论文部分内容阅读
本文以市售的肉牛(安格斯、利木赞、西门塔尔、秦川)与奶牛为研究对象,分别检测五种牛肉的脖肉、眼肉、瓜条肉和里脊肉的理化指标,同时使用Vis-NIR高光谱成像技术与NIR高光谱成像技术,使用偏最小二乘判别分析法(PLS-DA)、线性判别分析法(LDA)和支持向量机(SVM)建立五种牛肉的品种识别模型。主要研究结果如下:(1)不同品种牛肉的理化指标间存在差异:与肉牛相比较,奶牛肉的色泽较差,色度与肉牛相比差异极显著(P<0.01),含水量和蛋白含量较低,pH值、剪切力较高,品质较差;肉牛之间相比较,秦川和利木赞具有较高的水分含量,分别为75.33%和75.98%,且蛋白质含量也较高,分别为22.47%、22.07%;秦川牛的剪切力最小为5.96 kg。安格斯和西门塔尔品质无太大差异。(2)对比利木赞和秦川牛的四个部位(脖肉、眼肉、瓜条、里脊肉)的理化指标存在显著差异,脖肉品质较差,里脊肉品质较好。(3)对400～1000nm和900～1700nm原始光谱进行6种光谱预处理,分别优选出两个波段的最佳预处理方法为多元散射校正、卷积平滑。(4)400～1000 nm和900～1700nm波段,不同品种牛肉的平均光谱曲线之间存在明显的差异,且肉牛与奶牛肉差异明显。秦川和利木赞牛脖肉的反射率较低,里脊肉的较高;(5)在400～1000 nm波段,LDA法优于SVM和PLS-DA,优选出LDA中的马氏距离法,校正集的识别率为96.62%,预测集的识别率为87.23%;对于900～1700nm波段,优选出LDA中的马氏距离法模型效果最好,校正集的识率为95.14%,预测集的识别率为83.33%。对奶牛肉的正确识别率高于四种肉牛之间的识别率。(6)对比分析β系数、UVE、SPA提取特征波长所建立的LDA模型,400～1000 nm和900～1700 nm两个波段建模效果最佳的是UVE和SPA。在400～1000 nm波段UVE提取到23个特征波长,校正集与和预测集的识别率分别为97.30%和81.56%;900～1700nm波段SPA提取到10个特征波长,校正集和预测集的识别率分别为91.39%和80.21%,UVE和SPA促进不同品种牛肉的定性分析,为肉牛业的发展提供技术支持。