原料肉中掺大豆蛋白的近红外检测技术的研究

探讨了利用近红外光谱技术快速、准确地进行原料肉中是否掺大豆蛋白鉴别的可行性。首先以原料肉和掺假肉为原料,利用近红外光谱仪测定样品的漫反射光谱曲线,再应用Fisher线性判别分析和偏最小二乘法对试验数据进行了多元统计分析。分析结果表明,利用Fisher判别分析建立的判别模型的正确判别率达到100%,对未知样进行检验,正确判别率达到86.1%;最后利用偏最小二乘法(PLS)建立大豆蛋白掺入量的定量检测模型,校正模型决定系数(R2)为93.4%,内部交叉验证均方根差(RMSECV)为2.45%,对此模型进行验证,预测集相关系数(R2)为84.1%,预测标准偏差(RMSEP)为3.59%。说明应用近红外光谱技术对原料肉中掺大豆蛋白进行快速、准确的的鉴别是可行的。     

基于Fisher算法和BP-ANN的造纸原料近红外判别

为了实现对造纸原料的快速准确判别,收集了5种共40份原料品种的近红外光谱数据。通过MAF和一阶导数方法进行光谱数据预处理,用主成分方法对光谱数据进行压缩降维,分别利用Fisher算法和BP人工神经网络来建立原料近红外光谱判别模型,并对两种判别模型进行比较。结果表明:两种模型都能较好地进行造纸原料的近红外判别,且BP人工神经网络比Fisher判别函数在容错性上表现得更为优越,建立的模型用于种类判别时表现得更为稳健。     

近红外光谱法检测奶粉掺假

目的建立近红外光谱法结合Adulterant Screen算法快速鉴别奶粉中大豆蛋白和尿素掺假的方法。方法采用近红外光谱仪获得奶粉未知样的光谱曲线,再用Adulterant Screen算法以及全数据库奶粉分类模型和既定类型的掺假物模型对曲线主要成分和掺假成分进行分析。结果该方法对一定浓度大豆蛋白和尿素掺假奶粉样可以实现掺假鉴别,大豆蛋白和尿素掺假奶粉样的掺假判别限分别为0.3 g/100g和0.2 g/100g,掺假物正确识别限分别为0.5 g/100g和0.8 g/100g。结论利用近红外光谱法结合Adulterant Screen算法可以快速鉴别奶粉中大豆蛋白和尿素的掺假。     

广域照射拉曼光谱技术结合簇类独立软模式法快速鉴别原料肉及掺假肉

应用广域照射（wide area illumination，WAI）拉曼光谱技术与簇类独立软模式（soft independent modeling of class analogy，SIMCA）法，结合多元散射校正（multiplicative scatter correction，MSC）和光谱仪降噪和波长标定（spectrometer noise reduction and wavelength calibration，SNRWC）降噪技术，建立鸭、羊、猪3 种原料肉及掺假羊肉的定性识别模型。结果表明：经MSC与SNRWC处理后，鸭、羊、猪3 种原料肉之间及羊肉、掺假羊肉之间的主成分分析结果具有明显的聚类趋势，在此基础上建立SIMCA定性分类模型，对不同产地的37 个原料肉样品种属进行定性鉴别，识别正确率达100%；对4 个掺假羊肉和5 个未掺假羊肉样品识别正确率也为100%。因此，拉曼光谱分析技术结合有效的数据前处理方法及化学计量学方法可对鸭、羊、猪原料肉种属及掺假羊肉进行鉴别。与常规方法相比，该检测过程快速、方便，并且无需样品前处理。     

基于近红外光谱的冷鲜肉--解冻肉的判别研究

目的 利用近红外光谱对冷鲜肉和解冻肉进行判别研究。方法 利用385～935nm的近红外光谱系统,采集冷鲜肉与解冻肉表面的反射光谱数据,采用Savitzky-Golay(S-G)平滑和标准变量正态变换(SNVT)方法对光谱数据进行预处理。然后利用主成分分析法(PCA)实现数据降维,提取主成分后结合两种状态肉的理化指标(L*值,a*值,pH,蒸煮损失和嫩度),分别利用Fisher判别法、贝叶斯判别法两种判别分析方法对冷鲜肉和解冻肉进行判别研究。结果 两种判别分析方法,均取得较好的分类效果,尤其是Fisher判别法,校正集的回判正确率为96.67%,验证集的正确率为100%。结论 近红外光谱技术应用于冷鲜肉和解冻肉的鉴别是可行的。     

基于近红外光谱的冷鲜肉-解冻肉的判别研究

目的利用近红外光谱对冷鲜肉和解冻肉进行判别研究。方法利用385~935 nm的近红外光谱系统,采集冷鲜肉与解冻肉表面的反射光谱数据,采用Savitzky-Golay(S-G)平滑和标准变量正态变换(SNVT)方法对光谱数据进行预处理。然后利用主成分分析法(PCA)实现数据降维,提取主成分后结合两种状态的肉的理化指标(L*值,a*值,pH,蒸煮损失和嫩度),分别利用Fisher判别法、贝叶斯判别法两种判别分析方法对冷鲜肉和解冻肉进行判别研究。结果两种判别分析方法,均取得较好的分类效果,尤其是Fisher判别法,校正集的回判正确率为96.67%,验证集的正确率为100%。结论近红外光谱技术应用于冷鲜肉和解冻肉的鉴别是可行的。     

近红外光谱技术对猪肉注水、注胶的快速检测

采用近红外光谱（near infrared spectroscopy,NIR）结合主成分分析（principal component analysis,PCA） 和判别分析法建立了注水肉、注胶肉和正常肉的定性判别模型。注水肉中注水量的多少对判别准确率产生影响, 当注水量为1.25%～20%时,3 种肉的总体判别准确率为94.23%;当注水量为3.75%～20%时,判别准确率提高至 96.96%。模型对所有预测集样品的总体判别准确率为94.92%。表明NIR结合PCA法、判别分析法判别注水肉、注胶 肉和正常肉具有可行性。采用偏最小二乘法（partial least squares,PLS）结合PCA分别建立了注水量和注胶量的定 量分析模型,经验证,两种模型对预测集样品的预测均方差分别为4.01%和3.87%,预测值与实测值间的相关系数 （r）分别为0.904 2和0.912 8。表明两种模型的预测性能良好。     

注胶肉的近红外光谱快速判别分析

为了探讨利用近红外漫透射光谱判别分析技术快速鉴别注胶肉的可行性,共制备了101个样品,其中74个注胶肉样品。利用德国Bruker公司生产的MPA型傅里叶变换近红外光谱仪,采用固体漫透射采样附件获取样本光谱,随机选取62个注胶肉样品和23个正常肉样品作为校正集,用来建立注胶肉和正常肉判别模型。利用独立的验证集对判别分析模型进行了验证,结果表明所有验证样品均被唯一正确判别,采用近红外漫透射光谱能快速无损的判别注胶肉。     

基于FT-NIR和电子鼻的苹果水心病无损检测

探讨傅里叶变换近红外光谱技术和电子鼻技术应用于苹果水心病检测的可行性。以277?个“秦冠”水心病苹果和健康苹果为试材,分别采集每个样本在12?000～4?000?cm－1波数范围的近红外光谱和10?个传感器的电子鼻信号,用不同预处理的近红外光谱方法提取主成分建立Fisher判别模型;同时电子鼻结合3?种化学计量学的方法进行建模。结果表明,经一阶导数（9?点平滑）预处理的近红外光谱,提取前20?个主成分建立的Fisher判别模型效果最好,对未知样本的正确判别率达100%;电子鼻分别结合Fisher判别、多层感知器神经网络和径向基函数神经网络判别模型对未知样本的识别率为89.7%、89.5%和85.7%。故利用近红外光谱和电子鼻技术分别结合化学计量学的方法可快速、无损检测苹果的水心病。其中,近红外光谱技术结合Fisher判别对苹果水心病的识别率最高,是一种准确可靠的测定方法。     

基于欧式距离法或因子化法的近红外光谱技术对牛肉掺假鉴定的研究

利用近红外光谱技术结合欧氏距离法或因子化法建立牛肉中掺入猪肉和鸡肉的快速、准确的技术方法,从而为保证牛肉制品品质和安全提供强有力的检测手段;以牛肉和掺假肉(掺入猪肉和鸡肉)按照相同程度进行均匀搅碎,按照掺假肉10%为梯度增量进行制备掺假肉,共分为10类样本(10%至100%),采用单通道,光谱范围为12000cm^-1~4000cm^-1,扫描次数为64次,特征波段为7351.92cm^-1~6824.83cm^-1、5578.24cm^-1~5075.21cm^-1,预处理方式为一阶导数或二阶导数+矢量归一化+9点平滑,结果表明:猪肉和鸡肉掺假因子化法的判别率分别为94%和96.67%;因子化法可以试现对牛肉掺假进行定性分析鉴定。     

基于近红外光谱的大鲵肉粉掺伪鉴别及纯度检测

利用近红外光谱技术进行大鲵肉粉的掺伪鉴别及纯度检测。分别采集大鲵纯肉粉、掺入江团鱼肉粉、草鱼肉粉和土豆淀粉的掺伪大鲵肉粉（各40 个样本,4 类共160 个样本）的近红外光谱图。原始光谱经光谱预处理后,利用偏最小二乘-判别分析（partial least square-discriminant analysis,PLS-DA）法分别建立2分类（纯样和掺伪样）和4分类（纯样、掺江团鱼样、掺草鱼样和掺淀粉样）的定性判别模型,利用偏最小二乘回归（partial least squares regression,PLSR）分析法分别建立3 类掺伪大鲵肉粉的纯度定量校正模型。结果表明,PLS-DA定性模型中,经一阶导数＋多元散射校正光谱预处理后,所建2分类和4分类模型性能均为最佳,校正集和预测集的预测准确率均为100%;PLSR定量模型中,大鲵肉粉掺江团鱼肉粉、大鲵肉粉掺草鱼肉粉和大鲵肉粉掺土豆淀粉模型的校正集相关系数（Rc2）分别为0.990 6、0.986 4和0.993 3,校正集的均方根误差分别为1.14%、1.39%和0.88%;测试集的相关系数（Rp2）分别为0.994 4、0.992 4和0.990 8,测试集的均方根误差分别为0.83%、0.89%和1.22%。运用近红外光谱技术结合化学计量学方法能够对大鲵肉粉进行掺伪鉴别及纯度检测。     

基于顶空气相色谱-离子迁移谱与电子鼻技术快速检测宁夏滩羊肉中掺假鸭肉

为实现掺假宁夏滩羊肉的准确快速检测,按照不同比例将鸭肉混入滩羊肉中制备掺假肉。基于顶空气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）及电子鼻结合统计学方法对掺假肉样进行快速检测。通过GC-IMS采集掺假肉气味图谱,利用主成分分析和相似度差异分析对掺假肉进行分析;采用线性判别法分析电子鼻传感器响应值,后采用多元线性回归建立电子鼻响应值与鸭肉掺假比例的定量模型。结果表明：通过GC-IMS气味图谱可直观看出掺假不同比例鸭肉的滩羊肉中挥发性有机物差异,但对于掺假比例相近的样品区分度不明显;采用线性判别分析可很好区分掺假不同比例鸭肉的滩羊肉;采用多元线性回归分析,以鸭肉掺假比例及电子鼻传感器响应值进行拟合,得到回归方程决定系数为R2=0.967 1,拟合度高,实际测定值与预测值具有较好的相关性。GC-IMS技术、电子鼻结合统计学方法可以对掺入不同比例鸭肉的滩羊肉进行鉴别。     

应用近红外技术快速鉴别原料肉注水的研究

提出一种用近红外光谱技术快速鉴别原料肉和注水肉的新方法。首先以原料肉和注水肉为原料,利用近红外光谱仪测定其漫反射光谱曲线,然后选取二阶导数+25点平滑方法进行预处理,再应用主成分分析结合人工神经网络技术对其进行判别分析。结果表明,前5个主成分的累计贡献率已达99.626%,以前5个主成分作为人工神经网络的输入,对应的肉种类(原料肉与注水肉)作为输出,建立了一个三层BP神经网络模型,模型对建模集109个样本的鉴别率为91.74%,对预测集30个样本的鉴别率为90%。说明利用近红外光谱分析技术对原料肉注水进行快速鉴别是可行的。     

Identification of Repeatedly Frozen Meat Based on Near-Infrared Spectroscopy Combined with Self-Organizing Competitive Neural Networks

A rapid, effective method of identifying repeatedly frozen meat by near-infrared spectroscopy (NIRS) combined with a self-organizing competitive neural network (SCNN) model was established. A total of 180 samples were adopted, including hot, cold, frozen, and repeatedly frozen meats. We compared the treatment effects of four pretreatment methods on the spectrogram samples, namely, multiplicative scatter correction (MSC), standard normal variables (SNV), first-order differential and second-order differential. The second differential pretreatment exerted the optimum effect. A total of 120 pork samples were randomly selected and used to establish a calibration model, and the remaining 60 samples were used for prediction. SCNN analysis revealed that classification performance was the highest when the learning number was 250. The recognition ratio of the 60 prediction collection was 93.3%, in which the recognition ratio of the repeatedly frozen meat was 100%. Thus, combined NIRS and SCNN can rapidly and accurately detect repeatedly frozen meat without destruction.     

基于低场核磁共振技术的注胶肉快速检测

目的:探索并建立一种新的注胶猪肉快速检测方法.方法:以正常猪肉及注射不同种类胶(黄原胶、卡拉胶、明胶、琼脂)的注胶肉为对象,利用低场核磁共振并结合主成分分析法分析处理的检测数据,根据肉品中的水分存在状态及分布结果,对猪肉进行快速检测.结果:正常肉与注胶肉之间、各类注胶肉及不同注胶量之间在主成分得分图上具有很好的区分效果.结论:低场核磁共振技术结合主成分分析法可以快速区分正常肉与注胶肉.     

基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测

为研究傅里叶近红外光谱技术(Fourier transform near infrared spectroscopy,FT-NIRS)和电子鼻技术分别结合化学计量学方法对苹果霉心病的判别效果,以“红富士”霉心病苹果和健康苹果为试材,利用近红外光谱技术,基于主成分分析建立Fisher判别和多层感知器(multi-layer perceptron,MLP)神经网络模型;同时利用电子鼻技术分别结合Fisher判别、MLP神经网络和径向基函数神经网络3种化学计量学的方法建立判别模型。根据建模集和验证集的预测准确率综合考虑,基于主成分分析建立的MLP神经网络模型和电子鼻结合MLP神经网络模型对苹果霉心病的判别效果最好,验证集中的正确判别率分别达到87.7%和86.2%。说明电子鼻和近红外光谱技术均可以较好地判别苹果霉心病。     

基于COI序列的DNA微条形码技术鉴别熟肉制品中11种肉掺假的研究

建立并优化了基于COI序列的DNA微条形码技术（mini-barcoding）检测熟肉制品中11种常见肉类掺假的方法。样品经超声与真空冷冻干燥处理,提取DNA模板和PCR扩增后,目标扩增物经切胶纯化后进行克隆测序,并将测序结果提交GenBank数据库Blast比对。筛选出适合猪、牛、羊、鸡、鸭、鸽子、马、驴、鹅、兔、鼠11种肉类的扩增的通用引物COI-A,对PCR扩增条件进行优化,并建立18个掺假模式,对低经济价值肉类（猪、鸡、鸭、马、驴、鼠）的掺入的最低比例进行考察。结果表明:11种熟肉的DNA经通用引物COI-A扩增后,其扩增效率均为100%,18个掺假模式中,牛肉和羊肉中掺入6种低经济价值肉类的最低检出比例为5%,而掺入鸡肉的最低检出比例为10%,而鹅肉、鸽子肉和兔肉的掺假模式中最低检出比例为10%;利用本方法检测30批次市售样品,发现有18批次的熟肉制品存在掺假情况。该方法前处理简单,灵敏度合适,重现性好,可作为高经济价值熟肉制品中掺假低经济价值肉类的有效检测方法。     

广东省牛羊肉及其制品中掺杂掺假情况的调查分析

目的对广东省内牛、羊肉及其制品中掺杂掺假情况进行风险监测,从而为监管部门的后续监督管理提供指导性意见。方法使用特异性引物和探针,对广东省市场上出售的牛、羊肉及其制品进行动物源性成分鉴定。并与标签明示肉源进行比对,确认掺假类别。结果共检验50份样品,其中牛肉25份,羊肉8份,混合肉类17份。检出10份掺假肉食品,总掺假率为20.0%。掺假样品均为牛肉制品,羊肉制品为未发现掺假情况。结论用猪肉和鸡肉进行肉类的掺假是目前主要的掺假手段。混合肉类制品在标签明示肉类成分方面比较混乱,部分样品检出标签未标示的肉类成分。进一步开展肉制品的掺假检测具有重要的社会意义。     

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。     

近红外光谱技术在肉品掺假检测方面的研究进展

近红外光谱(Near-Infrared Spectroscopy,NIRS)技术是一种通过获取被测样品的近红外光谱信息,并使用化学计量学方法挖掘被测样品指标和光谱信息之间定性定量关系的一种无损分析技术。该技术通过构建精确度高、稳定性好的数学模型,可在不破坏样品完整性和无需样品前处理的前提下获取被测样品信息,实现肉品掺假成分及掺假量的快速预测,目前在肉品掺假方面已有大量研究且应用潜力巨大。本文主要综述了2010年至今NIRS用于肉品掺假研究方面的研究进展和最新成果,可为后续研发肉品掺假无损快检设备提供数据支撑和理论参考。