基于手持式近红外光谱仪的三文鱼菌落总数 检测技术

针对三文鱼在4℃贮藏过程中的微生物变化,利用手持式近红外光谱仪,通过小波分析对于光谱进行预处理,之后结合遗传算法和BP神经网络系统方法建立预测和检测模型。结果表明该模型与传统平板计数方法的相关系数为0.981,均方根误差为0.097,验证模型的相关系数为0.960,均方根误差为0.098,具有良好精确度、准确度,因此能够用于冷藏三文鱼菌落总数的无损、现场检测。     

在线近红外光谱系统快速检测整块鸡胸肉菌落总数含量

以整块鸡胸肉为研究对象,利用在线近红外光谱系统采集其900~1650 nm波长范围内的光谱信息,探究光谱信息与细菌菌落总数(Total Viable Count,TVC)之间的定量关系。对采集的原始光谱信息进行高斯滤波平滑(Gaussian Filter Smoothing,GFS)等五种预处理后,建立全波段偏最小二乘(Partial Least Squares,PLS)回归模型。采用回归系数法(Regression Coefficient,RC)和连续投影算法(Successive Projections Algorithm,SPA)筛选最优波长,构建优化的PLS模型和多元线性回归(Multiple Linear Regression,MLR)模型。结果表明,基于全波段GFS光谱构建的GFS-PLS模型预测鸡胸肉TVC效果最佳(r_P=0.964,RMSE_P=0.806 lg CFU/g)。基于SPA法从GFS光谱中筛选出的25个最优波长(907.0、913.7、923.8、927.2、937.2、947.3、974.0、987.3、997.3、1007.3、1040.4、1080.1、1099.9、1132.9、1155.9、1185.5、1215.0、1241.2、1270.6、1358.2、1380.8、1403.3、1419.3、1578.9和1615.2 nm),建立的SPA-GFS-MLR模型预测性能(r_P=0.944,RMSE_P=1.022 lg CFU/g)最接近GFS-PLS模型。基于在线近红外光谱系统可实现对大批量整块鸡胸肉细菌总数含量的快速无接触检测。     

菌落总数检测技术研究进展

菌落总数作为判定食品被污染程度标志,具有重要卫生学意义。该文详述菌落总数国家标准检测方法及近年来菌落总数快速检测方法进展,并对今后检测方向进行展望。     

高光谱成像技术快速预测鸡蛋液菌落总数

针对鸡蛋液中菌落总数分析方法操作繁琐、时效性低等问题,采用高光谱成像技术（400～1 000 nm）建立鸡蛋液中菌落总数的快速预测方法。于蛋清中接种铜绿假单胞菌后采集不同污染程度蛋液样本的原始高光谱信息,结合连续投影算法进行特征波段的提取,分别建立基于特征波段和全波段光谱信息下的偏最小二乘和支持向量机（support vector machine,SVM）预测回归模型。结果表明：标准化预处理效果相对最佳,蛋清、蛋黄以及全蛋液样本对应的相对最佳定量分析模型为基于特征波段下的SVM模型。其中蛋清预测集相关系数RP为0.81,预测集均方根误差（root mean square error of prediction,RMSEP）为0.63（lg（CFU/g））;蛋黄预测集的RP为0.82,RMSEP为0.47（lg（CFU/g））;全蛋液样本中RP为0.75,RMSEP为0.75（lg（CFU/g））。结果表明,高光谱成像技术结合化学计量学方法,可以实现对鸡蛋内部微生物污染程度的定量预测。     

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。     

肉品中菌落总数和大肠菌群快速检测试纸片的研究

对肉品中菌落总数和大肠菌群快速检测试纸片进行了研究.选择中速定性滤纸为材料,分别浸入经不同特殊处理(不同浓度的TTC、琼脂、NaCl)的培养基中,40℃下烘干制得试纸片;将所制得的菌悬液涂布于成份不同的试纸片上,于32℃,培养20h(试纸片法),或涂布于平板计数琼脂上,于32℃,培养48h(国标法),然后计数,将二者得到的数据进行比较.结果表明:试纸片法与国标法具有很高的相似性.在100ml培养基中,TTC的浓度为0.02‰时试纸片的显色情况最好,生成的红色菌落数目最多.菌落生长受琼脂浓度的影响,当琼脂的浓度高于或低于0.15%时,细菌生长速度逐渐减慢.NaCl的浓度在0.4%时菌落生长呈现最好势态.     

基于近红外光谱技术快速检测稻谷水分含量

目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(R_CAL²)为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(R_CV²)为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。     

压电体声波传感器快速检测米粉中菌落总数

采用压电体声波传感器实时快速检测米粉中的菌落总数。该传感器包括压电石英晶体、检测池、振荡器、频率计和显示器,其检测原理是基于压电体声波传感器对微生物存在的培养体系的电参数变化有灵敏的频移响应,而自制软件能以频移-时间的形式将此变化过程实时记录下来。本研究中将频移显著变化的点所对应的时间定义为微生物检出时间(MDT),将基于MDT检出微生物的方法称为频移检测法。将不同污染程度的米粉样品用频移检测法获得的MDT与平板计数法获得的初始菌落数建立标定方程。当微生物初始菌落数在103～108cfu/g之间时获得标定方程logC=7.7923-0.0071MDT(r=0.985)。通过标定方程得到的不合格样品(参照国家和地方标准)的测定时间仅需7.8h,远小于国标方法的48h。利用建立的压电传感法检测13个米粉样品的菌落总数,并与平板计数法比较,结果表明,压电体声波传感器法具有准确、快速、操作简便等特点,有望在米粉制品的菌落总数检测中得到推广应用。     

基于近红外光谱技术的带鱼新鲜度检测研究

采用傅里叶变换近红外光谱结合偏最小二乘法(PLS)建立了带鱼挥发性盐基氮(TVBN)、pH和菌落总数的定量分析模型。结果表明,TVBN、pH和菌落总数校正集相关系数(r)分别为0.9874、0.9315和0.9990,校正标准差(RMSEC)分别为0.810、0.0961和0.0344,交叉验证均方差(RMSECV)分别为1.81、0.148和0.459。验证集r分别为0.960、0.923和0.994,验证标准差(RMSEP)分别为5.178、0.333和0.823。本研究说明利用近红外光谱技术检测带鱼新鲜度是可行的,为鱼类新鲜度快速检测提供了理论依据。      

基于近红外光谱技术的微量有机磷农药的快速检测

针对现有的微量农药检测手段费时、复杂、前处理过程繁琐等不足,研究利用近红外光谱技术检测微量农药.制备两种不同的样品:不同浓度梯度的液体农药溶液样品和滤纸农药干燥样品,通过采取不同的光谱预处理手段,对比其相关系数和交叉验证均方差选择最适合的光谱预处理方法,采用偏最小二乘回归法建立预测模型.最后得出结论:滤纸农药干燥样品由于去除了绝大部分的水分使得检测精度相比较液体农药溶液样品有较大的提高,预测相关系数达到0.989,预测残差值为0.153,且相对分析误差为6.812,可以进行对农药浓度的定量检测.     

基于近红外光谱技术快速检测椰汁品质

本研究应用近红外光谱技术结合主成分分析法(PCA)对3个不同品种的椰子,3个不同品牌成品椰子饮料及椰子粉进行定性分析。结果表明,对椰子3种不同形式的加工产品(椰子原汁、椰子饮料、椰子粉)进行定性分析的准确判别率均达到100%。采用近红外光谱技术结合偏最小二乘法(PLS)对椰汁饮料中原汁含量进行定量分析。为保证所建模型的稳健性、准确性,消除干扰,采用6种不同的预处理方法对近红外光谱技术进行优化,结果表明经过中心化预处理可得最佳模型,其R_p²、RMSEP、R_c²、RMSEC分别为0.9942、0.0435、0.9932、0.0519。本研究表明近红外光谱技术可为市售椰汁及椰子加工制品品质的快速、无损检测提供一种新思路。     

基于近红外光谱技术对建三江大米快速检测分析研究

为实现建三江大米的真假快速鉴别,应用近红外光谱仪测定来自建三江及非建三江地区的150份大米样品,对原始光谱进行预处理后,采用因子化法进行鉴别分析,最大合格性索引法进行合格性检测分析,偏最小二乘法(partial least squares,PLS)法进行定量分析。结果表明,3种模式识别方法对建三江地区的大米正确判别率均在90.00%以上。因此,应用近红外光谱技术在建三江大米真假鉴别研究中具有可行性。     

基于近红外建立荞麦营养成分快速检测模型

为探索一种快速、高效测定荞麦营养成分含量的方法,从内蒙古等地收集荞麦样品66份,采集样品近红外漫反射光谱图,并参照国标法测定样品水分、灰分、脂肪、蛋白质、淀粉含量,利用样品近红外光谱指纹结合化学计量学方法建立荞麦各营养成分的快速检测模型。结果,在10 000～4 000 cm^-1波数范围内,分别对近红外光谱进行多元散射校正+一阶导数处理、一阶导数处理+标准正态变换及去趋势算法、无预处理、二阶导数+标准正态变换及去趋势算法,结合化学测定值建立的营养成分快速检测模型的校正和预测效果最佳;所建立的水分、灰分、脂肪、蛋白质、淀粉含量快速检测模型交叉验证决定系数R²分别为81.601 0%、94.086 2%、80.942 3%、99.897 5%、99.857 6%,外部验证决定系数R²分别为81.60%、94.09%、80.94%、99.97%、99.86%,且验证结果预测值及化学值差异不显著。建立的模型可以满足荞麦营养成分的快速检测。     

近红外光谱技术快速检测小龙虾新鲜度

应用近红外光谱技术实现对小龙虾新鲜度的快速检测。利用化学计量学方法,通过对近红外品质分析仪采集的虾肉绞碎前后光谱（850～1 050 nm）调整不同预处理方法、偏最小二乘法和组合算法,建立一种基于总挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量的小龙虾新鲜度定量预测模型。结果表明：采用标准正态变量变换与一阶导数结合的预处理方法模型预测效果最好,且绞碎后的虾肉光谱比绞碎前建模效果更好;为满足实际应用需要,对绞碎前的虾肉TVB-N含量预测模型进行分析,其交叉验证误差为3.123,交叉验证相关系数为0.947,用此模型对预测集24 个样品进行预测,预测值与实测值的交叉验证相关系数为0.951 4,在TVB-N含量超过20 mg/100 g（不新鲜）的检测准确率为100%。近红外光谱技术可应用于快速检测小龙虾新鲜度,所建模型具有较好的预测能力。     

近红外光谱法快速测定香菇总糖含量

为弥补国标检测方法测定香菇总糖含量耗时长、步骤繁琐的缺陷,创建近红外（near infrared,NIR）光谱技术在测定香菇总糖含量方面应用,采用NIR分析技术与偏最小二乘算法（partial least square,PLS）建立香菇总糖的NIR分析模型,并对模型进行参数优化。实验共收集了106 批样品,从中随机抽取13 批作为验证集,用于验证该模型的可靠性,剩余的93 批样品为校正集。在校正集中,通过杠杆值法和学生化残差法筛选出65 批能够较理想地代表一般香菇特征的样品,用于确定NIR光谱检测范围、PLS主因子数等参数,基于NIR光谱数据的香菇总糖含量建立定量分析模型。校正集的建模结果表明,使用多元散射校正（multiplicative scatter correction,MSC）及二阶导数（second derivatives,SD）对原始光谱进行预处理,光谱范围为4 000～10 000 cm－1,PLS主因子数为10时,基于NIR的香菇总糖检测模型的建模效果最优,即均方根误差比值满足检验条件,校正集R2（决定系数）最高为0.940 04,校正均方根误差为1.393,预测集均方根误差为1.557,相对分析误差最优为4.08。验证集对模型的检验结果显示,样品的预测值和实测值具有良好的线性关系,且二者没有显著差异（P=0.993）。由此表明,本实验建立的NIR分析模型可用于准确预测香菇样品的总糖含量。     

电导率法快速检测食品细菌总数的研究

电导率法是最近发展起来的应用于微生物检验的一项电化学技术。本研究先建立了利用电导率法测定几种常见食品细菌总数的标准曲线,然后通过平行实验验证了电导率法快速检测食品细菌总数的重现性,再通过配对实验比较了电导率法与国标法测定结果符合率;经统计学卡方检验,结果 P〉0.05,表明两种方法无显著性差异,结果符合率为92.7%;说明电导率法作为一种快速检测方法用于食品细菌总数的检验是可行的。     

近红外光纤光谱法快速检测葡萄酒中酒精度

目的 构建近红外光纤传感检测系统,结合近红外光谱分析技术和化学计量学,对葡萄酒中酒精度进行快速检测.方法 以葡萄酒为研究对象,构建近红外光纤传感检测系统,分别使用偏最小二乘法和主成分回归对葡萄酒中酒精度进行近红外光谱分析,进行模型参数的比较.采用国标GB/T 15038-2006《葡萄酒、果酒通用分析方法》中气相色谱法...     

近红外光谱法快速测定榨菜中亚硝酸盐含量

为研究利用傅立叶近红外光谱分析仪(NIRS)快速测定市售榨菜中亚硝酸盐的含量,先取榨菜样品按GB5009.33-2016测定其亚硝酸盐含量,再向榨菜样品中添加亚硝酸钠,制成亚硝酸钠浓度范围为0.122~39.0875 mg/kg,浓度梯度为0.66 mg/kg的60个样本校正集;与10个样本预测集采集对应的傅立叶近红外光谱曲线,将光谱信息与实际测量值相关联,利用TQ analyst建模软件进行计算分析。结果表明:建模最优预处理方法为一阶微分(1D)与Savitzky-Golay filter滤波平滑的组合预处理;比较分析偏最小二乘法(PLS)与主成分回归法(PCR)的亚硝酸盐样品建立的光谱模型,数据结果显示采用偏最小二乘法(PLS)的亚硝酸盐组分模型稳定性和预测能力更好;内部交叉验正均方差(RSMECV)、交叉验证决定系数(R_c)、外部预测均方根误差(RMSEP)、预测决定系数(R_P)相关系数(r)分别为0.0310、0.9925、0.0141、0.9720、0.9378。经F检验与t检验,与国标所测结果无显著性差异。NIRS检测快速,无损便捷,可用于市售榨菜中亚硝酸盐残留量的定量检测。     

基于适配体拉曼光谱技术快速检测肠炎沙门氏菌方法

目的:应用SELEX技术筛选高亲和力、高特异性适配体,利用该适配体结合拉曼光谱技术建立肠炎沙门氏菌快速检测方法。方法:采用全细菌指数富集的配体系统进化技术(whole-bacteria systematic evolution of ligands by exponential enrichment,whole-bacteria-SELEX)筛选肠炎沙门氏菌特异性核酸适配体,并采用酶联免疫吸附实验(enzyme-linked immuno sorbent assay,ELISA)与SERS技术对筛选出的适配体亲和力及特异性进行评价,建立肠炎沙门氏菌检测方法。结果:本研究通过对肠炎沙门氏菌进行十五轮SELEX筛选,并通过ELISA对其亲和力进行评价,筛选出Aptamer₄、Aptamer₁₀、Aptamer₁₂三条候选适配体,并通过SERS技术确认Aptamer₄为亲和力最佳适配体;将Aptamer₄与肠炎沙门氏菌、肺炎克雷伯氏菌等5种混合菌结合,结果表明,通过SERS技术可特异的检测出肠炎沙门氏菌,且该方法重复性较好,其最低检测限的细菌浓度为10² CFU/mL。且在猪肉样品的检测中,肠炎沙门氏菌的回收率为93.37%~100.18%。结论:应用SELEX方法成功筛选出与肠炎沙门氏菌高特异性、高亲和力适配体,并建立基于表面增强拉曼光谱技术快速检测肠炎沙门氏菌的方法,该方法特异性强、灵敏度高、成本低、快速简便,可应用于食品加工过程中肠炎沙门氏菌的快速检测。