论文部分内容阅读
肉及其制品作为营养非常丰富的食品,在我国的消费量日益增长,但近年来肉及其制品质量事故频出,主要表现在原料肉新鲜度及掺假问题上,这些都严重威胁了我国肉业的安全。因此,建立快速精确的原料肉新鲜度及掺假检测方法对保障肉制品市场安全有着重要的意义。本文以近红外光谱技术为分析手段,以采集的56个原料肉样品为研究对象,结合化学计量学方法(聚类分析、偏最小二乘),建立原料肉新鲜度随时间的变化趋势以及TVB-N含量的定量模型;以采集的原料肉样品和按一定浓度梯度分别配制的掺水、掺氯化钠、掺卡拉胶、掺淀粉、掺大豆蛋白5种掺假肉共272个样品为研究对象,结合化学计量学方法(主成分分析法、Fisher两类线性判别法、支持向量机、偏最小二乘),开展了原料肉掺假近红外光谱技术快速检测的研究,建立了原料肉与掺假肉的近红外两类判别模型、5种掺假肉的近红外分类判别模型以及掺假肉中掺假物质含量的定量分析模型;具体研究结果如下:(1)原料肉新鲜度近红外光谱检测模型的建立:利用聚类分析对原料肉新鲜度随时间的变化趋势进行分析,经过反复验证,最佳的参数条件为光谱经矢量归一化预处理,光谱范围选择4231.2~7282.1cm-1,选择欧氏距离计算光谱距离。结果表明,样品集8天的光谱明显分为两类,第一类为前四天的光谱,第二类为后四天的光谱。从分类结果看,第一类应属于新鲜度变化的初期,感官品质变化不大,第二类的5、6天为新鲜向腐败变化的过渡期,最后两天样品加速腐败,品质发生明显变化明显;应用近红外光谱技术结合偏最小二乘建立的TVB-N含量的定量分析模型,其决定系数R2为81.48%,预测标准偏差RMSECV为1.54%,利用校正模型对验证集进行验证,验证模型决定系数R2和RMSEP分别为86.28%和1.41%。(2)原料肉掺假近红外检测模型的建立:应用近红外光谱技术结合Fisher两类判别法建立78个原料肉和掺假肉的两类判别分析模型,对78条原料肉和掺假肉近红外光谱进行主成分分析,前8个主成分的累计贡献率已达99.84%,因此利用前8个主成分作为两类判别的主变量,建立原料肉和掺假肉的两类判别模型。以-0.1315作为原料肉与掺假肉的区分界限,总的判别率达到96%;对230个掺假肉近红外光谱进行主成分分析,前6个主成分的累计贡献率已达99.73%,因此提取前六个主成分作为支持向量机SVM的输入向量,选择支持向量机的参数为:核函数为RBF,在惩罚系数c=1024,γ=0.0078125的条件下,建立分类判别模型,该模型对训练集样本的回判鉴别率达到100%,对预测集样本的预测鉴别率达到93.913%;建立了掺假肉中掺假物质含量的定量分析模型,其中掺水、掺氯化钠、掺卡拉胶、掺淀粉、掺大豆蛋白的定量校正模型和验证模型的决定系数R2分别在80.65%、77%以上,交互验证标准差RMSECV和预测标准差RMSEP都在4%以下。研究结果表明,近红外光谱技术结合化学计量学方法对原料肉质量进行快速检测是可行的。