论文部分内容阅读
肉制品是居民饮食的重要组成部分,其品质优劣不仅影响消费者的健康状况,而且也决定了肉类行业的发展。因此,如何进行肉制品品质检测就显得十分重要,也是食品科学研究的热点之一。目前,肉制品品质评价主要由感官、理化及微生物学等传统检测方法来完成,但存在检测效率低、破坏性大和检测成本高等一系列缺点,无法满足现代工业对肉制品品质实时监控的要求,因而寻找快速、无损的肉制品品质检测方法变得非常迫切。本文以不同加工和贮藏方式的香肠为研究对象,利用波长范围为405～970nm的多光谱成像(MSI)系统获取样品信息,采用偏最小二乘回归(PLSR)、支持向量机(SVM)、主成分分析(PCA)、连续投影算法(SPA)和灰度共生矩阵(GLCM)等方法对信息进行分析,探求对香肠多元品质特征的无损检测。完成的主要研究结果如下：1)基于光谱信息,SVM和PLSR可分别建立精确的香肠硬度和菌落总数预测模型,其中硬度模型的决定系数(RP2)和相对预测误差(RPD)分别为0.546和1.455,菌落总数模型的RP2和RPD分别为0.891和2.970。2)将主成分图像的纹理信息与光谱信息组合可提高香肠水分含量、保水性、凝聚性、咀嚼性、血红素铁和非血红素铁的检测精度,获得最佳预测模型,其RP2分别为0.899、0.691、0.619、0.728、0.912和0.901,相应的RPD分别为3.027、1.800、1.561、1.770、3.356和3.167；另外,最佳模型的精确度与主成分的贡献率无关。3)利用图像处理和模型插值运算成功得出香肠水分含量、保水性、咀嚼性、血红素铁、非血红素铁和菌落总数的可视化分布图,由此可直观地评价香肠的品质变化,充分体现出MSI的优越性。本研究表明MSI技术可精确地对香肠多元品质(除弹性)进行快速、无损检测,满足肉类工业对香肠加工和贮藏过程中的品质实时监控；研究结果可为MSI技术在肉类工业上的应用提供理论参考,也充分体现出MSI技术的重要研究价值。