基于可见近红外光谱及增强回归树算法的鸡蛋种类鉴别

利用可见-近红外光谱技术,选取湖北地区同一品种不同饲养环境下的鸡蛋,提取鸡蛋的光谱透射率(500~900nm),利用标准正态变量变换对光谱数据进行预处理,结合竞争性自适应重加权与主成分分析对光谱数据进行二次降维,并将提取的特征信息输入增强回归树算法,建立鸡蛋土洋种类鉴别模型,模型的训练集和测试集判别正确率分别为98.33%和97.00%。结果表明,应用基于可见-近红外光谱及增强回归树方法,针对同一母鸡品种但不同饲料产出的土洋鸡蛋的种类鉴别是可行的。     

鸡蛋蛋壳膜超微结构与呼吸强度的相关关系

蛋壳膜作为蛋壳的有机层是呼吸的必经通道,研究蛋壳膜的超微结构与鸡蛋呼吸强度的相关关系对于鸡蛋贮藏保鲜具有重大意义。该研究利用扫描电子显微镜（Scanning Electron Microscope,SEM）对蛋壳膜的超微结构图像进行表征。结果表明：强呼吸强度（≥3 mg/(kg?h)）与弱呼吸强度（≤1 mg/(kg?h)）鸡蛋的蛋壳膜纤维直径、孔隙度与厚度均存在显著性差异（P<0.05）;鸡蛋蛋壳膜纤维直径、外膜以及内膜外侧的孔隙度与呼吸强度存在极显著的正相关关系（P<0.01）,蛋壳膜厚度与呼吸强度存在极显著的负相关关系（P<0.01）。蛋壳膜外膜纤维直径大于内膜,厚度为内膜的3-4倍。以蛋壳膜外膜外侧孔隙度、外膜内侧孔隙度、内膜外侧孔隙度、内膜内侧孔隙度、外膜外侧纤维直径、外膜内侧纤维直径、内膜外侧纤维直径、内膜内侧纤维直径与外膜厚度、内膜厚度共10个指标特征参数为自变量,鸡蛋呼吸强度为因变量,建立较佳偏最小二乘回归模型,测试集相关系数为0.976 7,蛋壳膜超微结构可以很好地表征呼吸强度的大小;以弱、中与强呼吸强度作为分类依据,建立了偏最小二乘判别分析,测试集准确率为83.33%,说明在25 ℃空气环境下蛋壳膜超微结构对呼吸强度具有较好的判别效果。研究结果为更好地利用蛋壳膜超微结构特性来改良涂膜保鲜技术提供参考。     

基于光谱技术的禽蛋内部品质无损检测研究进展

禽蛋品质检测是食品安全和消费者权益的重要保障措施,传统禽蛋品质检测主要依赖人工进行,存在工作强度大、效率低且准确率波动大等弊端。光谱检测技术具有快速、安全、无损等优点,近些年来在禽蛋内部品质检测领域发展迅速。本文基于禽蛋的新鲜度、蛋白含量、脂肪含量、血斑肉斑、受精信息、种蛋性别、胚蛋活性等内部品质指标检测的有关研究,概述了近红外光谱、可见-近红外光谱、高光谱成像及拉曼光谱等光谱检测技术在禽蛋内部品质无损检测中的研究进展,分析总结了光谱检测技术在禽蛋无损检测中的应用特点与难点,并展望了其未来发展趋势,以期为我国蛋品无损检测研究及行业质量安全监管提供参考。