论文部分内容阅读
腊肉作为中国传统肉制品的代表之一,一直以来都深受大众的偏爱。同时,腊肉的品质问题也成为了研究者研究的一个热点,但目前检测的技术仍然停留在有损地、直接地传统检测技术。高光谱成像技术作为新兴的快速无损检测技术在食品领域快速发展,结合了图像分析算法和化学计量学方法,在肉类安全的无损检测和控制方面已取得了较大的突破。然而,目前有关食品的高光谱检测研究大多都是基于食品理化指标和性质的研究,对于加工过程控制的研究报导很少。本课题将研究加热过程中腌肉的光谱特性,对腊肉在加热过程的品质进行检测和分析,充分利用高光谱检测技术快速、无损和非接触的优良特性,为高光谱技术最终广泛应用于食品热加工过程在线检测和控制打下一定的基础。具体研究内容和结果如下:(1)采用可见/近红外高光谱成像技术结合化学计量学、ENVI图像处理技术,研究腌肉在烘烤过程中不同烘烤时间对腌肉水分、脂肪、蛋白质变化的影响。采用PLSR和LS-SVM两种算法在全波段范围内建立了预测加热过程中腊肉水分、蛋白质和脂肪含量,比较SPA和系数选出的最优波长建立预测模型,结果发现系数选出的最优波长预测效果较好,其中PLSR模型在预测脂肪含量时预测精度较高,其中Rp2为0.823,RMSEP为0.568,MLR模型在预测水分、蛋白质含量时预测精度较好,其中水分预测集Rp2为0.943,RMSEP为2.73,蛋白质预测集Rp2为0.891,RMSEP为2.57。(2)基于高光谱成像技术研究和构建腌肉烘烤过程中因蛋白质水解理化指标NPN和TVB-N变化的快速检测方法。主要研究烘烤过程中腊肉蛋白质水解程度和产生的有害物质TVB-N指标及肉品光谱变化,利用最优变量筛选技术甄选表征腊肉品质的特征波长,其中发现采用PLSR和MLR模型在预测NPN值和TVB-N值两种模型都呈现了较高的稳定性和可靠性,其中NPN含量的预测值Rp2分别为0.933和0.922,TVB-N含量的预测值Rp2分别为0.825和0.861。采用图像分析算法,实现腊肉腐败过程TVB-N含量变化的可视化分布,建立高光谱成像在腊肉品质无损快速检测方法。(3)研究和构建腊肉烘烤过程中腊肉脂肪腐败TBA值变化的快速检测方法,主要研究烘烤过程中腊肉脂肪腐败变化中代表性指标TBA及肉品光谱变化,建立高光谱检测定量分析模型。结合图像纹理信息与特征波长下的光谱信息进行建模,探讨图像纹理信息对模型建立的影响。