基于神经网络的冷却猪肉新鲜度测定

应用快速、准确的方法对冷却猪肉新鲜度进行测定。以挥发性盐基氮含量、肉浸液pH、液体电导率、肌红蛋白含量和色差仪a值等五项理化指标为自变量,以天数的改变为因变量,在Matlab操作平台下应用BP神经网络对新鲜度进行预报,并与感官评判方法及单独测定挥发性盐基氮方法进行比较。结果显示,BP神经网络最为准确,正确率达到87.5%。     

SVM方法在肉品新鲜度分类问题中的应用

对猪肉、牛肉、羊肉及虾等几种生鲜农产品进行了减压贮藏实验,通过检测各种样品不同保藏时间的挥发性盐基氮含量(TVB-N)、细菌总数、pH值及感官评分数据,以期实现对其新鲜度的准确分类。实验结果表明,任何单一理化或感官指标都难以获得理想的分类正确率。在此基础上,运用支持向量机(support vector machine,SVM)方法对以上数据进行合理的综合训练,并对参数进行优化,从而得到SVM神经网络模型,利用此模型进行肉品的新鲜度分类预测,可大大提高分类正确率。     

冷却牛肉贮藏过程中的品质变化

分析冷却牛肉贮藏过程中各品质指标的变化,确定理化指标和微生物指标的相关性,为提高牛肉的品质提供依据。文中测定了4℃贮藏的冷却牛肉在0、2、4、6、8、10、12、14 d的菌落总数、嗜冷菌总数、pH值、挥发性盐基氮、失水率、色差值,确定了各指标随保存时间的变化规律及其相关性。结果表明:在贮藏过程中,pH值呈现先下降后上升的趋势;挥发性盐基氮呈上升趋势;系水力逐渐下降;肉色a值、DE(d ifference error)值不断降低。在品质变化的各指标中,微生物菌落总数、嗜冷菌总数与pH值呈正相关,且差异显著(P<0.05);菌落总数与系水力、a值呈负相关性,差异显著(P<0.05)。其中菌落总数与挥发性盐基氮、a值的相关性较大且极显著相关(P<0.01)。由此可知,微生物的活动能引起牛肉理化指标的变化,通过测定挥发性盐基氮和a值可以客观反映冷却牛肉的微生物污染状况。     

不同切割干姜对真空包装草鱼片新鲜度的影响

研究不同切割处理的干姜对真空包装草鱼片(草鲤鱼)新鲜度的影响具有重要意义。以挥发性盐基氮(TVB-N),pH值,菌落总数(TBC),水分含量和电子鼻风味等作为草鱼新鲜度评价指标,对50 g鱼肉(对照组),50 g鱼肉+2 g干姜丝,50 g鱼肉+2 g干姜丁等VC1、VC2和VC3三组实验进行探究。结果表明:3组样品的pH值明显不同,而挥发性盐基总氮、菌落总数和水分含量等指标无显著性差异。     

冷却肉新鲜度变化研究

以冷却肉为对象,进行了感官、挥发性脂肪酸、pH、挥发性盐基氮(TVB-N)、水分含量、色差值分析,获得了其在4、20℃下新鲜度变化规律。结果表明,前四项实验指标在不同贮藏天数下均有显著性差异(P<0.05),可准确反映肉品新鲜度状况,为今后建立快速判断肉品新鲜度的模型提供了数据参考。     

冷藏温度下真空包装牛肉微生物及品质变化

为研究真空包装冷却牛肉贮藏过程中微生物和各品质指标的变化,确定理化指标和微生物指标的相关性,测定了于4℃贮藏的真空包装冷却牛肉在0、7、13、21、28、38 d的菌落总数、乳酸菌、假单胞菌、热杀索丝菌、肠杆菌5个微生物指标及pH值、挥发性盐基氮、系水力和色差值4个品质指标的变化情况,并确定了各指标随贮藏时间的动态变化规律及相关性。结果表明,在贮藏期间,菌落总数和乳酸菌的变化趋势相同,假单胞菌、热杀索丝菌和肠杆菌等生长迅速;pH值为先下降后上升趋势;色差值a*值、C*ab初期上升,后期小幅下降;挥发性盐基氮值初期平稳上升,后期快速增大;系水力逐步上升。菌落总数与乳酸菌呈现极显著相关的关系(P<0.01),与挥发性盐基氮值、a*值、b*值、C*ab及系水力显著相关(P<0.05)。由此可知,微生物的生长引起牛肉品质变化,挥发性盐基氮值、a*值、b*值、C*ab可以作为判断真空包装牛肉腐败指标。     

高光谱成像技术检测延边黄牛肉的新鲜度

为了提高黄牛肉的质量以及食用安全性,本研究采用高光谱成像技术对延边黄牛肉新鲜度进行检测。通过成像系统采集黄牛肉样品的高光谱图像,对高光谱图像做黑白校正处理,结合S-G滤波和均值滤波对处理后的高光谱图像进行去噪处理,并采用主成分分析法对高光谱数据进行降维。采用半微量定氮法测定延边黄牛肉的挥发性盐基氮含量,通过多个BP-ANN弱分类器组建强分类器,将延边黄牛肉的挥发性盐基氮含量输入强分类器中,以挥发性盐基氮含量为指标,根据分类结果实现延边黄牛肉新鲜度的检测。实验结果表明,当波长为700~750 nm时,延边黄牛肉的挥发性盐基氮含量最高,表明肉内部被破坏的程度较高,肉类的新鲜度越差;在第10~11 d时,延边黄牛肉TVB-N质量分数变化较为明显;采用所提方法对高光谱图像去噪后,信号频率由-15 d B^15 d B区间波动变为-5 dB^5 dB区间波动,信号的频率波动较小,趋于稳定,表明所提方法可有效的去除图像中存在的噪声;所提方法的检测结果准确率最高可达99%,具有较高的检测准确率,且去噪效果较好。     

鸡肉新鲜度新型检测方法初探

简要介绍了气体传感器检测鸡肉新鲜度的原理。通过实验探讨了用气体传感器评价、检测鸡肉新鲜度的可行性。通过对鸡肉新鲜度的感官评价、挥发性盐基氮含量、菌落总数及气体传感器输出信号值的测定,考察了感官评价值、挥发性盐基氮测定值、菌落总数与气体传感器输出信号值间的相互关系。试验初步表明,可用气体传感器检测鸡肉新鲜度。     

气体传感器在猪肉新鲜度检测中的应用研究

简要介绍了用气体传感器检测猪肉新鲜度的必要性以及气体传感器检测猪肉新鲜度的原理。通过实验探讨了用气体传感器评价、检测猪肉新鲜度的可行性。通过对猪肉新鲜度的感官评价、挥发性盐基氮含量及气体传感器输出信号值的测定,考虑了感官评价值、挥发性盐基氮测定值与气体传感器输出信号值间的相互关系。试验初步表明:可用气体感器检测猪肉新鲜度。     

风干鳊鱼腌制过程适宜加盐量的研究

采用鳊鱼为原料制作风干鳊鱼,以腌制过程盐卤中的氨基态氮的量以及产品的含水量、含盐量、挥发性盐基氮含量、pH值和感官评价为指标,研究加盐量对这些指标的影响。结果表明,盐卤中的氨基态氮的量、鱼肉的含盐量与加盐量呈正相关关系,而鱼肉的含水量、挥发性盐基氮含量和pH值与加盐量呈负相关关系。综合各项指标,确定腌制适宜加盐量为5%。     

综合保鲜技术对冷却牛肉的保质研究

本文筛选了茶多酚、乳酸菌肽、胶原蛋白、壳聚糖等组成的复合天然保鲜膜,结合真空包装技术对冷却牛肉的保鲜效果进行研究。并测定菌落总数、大肠菌群、水分活度、汁液渗出率、pH、嫩度、H2S、TVB-N等指标。主要以TVB-N来判定冷却肉最终新鲜度。结果表明:对照组的保质期仅为6d,试验三、五组均可使冷却肉的保质期达到18d以上,试验五组对冷却肉的保鲜效果明显优于其它组,可使保质期达到21d以上。     

一种基于高光谱图像的熟牛肉TVB-N含量预测方法

传统肉制品新鲜度检测方法具有耗时费力、效率低、有损等缺陷,提出利用高光谱成像(HSI)技术预测熟牛肉新鲜度指标挥发性盐基氮(TVB-N)含量。首先通过HSI系统获取熟牛肉样本的高光谱数据,并进行黑白校正。进而采用移动平均平滑和多元散射校正对高光谱数据进行预处理。最后采用支持向量回归(SVR)方法分别建立基于全光谱特征、单一光谱特征、单一纹理特征、主成分分析(PCA)融合特征对TVB-N含量的预测模型。结果显示,使用PCA融合特征的SVR模型,对新鲜度的关键指标TVB-N含量的平均预测准确度(APA)可达到85.13%,表明高光谱成像技术与信息融合技术相结合能够提升模型准确度。     

Determination of the Freshness of Beef Strip Loins (M. longissimus lumborum) Using Electronic Nose

A beef strip loins (Musculus longissimus lumborum) freshness determination method utilizing electronic nose (e-nose) was investigated in this paper. Fresh beef strip loins samples were stored at 4°C continuously for 10 days. Total viable count (TVC) index, total volatile basic nitrogen (TVB-N) index, and e-nose responses to beef strip loins samples were measured every day. TVC and TVB-N index rose with the increase of storage time. Principal component analysis (PCA) only partially discriminated beef samples under different storage days. Stochastic resonance (SR) signal-to-noise ratio (SNR) spectrum discriminated all beef samples successfully. Beef strip loins freshness discrimination model was developed using SR SNR maximums (SNRmax) linear fitting regression. The proposed method forecasted beef freshness with high accuracy. It is holds promise in meat freshness determination applications.     

基于多源感知信息融合的牛肉新鲜度分级检测

利用机器视觉和近红外光谱的多源感知信息融合技术评判牛肉新鲜度,并开发了相关的识别系统。以牛后腿肉为研究对象,对获取的图像特征信息和光谱特征信息,采用BP神经网络建立牛肉新鲜度分级模型。其中,通过主成分分析提取相应的主成分因子作为建模输入,根据挥发性盐基氮含量划分新鲜度等级作为模型输出。结果发现,在图像特征信息因子数为6、光谱信息主成分因子数为6时,建立的模型预测识别率可达98.31%。结果表明,基于机器视觉和近红外光谱技术的多源感知信息融合技术评判牛肉新鲜度的方法可行。     

鲫鱼新鲜度近红外定量预测模型的建立

为实现鲫鱼新鲜度的快速测定,本文基于近红外漫反射光谱定量分析技术和化学计量学方法,采集了144个鲫鱼鱼肉样品在1000~1799 nm范围内的光谱数据,测定了鲫鱼样品的p H、TVB-N含量、TBA含量和K值四种新鲜度指标;在确定近红外光谱数据最佳预处理方法和适宜波段的基础上,分别采用偏最小二乘法、主成分分析和BP人工神经网络技术、偏最小二乘法和BP人工神经网络技术建立了鲫鱼新鲜度定量预测模型。结果表明,鲫鱼样品四种指标数据范围均较大,可满足建模要求。以p H为鲜度指标时,采用偏最小二乘法和BP人工神经网络技术建立的模型最好,其定标相关系数为0.9945;以TVB-N、TBA和K值为鲜度指标时,采用偏最小二乘法建立的模型最好,其定标相关系数分别为0.9857、0.9985和0.9952。建立的四种鲜度指标定量模型均具有较好的预测能力。     

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。     

近红外光谱技术快速测定鹅肉新鲜度

目的：应用近红外光谱技术快速检测鹅肉的新鲜度,评价指标包括总挥发性盐基氮和pH值。方法：采集完整冷鲜鹅肉的近红外光谱（950～1 650 nm）,光谱经多种校正预处理后,采用偏最小二乘法建立鹅肉新鲜度的定量预测数学模型。结果：对于这2 种指标均采用标准常态变量结合偏最小二乘法所建立模型的预测效果最好,总挥发性盐基氮和pH值定量校正数学模型的模型决定系数分别为0.727、0.991,内部交互验证均方根误差分别为3.666、0.028。用此模型对预测集20 个样品进行预测,预测值与实测值的相关系数分别达到0.976、0.705,预测值平均偏差分别为－0.240、－0.024,预测值和实测值之间没有显著性差异（P＞0.05）。结论：近红外光谱作为一种无损快速的检测方法,可用于评价鹅肉新鲜度。     

牛肉新鲜度检测与指标分析

本文在测定市场牛肉的新鲜度卫生指标（ＴＶＢ－Ｎ、菌落总数、ｐＨ）的基础上，利用统计方法分析了主要指标间的相关性，结果表明未包装的市场牛肉的ＴＶＢ－Ｎ和ＴＮＢＣ两指标间有显著性相关关系。利用ＴＶＢ－Ｎ、菌落总数、ｐＨ、水分含量结合感官评定，能准确地检测牛肉的新鲜度。而不同处理的小包装牛肉，ＴＶＢ－Ｎ和菌落总数间的相关性不显著，认为应研究建立针对小包装牛肉的新鲜度卫生指标及标准。     

猪肉新鲜度智能检测分级系统研究

对表征猪肉新鲜度的氨气和硫化氢气味、图像颜色值、脂肪细胞数和细菌菌斑信息特征量进行检测,通过神经网络技术研究非相干微量参数的多数据融合检测方法,以总挥发性盐基氮(TVB-N)值序列作为SOM网络的输入,利用SOM 神经网络对TVB-N 值序列进行聚类研究,将新鲜度细分为5 个等级,实现了新鲜度等级划分与国家标准和感官检验相一致的结果,从而实现对猪肉新鲜度检测分级辨识。