论文部分内容阅读
我国是世界上禽类出产、消费和交易的大国，自二十世纪鸡肉产业及鸡肉加工制品产业就在我国迅速发展起来，并占有一席之地。在所有的鸡肉加工成熟制品出口量中，炸的种类居多。而油炸鸡肉成品的含水量不仅对鸡肉的嫩度有一定影响，对营养物质尤其是蛋白质和脂肪的含量也都有相当大的影响。因此，水分含量的快速检测也就成了鸡肉熟制品行业发展中的一部分重要内容。传统方法的水分含量检测不仅需要消耗大量的时间，还会损失待测定水分含量的鸡肉样本，造成了人力、财力的大量损失。
近紅外光谱是近几十年来发展最为迅速的高级检测方法之一，与数学方法相结合可达成对样品的快速、定量、定性分析，是现场快速筛选和制作间歇时实时检测的理想手段。褚小立等介绍了近几年国内外近红外光谱分析技术的发展及应用现状，阐述了我国近红外光谱技术的组成部分和发展现状，并对我国在这一技术方向的研发提出建议。而在目前的研究中，近红外光谱检测针对熟制肉制品的研究还较少，针对油炸鸡肉更是没有。因此利用近红外光谱技术对油炸鸡肉制品进行快速无损检测，具有重要的发展前景及意义。
本文将近红外扫描得到的不同温度油炸鸡肉样本光谱图与用传统方法所测量出的水分含量数值一一对应，利用平滑、二阶微分等预处理方式优化模型，最终选取偏最小二乘法建立可用于快速检测油炸鸡肉水分含量的近红外模型。该模型的均方根误差值为0.481，相关系数值为0.9959，并且预测模型的十个样本基本都在模型预测范围内，说明模型建立成功，可以用于中餐标准化生产。
一、材料与仪器
1.材料。鸡胸肉（家乐福超市）、九三大豆油（家乐福超市）、带刻度的直尺、中式厨房菜刀、砧板、保鲜膜、筷子、盘子、镊子、称量瓶。
2.仪器。干燥箱、控温油炸锅、近红外仪光谱仪、电子天平。
二、实验与方法
1.样品制备。剔除鸡胸肉周边的黄色油脂及其它结缔组织，避免在扫描近红外光谱时对鸡肉的成分组成峰值产生一定的影响。将鸡肉改刀切成大小厚薄均一的肉片，在130℃、140℃、150℃、160℃、170℃、180℃下油炸50s，在炸至25s时将鸡肉翻面，确保两面炸制时间相等且均匀。
2.水分含量测定。参考国标食品中水分的测定方法。
3.近红外光谱扫描。将近红外仪器预热30min，打开测试工作流，点击“测试”，收集样品近红外光谱图，随即利用TQ软件进行数据处理。
三、结果与讨论
1.建模波段选择。根据实验方法得到图1所示的120个原始样本光谱图。基于不同波段可能会对模型建立有所影响，本实验分别建立了4000-6000nm、6000-7000nm、8000-9000nm及4000-10000nm下所得到的模型，其中8000-9000nm下所得模型如图2所示，其相关系数为0.8469，RMSEC为2.99，优于其余各组。
2.模型优化。在原始模型基础，分别对其进行一阶导数法及二阶导数法预处理，根据模型相关系数的高低来判断模型优劣，其中使用二阶导数法得到模型的相关系数为0.9062，RMSEC值为2.49。随后通过异常光谱的剔除原理及方法，对原始样本的全部光谱图进行优化处理，去掉偏离样本中心的光谱，此时模型相关系数提高到0.9634，均方差值降至1.59。将剔除异常光谱所得的模型采用马氏距离优化的方法进行优化，得到马氏距离图，如图3所示。将图中误差超过1.5000的数据从右到左依次剔除，将所得模型通过3D分布图法进行优化，得到其空间分布图，如图4所示。选择好合适的角度，将其远离中心距离的异常样本点标记出来，剔除这部分样本进行模型优化。最后通过杠杆法优化模型，将杠杆值和学生化残差较大的样本定为异常样本。根据TQ软件中的诊断功能，软件自动合成的杠杆图如图5所示，此图方便发现远离聚集区的异常样本。最终所得最佳模型的相关系数为0.9959，RMSEC为0.481。
3.模型验证。为了进一步验证油炸鸡肉水分含量的近红外光谱模型的准确性，进行验证实验。在未知温度的条件下将鸡肉片油炸50s，共取10组样品作为预测验证集，详见表1。由表1可以看出，个别预测值偏离较大，但整体误差还是可以接受的。因此模型建立成功，其相关系数为0.9959，RMSEC值为0.481。
综上所述，本实验用传统方法所测量出的水分含量数值一一对应，建立出关于油炸鸡肉水分含量与光谱图的相关模型，模型的最佳预处理方法为二阶导数。再经过马氏距离优化法、3D分布图优化法与杠杆优化法等方法，将异常样本剔除后，不断优化模型，最终得到模型的相关系数（R）为0.9959，校正均方差（RMSEC）为0.481。将所得模型进行验证实验，结果准确可靠。相信在未来，成功的模型会被大量应用于中餐工艺的标准化生产，有望在鸡肉质量检测中得到广泛应用，大大降低标准化中餐产业的成本。（基金项目：烹饪科学四川省高等学校重点实验室重点项目（PRKX201901），哈尔滨商业大学博士科研启动项目（2019DS060）。）
作者简介：姚恒喆（1997-），女，硕士研究生；研究方向：烹饪科学。
*通讯作者：石长波（1963-），男，博士，教授；研究方向：烹饪科学。
近紅外光谱是近几十年来发展最为迅速的高级检测方法之一，与数学方法相结合可达成对样品的快速、定量、定性分析，是现场快速筛选和制作间歇时实时检测的理想手段。褚小立等介绍了近几年国内外近红外光谱分析技术的发展及应用现状，阐述了我国近红外光谱技术的组成部分和发展现状，并对我国在这一技术方向的研发提出建议。而在目前的研究中，近红外光谱检测针对熟制肉制品的研究还较少，针对油炸鸡肉更是没有。因此利用近红外光谱技术对油炸鸡肉制品进行快速无损检测，具有重要的发展前景及意义。
本文将近红外扫描得到的不同温度油炸鸡肉样本光谱图与用传统方法所测量出的水分含量数值一一对应，利用平滑、二阶微分等预处理方式优化模型，最终选取偏最小二乘法建立可用于快速检测油炸鸡肉水分含量的近红外模型。该模型的均方根误差值为0.481，相关系数值为0.9959，并且预测模型的十个样本基本都在模型预测范围内，说明模型建立成功，可以用于中餐标准化生产。
一、材料与仪器
1.材料。鸡胸肉（家乐福超市）、九三大豆油（家乐福超市）、带刻度的直尺、中式厨房菜刀、砧板、保鲜膜、筷子、盘子、镊子、称量瓶。
2.仪器。干燥箱、控温油炸锅、近红外仪光谱仪、电子天平。
二、实验与方法
1.样品制备。剔除鸡胸肉周边的黄色油脂及其它结缔组织，避免在扫描近红外光谱时对鸡肉的成分组成峰值产生一定的影响。将鸡肉改刀切成大小厚薄均一的肉片，在130℃、140℃、150℃、160℃、170℃、180℃下油炸50s，在炸至25s时将鸡肉翻面，确保两面炸制时间相等且均匀。
2.水分含量测定。参考国标食品中水分的测定方法。
3.近红外光谱扫描。将近红外仪器预热30min，打开测试工作流，点击“测试”，收集样品近红外光谱图，随即利用TQ软件进行数据处理。
三、结果与讨论
1.建模波段选择。根据实验方法得到图1所示的120个原始样本光谱图。基于不同波段可能会对模型建立有所影响，本实验分别建立了4000-6000nm、6000-7000nm、8000-9000nm及4000-10000nm下所得到的模型，其中8000-9000nm下所得模型如图2所示，其相关系数为0.8469，RMSEC为2.99，优于其余各组。
2.模型优化。在原始模型基础，分别对其进行一阶导数法及二阶导数法预处理，根据模型相关系数的高低来判断模型优劣，其中使用二阶导数法得到模型的相关系数为0.9062，RMSEC值为2.49。随后通过异常光谱的剔除原理及方法，对原始样本的全部光谱图进行优化处理，去掉偏离样本中心的光谱，此时模型相关系数提高到0.9634，均方差值降至1.59。将剔除异常光谱所得的模型采用马氏距离优化的方法进行优化，得到马氏距离图，如图3所示。将图中误差超过1.5000的数据从右到左依次剔除，将所得模型通过3D分布图法进行优化，得到其空间分布图，如图4所示。选择好合适的角度，将其远离中心距离的异常样本点标记出来，剔除这部分样本进行模型优化。最后通过杠杆法优化模型，将杠杆值和学生化残差较大的样本定为异常样本。根据TQ软件中的诊断功能，软件自动合成的杠杆图如图5所示，此图方便发现远离聚集区的异常样本。最终所得最佳模型的相关系数为0.9959，RMSEC为0.481。
3.模型验证。为了进一步验证油炸鸡肉水分含量的近红外光谱模型的准确性，进行验证实验。在未知温度的条件下将鸡肉片油炸50s，共取10组样品作为预测验证集，详见表1。由表1可以看出，个别预测值偏离较大，但整体误差还是可以接受的。因此模型建立成功，其相关系数为0.9959，RMSEC值为0.481。
综上所述，本实验用传统方法所测量出的水分含量数值一一对应，建立出关于油炸鸡肉水分含量与光谱图的相关模型，模型的最佳预处理方法为二阶导数。再经过马氏距离优化法、3D分布图优化法与杠杆优化法等方法，将异常样本剔除后，不断优化模型，最终得到模型的相关系数（R）为0.9959，校正均方差（RMSEC）为0.481。将所得模型进行验证实验，结果准确可靠。相信在未来，成功的模型会被大量应用于中餐工艺的标准化生产，有望在鸡肉质量检测中得到广泛应用，大大降低标准化中餐产业的成本。（基金项目：烹饪科学四川省高等学校重点实验室重点项目（PRKX201901），哈尔滨商业大学博士科研启动项目（2019DS060）。）
作者简介：姚恒喆（1997-），女，硕士研究生；研究方向：烹饪科学。
*通讯作者：石长波（1963-），男，博士，教授；研究方向：烹饪科学。