冰点调节剂对猪肉糜品质特性的影响

[目的]本文旨在研究冰点调节剂对猪肉糜品质特性的影响。[方法]首先测定添加冰点调节剂的猪肉糜的冰点,发现猪肉糜冰点由-2.8℃降至-4.8℃,之后将添加冰点调节剂的猪肉糜贮藏于-4℃条件下,并以2组不添加冰点调节剂的猪肉糜(分别贮藏于~(-1)℃和-4℃)为对照,测定贮藏期间菌落总数(total viable counts,TVC)、硫代巴比妥酸值(thiobarbituric acid value,TBARS)、挥发性盐基氮值(total volatile base nitrogen,TVB-N)、pH值以及色差值等指标。[结果]与不添加冰点调节剂的猪肉糜相比,添加冰点调节剂拓宽了猪肉糜冰温带。-4℃冰点调节剂组在贮藏终点TVC、TBARS和TVB-N的值为6.01lg(CFU·g~(-1))、0.19 mg·kg~(-1)和16.98 mg·100g~(-1),显著低于~(-1)℃组与-4℃组(P<0.05)。[结论]添加冰点调节剂提高了猪肉糜感官品质,延长货架期至20d。     

不同贮藏温度下猪肉货架期预测模型建立

为探讨不同贮藏温度对猪肉中生物胺含量影响并建立货架期预测模型,将猪肉背最长肌分别贮藏于-3、4及10℃条件下,在0、4、8、12、16、20、24、32、40、48 d测定样品中细菌总数(TVC)、挥发性盐基氮(TVB-N)及生物胺含量,利用阿伦尼乌斯(Arrhenius)方程,建立预测猪肉货架期动力学模型。结果表明,随贮藏时间延长,猪肉中TVC,TVB-N、腐胺、酪胺、总生物胺含量增加。利用Arrhenius方程构建生物胺总量与贮藏温度、贮藏时间之间动力学模型相对误差在10%以内。试验表明,该模型可在-3~10℃范围内对猪肉货架期准确预测,为猪肉包装贮藏及流通智能化预测提供理论依据。     

电化学传感器水果成熟度检测技术的研究

提出了一种基于电化学乙烯传感器的水果成熟度检测系统,通过实时检测水果释放的乙烯气体浓度来评判水果成熟度。该系统主要由电化学乙烯传感器、微处理器电路、微型真空泵和气室等构成。微处理器电路接收电化学传感器感测到的水果释放乙烯气体产生的电流信号,乙烯气体质量浓度检测结果直接显示在触摸屏上。通过4种质量浓度分别为2.99、4.99、8.01、10 mg·L~(-1)标准乙烯气体响应试验,建立了乙烯气体质量浓度与电化学传感器响应信号之间的定标曲线,乙烯气体质量浓度在0~10 mg·L~(-1)范围内,与电化学传感器响应信号相关系数为0.998 14,理论最低检出限为0.86 mg·L~(-1)。采用水果成熟度检测系统对不同成熟度的苹果释放的乙烯气体质量浓度进行了检测试验,结果表明该系统能对不同成熟度的水果进行有效区分和评判。     

基于电子鼻技术的玉米气味品质检测研究

为探索玉米品质的快速检测方法,利用由10个气敏传感器组成阵列的电子鼻系统对6个品质不同的玉米挥发性气味进行了检测分析,并将10个传感器对不同品质玉米的响应进行了方差分析。结果表明,10个传感器对品质不同的玉米响应差异显著,多重比较显示存在3个冗余传感器。去掉3个冗余传感器后对电子鼻检测信号进行主成分分析,结果显示6个品质不同的玉米能被很好的区分。采用BP神经网络建立传感器信号和玉米菌落总数之间的预测模型。通过测试集对BP网络模型进行验证得到菌落总数的预测值和测试值的相关系数为0.93,预测平均相对误差为2.44%、最大相对误差为15.82%。     

基于支持向量回归的鱼粉TVB-N值电子鼻检测

挥发性盐基氮(TVB-N)是衡量鱼粉新鲜度一个十分重要的指标,探索鱼粉TVB-N快速检测方法对鱼粉品质检测具有重要意义。利用研制的电子鼻对不同新鲜度的鱼粉样本进行电子鼻数据采集,建立了电子鼻数据和TVB-N值之间的支持向量回归模型(SVR),利用预测集进行验证,并与多元线性回归(MLR)方法进行比较。结果表明,支持向量回归模型预测精度优于MLR模型,其决定系数R2、预测标准差SEP、最大相对误差RE-max、平均相对误差RE-mean分别为0.910、4.32、8.92%、1.87%。支持向量回归和电子鼻技术检测鱼粉TVB-N含量是可行、有效的方法。     

基于高光谱成像技术的羊肉新鲜度预测

为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型。通过高光谱成像系统获取羊肉样本935～2 539nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱。利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型。依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度。比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数R_c~2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数R_p~2和均方根误差RMSEP分别为0.86和3.36。综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据。     

不同成熟度草莓鲜榨果汁的电子鼻和电子舌检测

采用电子鼻和电子舌,通过主成分分析(principal component analysis,PCA)、线性判别分析(linear discriminant analysis,LDA)对不同成熟度草莓鲜榨果汁的风味品质进行检测区分,并通过偏最小二乘回归分析(partial least squares,PLS)建立电子鼻和电子舌传感器响应信号与草莓鲜榨汁理化指标之间的关系,定量预测草莓的品质指标.结果表明:PCA和LDA法均对不同成熟度草莓鲜榨汁的区分效果较好,且电子舌的区分效果好于电子鼻,电子鼻和电子舌传感器响应信号融合后的区分效果与电子舌相当;通过PLS法,电子舌传感器响应信号能够较好地预测不同成熟度草莓鲜榨汁的可溶性固形物含量、Vc含量和pH值,但对总酸含量的预测能力稍差,其校正决定系数R2为0.876,预测决定系数R2为0.793;电子鼻和电子舌传感器响应信号融合后能够很好地预测不同成熟度草莓鲜榨汁的可溶性固形物、Vc和总酸含量及pH值,其预测能力好于单一的电子鼻或电子舌,其中对于电子舌不能很好预测的总酸含量其校正决定系数和预测决定系数分别上升为0.965和0.908.表明采用上述方法能对样品进行较好地区分且能对样品的品质指标进行较好地预测,其中电子鼻和电子舌信号融合对样品的区分能力和预测能力增强,验证了电子鼻和电子舌结合是对样品气味和味道的综合信息进行评价.     

鸽肉贮藏品质变化和货架期预测模型

为快速、准确地预测鸽肉在冷藏条件下的货架期，研究了鸽肉在贮藏温度为0、4、8、12℃下鸽肉的挥发性盐基氮(total volatile basic nitrogen, TVB-N)、色度值和菌落总数的变化情况，再对各指标进行相关性分析，以TVB-N值为指标建立一级动力学模型，并通过阿伦尼乌斯(Arrhenius)方程对货架期进行了预测。结果表明：选择TVB-N作为关键因子所得预测模型方程为A=A₀exp(2.402 6×10²³e^{-128 061/RT}t),鸽肉在低温冷藏条件下的预测货架期与实测货架期的相对误差在±10%以内。由此可见，所得预测模型方程可用于预测鸽肉在贮藏温度0～12℃下的货架期。     

基于虚拟仪器的鱼粉新鲜度电子鼻测量系统

为寻求方便快捷的鱼粉新鲜度测量手段,根据鱼粉腐败过程中产生的气体成分,选择TGS822醇类及有机溶剂型传感器、TGS825硫化氢型传感器、TGS826氨气和胺类传感器及TGS832卤烃型传感器作为电子鼻的气体传感器阵列,设计了基于USB总线标准的便携式采集装置和基于虚拟仪器开发平台LabVIEW的鱼粉新鲜度电子鼻测量系统。利用该系统对鱼粉样本进行气味信号采集,同时对鱼粉样本中的TVB-N的含量采用半微量凯式定氮法进行检测,通过主成分分析(PCA)法对鱼粉样本的电子鼻数据进行聚类分析,并与化学分析结果进行对比,验证系统的有效性。结果表明,基于虚拟仪器鱼粉新鲜度电子鼻测量能够区别不同新鲜度的鱼粉样本,证明了该电子鼻测量系统的有效性。     

不同温度贮藏过程中海鲈鱼品质变化和货架期预测模型的建立

为了探究海鲈鱼在不同温度贮藏过程中品质变化及实时监测物流过程中的货架期,将海鲈鱼贮藏在-3、0、4、10、15℃条件下,测定持水力、低场核磁共振横向弛豫时间(low-field nuclear magnetic resonance,LF-NMR)、质构、硫代巴比妥酸(thiobarbituric acid,TBA)值、挥发性盐基氮(total volatile base nitrogen,TVB-N)值与菌落总数(total viable count,TVC),并进行感官评分和观测海鲈鱼背部肌肉微观结构,在此基础上构建货架期预测模型。结果显示:随贮藏温度的降低,海鲈鱼品质下降速率越慢,货架期越长,但在-3℃下因微冻造成贮藏前期品质下降明显,在0℃下贮藏的海鲈鱼更能维持其组织纤维结构、品质最佳;在各温度下贮藏的海鲈鱼中的不易流动水随着贮藏时间的延长不断减少,不易流动水从细胞内部逐渐迁移到细胞间、肌纤维间,造成流动水含量的升高,海鲈鱼鱼肉水分分布的改变与其品质劣变相对应。采用Arrhenius方程构建的贮藏温度、贮藏时间与TVB-N值和菌落总数之间的动力学模型,可用于-3～15℃范围内海鲈鱼货架期的预测。     

复合保鲜剂对冻藏虾夷扇贝品质的影响

为研究复合保鲜剂对冻藏虾夷扇贝Patinopecten yessoensis品质的影响,以感官评定、挥发性氨基态氮(TVB-N)、细菌总数(TVC)、p H、硬度、弹性、内聚性、耐咀性、SH基和可溶性蛋白质含量为评定指标,进行了由10%氯化钠、3%乙醇、2%甲壳素、5%甘油、3%蔗糖与10%抗冻蛋白AFPs组成的复合保鲜剂对虾夷扇贝冷冻贮藏(-20℃±2℃)过程中品质变化的影响试验。结果表明:复合保鲜剂能有效地抑制TVB-N值的上升速度和硬度、感官评价值的降低速度,但对TVC、p H、弹性、内聚性、耐咀性、SH基总量和可溶性蛋白质几乎无影响。研究表明,经此复合保鲜剂处理后,冻藏虾夷扇贝的品质明显改善,贮藏货架期可得到适当延长。     

基于可见-近红外光谱变量选择的土壤全氮含量估测研究

【目的】变量选择是可见光-近红外光谱研究至关重要的步骤,通过分析可见光-近红外光谱不同特征的选择方法筛选出土壤全氮敏感波段,建立基于敏感波段的土壤全氮最佳预测模型,为土壤全氮的快速定量估算提供重要的理论指导依据。【方法】在红壤典型地区江西省吉安县采集代表性土壤样品120个,对可见光-近红外光谱采用主成分分析（PCA）、无信息变量消除（UVE）和无信息变量消除后结合连续投影（UVE-SPA）3种变量特征选择方法,建立基于不同变量选择的偏最小二乘回归（PLSR）模型、最小二乘-支持向量机（LS-SVM）、反向传播神经网络（BPNN）和遗传算法优化的反向传播神经网络（GA-BPNN）模型,从模型对预测集的预测精度分析不同变量选择方法对不同土壤全氮定量估算模型的差异。【结果】经UVE算法筛选后,光谱变量从200个减少至59个,其中可见光波段处10个,其余在近红外光谱的合频区和一倍频区,信息量丰富;进一步采用SPA进行变量选择,得到共线性最小的5个有效波长,分别为820、940、1 040、1 060和1 990nm;基于UVE变量选择建立的PLSR、BPNN、GA-BPNN和LS-SVM模型,经不同的土壤全氮的数据检验,预测精度最高的为LS-SVM,决定系数（R2）、均方根误差（RMSEp）和相对偏差（RPD）分别为0.7492、0.2921和1.8904;基于UVE-SPA特征选择建立的PLSR、BPNN、GA-BPNN和LS-SVM模型对预测集的验证表明,UVE-SPA提取的特征波段建立的LS-SVM建立模型预测效果最好,其建立的LS-SVM定量估算模型预测集的决定系数R2为0.7945,均方根误差RMSEp为0.2499相对偏差RPD为2.0009,模型稳定;基于PCA提取的7个主成分建立的LS-SVM、BPNN和GA-PBNN模型预测性能差,不能用于定量估算土壤全氮。对比相同的变量建立的GA-BPNN和BPNN,GA-BPNN预测性能比BPNN高。【结论】UVE-SPA变量选择方法结合LS-SVM模型能用来估算土壤中的全氮含量,同时UVE-SPA是一种有效的土壤光谱变量选择方法。     

基于LS-SVM的烤烟烟叶产地判别

为了探索一种快速有效的烤烟烟叶产地鉴别方法,利用近红外光谱技术结合最小二乘支持向量机(LS-SVM)对烤烟烟叶的产地进行了判别。选择云南、湖北、河南三地不同等级烤烟烟叶作为研究对象,对原始光谱数据进行平滑和附加散射校正(MSC)预处理后再进行主成分分析,选择4～12个主成分作为输入变量进行LS-SVM建模。结果显示,该LS-SVM模型预测效果较好,预测相关系数rp≥0.990 7,预测标准误差(SEP)和预测均方根误差(RMSEP)分别为1.755 1和1.737 3,优于偏最小二乘回归(PLS)的预测结果,基于LS-SVM的近红外光谱技术能够很好地对烟叶产地进行判别。     

三甲胺/氧化三甲胺摩尔比值法在美国红鱼鲜度评价中的应用

以美国红鱼(Sciaenops ocellatus)为研究对象,对不同温度贮藏过程中三甲胺(TMA)、氧化三甲胺(TMAO)、挥发性盐基氮(TVB-N)、菌落总数(TVC)进行检测,并进行感官评定。建立以三甲胺/氧化三甲胺摩尔比值为指标的鱼产品鲜度评价方法,并通过与传统的感官评定、挥发性盐基氮、菌落总数对比,检验新方法的可行性。结果表明,该比值与传统方法有着极显著的相关性,三甲胺/氧化三甲胺摩尔比值法比传统方法更能直接有效反映鱼产品的新鲜度,操作也更简便。     

基于机器学习算法的农田挥发氨多传感器阵列检测技术研究

【目的】设计能够快速、低成本、便捷检测农田挥发氨装置。【方法】构建基于二氧化锡(SnO₂)半导体气体传感器阵列检测系统,并在新鲜空气(氨气质量浓度为0 mg·m^-3)和氨气质量浓度分别为75.9、151.8、303.6mg·m^-3条件下,以及混合有乙醇的空气、纯乙醇气体(质量浓度为151.8 mg·m^-3)、混合有氨气的空气和纯氨气气体(质量浓度为151.8 mg·m^-3)样品下,通过主成分分析法(principal component analysis,PCA)、K-最近邻算法(K-nearest neighbors,KNN)和支持向量机算法(support vector machine,SVM)对多传感器阵列响应稳态阶段和暂态阶段的数据进行分类处理,分析该系统对不同质量浓度氨气和混合气体环境下氨气的区分效果。【结果】该装置能够明显区分不同质量浓度氨气,稳态阶段的主成分1值超过90%。KNN与SVM算法稳态阶段平均准确率超过97%,暂态阶段平均准确率68%,KNN与SVM平均...     

近红外光谱技术建立镜鲤新鲜度定量预测模型

以镜鲤为研究对象,利用近红外光谱技术和化学计量法采集、测定相关指标,并应用偏最小二乘法(PLS)、偏最小二乘法和BP人工神经网络两种方法经比较优化模型。经过鱼肉样品光谱的扫描及pH值、TVB-N(挥发性盐基氮)值、TBA(硫代巴比妥酸)值的测定,在21种预处理下,确定最佳建模方式、预处理方式和最优波段。经模型优化得知,pH、TVB-N、TBA均在偏最小二乘法中建立的模型最好,最优预处理方法分别为基线校正和标准正态变量变换、净分析信号、Savitzky-Golay导数和基线校正,最优波段分别为1 000~1 300 nm和1 700~1 799 nm、1 000~1 200 nm和1 300~1 650 nm、1 000~1 799 nm,并且pH、TVB-N和TBA的Rc分别为0.9906、0.99865、0.99971,Rp分别为0.6436、0.021357、0.7723,达到了利用近红外光谱技术对镜鲤新鲜度高效、快捷、无损伤的定量检测预测模型的建立。     

不同取代基羧甲基壳聚糖对冷藏河豚鱼品质的影响

研究了不同取代基羧甲基壳聚糖对冷藏河豚鱼品质的影响。用质量浓度均为0.05 g/L的羧甲基壳聚糖、N,O-羧甲基壳聚糖、O-羧甲基壳聚糖水溶液浸泡鱼肉,装袋后置于4℃的冰箱中冷藏。以细菌总数(TVC)、挥发性盐基氮(TVB-N)、pH值、硫代巴比妥酸(TBA)以及三甲胺(TMA)为评价指标,测定河豚鱼冷藏过程中的品质变化。结果表明,不同取代基的羧甲基壳聚糖均能够有效地抑制细菌的增殖,延缓pH值、TVB-N、TBA和TMA含量的上升;其中,O-羧甲基壳聚糖保鲜效果尤为显著,优于其他取代基的羧甲基壳聚糖,可以有效地延长冷藏河豚鱼的货架期。     

基于机器视觉和近红外光谱的壶瓶枣无损检测

以壶瓶枣为对象探讨用机器视觉和近红外光谱技术检测壶瓶枣内外品质。通过图像处理技术获取壶瓶枣投影面的边缘提取图像,然后使用最小外接矩形法求得图像的像素点个数,以此求得壶瓶枣投影面的面积。采用MSC对壶瓶枣近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、主成分回归(PCR)和偏最小二成支持向量机(LS-SVM)3种建模方式对壶瓶枣可溶性固形物的含量进行预测。结果表明,使用LS-SVM模型获得了最优的预测结果,其预测集的相关系数和均方根误差分别为0.9901和0.328。研究表明,机器视觉结合近红外光谱技术能对壶瓶枣内外品质进行综合检测。     

特征波长筛选结合PCA-LSSVM 对甜瓜叶片SPAD值的预测

【目的】利用光谱技术对定量估测大田甜瓜冠层叶片叶绿素含量,为田间的水肥调控以及田间管理提供理论依据。【方法】采用一阶求导对400～1 100 nm的叶绿素可见近红外反射光谱数据进行预处理,对于冗余的光谱数据,先分别使用特征筛选中的竞争性自适应重加权采样法(CARS)、遗传算法(GA)、蒙特卡罗无信息变量消除法(MC-UVE),再分别与主成分分析(PCA)特征提取算法融合;分别建立极限学习机(ELM)、支持向量机(SVM)、最小二乘支持向量机(LS-SVM)对甜瓜叶片SPAD定量预测模型。【结果】单一的特征筛选下,最优预测模型为CARS+SVM,校正集相关系数为0.903 5,预测集相关系数为0.893 1;特征筛选和特征提取融合下,最优的预测模型为GA+PCA+LSSVM,校正集相关系数0.955 8,预测集相关系数为0.939 7。【结论】优化后的模型可用于定量分析的使用,精准测定甜瓜叶片叶绿素含量。     

基于LS-SVM的养殖水体氨氮含量分析预测模型

养殖水体的氨氮含量是水产养殖中的关键水质指标,是评价水体污染情况的基本测量项目。设计一种自动氨氮监测系统,自动抽取水样并定时测量,使用最小二乘支持向量机算法(LS-SVM)建立了分析预测模型,LS-SVM最小二乘支持向量机算法增强了泛化能力,减少了异常样本的预测偏差,提高了预测学习的精度。对基于神经网络模型、基于LS-SVM模型进行了仿真比较,结果显示LS-SVM模型具有更优良的分析预测效果。