牛肉等大型牲畜的肉类,市场价格相对较高,为了获取更为高额的利润,针对这一类肉品的不法操作也较为常见。目前,这些行为造成的大多数的不良结果都能够被检出,且无损检测相关技术在这些领域上的应用业已逐渐普遍。但依旧有一些市场顽疾还存在检测技术上的障碍,注水肉便是其中一类。这个障碍集中表现为注水肉的关键指标依旧不能确定,其主要原因在于注水肉的生物属性或理化属性研究滞后、当前的研究之中对注水肉之本质存在认知误区。针对这个现状,本研究将通过设计实验和数据分析,对注水肉的物性展开质化的分析,对注水肉进行更加清晰的属性界定;在此基础上提出关键参数,为注水肉和正常肉之间的差异性提供量化研究的依据,并据此为针对注水肉的检测而展开的无损检测技术应用方法的研究打下基础。由此可知,区分正常肉和注水肉的“关键参数”的研究,即是本研究的核心内容,是本研究的创新点,既有理论创新的意义,也具有的较为显著的实践意义和应用价值。综上所述,本研究以正常牛肉和注水肉牛肉为对象展开讨论,主要内容包括对注水肉内部水分变化及变化结果的质化研究和量化分析两部分,其中,提出了足以体现正常肉和注水肉之间差异性、并能够有效区分两者的关键参数。继而,基于关键参数,对注水肉展开了无损检测技术的应用研究。具体将包括以下几个方面。1.根据《畜禽肉水分限量》《肉与肉制品水分含量测定》等国家标准,以滴水损失实验对取自工业生产链条的冷鲜肉和取自农贸市场的鲜肉展开研究,根据实验数据及文献的分析,对正常冷鲜肉、注水冷鲜肉、正常鲜肉和注水鲜肉四者之间保水能力的差异进行了分析和对比,对“注水肉”的名词从含水率、肉品形态等方面采用了与实验室认定方式完全不同的属性认定,完成了对注水肉内涵上的重新界定。鉴于当前相关领域研究的水平和成果,“含水率”依旧可视为对注水肉进行描述的核心指标,但是其内涵已经发生了较大改变。在新的描述中,含水率实质表现为对肉品内部水分性质、不同性质水分占比等问题的综合体现,可称其为含水率相对值。2.国标测量得到的含水率、特定条件下的含水率称之为Ⅰ、Ⅱ类含水率,则两者的比值便可作为含水率相对值,数据分析结果可判定正常肉与注水肉的含水率相对值数据之间差异性显著。据此,基于统计学的基本原理,对含水率相对值实施了一定规模的统计量采集,在特定显著性水平下为正常肉和注水肉的含水率相对值分别确立了置信区间,该区间所对应的值域能够较好的对正常肉和注水肉实现区分,结果显示,两种肉类的识别率均约为85%。3.将两类肉品的含水率相对值作为观测值、分别在1025～2180nm近红外波段内采集到的光谱数据作为变量矩阵、以偏最小二乘方法各自建立回归分析模型,以此模型对注水肉无损检测技术展开应用研究。光谱的优化是建模的重要部分,全波段建模、全波段提取特征值建模和分区段提取特征值建模的方法被综合尝试,其中包含了对去包络线分析法、基于粒子群优化的K均值聚类分析法和小波变换分析法的综合应用。回归分析的最终结果表明,三种建模方式中,分区段提取特征值的建模方式,为模型预测集得到了最优结果,相关系数和标准差为:正常肉模型0.7933、0.0306:注水肉模型0.8096、0.0299。依旧是在分区段提取特征值的建模方式下样本实际值与模型预测值之间的相关系数、标准差获得最优结果:正常肉模型0.8023、0.0288:注水肉模型0.8188、0.0295。基于实际检验结果,若以置信区间的实际值进行评估,即落在区间之内算识别正确,则两种肉类的回归模型的识别率可达到76.92%,若采用灵活限定置信区间的方法,则最好达到88.46%。与此同时,SVM分类器的方法对于识别二分类问题具有的一定优势,目前应用较为广泛,以小波变换为分析方法,将两类肉品的光谱以凸建立了 SVM分类器模型,两类肉品总体识别率最高为76.92%。显差异性为目的进行了光谱特征值挑选之后建立了SVM分类器模型,两类肉品总体识别率最高为76.92%。