基于近红外光谱技术的鸡肉产地溯源

采用近红外光谱技术对辽宁大连、河北遵化、潍坊坊子、潍坊昌邑、潍坊诸城5个产地的100个鸡肉样本进行扫描,对这些样本的近红外光谱进行主成分分析、聚类分析,建立了鸡肉产地溯源的定性判别模型。试验结果表明:在全光谱范围(780~2 500 nm)内,经二阶求导(13点平滑)和矢量归一化(standard normal variate,SNV)预处理后,5个地区鸡肉的近红外光谱图有显著差异,鸡肉样本的主成分空间分布位于不同的区域,聚类分析树状图中不同产地也各自聚为一类。利用来自5个产区的30个独立样本对模型进行验证,识别率和拒绝率均为100%。此结果表明近红外光谱分析技术可准确、快速追溯鸡肉的产地来源。     

基于近红外光谱技术的枸杞产地溯源研究

采用近红外光谱技术对宁夏、甘肃、青海、内蒙、河北的8个不同产地40种枸杞样品进行扫描,在主成分分析基础上利用简易分类法(simple modeling of class analogy,SIMCA)模式识别原理分别建立模型。结果表明：在950～1650nm全光谱波长范围内,光谱经一阶导数(5点平滑)和矢量归一化(standard normal variate,SNV)预处理后,8个产地模型的主成分数均为3时,采用 SIMCA模式识别法可以建立较为稳健的枸杞产地溯源模型;在α＝5%的显著水平条件下检验模型的可靠性,8个产地校正集模型的识别率除青海为80%外,其他产地均为100%,拒绝率分别为100%、100%、97%、100%、91%、94%、97%、100%,其验证集模型的识别率均为100%,拒绝率分别为100%、100%、100%、100%、75%、88%、100%、100%。表明该方法在枸杞产地识别中具有可行性。     

基于近红外光谱技术的农产品产地溯源研究进展

农产品产地溯源的目的是保证农产品的真实性, 为地理标志产品、地区特征性产品产地真伪鉴别提供关键技术。近红外光谱是一种新兴的检测技术, 因操作简单、绿色、高效、快速等特点, 被广泛应用于农产品产地溯源研究中。本文介绍了近红外光谱分析技术的原理和特点, 综述了基于近红外光谱技术的谷物、油料产品、水果等主要农产品产地溯源的研究进展, 分析了现有技术存在的问题, 并对今后农产品产地溯源的研究进行了展望, 以期为近红外光谱技术在农产品产地溯源的进一步应用提供参考。     

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

目的 建立基于近红外光谱的定性分析模型,实现对茶叶的新旧分类和产地溯源。方法 首先采用傅立叶近红外光谱仪采集茶叶样品的漫反射光谱数据,然后使用卷积(Savitzky-Golay,S-G)平滑算法和数据标准化(Normalization)对光谱数据进行预处理,最后基于遗传优化算法(genetic algorithem,GA)和粒子群优化算法(particle swarm optimization, PSO)分别建立了优化向量机模型(support vector machine, SVM),从而实现新旧茶叶的分类以及产地溯源。结果 与GA-SVM模型相比,PSO-SVM模型的建模效果较好,且分类时间更短,在新旧鉴别和产地溯源实验中都达到了100%的预测精度。结论 基于近红外光谱建立的PSO-SVM模型可以实现茶叶新旧的判别以及产地溯源,为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。     

基于电子舌和近红外光谱技术的进口牛肉产地溯源

为评估电子舌和近红外光谱技术对进口牛肉产地溯源的可行性,以澳大利亚、新西兰和加拿大进口安格斯牛肉为研究对象,分别测定其电子舌滋味特征图谱和近红外光谱数据,利用主成分分析和判别分析法,建立进口牛肉产地溯源的定性判别模型。研究结果显示,3个产地进口牛肉样本的电子舌滋味特征信号在SRS（酸味）、STS（咸味）、SWS（甜味）和GPS（复合味2） 4根传感器上响应值差异显著。在全光谱范围（4 000～12 000 cm-1）,经SNV（标准正态变量变换）+FD（一阶导数）+SG（Savitzky-Golay平滑）预处理后,3个产地进口牛肉样本的近红外平均光谱有显著差异。基于电子舌滋味特征图谱和预处理后近红外光谱数据的主成分分析和典则判别分析均能有效区分不同产地进口牛肉样本,判别正确率均为100%。说明电子舌和近红外光谱技术结合多元统计分析法可作为澳大利亚、新西兰和加拿大进口安格斯牛肉产地判别的有效手段。本研究结果为我国进口牛肉质量安全检测、监测提供了技术参考和数据支撑。     

基于近红外光谱的鸡蛋产地溯源

为了快速、准确、无损地追溯鸡蛋的不同产地,借助于近红外光谱技术,采用主成分析结合PLS-DA判别模型和簇类独立软模式法(SIMCA)建立了鸡蛋的溯源模型。利用标准正态变量(standard normal variate,SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(multiplicative scatter correction,MSC)等方法对原始光谱数据进行了预处理,结果表明SG(3点)平滑处理结果最好;利用主成分分析方法对不同地区的鸡蛋进行聚类分析,发现当主成分数为3时,建立的SIMCA溯源效果最好。结果表明,在显著水平0.05时,4个地区(朔州、吕梁、太谷、运城)验证集的识别率均为100%,其中吕梁和运城地区的拒绝率为100%,朔州和太谷地区的拒绝率为98.6%。说明SIMCA模式建立的模型基本能够判别鸡蛋产地。     

近红外漫反射光谱技术对小米产地溯源的研究

为建立小米产地溯源的快速检测技术,更好的维护地方名优小米品牌效益,试验利用近红外漫反射光谱技术对不同状态小米进行产地溯源鉴别,试验分别选取来自肇源和肇州两个小米主产区的144份小米样品,应用近红外漫反射光谱技术结合化学计量学对不同状态下的小米进行产地溯源研究,结果表明:在全波长范围内采用因子化法建立的定性分析模型和在特征波段范围内采用偏最小二乘法(PLS)建立的定量分析模型,对肇源、肇州两个小米主产区的小米籽粒和小米粉末的正确鉴别率均在90%以上,其中小米粉末的模型正确预测率要高于小米籽粒。因此,应用近红外漫反射光谱技术对不同状态小米产地溯源的鉴别具有一定的可行性。     

基于近红外光谱技术的黑龙江地理标志大米产地溯源研究

为建立地理标志大米的快速检测技术,更好地维护地方名优大米品牌效益,利用近红外光谱技术结合定性分析(鉴别分析和聚类分析)和偏最小二乘法(PLS)对黑龙江省3个水稻主产区的地理标志大米进行产地溯源研究。结果表明:运用鉴别分析和聚类分析建立的模型对建三江、五常地域预测正确率为100%,响水地域预测正确率为95.83%;五常、响水地域判别正确率为100%,建三江地域判别正确率为95.83%。采用PLS建立定量分析模型对建三江、五常、响水三个地域的预测正确率分别为95.83%、100%、95.83%。通过鉴定及检测结果可知利用近红外光谱技术可对黑龙江地理标志大米进行产地保护,且产地预测正确率达95%以上。     

基于近红外光谱技术的小米产地溯源研究

采用便携式近红外光谱仪结合主成分分析(PCA)、费舍尔线性判别(FLDA)及多层感知器神经网络(MLPNN)模型,探讨近红外光谱技术应用于小米产地溯源的可行性。PCA分析显示,除山西、河南、黑龙江3省的样品差异较小难以区分外,其余8个省份的样品均能清晰区分产地。FLDA和MLP-NN分析均能识别出小米样品产地,但MLP-NN识别效果优于FLDA,两个模型对预测集的识别正确率分别为92.3%,84.6%。以上结果表明,近红外光谱技术可有效应用于小米的产地溯源。     

近红外光谱技术在食品溯源中的应用进展

食品产地溯源的问题一直广受关注,一些制售假冒食品的现象屡禁不止,为维护市场秩序,保护消费者的合法权益,急需对食品产地溯源进行快速无损检测。目前,常用的检测方法有近红外光谱技术、矿物元素指纹分析技术、DNA指纹图谱技术等,其中近红外光谱技术(NIR)因具有高效、快速、无损、无污染及低成本检测的特点,而被广泛应用于食品产地溯源的研究中。主要概述近红外光谱技术的原理,并通过列举了其在肉类、水果、谷物的产地溯源研究中的方法手段和结论等,得出近红外光谱技术在食品产地溯源检测方面的研究具有一定可行性。同时分析了近红外光谱技术在食品产地溯源中应用现状,并指出了其存在的问题和今后其在食品产地溯源方面的研究展望,为近红外光谱技术在食品追溯体系分析中提供理论参考。     

基于NIR和PLS-DA法的东北大米产地快速溯源方法研究

鉴于市场上东北大米掺伪和假冒现象频发,本研究将近红外光谱技术与PLS-DA判别法相结合用于东北大米产地快速溯源。实验共收集75份大米样本(52份东北产地大米,23份非东北产地大米),按照4∶1的比例随机划分得到训练集样本60份和测试集15份。为消除品种、颗粒形态等对近红外光谱和产地鉴别的影响,实验比较多种光谱预处理方法,并根据相关系数值确定了矢量归一化为首选的预处理方法;将矢量归一化预处理后的光谱按照吸收峰分4个区间分别建立东北大米产地PLS-DA模型,其中4 000～5 500cm~(-1)谱区建立产地溯源模型,训练集准确率可达93.33%,测试集准确率为86.67%。实验结果表明,近红外光谱与PLS-DA法结合在东北大米产地快速溯源技术领域有着光明的应用前景。     

基于红外特征光谱的熟制鸡肉鉴别技术研究

为了实现熟制鸡肉的快速鉴别,应用近红外光谱结合PLS分析对熟制鸡肉掺假现象进行了识别分析。该研究针对掺有不同含量卡拉胶、水的熟制鸡肉,采集了其近红外光谱。选择S-G导数+SNV的预处理方式,分别选择8个和9个主成分建立了最优PLS分析模型。研究结果表明,PLS模型具有较好的识别效果,其中掺有水的模型优于掺有卡拉胶的模型,两模型最高正确率分别高达98.4%和99.0%。由此可见,基于红外特征光谱的熟制鸡肉鉴别技术具有实用价值。     

Visible/Near-Infrared Spectroscopy for Physical Characteristics of Cooked Chicken Patties

Cooking loss and Kramer shear properties (yield force, yield deformation, and yield energy) of chicken patties were measured after various degrees of cooking. Cooking loss and yield deformation were related (R=0.91 and -0.76, respectively) to the integrated time-temperature history. In contrast, yield force and energy were well related (R=0.85 and 0.84, respectively) to endpoint temperature. Visible/near-infrared (NIR) calibrations were developed and validated for the physical characteristics. Among the tested properties, visible/NIR spectroscopy was most accurate in predicting cooking loss and yield force. Standard errors of prediction were 7.9 and 8.2% of the corresponding property range among samples.     

基于中波近红外光谱构建生鲜鸡肉胆固醇定量分析模型

通过采集市售生鲜鸡肉样品在中波近红外区的光谱信息,采用偏最小二乘法构建胆固醇定量分析模型,并评价模型的预测准确性。在建模过程中,讨论异常样品剔除与组合预处理方法等优化措施对模型的影响。参模样品经2 次异常样本剔除并以SG（Savitzky-Golay）一阶导数、SG平滑及去趋势校正进行预处理后,获得了最佳生鲜鸡肉胆固醇定量分析模型,其中：校正标准差（standard error of calibration,SEC）为4.534 8、校正集相关系数为0.919 7、预测标准差（standard error of prediction,SEP）为7.437 5、验证集相关系数为0.812 0、范围误差比为2.844 7、相对预测标准差为9.44%、主因子数为5、SEP/SEC为1.640 1。对检验集样品预测的结果表明,基于中波近红外光谱构建的胆固醇定量分析模型的预测性能较好（P＞0.05）,特别是在60～100 mg/100 g含量区间,可应用于对市售生鲜鸡肉及产品胆固醇的检测。     

基于近红外光谱技术快速识别不同动物源肉品

利用傅里叶变换近红外光谱技术建立猪肉、牛肉和羊肉的定性识别模型。用主成分分析法将原始数据压缩为10 个主成分,在全波段9 881.46～4 119.20 cm－1范围内,利用附加散射校正技术结合Savitzky-Golay滤波法对光谱数据进行预处理,采用判别分析法建立模型。模型对训练集的识别准确率为100%,对预测集猪肉、牛肉和羊肉的识别准确率分别为99.28%、97.42%和100%。结果表明：近红外光谱结合模式识别方法能快速无损地识别猪肉、牛肉和羊肉。     

蒸煮鸡肉的挥发性香气成分

采用同时蒸馏萃取法(即SimultaneousDistillationExtractor,以下简称SDE)提取蒸煮鸡肉中的挥发性香气成分,并采用气相色谱质谱联用法(GC-MS)对香气成分进行了鉴定.结果得到化合物44种,共分成9类,其中羰基化合物最多、芳香族次之.羰基化合物对鸡肉特征香气的形成起重要作用,芳香族和呋喃是蒸煮鸡肉的主要香气成分.