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。     

基于高光谱技术苹果硬度快速无损检测方法的建立

目的 利用高光谱技术建立苹果内部品质无损检测的方法。方法 将高光谱图像的光谱信息和空间信息结合, 采用洛伦兹函数对苹果高光谱的空间散射曲线进行拟合, 提取拟合曲线的相关参数, 利用拟合参数对苹果硬度进行建模分析。结果 拟合曲线与原散射曲线的相关系数R达到0.99以上。分析比较多种统计建模方法对不同拟合参数的建模效果, 结果表明: 在524~1016 nm波段范围内, 利用偏最小二乘法(partial least squares, PLS)对拟合曲线的峰值建立硬度的预测模型, 校正集预测值与标准值的相关系数Rc=0.89, 校正集标准误差SEC=0.71×105 Pa, 验证集预测值与标准值的相关系数Rv=0.88, 验证集标准误差SEV=0.88×105 Pa。结论 利用高光谱散射成像技术, 采用偏最小二乘的方法对拟合峰值建模, 可以实现苹果硬度的快速无损检测。     

基于VIS/NIR高光谱散射特征预测牛肉的嫩度

本文研究利用VIR/NIR光谱散射特征预测成熟 7 天牛肉的嫩度.开发高光谱散射成像系统,获取新鲜牛肉 400～1100 nm 波长范围高光谱散射图像,对牛肉嫩度进行预测和分级.利用洛伦兹函数,拟合各个波长处的散射曲线,获取不同波长散射曲线的洛伦兹分布函数参数.使用逐步回归方法,选择最佳波长及相应的拟合参数,建立线性回归模型预测牛肉的嫩度,使用全交叉验证方法评价模型的性能.使用散射曲线的峰值建立的模型对嫩度的预测结果最好,预测相关系数为0.86,预测残差为11.7 N.以嫩度剪切力值 58.8 N 为界将牛肉分为粗糙牛肉组和嫩牛肉组,对嫩度的分级准确率是 91%.该研究表明,利用牛肉的散射特征可以对牛肉嫩度预测和分级.     

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。     

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。     

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。     

应用近红外技术快速预判生猪血液指标及劣质肉

为了实现白肌(pale soft exudative,PSE)肉和黑干(dark fi rm dry,DFD)肉等劣质猪肉的预判,实验收集了生猪屠宰时的血液样品,其中64个样品用于建立血液皮质醇浓度预测模型,89个样品用于建立血液葡萄糖浓度预测模型。应用便携式近红外仪采集样品的近红外光谱信息并使用不同算法和算法组合对样品的光谱信息进行预处理后利用偏最小二乘回归算法进行建模。通过模型评价参数对预处理方法进行筛选后发现,针对预测生猪血液中的葡萄糖浓度,对样品的近红外光谱信息进行Savitzky-Golay求导和基线校正后建模,模型性能最佳。模型的校正标准差和验证标准差分别为2.07和2.48,主因子数为6,校正集相关系数和验证集相关系数分别为0.88和0.85。针对预测生猪血液中的皮质醇浓度,对样品的近红外光谱信息进行标准化、差分求导、Savitzky-Golay平滑和净分析信号后建模,模型性能最佳。模型的校正标准差和验证标准差分别为0.05和0.15,主因子数为6,校正集相关系数和验证集相关系数分别为0.97和0.67。应用筛选出的模型对另外采集的未用于建模的25个生猪血液样品中的葡萄糖和皮质醇浓度进行检测,从而进行劣质猪肉预警,PSE和DFD肉的预判准确率分别达到92%和96%。说明应用便携式近红外仪检测生猪血液中的葡萄糖和皮质醇浓度,从而预判劣质猪肉的方法是可行的。     

基于高光谱成像的腊肉细菌总数预测建模方法研究

腊肉中细菌总数(TVC)超标会严重危害人体健康,为寻求一种快速、无损检测腊肉表面细菌总数的方法,利用高光谱成像技术对腊肉的细菌总数进行定量分析。综合比较了多元散射、微分处理等多种预处理方法,最终选定了MSC+标准化进行预处理。并采用区间优化偏最小二乘的方法建立预测模型,得到较好的预测结果,其校正集和预测集的相关系数分别为0.808和0.798,交互验证均方根误差分别为0.115和0.198。实验结果表明:利用高光谱成像技术结合区间iPLS预测模型快速检测腊肉的TVC是可行的。     

利用近红外光谱技术快速测定大豆油的过氧化值

探讨应用近红外光谱技术测定大豆油的过氧化值.通过比较各种数据处理方法,以143份样品建立大豆油过氧化值(0.5～50 mmol/kg)的近红外定标模型,70份样品作为验证样品集进行了验证.结果表明:以一阶导(DBI)结合0～1间归一化(N01)后采用偏最小二乘法(PL5)建模效果最好,定标集预测标准差(SEC)0.516,相关系数(Rc)0.999,验证集预测标准差(SEP)0.523,相关系数(Rv)0.098,表明利用近红外光谱技术能快速测定大豆油的过氧化值.     

基于特征融合的猪肉新鲜度高光谱图像检测

利用高光谱反射图像技术研究了猪肉新鲜度的无损检测。采集了180个猪肉样本在400~1 000 nm范围内的高光谱反射图像,提取了高光谱图像的光谱均值和熵两类特征;分别利用连续投影算法、主成分分析,以及连续投影算法结合主成分分析3种特征降维方法,提取了反映肉类新鲜度信息的重要特征变量;并建立了这些特征变量与挥发性盐基氮(TVB-N)的最小二乘支持向量机(LSSVM)预测模型;在此基础上提出了猪肉TVB-N含量的可视化检测方法。研究结果表明:相比于单一特征模型,利用光谱均值和熵融合特征的LSSVM模型可显著提高模型的准确度;连续投影算法结合主成分分析的特征降维方法,可显著降低模型的复杂度,提高模型准确度。利用光谱均值和熵两类特征,通过连续投影算法和主成分分析相结合的特征降维方法所建立的LSSVM预测模型,可取得最佳的预测准确度,其预测集的均方根误差RMSEP为1.96,相关系数(RP)为0.948,剩余预测偏差(RPD)为3.12,可满足实际检测需要。建立在此基础上的可视化方法,可直观显示肉类的腐败区域和程度。     

Potential prediction of the microbial spoilage of beef using spatially resolved hyperspectral scattering profiles

Spoilage in beef is the result of decomposition and the formation of metabolites caused by the growth and enzymatic activity of microorganisms. There is still no technology for the rapid, accurate and non-destructive detection of bacterially spoiled or contaminated beef. In this study, hyperspectral imaging technique was exploited to measure biochemical changes within the fresh beef. Fresh beef rump steaks were purchased from a commercial plant, and left to spoil in refrigerator at 8 °C. Every 12 h, hyperspectral scattering profiles over the spectral region between 400 and 1100 nm were collected directly from the sample surface in reflection pattern in order to develop an optimal model for prediction of the beef spoilage, in parallel the total viable count (TVC) per gram of beef were obtained by classical microbiological plating methods. The spectral scattering profiles at individual wavelengths were fitted accurately by a two-parameter Lorentzian distribution function. TVC prediction models were developed, using multi-linear regression, on relating individual Lorentzian parameters and their combinations at different wavelengths to log₁₀(TVC) value. The best predictions were obtained with r² = 0.95 and SEP = 0.30 for log₁₀(TVC). The research demonstrated that hyperspectral imaging technique showed potential for real-time and non-destructive detection of bacterial spoilage in beef.     

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。     

特定致腐菌对冷却猪肉的致腐作用机制

为研究特定致腐菌在冷却猪肉中的致腐作用机制,将韩国假单胞菌PS1（Pseudomonas koreensis PS1）和梭状芽孢杆菌J4（Bacillus fusiformis J4）分别接种到新鲜冷却猪肉中进行致腐实验,以不接种致腐菌的猪肉为对照,于4℃条件下贮藏,每隔1 d测定各组肉样的细菌总数、总挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量、蛋白质含量以及脂肪酶、弹性蛋白酶、胰蛋白酶和胶原蛋白酶活力。结果表明：各组肉样细菌总数均呈现先上升后稳定的趋势,贮藏第5天,接种P. koreensis PS1、B. fusiformis J4的肉样细菌总数均超过8.0（lg（CFU/g））,明显大于对照组;接种特定致腐菌的2组肉样脂肪酶、弹性蛋白酶、胰蛋白酶和胶原蛋白酶活力均高于对照组,且呈现先上升后降低趋势,至贮藏第7天,弹性蛋白酶、胰蛋白酶和胶原蛋白酶活力均达到峰值,而脂肪酶活力在贮藏第5天达到峰值;同时,各组肉样蛋白质含量不断降低,产物TVB-N含量明显增加,贮藏第5天,接种特定致腐菌的2组肉样TVB-N含量均超出15mg/100g,明显高于对照组。     

Prediction of total viable counts on chilled pork using an electronic nose combined with support vector machine

The aim of this study was to predict the total viable counts (TVC) in chilled pork using an electronic nose (EN) together with support vector machine (SVM). EN and bacteriological measurements were performed on pork samples stored at 4 °C for up to 10 days. Bacterial numbers on pork were determined by plate counts on agar. Principal component analysis (PCA) was used to cluster EN measurements. The model for the correlation between EN signal responses and bacterial numbers was constructed by using the SVM, combined with partial least squares (PLS). Correlation coefficients for training and validation were 0.94 and 0.88, respectively, which suggested that the EN system could be used as a simple and rapid technique for the prediction of bacteria numbers in pork.     

主要食源性致病菌的PCR检测方法优化及在冷鲜猪肉病原污染调查中的应用

为优化针对主要食源性致病菌的PCR鉴定体系,以及了解猪肉制品中主要食源性致病菌的污染状况,对文献中报道的沙门氏菌属(鼠伤寒沙门氏菌及肠炎沙门氏菌)的5套PCR体系及大肠杆菌O157:H7的6套PCR体系进行比较分析,结果筛选出2套最优体系。基于这两套体系以及本实验室研究人员建立的单增李斯特菌的特异性检测方法,对从杭州市场上采集的50份常温鲜猪肉及150份冷鲜猪肉中单增李斯特菌、沙门氏菌及大肠杆菌O157:H7的污染状况进行调查。调查结果显示,200份样品中致病菌总检出率为21%。冷鲜猪肉中的致病菌检出率(24.7%)明显高于常温鲜猪肉(10%)。单增李斯特菌在常温鲜猪肉中的检出率为2%,而在冷鲜猪肉中检出率达14.7%;沙门氏菌在冷鲜猪肉中的检出率(11.3%)亦高于常温鲜猪肉(8.0%);大肠杆菌O157:H7均未检出。在检出的沙门氏菌中,有4株为鼠伤寒沙门氏菌,均来自冷鲜猪肉。本研究结果提示,市场上冷鲜猪肉存在微生物性安全隐患,这可能是由于其较为复杂的生产流通环节受到污染所致。     

Predictive model for growth of Clostridium perfringens in cooked cured pork

Mathematical models have been developed and used for predicting growth of foodborne pathogens in various food matrices. However, these early models either used microbiological media or other model systems to develop the predictive models. Some of these models have been shown to be inaccurate for applications in meat and specific food matrices, especially under dynamic conditions, such as constantly changing temperatures that are encountered during food processing. The objective of this investigation was to develop a model for predicting growth of Clostridium perfringens from spore inocula in cured pork ham. Isothermal growth of C. perfringens at various temperatures from 10 to 48.9 degrees C were evaluated using a methodology that employed a numerical technique to solve a set of differential equations. The estimated theoretical minimum and maximum growth temperatures of C. perfringens in cooked cured pork were 13.5 and 50.6 degrees C, respectively. The kinetic and growth parameters obtained from this study can be used in evaluating growth of C. perfringens from spore populations during dynamically changing temperature conditions such as those encountered in meat processing. Further, this model can be successfully used to design microbiologically "safe" cooling regimes for cured pork hams and similar products.     

激光散射技术在PSE猪肉鉴定中的应用研究

目的基于新兴的激光光散射技术,用已知品质的肉样为研究对象,通过测定其蛋白溶液的颗粒光散射特性,寻求一个特征指标来判别正常猪肉与PSE肉,进而判断该技术在PSE肉鉴定方面是否可行。方法利用激光散射技术(动态光散射和静态光散射)比较正常猪肉和PSE肉总蛋白这两种溶液的颗粒光散射特性。结果不同p H对正常猪肉总蛋白溶液的颗粒特性有较大影响:低盐度时,其分维系数df随p H的增加而减小;盐浓度对正常猪肉总蛋白的df则影响较小。同时,相同溶液环境下,PSE猪肉蛋白和正常猪肉蛋白的分维系数(df)具有差异性,即两者蛋白颗粒特性具有明显差异。结论针对食品蛋白体系,在一定蛋白浓度范围内,光散射技术是一种较为有效的方法。该技术具有用量少、用时短、精度高、无损伤接触等优点,在食品品质快速分析检测方面具有潜在的应用价值。     

生鲜猪肉水分含量的快速无损检测

目的 研究生鲜猪肉水分含量与1000~1680 nm范围内近红外吸收光谱之间的关系, 对生鲜肉的水分含量进行快速无损检测。方法 将原始光谱经中值平滑、多元散射校正和一阶导数复合预处理, 结合多元线性回归和偏最小二乘回归两种建模方法建立生鲜肉水分含量的预测模型。结果 应用所建立的模型对111个实际生鲜猪肉样品的水分含量进行预测, 得到较为满意的预测结果, 两种模型的预测相关系数分别为0.839和0.810。结论 所建模型适合于生鲜猪肉水分的无损快速检测。