猪肉糜中掺鸡肉的近红外光谱快速定性判别方法研究

为快速准确地定性判别猪肉糜中是否掺有鸡肉糜,在猪肉糜中添加不同比例的鸡肉糜,制备不同掺假样品74个,其中60个为掺有不同质量分数鸡肉的样品,14个为纯猪肉糜,并独立制备39个验证集样品,其中31个为掺有不同质量分数的鸡肉糜样品,8个为纯猪肉糜。在10000~4000 cm-1波数范围内进行光谱扫描,采用PLS-DA方法建立判别分析模型。结果所建判别模型对校正集和预测集的正确判别率均可达100%。表明近红外漫反射光谱可以提供一种快速鉴别猪肉糜中是否掺有鸡肉糜的方法。     

基于支持向量机的近红外光谱技术快速鉴别掺假羊肉

为实现掺假羊肉的无损鉴别,利用傅里叶变换近红外光谱分析技术建立混入鸭肉的掺假羊肉糜的快速检测方法。实验通过在羊肉糜中添加不同比例的鸭肉糜来制备掺假羊肉,采用近红外漫反射方式在全波段范围(10000~4000 cm-1)内采集羊肉、掺假羊肉和鸭肉的近红外光谱图,分别考察多元散射校正(Multiplicative scatter correction,MSC)、标准正态变量变换(Standard normal variate correction,SNV)、面积归一化(Area normalization)、标准化(Autoscale)、15点平滑处理(Smoothing)、一阶导数处理(1stderivative)的光谱预处理方法对所建支持向量机(nuSVM)判别模型的预测效果。结果显示,不同光谱预处理所建nu-SVM判别模型预测效果不同。其中,经标准化处理后所建的nu-SVM模型的预测能力最差为90.38%;15点平滑处理后所建nu-SVM模型的预测效果最好(96.15%),对建模集正确判别率为99.07%,对检验集正确判别率为96.15%;其余处理所建nu-SVM模型的判别能力介于二者之间。结果表明,采用近红外光谱技术结合15点平滑预处理后所建nu-SVM模型可以实现羊肉中的掺杂鸭肉的鉴别。     

近红外光谱定性定量检测牛肉汉堡饼中猪肉掺假

利用近红外光谱技术结合化学计量学方法,对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别建模,并建立猪肉掺假比例的定量检测模型。结果表明：对不同掺假比例样品的判别,应用偏最小二乘判别分析方法效果优于主成分分析-支持向量机方法,最优模型校正集和验证集判别正确率均为100%。应用偏最小二乘方回归法定量检测不同肥瘦比解冻牛肉汉堡饼中的猪肉掺假比例,模型校正集和验证集的相关系数Rc和Rp、验证集均方根误差分别为0.968 9、0.861 1、7.221%。因此,应用近红外光谱技术可以实现对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别和定量检测。     

近红外光谱鉴别滇南小耳猪和DLY商品猪

应用近红外漫反射光谱技术(near infrared reflectance spectroscopy,NIRS),对滇南小耳猪和DLY商品猪的整块、匀质肉糜、烘干粉、冻干粉的光谱建模分析,进行品种鉴别,并筛选出最优的光谱建模方法。采集4 300~11 000 cm-1范围内53头滇南小耳猪、58头DLY商品猪背最长肌整块、匀质肉糜、烘干粉、冻干粉光谱数据。分别采用原始光谱、一阶导数、二阶导数、变量标准化、多元散射校正等方法进行光谱预处理,应用簇类独立软模式方法建立品种鉴别模型。其中80个样品作为校正集,余下31个样品作为验证集。结果表明:DLY商品猪和滇南小耳猪整块肉光谱模型对验证集DLY商品猪识别率为100%,拒绝率为0%,对验证集滇南小耳猪识别率为100%,拒绝率50%,效果不理想;匀质肉糜光谱模型对验证集DLY商品猪识别率为100%,拒绝率为0%,对验证集滇南小耳猪识别率为100%,拒绝率0%,效果不理想;烘干粉、冻干粉的近红外光谱模型鉴别效果较好,验证集的识别率和拒绝率均为100%。综上,近红外光谱分析方法可用于鉴别DLY商品猪和滇南小耳猪两个品种。     

CARS结合PLS-LDA法识别奶牛饲料中土霉素的可行性研究

收集了一年内不同月份不同种类的纯奶牛精补料20个,制备土霉素含量不同的掺假奶牛精补料100个,在全光谱范围内对样品进行近红外透反射光谱扫描,利用CARS法对光谱数据进行前处理,采用偏最小二乘-线性判别分析(PLS-LDA)法来建立判别模型。建立的PLS-LDA模型的交互验证最小错误率为0.0729,模型错分率为0,模型预测错误率为0.0417。说明利用近红外光谱技术建立定性判别模型来检测奶牛饲料中是否掺有土霉素是可行的。     

基于近红外光谱技术的沙棘籽油鉴伪方法研究

针对市场上沙棘籽油质量参差不齐的情况,结合近红外光谱技术研究沙棘籽油快速鉴伪的方法。采用234份沙棘籽油、其他植物油、掺假沙棘籽油的近红外透反射光谱,结合簇类独立软模式法(SIMCA)、偏最小二乘判别法(PLS-DA)、支持向量机法(SVM)3种化学计量学方法,在4 000~6 000 cm-1波段范围内分别建立这3类油的判别模型,并用117份独立样品对模型进行验证。结果表明:3种建模方法均得到了满意的结果,其中SVM在训练和验证过程中均得到100%的正确率,判别效果最好;近红外光谱技术应用于识别纯沙棘籽油和区分沙棘籽油掺假类别具有实用性,近红外光谱技术应用于沙棘籽油鉴伪是可行的。     

基于近红外光谱技术的赣南茶油掺假快速鉴别北大核心CSCD

为了探索基于近红外光谱技术快速无损鉴别掺假油茶籽油的可行性,以赣南茶油为研究对象,通过掺入不同植物油如玉米油、花生油、菜籽油、葵花籽油和大豆油等制备掺假油茶籽油,应用近红外光谱技术采集其光谱特征信息,对比不同预处理方法和主成分数,并结合线性和非线性建模方法建立油茶籽油掺假鉴别模型,以识别准确率(纯油茶籽油样品和掺假油茶籽油样品被正确判别的比例)、灵敏度(纯油茶籽油样品被正确判别为纯油茶籽油的比例)、特异性(掺假油茶籽油样品被正确判别为掺假油茶籽油的比例)作为模型的评价指标,优选出最佳模型。结果表明:二阶微分联合线性判别分析(SD-LDA)模型为最优线性模型,标准正态变量变换联合人工神经网络(SNV-ANN)模型为最优非线性模型,两个模型的识别准确率、灵敏度、特异性分别为97.58%、100%、97.33%和98.99%、100%、98.88%。SNV-ANN模型鉴别效果优于SD-LDA模型,说明非线性模型更适于油茶籽油掺假判别,该模型能更准确地鉴别油茶籽油是否掺假。     

红外光谱图像处理技术的酱牛肉成分真实性研究

研究探讨了利用红外光谱结合化学计量学对鉴别掺有不同含量酱猪肉或卡拉胶的酱牛肉的可行性。近红外光谱图像经预处理后,建立了PLS分析模型,进行酱牛肉成分真实性研究。研究结果表明,PLS模型能较好地识别掺假酱牛肉,对于掺有酱猪肉的酱牛肉,模型预测集的R2可达0.9679;对于掺有卡拉胶的酱牛肉,模型预测集的R2可达0.9578,且二者的相对误差均较低,具有较好的适用性。表明利用红外光谱图像处理技术进行酱牛肉成分真实性分析可行且准确。     

应用近红外光谱分析判别芝麻油掺伪的研究

研究了应用近红外光谱分析技术快速、准确判别芝麻油有无掺伪的方法。主要利用近红外光谱和主成分分析结合BP人工神经网络法进行了纯芝麻油、纯大豆油、掺有大豆油的掺伪芝麻油的判别研究。试验结果表明,利用BP人工神经网络法将83个校正集样品的10个主成分数据作为BP网络输入变量,建立的三层BP人工神经网络判别模型对26个测试集样品的判别率为96.15%,表明近红外光谱分析方法对纯芝麻油、纯大豆油、掺伪芝麻油具有很好的判别分类作用,该方法能有效判别芝麻油有无掺伪大豆油。     

近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究

收集国内常用的、具有代表性的奶牛精补料33个样品,制备99个三聚氰胺甲醛树脂(MF)掺假样品,在全光谱范围内进行近红外透反射光谱扫描,选择合适的前处理方法,采用BP神经网络方法和PLS-LDA方法分别建立判别模型。建立的BP神经网络判别分析模型的预测正确率为100%,建立的PLS-LDA判别分析模型的交互验证最低错误率为0.0778,模型错分率为0.0667,模型预测错误率为0.1429。说明利用近红外透反射光谱建立定性分析模型来检测奶牛饲料中是否掺有MF的研究是可行的。