开展无损检测研究, 保障食品质量安全

<正>食品质量与安全是国内外人们关注的热点,如何保证食品从原料到产品的质量安全还面临较多的问题和挑战。国内的高校、研究机构和企业主要还是主要依赖于常规的微生物检测、理化检测和感官评估等较为传统的方法。随着新型检测技术的发展,高效、灵敏和快捷的技术已逐步得到重视并逐渐替代传统的检测方法。无损检测技术作为其中的一类,广泛应用在农畜产品、果蔬产品的新鲜度、品质检测和有害物质检测方面,在食品质量与安全领域发挥的作     

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。     

二维相关可见-近红外光谱结合支持向量机评价猪肉新鲜度

为探究二维相关同步光谱优选生鲜肉新鲜度特征变量的可行性,采集生鲜猪肉在1～15 d共58 个样品的可见-近红外反射光谱信息,并参照国标方法测定其挥发性盐基氮值（total volatile basic nitrogen,TVB-N）。然后,以TVB-N为“外界扰动”,选择10 条代表性光谱并进行包络线去除,结合光谱差异选取了7?个子区间。通过对每个子区间作二维相关分析,解析其二维相关同步谱和自相关谱,获取与TVB-N变化密切相关的敏感变量。最后,利用所选特征变量,分别基于原始、标准正态变量变换预处理和归一化预处理的光谱,建立猪肉新鲜度的支持向量机（support vector machine,SVM）判别模型。结果表明,利用二维相关光谱分析共提取到17?个特征波长,仅占总变量个数的1.61%,建立的SVM模型总体正确率分别为94.83%、98.28%和98.28%。这表明所建立的模型具有较好的判别效果,也说明二维相关分析用于筛选与生鲜肉新鲜度相关特征变量的方法是可行的。这有利于解析生鲜肉在腐败变质过程中的光谱特征信息变化,也为近红外光谱分析中变量筛选提供了一种新的思路。     

腐败肉光谱在线检测及剔除系统研究

目的提供一种基于可见/近红外光谱技术的腐败猪肉在线检测及剔除系统,实现自动化检测。方法构建由同步模块、检测模块和剔除模块组成的检测系统。肉样随传送带运动,同步模块控制检测探头的调整,保证探头到肉样表面的距离,并使其与肉的传送同步进行;检测模块用于提取光谱并进行分析,得出是否腐败的结果;之后由剔除模块对腐败样本进行剔除。将光谱数据与理化值联立采用多元散射校正与主成分分析法进行光谱预处理,建立了基于Fisher算法的判别模型。结果系统信噪比100:1,在线判别准确率达到87.4%。结论该系统可以保证光谱检测的稳定性,能实现腐败肉的在线检测和剔除动作,为实际生产应用创造了条件。     

基于近红外光谱的猪肉新鲜度无损检测 方法的改进

目的采用可见/近红外光谱技术,结合岭回归偏最小二乘对猪肉新鲜度进行定量分析。方法利用自行搭建的可见/近红外光谱检测系统,采集62个猪肉样品表面380~900 nm范围内的反射光谱数据,进行标准正态变量变换(standard normal variable transform,SNVT)预处理后,建立偏最小二乘(partial least square regression,PLSR)模型。利用模拟退火算法(simulated annealing,SA)和粒子群算法(particle swarm optimization,PSO)进行岭参数寻优,建立猪肉挥发性盐基氮(total volatile basic nitrogen,TVB-N)的岭回归模型。结果所建模型的相关系数和误差分别为0.9819、1.2785 mg/100 g和0.9781、1.4628 mg/100 g。结论所建立的模型取得了较好的结果,利用岭回归偏最小二乘实现了对最小二乘估计的改良,更加验证了可见近红外光谱技术对猪肉新鲜度进行定量分析的巨大应用潜力。     

利用拉曼光谱技术识别溴氰菊酯和 啶虫脒农药的研究

目的 初步建立溴氰菊酯农药和啶虫脒农药的拉曼光谱研究方法。方法 利用激光拉曼光谱技术, 将农药溶液装满铝盒, 采集农药溶液的拉曼光谱曲线, 运用自主编写的程序对光谱曲线进行预处理, 以去除光谱噪音并扣除荧光背景, 进而探讨溴氰菊酯农药和啶虫脒农药的快速无损检测方法。结果 溴氰菊酯农药和啶虫脒农药的拉曼特征频率较为丰富, 选取574 cm?1、736 cm?1处的拉曼信号可识别溴氰菊酯农药, 检测限为2500 mg/kg。选取752 cm?1、840 cm?1处的拉曼信号可识别啶虫脒农药, 当溶剂的丙酮-水比例为1:5时, 最适合作为检测溶剂配置啶虫脒农药溶液, 为下一步确定啶虫脒检测限奠定基础。结论 本研究对实现拉曼光谱技术检测果蔬表面溴氰菊酯农药和啶虫脒农药具有重要意义。     

酿酒特需高粱真实性无损快速鉴别研究

高粱作为酿造白酒的原料直接影响成品酒的品质,无损快速鉴别酿酒特需高粱的真实性是急需解决的重要问题。该研究针对高粱透光性差,近红外探头有效检测面积小,导致难以完全获取样品池中特需高粱和掺假高粱样品信息等问题,通过改良环形样品杯内径为略大于检测窗口直径的2倍,将高粱样品平铺于样品杯底部一层,解决了无法完全采集样品池中包括掺假高粱颗粒在内的所有样品信息等问题。结合化学计量学方法建立并优化了酿酒特需高粱真实性无损快速鉴别的近红外光谱模型,得到该模型的校正集、预测集和验证集的判别准确率分别为100%、100%和96.7%。     

基于拉曼光谱与吸附剂预浓缩联用的毒死蜱农药快速检测方法研究

目的采用拉曼光谱法结合吸附剂预浓缩前处理对毒死蜱农药进行快速检测。方法对比MgSi_3·5H_2O、MgSiO_3、C_(18) 3种具有强吸附效果的常用吸附剂对毒死蜱的预浓缩效果,并探讨拉曼光谱技术及吸附剂预浓缩联用对不同浓度毒死蜱溶液的检测效果。结果 Mg Si3·5H2O对毒死蜱农药具有较好的吸附作用,MgSi_3·5H_2O吸附剂预浓缩及拉曼光谱技术联用方法对微量毒死蜱溶液的检测限有明显的提高,检测限提高了两个数量级以上。结论该预浓缩处理方法操作简单、通用性好,可应用于拉曼光谱技术的各种微量成分的分析检测。     

基于拉曼光谱技术检测菠菜毒死蜱残留的初步研究

目的 基于拉曼光谱技术初步探讨菠菜表面有机磷农药毒死蜱的快速、无损检测新方法。方法 利用本研究自行搭建的拉曼光谱检测系统获取残留不同浓度毒死蜱农药的菠菜光谱曲线, 通过SG-5点平滑减小曲线噪声, 基于最小二乘法的10次多项式拟合法剔除菠菜荧光背景, 并对含有不同浓度毒死蜱农药的菠菜样品拉曼图谱进行比较分析。结果 特征归属为P=S振动的632 cm-1处的拉曼信号可识别菠菜表面毒死蜱农药残留, 其检测限为400 mg/kg, 而且拉曼特征波峰的相对强度与菠菜表面农药残留浓度存在较好的线性关系, 其相关系数为R2=0.92。结论 拉曼光谱技术有望实现叶片类蔬菜的农药残留的快速、无损、定量检测。     

局部偏最小二乘法结合可见-近红外光谱预测猪肉挥发性盐基氮

以两个批次的猪肉为实验样品,开展局部偏最小二乘法结合双波段可见-近红外光谱预测挥发性盐基氮的研究,以改善模型预测不同批次样品时效果不佳的问题。提出基于距离、信息测度和投影的相似性度量方法,通过对欧式距离和光谱信息散度-光谱角（spectral information divergence-spectral angle,SID-SAM）进行加权求和,构建评价不同样品相似性的相似度函数,定义相似度因子（SM）,通过最小化代价函数确定建立局部模型的邻域窗口。以第1批样品为建模基础集,通过对欧式距离和SID-SAM的权重及SM进行参数寻优,针对第2批次中每个样品建立局部偏最小二乘模型。结果显示,与利用第1批样品建立的模型直接预测第2批样品的结果相比,预测效果有明显提高,相关系数R从0.845 6上升至0.948 1,预测误差从4.581 0 mg/100 g下降至2.650 8 mg/100 g。这表明利用提出的相似度函数和相似度因子,可根据待测样品的光谱特征,实时动态选择相似的局部空间,建立的局部偏最小二乘模型能有效提高对外部验证样品的预测能力。