法对光谱数据进行特征波长筛选,建立偏最小二乘法(partial least squares,PLS)模型对猪肉脯进行定性定量判别。结果 拉曼光谱数据经过多元散射校正处理的效果最佳,竞争性自适应重加权算法竞筛选效果更佳,构建猪肉脯中猪肉含量(%)的PLS定量模型,其预测集相关系数(Rp₂⁾和预测均方根误差分别为0.9762、7.2998。建立的PLS判别模型的校正集和预测集总判别正确率分别为100%和98.33%。拉曼光谱分析技术可有效鉴别猪肉脯是否掺伪及其猪肉含量的比例,为肉脯掺假的快速准确地无损检测提供技术支持。结论 拉曼光谱分析技术可有效用于定性鉴别猪肉脯是否掺伪及定量分析猪肉肉脯中掺入鸡肉的比例,为肉脯掺假的快速无破坏性检测的应用提供支持。     

京郊鲜食杏白利糖度的便携式光谱快速无损检测方法研究

目的 建立京郊鲜食杏白利糖度的定量分析预测模型, 实现对京郊鲜食杏品质的快速无损检测。方法 使用便携式近红外光谱仪采集900~1700 nm下鲜食杏的漫反射光谱信息, 使用多元散射校正(multiplicative scatter correction, MSC)、标准正态变量变换(standard normal variable transformation, SNV)和Savitzky-Golay卷积平滑(Ssavitzky – Ggolay smooth, S-G)对原始光谱数据进行预处理, 使用Kennard-Stone (K-S)算法以3:1比例将样本集划分成校正集和预测集, 利用竞争自适应重加权采样(competitive adaptive reweighted sampling, CARS)算法和连续投影算法(successive projections algorithm, SPA)对光谱进行特征波长筛选, 使用偏最小二乘回归(partial least squares regression, PLSR)算法建立京郊鲜食杏白利糖度的预测模型。结果 以MSC+S-G+ CARS+PLSR算法建立的北京鲜食杏的白利糖度预测模型取得较好的预测精度, 模型的校正集均方根误差、校正集相关系数、预测集均方根误差、预测集相关系数分别为0.3502、0.9747、0.4698、0.9616。结论 基于便携式近红外光谱技术所采集数据构建的京郊鲜食杏白利糖度预测模型准确性较高, 可以快速准确检测鲜食杏白利糖度, 从而实现对鲜食杏品质的快速无损检测, 为鲜食杏的品质检测提供了理论依据和方法指导。     

On-line prediction of fresh pork quality using visible/near-infrared reflectance spectroscopy

Visible/near-infrared (Vis/NIR) spectroscopy was tested to predict the quality attributes of fresh pork (content of intramuscular fat, protein and water, pH and shear force value) on-line. Vis/NIR spectra (350–1100 nm) were obtained from 211 samples using a prototype. Partial least-squares regression (PLSR) models were developed by external validation with wavelet de-noising and several pre-processing methods. The 6th order Daubechies wavelet with 6 decomposition levels (db6–6) showed high de-noising ability with good information preservation. The first derivative of db6–6 de-noised spectra combined with multiplicative scatter correction yielded the prediction models with the highest coefficient of determination (R²) for all traits in both calibration and validation periods, which were all above 0.757 except for the prediction of shear force value. The results indicate that Vis/NIR spectroscopy is a promising technique to roughly predict the quality attributes of intact fresh pork on-line.     

基于高光谱技术的金银花硫含量快速检测模型建立

为实现金银花硫含量的快速无损检测,利用高光谱成像技术结合化学计量学方法,建立不同浓度硫磺熏蒸金银花快速检测模型。采用硫磺使用量为鲜质量的0%、0.5%、1%、1.5%四种硫熏梯度的金银花干燥样品,首先利用高光谱成像技术采集各组金银花光谱图像数据,并采用S_G（Savitzky-Golay）卷积平滑、多元散射校正（multiple scatter correct,MSC）和标准正态变量变换（standard normal variate transformation,SNV）3 种方法对原始光谱进行预处理,得到S_G卷积平滑为最佳预处理方法。随后,对经S_G预处理后的光谱信息分别进行Fisher判别分析（Fisher discriminate analysis,FDA）与核Fisher建模分析（kernel Fisher discriminate analysis,KFDA）,得到KFDA具有更好的判别正确率（98.2%）。最后,全光谱数据具有量大、冗余信息的问题,采用了相关系数法（regression coefficients,RC）、Wilks和RC-Wilks三种方法对预处理后的数据进行特征提取,最终建立了RC-KFDA、Wilks-KFDA、RC-Wilks-KFDA三种判别模型。结果表明,经S_G卷积平滑预处理后的光谱信息,3?种方法的判别正确率均为100%,使用RC-Wilks相结合提取特征波长的方法建立KFDA模型能够实现较短的计算时间（0.69 s）和较好的类间分布。因此,所建立的S_G-RC-Wilks-KFDA模型可以实现金银花不同硫含量的快速、有效、无损检测。     

手持式肉品品质无损检测系统设计

目的开发设计生鲜猪肉品质无损在线检测系统。方法通过用可见近红外光谱技术,基于VC++和Matlab语言,开发与计算机硬件和Windows XP软件环境兼容的手持式猪肉品质无损实时检测系统。结果设计出开放式、模块化、集成化的检测系统,可实现光谱数据的多点自动采集、光谱曲线的动态显示、数据的实时处理、样品品质的自动预测等功能,通过一键触发开关可完成从样本多点信息的采集到结果预测与保存的全过程。用该系统对猪肉水分含量进行检测的实验结果表明,系统对参数的检测精度能满足检测要求。结论该系统软件界面友好,操作方便,后续可扩展检测其他品质参数,进一步推广用于企业生产线。     

Objective determination of pork marbling scores using the wide line detector

Marbling is an important factor in evaluating pork quality and can be estimated by marbling scores based on the official marbling standards. The marbling score is normally assessed by experienced graders by comparing pork chops with the standardized chart system. In this paper, the potentials of automatic objective prediction of marbling scores were studied. The region of interest (ROI) of the marbling standards and the pork samples was automatically determined for marbling extraction. Marblings were regarded as kind of line patterns and thereby extracted by the wide line detector. Proportion of marblings (PM) was used for determinating the marbling score. The stepwise procedure was employed to select prediction models. A multiple linear regression equation was used as the initial model of the procedure and the PM of marbling standards at all three channels as potential variables. Three models were developed by the stepwise procedure with different first entry variable of the initial model. The multiple linear model obtained by the PM of marbling standards at all three RGB channels outperformed the two simple linear models respectively developed at the green and blue channels. The adjusted coefficient of determination (R²) of the multiple linear model was 0.9992 and the root mean square error of leave-one-out cross-validation (RMSECV) was 0.0938. Forty pork loin samples were used to predict marbling scores. The prediction results of the three models showed that the prediction ability of the simple linear model developed at the blue channel was comparable with the multiple linear model.     

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。