论文部分内容阅读
食品质量安全关系到国计民生,先进的食品检测技术对保障食品质量安全有重要意义。猪肉是我国消费量最多的肉类,同时我国也是猪肉消费世界第一大国。因此,猪肉的质量与安全一直以来都是国家和消费者所关心的问题。猪肉的储藏和加工方式多样,不同加工猪肉具有不同的品质特征。现有对猪肉品质检测的方法包括化学分析、仪器分析和感官分析等,这些分析方法费时、费力、对样品具有破坏性且容易产生污染,很难满足现代食品工业对检测技术客观、快速、无损的检测要求。高光谱成像技术作为一种同时融合了光谱技术和图像技术的新兴、快速、无损检测技术,在食品品质与安全检测领域的应用得到了发展。本课题以猪肉为研究对象,利用可见近红外(400–1000 nm)、短波近红外(1000–2000 nm)和单景(465–630 nm)高光谱/多光谱成像技术,结合光谱分析方法、数字图像处理方法和化学计量学方法,运用计算机编程技术,研究了加工猪肉的品质与光谱和图像特征之间的变化规律,建立了表征加工猪肉品质指标的高光谱成像检测方法。本研究从以下几个方面开展。(1)建立冷藏或冷冻单一加工猪肉的品质快速检测方法。在4℃下储藏的冷鲜猪肉在6天内的p H值和4天内TVC值变化不显著,之后显著上升,冷冻解冻猪肉比新鲜猪肉的p H值显著降低,且一次冷冻解冻的汁液损失小于两次冷冻解冻。对冷鲜猪肉的p H值和TVC值以及对冷冻解冻肉的p H值和汁液损失的最佳预测模型为VIS-NIR-SPA-PLSR,模型的预测性能依次是R_P~2=0.8183、RMSEP=0.11和R_P~2=0.8371、RMSEP=0.70log10CFU/g以及R_P~2=0.7825,RMSEP=0.11和R_P~2=0.8375,RMSEP=0.91%,对冷冻解冻猪肉和新鲜猪肉的最佳分类模型使用VIS-NIR-SPA-PCA-GLGCM-PLS-DA(CCR=97.73%)。因此,建立了对冷藏或冷冻处理猪肉相关品质的无损检测方法。(2)使用不同光谱预处理方法,建立对煮制单一加工猪肉的品质快速检测方法。煮制猪肉的脂肪相对含量先增大后减小,饱和脂肪酸和不饱和脂肪酸的相对含量变化不显著,肌浆蛋白和肌原纤维蛋白含量随着煮制而减小,煮制120 s后不存在显著差异。并得到了对煮制猪肉品质预测/分类的最佳模型(使用A-V-original对脂肪含量预测:R_P~2=0.7884、RMSEP=0.34%,使用R-N-SNV对饱和脂肪酸含量预测:R_P~2=0.8030、RMSEP=0.46%,使用R-V-1st-der-COW对不饱和脂肪酸含量预测:R_P~2=0.7984、RMSEP=0.42%,使用R-V-1st-der-COW对肌浆蛋白含量预测:R_P~2=0.8480、RMSEP=1.26%,使用A-V-1st-der-COW对肌原纤维蛋白含量预测:R_P~2=0.9185、RMSEP=0.95%,使用R-V-MSC-SPA-SVM对大分子蛋白是否降解分类:CCR=88.89%)。光谱预处理方法对提升模型精度有积极意义,本研究引入的COW处理光谱的新方法有较强的应用潜能。(3)将研究对象从单一加工猪肉拓展到多种加工猪肉,使用高光谱图像特征提取方法,建立水分快速检测方法。加工猪肉水分含量预测最佳模型使用SW-NIR-RC-PLSR(R_P~2=0.9101、RMSEP=1.03%)对应的特征波长为1019、1134、1159、1255、1446、1752和1911 nm。提取特征波长对加工猪肉的水分预测效果最好,单独使用图像纹理特征的效果较差。新方法光谱吸收指数法的性能比特征波长的性能略低,但选择的特征更少。(4)研究不同化学计量学回归方法,建立对多种加工猪肉的蛋白类物质快速检测方法。多种加工猪肉水分与粗蛋白含量存在负相关性。最佳的加工猪肉蛋白质含量预测模型使用SW-NIR-LS-SVM(R_P~2=0.8961、RMSEP=0.82%),肌浆蛋白含量预测模型使用SW-NIR-MLR(R_P~2=0.8848、RMSEP=0.47%),肌原纤维蛋白含量预测模型使用SW-NIR-PLSR(R_P~2=0.9053、RMSEP=0.47%)。回归模型的选择对最终预测结果的影响较大。(5)综合使用不同数据分析方法,建立对多种加工猪肉的脂肪类物质快速检测方法。多种加工猪肉水分含量与粗脂肪含量存在负相关性。最佳的加工猪肉脂肪预测模型使用VIS-NIR-SNV-RC-PLSR(R_P~2=0.8097、RMSEP=0.58%),饱和脂肪酸含量预测模型使用VIS-NIR-MSC-UVE-SPA-PLSR(R_P~2=0.7890、RMSEP=0.80%),不饱和脂肪酸含量预测模型使用VIS-NIR-COW-SPA-PLSR(R_P~2=0.8240、RMSEP=0.78%)。多种数据处理方法协同分析对提升预测模型性能有积极意义。(6)在使用高光谱成像技术检测多种加工猪肉品质的基础上,进一步使用单景多光谱成像技术,将高光谱成像技术向多光谱成像技术应用转换,建立多种加工猪肉主成分含量检测的多光谱应用方法。选择相同波段时,线扫描高光谱成像系统与单景多光谱成像系统在预测猪肉主成分时的差异性较小,特征波长的选择对模型的影响较大。同时探索了现有单景多光谱成像设备(16个波长)继续小型化的可行性,结果显示选择9个融合特征波长(402、408、411、414、421、435、466、626和991 nm)同时对多种加工猪肉主成分含量进行预测时,基于VIS-NIR的预测模型的R_P~2大于0.79,为高光谱成像技术快速化和小型化提供了理论和技术支持。