论文部分内容阅读
中国是世界第三大牛肉产国,但是国内旺盛的牛肉需求远远超过国内供给,并且供需差距不断扩大,因此进口牛肉成为解决供需矛盾的重要途径,产品主要为冰鲜牛肉与冷冻牛肉。由于冰鲜牛肉具有较高的市场价值,导致一些不法商家以次鲜牛肉冒充新鲜牛肉、解冻牛肉冒充冰鲜牛肉,从中谋取不当利益。虽然常规方法检测准确度高,但无法满足大规模、快速等检测要求,近红外光谱(NIR)和高光谱成像(HSI)技术近年来在食品检测中应用广泛。本文尝试利用NIR和HSI技术分别鉴别不同储藏时间的冰鲜牛肉、冰鲜与解冻牛肉,并研究牛肉在储藏过程中的品质变化,具体研究内容和相关结论如下:(1)不同储藏时间的冰鲜牛肉、冰鲜与解冻牛肉特征指标的筛选。分别测定样本的挥发性盐基氮(TVB-N)、pH、颜色参数(L*、a*、b*)、脱氧肌红蛋白(DMb)、氧合肌红蛋白(OMb)和高铁肌红蛋白(MMb)含量,根据相关性和显著性差异分析筛选出不同储藏时间冰鲜牛肉的新鲜度特征指标为TVB-N、pH、a*和b*,冰鲜与解冻牛肉的差异性特征指标为a*、b*和MMb。(2)不同储藏时间冰鲜牛肉、冰鲜和解冻牛肉及其储藏时间的鉴别。首先利用NIR技术采集样本的光谱信息,利用HSI技术采集样本的图像并从图像上选择感兴趣区域提取平均光谱与纹理变量,然后对NIR光谱数据、HSI光谱数据、HSI纹理变量、融合HSI光谱数据与纹理变量进行预处理,最后利用竞争性自适应重加权算法(CARS)、区间偏最小二乘方法(iPLS)和区间偏最小二乘-竞争性自适应重加权方法(iCARS)提取特征变量后构建线性判别分析(LDA)、K最近邻法(KNN)、反向传播人工神经网络(BPANN)和随机森林(RF)鉴别模型,并比较各模型识别结果。结果表明,两种技术均可以识别不同储藏时间的冰鲜牛肉,并且HSI技术可以较好地鉴别冰鲜和解冻牛肉及其储藏时间。其中基于HSI光谱数据构建的LDA模型对不同储藏时间冰鲜牛肉的识别效果最优,测试集识别率为100%;基于HSI技术获得的光谱数据构建的RF模型对冰鲜与解冻牛肉及其储藏时间的识别效果最优,测试集识别率均为97.86%。(3)基于NIR和HSI技术对特征指标含量进行快速预测及其分布可视化。首先采集样本的近红外光谱和高光谱图像并测定样本中相关特征指标的含量,选择图像中感兴趣区域并提取平均光谱。然后分别利用NIR和HSI的光谱信息结合预处理方法、特征变量提取方法(iPLS、CARS、iCARS)建立偏最小二乘(PLS)预测模型。结果表明两种技术对特征指标含量均能较好的预测,并且最佳预测模型均为CARS-PLS。其中对新鲜度特征指标TVB-N和b*预测,HSI预测结果较优,其测试集的相关系数(r_p)分别为0.9637、0.9423,预测均方根误差(RMSEP)分别为1.12 mg/100g、0.77;对新鲜度特征指标pH和a*进行预测,NIR预测结果较优,其r_p分别为0.9512、0.9683,RMSEP分别为0.0159、0.59;对差异性特征指标a*、b*和MMb含量进行预测,HSI预测结果较优,其r_p分别为0.9203、0.8506、0.9244,RMSEP值分别为0.85、1.01、1.73%。同时,利用HSI光谱数据构建的CARS-PLS模型结合图像信息实现了每个特征指标含量的分布可视化。研究表明NIR与HSI技术均能较好的识别不同储藏时间的冰鲜牛肉以及预测特征指标的含量,而且利用HSI技术能达到对冰鲜与解冻牛肉及其储藏时间鉴别的目的,并实现了特征指标含量的分布可视化。这为监测掺假、规范进口牛肉市场秩序提供理论参考。