生物散斑技术在农产品品质分析中的应用

该文综述了生物散斑技术的装置结构、数据处理方法及其在农产品品质检测中的应用进展。生物散斑技术是一种成本较低、快速、无损、实时和可定性/定量的光学无损检测技术,在农产品质量检测的应用中,由于生物散斑活性与农产品的细胞器颗粒大小和细胞质流等生理特征关系密切,因此该技术可用于果皮厚度、成熟度、硬度、酸度、可溶性固形物含量、淀粉含量、水分含量、呼吸速率等理化指标的测量。该文指出今后生物散斑技术的发展需要改进设备,稳定相干光光源,还需要深入研究生物散斑在农产品生理学上的意义,从而实现该技术的标准化和商品化。该文为今后生物散斑技术在农产品品质分析领域的发展提供了一定指导意义。     

基于生物散斑技术的两部位牛肉质构特性预测模型改进

以时间序列散斑图的惯性力矩表征图像的散斑活性,采用感官评定法、质构剖面分析法(TPA)和WarnerBratzler(W-B)剪切力法分析牛里脊肉的质构特性,研究了不同测定方法的相关性,并建立了散斑活性对里脊肉质构特性的预测模型;同时,针对里脊肉和腱子肉2种部位牛肉间质构特性差异较大,不能用同一模型进行预测的问题,应用斜率/截距法(S/B)和Kennard-Stone(K-S)样本添加法对模型进行改进,选择一种较准确易行的方法,使模型在2部位间得到快速的传递。结果表明,感官评定和TPA测得的硬度和咀嚼性间具有较高的正相关性,相关系数分别达到0.98和0.90,且W-B剪切力法与TPA的硬度决定系数也达到了0.95,证明了3种测定方法的可靠性。通过散斑活性值对质构特性进行预测时,硬度、咀嚼性及W-B剪切力的预测决定系数分别达到了0.83、0.77和0.69。分别用2种方法对模型进行改进,可知采用S/B法时,改进后的里脊肉模型对腱子肉的预测均方根误差RMSE为26.65,准确因子Af和偏差因子Bf分别为1.15和1.08。而采用K-S样本添加法,加入代表性样本数为12时,模型对腱子肉的预测达到较理想水平,RMSE为13.21,Af和Bf分别为1.07和1.02。K-S样本添加法能够在预测过程中更好地降低部位间差异,提高模型对腱子肉的预测精度,且改进效果优于S/B法。