基于可见/近红外光谱生鲜肉多品质参数检测装置研发

为了解决生鲜肉多个品质参数快速、无损、同时检测的问题,该文利用双波段(350~1 100 nm和1 000~2 500 nm)可见/近红外光谱技术,结合硬件单元和编写的软件控制程序,研发了多品质参数同时检测装置,实现对双波段光谱信息的同时采集、实时处理、显示以及保存。基于该检测装置,采集覆盖生鲜肉多个品质参数的可见/近红外光谱信息(350~2 500 nm),经过平滑和标准正态变量变换(standard normal variate,SNV)预处理后,分别基于单波段和双波段光谱数据,与国家标准方法测定的猪肉颜色(L*、a*、b*)、p H值、挥发性盐基氮(total volatile basic nitrogen,TVB-N)、含水率、蒸煮损失和嫩度建立偏最小二乘(partial least square,PLS)预测模型。在此基础上,利用竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)筛选特征变量,建立简化的PLS模型,对各个品质参数的预测集相关系数分别为0.962 5、0.933 6、0.938 9、0.941 5、0.936 3、0.912 3、0.920 0和0.901 9,预测误差为0.628 7、0.757 6、0.547 1、0.078 2、2.835 4 mg/(100 g)、0.380 9%、2.560 0%和6.896 7 N。结果表明,该装置可以实现生鲜肉多个品质参数的同时检测,研究结果可为实时获取肉品品质信息,实现肉品评定和分级提供参考。     

猪肉货架期理化预测指标筛选及阈值确定

为筛选能够预测猪肉货架期的理化指标,并确定相应阈值,采集24 h排酸猪肉,分别测定0、2、4、6、8和10℃贮藏温度下猪肉的感官品质、挥发性盐基氮(TVB-N值)、p H值、水分活度(Aw)、色差L*值、a*值和b*值,并记录达到感官可接受终点时的贮藏时间。结果表明,不同温度下TVB-N值、p H值随贮藏时间的延长而升高,Aw、L*值、a*值随贮藏时间的延长而降低,b*值无明显变化;不同温度下感官评定货架期分别为216、168、144、120、96和48 h。TVB-N值、p H值、Aw和a*值能够有效反映猪肉货架期期间品质变化,可作为猪肉货架期的指示指标,各指标阈值分别为22.87 mg·100g-1、6.13、0.9903和6.11。本研究结果为猪肉物流和贮藏期间货架期预测模型建立提供了技术支撑。     

基于高光谱成像技术的猪肉新鲜度评价

该文研究利用高光谱成像技术预测猪肉新鲜度参数,挥发性盐基氮(TVB-N)和pH值。在470～1000nm波长范围内,从高光谱图像中提取的反射光谱,分别经过2次Savitzky-Golay(S-G)平滑、多元散射校正(MSC)处理后,建立PLSR(偏最小二乘法)的预测模型。对TVB-N的预测,使用2次S-G平滑处理、MSC光谱建立的PLSR预测模型相关系数分别为0.90和0.89,预测模型标准差分别为7.80和8.05。对pH值的预测,经过MSC处理比2次S-G平滑处理的结果好,相关系数为0.79,预测模型标准差为0.37。同时综合2个参数利用MSC处理后的预测模型对猪肉新鲜度进行评定,准确率达91%。研究结果表明,高光谱成像技术可以用于猪肉新鲜度快速无损检测。     

基于可见-近红外光谱的滩羊肉多品质指标无损检测

针对近红外光谱技术在生鲜肉品质检测中预测模型适用范围窄、检测指标单一、模型稳定性差、难以有效应用于生产检测等问题,本研究采集不同月龄宁夏滩羊宰后3个时期4个部位肉的可见-近红外光谱信息,测定色泽、pH值、蒸煮损失、剪切力以及蛋白质、粗脂肪和水分含量,利用2个波段(370~1 050 nm、900~1 700 nm)的光谱数据分别构建各个指标的偏最小二乘回归(PLSR)预测模型以实现滩羊肉多品质指标同步无损检测。结果表明,两波段中各品质指标的PLSR预测模型相关系数(R)均大于0.80,第二波段中水分含量PLSR模型预测集R可达0.941;两波段中各品质指标预测模型的性能较好,其中370~1 050 nm波段的光谱数据对样品色泽参数预测效果更好。综上所述,可见-近红外光谱技术可实现滩羊肉7个品质指标的快速无损检测。本研究结果为滩羊肉品质控制和滩羊屠宰加工企业优质特色产品的生产提供了技术支撑。     

便携式生鲜肉品质无损快速检测装置的设计

针对生鲜肉检测部门对可移动、便携式检测设备的实际需求,设计了基于ARM处理器便携式生鲜肉品质无损快速检测装置。介绍了该装置的工作原理、硬件构成、软件系统和功能测试。硬件系统由ARM控制处理单元、光源及检测单元、光谱数据采集单元、LCD触摸屏显示单元和散热单元组成,设计了Linux操作系统和生鲜肉品质参数采集处理应用程序。该系统可实现脱离计算机采集光谱信号、存储、显示及处理分析一体化的功能。该装置体积为184 mm×127 mm×114 mm,装置质量约为3.5 kg。以批量样品验证装置检测精度,试验结果表明,颜色L*、a*、b*3个参数的均方根误差分别为1.49、1.09和0.59,平均检测一个样品时间约为1 s。该装置可以快速获得样品参数,具有体积小、便携、无损伤、快速检测的特点,可用于生鲜肉品质的便携式检测。     

基于感官品质的油梨常温后熟进程预测模型

针对中国油梨市场油梨进口储运过程中储藏时间和品质变化难以把控及油梨损坏严重等问题,对常温常湿((25±1)℃、75%相对湿度)条件下果皮色泽、果肉硬度及感官品质指标进行测定,监测其在常温后熟过程中的内在变化规律,对色差、硬度、呼吸速率、质量损失率与果肉受喜爱程度进行皮尔逊相关性分析,利用无损检测指标色差a*值与储藏时间之间logistic方程,建立油梨后熟时间预测模型。结果表明:油梨平均单果质量随储藏时间的延长而减少,每日质量损失率和呼吸速率均呈现先增加后减少的趋势,果皮色泽在储藏时间小于3d时显著增加,其后趋于平衡,而果肉硬度表现相反的趋势,干基质量损失率、色泽(L*,a*和b*值)和硬度均与感官喜爱度呈显著相关性(P0.01)。基于色差测定的无损、快速、便捷,选取色差a*值进行预测模型的建立,色差a*值的logistic方程拟合效果较好,R2为0.993。模型的检验发现,在色差a*值4时,模型预测值与实测值有很好的线性相关性,决定系数为0.996,说明该模型在果皮色差a*值4时可以用于油梨常温后熟期的预测,研究结果可为油梨品质控制提供指导和依据。     

蛋壳品质的近红外光谱检测分析

蛋壳品质对蛋品孵化、贮存和运输均有重要影响。为了探索近红外光谱技术快速检测蛋壳品质的方法,该文在鸡蛋蛋壳品质指标相关性分析的基础上进行了蛋壳品质的近红外光谱检测分析,研究比较了不同建模方法、不同光谱预处理方法和不同波段范围对预测结果的影响。结果表明：在5段特征波长范围内建立的经过多元散射校正的偏最小二乘回归（PLSR,partial least squares regression）模型对蛋壳强度的预测结果最好,相关系数r为0.86,校正、预测均方根误差分别为4.42、7.53 N;同时蛋壳百分比（蛋壳质量/蛋质量）的PLSR模型的相关系数r为0.92,校正、预测误差分别为0.313%、0.529%;蛋壳厚度的PLSR模型的相关系数r为0.81,校正、预测误差分别为0.0176、0.0234 mm。研究结果表明应用近红外光谱技术预测蛋壳品质是可行的,为蛋壳品质的快速无损检测提供了一种新的方法。     

基于PLSR的土壤颜色预测方法及其与色系转换法的对比研究

传统的土壤颜色测定主要采用蒙塞尔比色卡比对,精度高,但费时费力。近年来尝试采用色系转换法预测土壤颜色,方法较为简便。基于土壤高光谱反射率和偏最小二乘回归(PLSR)方法进行土壤颜色预测,并与色系转换法进行对比研究。采集皖赣鄂交界地区76个不同颜色的土壤样品,分别采用PLSR及色系转换法进行土壤颜色预测,并与实测结果进行了对比。结果表明,PLSR交叉验证的R2cv分别达到0.62、0.61和0.75,测定值标准偏差与标准预测误差的比值(RPD)分别达到1.94、1.67和2.15,说明PLSR模型用于土壤颜色预测是可行的;其均方根误差(RMSE)仅为1.32、0.55和0.97个单位,较色系转换法的RMSE分别低0.94、1.24和0.95个单位,其HV/C整体预测误差?E的平均值为1.91,较色系转换法的平均值低5.16,说明PLSR方法预测土壤蒙塞尔颜色较色系转换法更优。该方法为土壤颜色的获取提供了一种新的途径。     

运输季节对生猪应激及猪肉品质的影响

为了研究运输季节对猪宰前应激及宰后猪肉品质的影响,该文以杜大长三元杂交猪为对象,测定了夏、秋和冬3个季节运输条件下猪的血液生化指标、血细胞系数以及宰后猪肉温度、p H值、保水性、色泽和剪切力的变化。结果表明:秋季运输猪血液中白细胞数、血红蛋白、红细胞压积、葡萄糖、促肾上腺皮质激素和皮质醇浓度显著低于夏季和冬季组(P0.05),胴体表面皮肤损伤也显著降低(P0.05)。运输季节对宰后猪肉胴体温度、p H值、色泽及保水性有显著性影响(P0.05)。与秋季运输相比,夏季运输猪宰后45 min胴体温度、滴水损失率、L值显著升高,a*值和剪切力显著下降(P0.05);冬季运输猪宰后猪肉a*值增加(P0.05),但滴水损失率与秋季组相比并无显著性差异(P0.05)。因此猪在秋季运输能显著降低宰前动物应激,提高宰后猪肉品质,夏季和冬季如能对运输环境分别进行防暑和保暖处理可能会对猪应激反应和猪肉品质产生积极的作用。该研究结果对于屠宰行业实际生产过程中缓解生猪宰前运输应激,改善动物福利以及提高猪肉品质提供参考。     

金银花贮藏过程中绿原酸含量的高光谱无损检测模型研究

绿原酸(chlorogenicacid,CGA)是评价金银花品质的重要指标。为了实现金银花贮藏期间CGA含量变化的快速有效检测,该文采集了500个不同贮藏时间(0～20d)的金银花高光谱图像,构建CGA含量的高光谱检测模型。为了提高模型性能,采用savizky-golay卷积平滑(SG),移动窗口平滑(moving average),标准正态变量(standard normal variable,SNV),基线校正(baseline correction,BC),多元散射校正(multiplicative scatter correction,MSC),正交信号校正(orthogonal signal correction,OSC)6种预处理方法并建立偏最小二乘回归(partial least squares regression,PLSR)模型,确定SNV方法为最佳预处理方法,其预测集的R2为0.976 6,RMSE为0.271 1%。为了简化校准模型,利用无信息变量消除(uninformative variable elimination,UVE),连续投影算法(successive projections algorithm,SPA),竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)以及UVE-CARS、UVE-SPA等方法对SNV预处理后的光谱提取特征波长。然后,分别基于全光谱数据和所选特征变量数据,建立线性偏最小二乘回归(PLSR)和非线性BP神经网络模型。结果表明:UVE-CARS算法可以有效地减少提取变量个数(共提取26个,仅占全光谱范围的3.2%),PLSR和BP模型的预测集R2分别为0.974 6和0.978 4,RMSE分别为0.286 3%和0.250 3%。非线性BP模型预测结果整体优于线性PLSR模型,在BP模型中,UVE-CARS-BP预测精度最高,预测集的R2和RMSE的值分别为0.978 4, 0.250 3%。综上,基于高光谱成像技术建立的SNV-UVE-CARS-BP模型,可以实现金银花贮藏过程中CGA含量变化的快速无损预测。     

掌上式生鲜猪肉新鲜度无损智能检测分级装置

为实现储运过程中生鲜猪肉新鲜度实时检测，该研究基于可见/近红外光谱技术开发了掌上式生鲜猪肉新鲜度无损智能检测装置。检测装置以可见\近红外光谱采集单元为核心，搭建了硬件系统，开发了生鲜猪肉新鲜度多指标同时检测和新鲜度分级软件系统。通过研发的检测装置采集了不同部位猪肉的650～1 100 nm波长范围的漫反射光谱，经过标准正态变量变换（standard normal variable transformation，SNV）预处理后，对比连续投影算法（successive projections algorithm, SPA）和竞争性自适应加权抽样算法（competitive adaptive reweighted sampling, CARS）算法优选了猪肉新鲜度特征光谱，分别建立了不同部位猪肉新鲜度指标通用预测模型，并根据挥发性盐基氮（total volatile basic nitrogen，TVB-N）含量和pH值预测值，将猪肉分为新鲜、次新鲜和变质3个等级。试验结果表明，通过 SNV预处理和CARS算法筛选特征波长后建立的PLS预测模型（下文简称“SNV-CARS-PLS”）具有更好的性能， TVB-N含量、pH值、亮度L*、红度a*和黄度b*通用预测模型的预测集相关系数分别为0.942、0.945、0.940、0.933和0.833，预测均方根误差分别为1.131 mg/100 g、0.136、1.706、1.217和0.717。将通用检测模型导入检测装置进行了试验验证，对不同部位猪肉样本试验结果表明，TVB-N含量、pH值、亮度L*、红度a*和黄度b*的预测结果与理化值的均方根误差分别为1.109 mg/100 g、0.134、1.140、1.094和0.636；新鲜度的分级正确率为92.86%；单个样品检测时间约为1 s。该检测装置可满足不同部位猪肉新鲜度多指标现场快速检测和分级的需求，为及时掌握储运过程中生鲜猪肉新鲜度情况、辅助决策储运和销售方案、保障生鲜猪肉品质安全具有重要作用。     

Kinetics of freshly squeezed orange juice quality changes during ozone processing

Freshly squeezed orange juice samples were ozonated with control variables of gas flow rate (0-0.25 L min (-1)), ozone concentration (0.6-10.0%w/w), and treatment time (0-10 min). Effects of ozone processing variables on orange juice quality parameters of pH, degrees Brix, titratable acidity (TA), cloud value, nonenzymatic browning (NEB), color values ( L*, a*, and b*), and ascorbic acid content were determined. No significant changes in pH, degrees Brix, TA, cloud value, and NEB ( p < 0.05) were found. L*, a*, and b* color values were significantly affected by gas flow rate, ozone concentration, and treatment time. The changes in lightness ( L*) values and total color difference (TCD) values were fitted well to zero-order kinetics, whereas a*, b*, and ascorbic acid degradation followed first-order kinetics. The rate constants for a*, b*, and TCD were linearly correlated with ozone concentration ( R (2) = 0.88-0.99), whereas the rate constants for L* and ascorbic acid were exponentially correlated ( R (2) = 0.94-0.98).     

连续投影算法在猪肉pH值无损检测中的应用

利用鲜肉的近红外光谱中少量特征波长对其pH值进行预测,可以大幅度降低模型复杂性和计算量,对开发无损检测装置, 实施肉品生产加工过程中pH值监测有重要意义。该文通过连续投影算法（SPA）选择特征波长建立简单多元线性回归模型（SPA-MLR）,并对比了SPA-MLR模型与全波段（5 000～10 440 cm-1）偏最小二乘回归模型（PLSR）及逐步线性回归（SMLR）、遗传算法（GA）选择特征波长所建模型的性能。结果表明经连续投影算法提取37个特征波长建立的模型,所用变量数仅占全波段的2.6%,校正集相关系数0.870,校正集均方根误差为0.094,验证集相关系数0.892,验证集均方根误差为0.085;性能与经多元散射校正预处理的PLSR模型接近,但采用变量数明显减少,优于逐步线性回归和遗传算法选择特征波长建立的模型,表明该方法可较好的选择特征波长,建立简单的预测模型。     

猪应激性状QTL微卫星标记与运输应激后肉质性状关系的研究

本研究在应激敏感品种皮特兰猪和抗应激品种二花脸猪为亲本建立的F2资源群体中选取52头140-150日龄、体重为65±5 kg的猪。2 h运输应激试验后静脉注射巴比妥钠麻醉屠宰取样。在已知的应激性状QTL座位区域内选择了22个微卫星标记,对各微卫星标记与运输应激后的pH45min、pH24h、嫩度、系水力、蒸煮损失以及肉色评分（l*, a*, b*）6项肉质指标进行了相关性分析。结果表明：各位点等位基因数为3～8个,杂合度为0.4155～0.7432,多态信息含量为0.3651～0.8150。方差分析显示：S0101对肉色a*有极显著影响(P<0.01);SW1023对系水力有显著影响(P<0.05);SW1808对系水力有极显著影响(P<0.01),对肉色l*、a*有显著影响(P<0.05);S0112和S0092对pH45min有显著影响(P<0.05)。研究结果表明在应激QTL座位内选取的这5个微卫星标记对运输后的猪肉品质存在显著影响。     

Effects of sonication on the kinetics of orange juice quality parameters

The effects of sonication on pH, degrees Brix, titratable acidity (TA), cloud, browning index, and color parameters ( L*, a*, and b*) of freshly squeezed orange juice samples were studied. Ultrasonic intensity (UI) levels of 8.61, 9.24, 10.16, 17.17, and 22.79 W/cm2 and treatment times of 0 (control), 2, 4, 6, 8, and 10 min were investigated. No significant changes in pH, degrees Brix, and TA ( p < 0.05) were found. Cloud value, browning index, and color parameters were significantly affected by ultrasonic intensity and treatment time. Changes in cloud value followed first-order kinetics, whereas browning index, L*, a*, and b* values followed zero-order kinetics. Reaction rate constants were linearly correlated ( R2 > 0.90) to ultrasonic intensity.     

不同品种间的猪肉含水率高光谱模型传递方法研究

针对目前的模型传递方法研究大多为不同仪器间的近红外光谱模型传递,该文采用高光谱技术建立猪肉含水率定量检测模型,并针对不同品种间的模型传递提出了一种分段直接校正结合线性插值(piecewise direct standardization combine with linear interpolation,PDS-LI)的传递算法。以杜长大、茂佳山黑猪和零号土猪3个品种为研究对象,以杜长大作为主品种,茂佳山黑猪和零号土猪作为从品种,采用偏最小二乘回归(partial least squares regression,PLSR)法建立猪肉含水率主模型,经PDS-LI算法对主模型进行传递后,主模型对茂佳山黑猪和零号土猪样品的预测决定系数R2p分别由传递前的0.263和0.507提高到0.832和0.848,预测均方根误差分别由传递前的1.151%和0.857%降低到0.470%和0.440%,剩余预测偏差(residual prediction deviation,RPD)分别由传递前的1.000和1.214提高到2.447和2.364。结果表明,PDS-LI传递算法能够实现杜长大对茂佳山黑猪和零号土猪样品的模型传递。研究结果为提高猪肉含水率模型适配性问题提供参考。     

超高压加工鲜切苹果片的色变动态特性

以红富士和冰糖心2种苹果为试材,研究0、200、300、400和500MPa超高压处理对鲜切苹果片的色变动态特性。结果表明,超高压处理能显著抑制鲜切苹果片在空气中的色变速率。采用4种三色值组合(ΔL*a*/b* 、ΔL*a*b*、Δ(ΔE)和ΔW.I.)作为色变指标研究鲜切苹果片的色变动态特性,结果表明,超高压处理和未处理的鲜切苹果片的各色变指标均随时间呈线性变化,鲜切苹果片的色变符合零级动力学反应。通过对三色值组合的优选,色变指标ΔL*a*/b*被选作反应压力对色变影响的最佳指标,并在此基础上建立了色变指标(ΔL*a*/b*)与压力(P)的关系模型。模型表明,400MPa为超高压加工鲜切水果片的较优压力。