论文部分内容阅读
肉色是评判羊肉感官品质及其新鲜度的视觉指标。在肉类生产过程中,亚硝酸钠是一种常用的食品添加剂,它可以使肉品保持诱人的粉红色,抑制食品腐败菌的生长,有利于改善肉制品的色泽。亚硝酸盐腌肉肌红蛋白含量是影响肉制品色泽变化的关键因素。针对不同贮藏期内亚硝酸盐腌肉色泽快速精准预测问题及其光谱特征变化尚不清楚的现状,本文基于可见近红外(visible/near-infrared,VIS/NIR)和近红外(near-infrared,NIR)高光谱成像技术对不同贮藏期内亚硝酸盐腌肉样本的色泽进行分析,以色度(L,a,b)和肌红蛋白(DeoMb,MbO2和MetMb)为检测指标,建立基于全波段的腌肉色泽变化的偏最小二乘(partial least squares wavelength regression,PLSR)预测模型;采用竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)、间隔随机蛙跳(interval Random Frog,IRF)、变量组合集群分析(variable combination population analysis,VCPA)及区间变量迭代空间收缩法(interval variable iterative space shrinkage approach,iVISSA)特征波长提取方法降维,建立特征波段下的腌肉色泽变化的PLSR和(least-squares support vector machines,LSSVM)预测模型,优选最佳模型。具体研究内容及结论如下:(1)分别建立VIS/NIR和NIR光谱的亚硝酸钠添加量的偏最小二乘判别分析(partial least squares discriminant analysis,PLSDA)模型,比较VIS/NIR和NIR波段建模效果。结果显示:基于NIR高光谱的PLSDA判别模型准确率高于VIS/NIR高光谱的PLSDA模型,其校正集准确率为88%,预测集准确率为82%;(2)建立基于VIS/NIR高光谱成像技术的腌肉色泽预测模型,分析对比不同预处理方法、特征波长提取算法和模型构建方法。结果表明,在色度预测方面,iVISSA-CARS-LSSVM模型在预测L值方面效果较好(Rc=0.9017,Rp=0.8562),CARS-LSSVM模型在预测a值方面效果更佳(Rc=0.9133,Rp=0.8983),而VCPA-LSSVM模型在预测b值方面效果较好(Rc=0.8380,Rp=0.7605);在肌红蛋白预测方面,CARS-PLSR 模型在预测 MetMb(Rc=0.9042,Rp=0.9092)方面效果较好,VCPA-PLSR在预测MbO2(Rc=0.9506,Rp=0.9707)方面效果更佳;而iVISSA-CARS-LSSVM 模型在预测 DeoMb(Rc=0.9166,Rp=0.9099)方面效果最佳。(3)建立基于NIR高光谱成像技术的腌肉色泽预测模型,分析对比不同预处理方法、特征波长提取算法和模型构建方法。结果表明,CARS-PLSR模型在预测亮度值L(Rc=0.7628,Rp=0.8003)和黄度值b(Rc=0.8512,Rp=0.8606)方面效果较好,iVISSA-PLSR在预测红度值a(Rc=0.9033,Rp=0.8985)方面效果更佳;在肌红蛋白预测方面,iVISSA-PLSR模型在预测DeoMb(Rc=0.8897,Rp=0.9017)和 MetMb(Rc=0.9157,Rp=0.8972)方面效果较好,而 CARS-PLSR在预测Mb02(Rc=0.9629,Rp=0.9661)方面效果更佳。