基于近紅外光譜技術(shù)的豬肉新鮮度快速預(yù)測與識別.pdf

1、豬肉新鮮度的傳統(tǒng)檢測方法操作繁瑣、耗時(shí)長、難以滿足大批量樣本的快速、實(shí)時(shí)檢測。另外,市場中以冷凍肉冒充新鮮肉的情況時(shí)有發(fā)生。因此,本文基于近紅外光譜技術(shù)對揮發(fā)性鹽基氮(TVB-N)和細(xì)菌總數(shù)(TVC)這兩個(gè)代表豬肉新鮮度的指標(biāo)進(jìn)行了定量建模預(yù)測,并對冷凍豬肉進(jìn)行了定性建模判別。具體結(jié)論如下:
　　 1、以完整肉塊、絞碎肉泥、滲出肉汁三種樣品預(yù)處理方法建立了不同的揮發(fā)性鹽基氮的偏最小二乘(PLS)定量預(yù)測模型,通過多種光譜預(yù)處理方

2、法獲得各自的最優(yōu)模型,將最優(yōu)模型進(jìn)行比較后得出結(jié)論:絞碎肉泥的樣品預(yù)處理方法最好,其原始光譜經(jīng)過標(biāo)準(zhǔn)變量變換(SNV)后建立的模型為最優(yōu)模型,建模集相關(guān)系數(shù)和均方差為0.85412、2.65,預(yù)測集相關(guān)系數(shù)和均方差為0.82626、2.79。
　　 2、利用多傳感器信息融合技術(shù)將近紅外光譜、色差、pH三者的傳感器信息通過徑向基函數(shù)網(wǎng)絡(luò)(RBFN)進(jìn)行數(shù)據(jù)層的融合,來預(yù)測豬肉的揮發(fā)性鹽基氮含量。比較了單個(gè)信息和不同信息組合預(yù)測的結(jié)

3、果,發(fā)現(xiàn)三者融合在一起時(shí),揮發(fā)性鹽基氮預(yù)測模型的性能最好,訓(xùn)練集相關(guān)系數(shù)和均方差為0.98、1.565、預(yù)測集相關(guān)系數(shù)和均方差為0.945、2.722。
　　 3、通過多種數(shù)據(jù)處理方法建立并優(yōu)化了細(xì)菌總數(shù)的定量預(yù)測模型。其中:最優(yōu)光譜預(yù)處理方法為多元散射校正(MSC);相關(guān)系數(shù)法提取特征波段為9759～8878cm-1、8756～8230cm-1、7610～7212cm-1、6766～6606cm-1、4860～4582cm-1

4、,其中第一、第四和第五個(gè)波段區(qū)間與已測定的蛋白質(zhì)中的N-H在近紅外區(qū)域中的吸收譜帶較為一致,可以推斷豬肉中細(xì)菌總數(shù)含量和豬肉蛋白質(zhì)的變化有一定的關(guān)系;最后將提取出的特征波段輸入誤差反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP-ANN),得到最優(yōu)模型,其訓(xùn)練集和預(yù)測集的相關(guān)系數(shù)在0.98左右、均方差在0.23左右。
　　 4、建立了-18℃下凍藏0天、10天、20天、30天的豬肉樣本的主成分分析結(jié)合馬氏距離判別模型和概率神經(jīng)網(wǎng)絡(luò)(PNN)判別模型,