近红外光谱技术在食用菌品质检测方面的应用研究进展

食用菌是一类高蛋白、低脂肪且兼具药用价值的大型真菌,因其多营养、鲜风味、低热量、多功效等特点而成为餐桌上常备食材之一。随着消费理念不断转变,食用菌的高品质和高营养需求成为必然。近红外光谱(near-infrared spectroscopy,NIRS)技术因其快捷、无损、多组分同时检测、绿色无污染等优点,被广泛应用于食用菌品质检测研究。本文全面归纳综述了近5年来NIRS技术结合化学计量学方法在食用菌理化组分、活性成分、品种鉴别、产地溯源、病原菌污染、掺假识别等及其他方面的研究及应用进展,同时提出了NIRS技术在食用菌品质检测应用方面的发展策略,以期为完善NIRS技术检测食用菌理论、研发专用食用菌检测设备提供方法参考和思路借鉴。

近红外光谱联合化学计量学在柑橘类水果质量无损检测方面的最新研究及应用进展

柑橘类水果以其诱人的风味和高保健作用而备受消费者青睐。面对日益增长的市场份额,以及对口感、质量的双重需求,高品质柑橘类水果成为消费偏爱。快速检测技术的研发应用可为柑橘类水果的安全生产和消费保驾护航。近红外(near-infrared,NIR)光谱技术作为一种无损、便捷、高效的绿色检测技术,已被广泛用于水果质量检测研究。文章全面归纳综述了近5年来NIR光谱技术结合化学计量学在柑橘类水果内部成分、外部缺陷、活性物质、病害、品种、分类、产地等方面的检测研究及应用进展,阐明了NIR光谱技术在柑橘类水果质量检测应用方面的发展趋势并提出了相关建议,为完善光谱技术检测柑橘类水果理论和研发专用水果检测设备提供方法借鉴。

近红外光谱技术在甘薯品质检测方面的应用研究进展

甘薯是一种药食兼用且低热量的块根状食物,其富含多种人体必需的营养物质和生物活性成分,可用于预防多种疾病。甘薯品质的优劣直接影响其产品质量、分类分级及经济价值。快速、高效的检测技术在保障甘薯品质和安全方面可发挥重要作用。基于近红外光谱(near-infrared spectroscopy,NIRS)技术快速检测分析甘薯品质的研究已有不少报道。本文全面综述了NIRS技术在甘薯理化组分(蛋白质、淀粉、糖类、水分等)、活性成分(黄酮类物质、类胡萝卜素等)、制品掺假以及其他(品种鉴定、重金属、微生物污染等)等方面的研究及应用进展,同时提出了NIRS技术在甘薯品质检测应用方面的发展趋势和研究重点,以期为进一步完善NIRS在甘薯品质快速评价研究和相关快检设备研发方面提供更多借鉴。

基于近红外高光谱技术快速检测豌豆蛋白掺假牛肉

利用近红外高光谱成像技术结合偏最小二乘模型(PLSR)对牛肉掺入豌豆蛋白进行快速无损检测。将豌豆蛋白按照1%~30%(w/w)的浓度梯度掺入牛肉糜中(掺入浓度间隔1%),共获得93个样品以采集其光谱信息。经移动平均值平滑(Moving average smoothing,MAS)、高斯滤波平滑(Gaussian filter smoothing,GFS)、基线校正(Baseline correction,BC)、S-G卷积平滑(Savitzky Golay convolution smoothing,SGCS)、标准正态变量校正(Standard normal variable correction,SNV)等5种方法预处理光谱信息后,利用PLSR算法构建预测模型。然后采用回归系数法(Regression Coefficient,RC)、逐步回归法(Stepwise)和连续投影算法(Successive Projections Algorithm,SPA)筛选最优波长进行模型优化。结果显示,经过GFS预处理所构建的全波段PLSR模型预测效果更好(R_(P)^(2)=0.87,RMSEP=3.22%,ΔE=1.82,RPD=5.82)。采用RC法从GFS光谱中选取的24个最优波长(908.8、913.7、918.7、928.5、936.8、945.0、961.5、971.3、994.4、1017.4、1033.9、1099.7、1135.8、1167.1、1196.7、1211.5、1453.6、1549.3、1607.1、1633.7、1660.1、1678.4、1683.4和1686.7 nm)建立的优化PLSR模型效果最好(R_(P)^(2)=0.90,RMSEP=2.85%,ΔE=1.13,RPD=6.19)。试验表明,高光谱成像技术可实现豌豆蛋白掺入牛肉的快速无损检测。

鸡蛋壳、壳下膜分离工艺优化

为了开发利用鸡蛋壳和蛋壳膜,首先必须使二者分离。本文采用机械粉碎、水浮选和稀酸处理相结合的方法进行壳膜分离,筛选了鸡蛋壳、壳下膜分离的条件;通过单因素实验考察盐酸体积、反应时间、盐酸浓度对蛋壳膜脱钙率的影响,并采用响应面分析方法,对稀盐酸除蛋壳膜中残留蛋壳的工艺条件进行优化。结果表明:鸡蛋壳在粉碎机运行5 s/次、粉碎3次的条件下壳膜分离效果最佳,出粉率58.72%,脱膜率87.91%,综合得分72.91;用盐酸去除蛋壳膜中残留蛋壳的最佳工艺条件为粗蛋壳膜1 g时,使用盐酸体积20 mL、反应时间19 min、盐酸浓度0.5 mol/L,此时脱钙率可达89.21%。该工艺为鸡蛋壳的精深加工提供技术支撑。

近红外光谱技术在生鲜禽肉质量检测中应用的研究进展

近红外光谱(near-infrared spectroscopy,NIRS)技术作为一种快速、无损、绿色的检测技术正在被广泛用于禽肉品质研究,通过将肉样光谱信息和品质指标参考值相关联,构建高精度、高稳定性的数学模型预测未知肉品品质。相比传统检测方式,NIRS技术具有无需预处理、更加丰富的信息量、数据计算更快等优势,在肉制品检测应用方面潜力巨大。本文主要综述了NIRS技术在生鲜禽肉(鸡肉、鸭肉、鹅肉)物理属性、化学指标以及微生物腐败等方面检测的研究进展,归纳总结了NIRS技术结合不同化学计量学算法构建模型检测禽肉各品质指标的效果,同时提出了NIRS技术在检测禽肉方面存在的缺点及未来发展趋势,可为改善NIRS技术检测应用、研发便携式NIRS检测设备提供数据支撑和理论参考。

近红外光谱技术在肉品掺假检测方面的研究进展

近红外光谱(Near-Infrared Spectroscopy,NIRS)技术是一种通过获取被测样品的近红外光谱信息,并使用化学计量学方法挖掘被测样品指标和光谱信息之间定性定量关系的一种无损分析技术。该技术通过构建精确度高、稳定性好的数学模型,可在不破坏样品完整性和无需样品前处理的前提下获取被测样品信息,实现肉品掺假成分及掺假量的快速预测,目前在肉品掺假方面已有大量研究且应用潜力巨大。本文主要综述了2010年至今NIRS用于肉品掺假研究方面的研究进展和最新成果,可为后续研发肉品掺假无损快检设备提供数据支撑和理论参考。

近红外光谱技术在小麦粉品质检测方面的应用研究进展

近红外光谱(NIRS)技术是当前发展最快、最具前景的现代无损分析技术之一。NIRS技术融合了计算机、光学、数学、化学和化学计量学等多个学科的最新研究成果,具有简便、快速、低成本、无污染、不接触等优点,目前被广泛应用于食品品质分析与检测研究。本文综述了近十年来NIRS技术在小麦粉理化指标(如水分、灰分、蛋白质、淀粉)、粉质指标(如面筋、面筋指数分、沉降值、吸水量、形成时间、稳定时间、弱化度)及掺杂物(如甲醛次硫酸氢钠、滑石粉、过氧化苯甲酰、石灰、偶氮甲酰胺、曲酸)等方面的检测研究进展。同时,基于当前研究进展,NIRS技术在光谱数据挖掘、建模算法优化、模型稳健性等方面还需大量研究,为研发小麦粉质量快速无损检测设备提供更多数据支撑和方法参考。

基于近红外高光谱成像快速无损检测注胶肉研究

采用近红外高光谱成像技术结合化学计量学方法建立注胶肉的快速无损检测模型。首先通过近红外高光谱成像系统获取含有不同浓度梯度卡拉胶的猪里脊肉高光谱图像,然后提取图像中的光谱数据,使用偏最小二乘法(Partial least square,PLS)探究光谱信息与不同掺假比例卡拉胶之间的定量关系。结果表明全波段光谱(900~1700 nm)所构建的PLS校正集模型均方根误差(Root mean square error,RMSE)为1.74%,预测模型RMSE为3.16%。表明基于全波段所建立的PLS模型具有较优的预测性能。利用连续投影算法(Successive projection algorithm,SPA)筛选获得11个特征波长,并优化全波长PLS模型,将预测集样品带入,以验证模型的预测效果,结果表明SPA算法结合PLS建模方法所建立的模型预测效果更优,预测集相关系数(RP)为0.93,均方根误差(Root mean square error of prediction,RMSEP)为3.51%,预测偏差(Residual predictive deviation,RPD)为2.66。试验表明利用高光谱成像技术可实现对注胶猪肉的快速无损检测。

基于长波近红外光谱快速无接触评估小麦籽粒含水率

利用长波近红外光谱(900～1700 nm)联用偏最小二乘(Partial Least Squares,PLS)算法快速评估小麦水分含量。通过采集7个不同品种小麦籽粒(百农201、百农207、百农307、百旱207、AK-58、冠麦1号、周麦18)的近红外反射光谱信息,经高斯滤波平滑(Gaussian Filtering Smoothing,GFS)、多元散射校正(Multiplicative Scatter Correction,MSC)和标准正态变量变换(Standard Normal Variable Correction,SNV)三种预处理后,分别利用偏最小二乘法(Partial Least Squares,PLS)挖掘光谱信息与小麦水分之间的定量关系。结果显示,经GFS预处理的近红外光谱(100个波长)构建的全波段PLS回归模型(F-PLS)的预测相关系数(RP=0.927)、预测误差(RMSEP=1.596%)和鲁棒性(ΔE=0.064)均优于另外两种光谱。采用Regression coefficient算法筛选最优波长优化F-PLS模型,以提高预测效率。结果显示,从GFS预处理光谱筛选的29个最优波长构建的O-PLS回归模型预测精度及鲁棒性均较好(R_P=0.909,RMSEP=0.229%,ΔE=0.078)。本试验表明,利用长波近红外光谱技术来快速无接触评估小麦籽粒含水率的潜力巨大。

在线近红外光谱系统快速检测整块鸡胸肉菌落总数含量

以整块鸡胸肉为研究对象,利用在线近红外光谱系统采集其900~1650 nm波长范围内的光谱信息,探究光谱信息与细菌菌落总数(Total Viable Count,TVC)之间的定量关系。对采集的原始光谱信息进行高斯滤波平滑(Gaussian Filter Smoothing,GFS)等五种预处理后,建立全波段偏最小二乘(Partial Least Squares,PLS)回归模型。采用回归系数法(Regression Coefficient,RC)和连续投影算法(Successive Projections Algorithm,SPA)筛选最优波长,构建优化的PLS模型和多元线性回归(Multiple Linear Regression,MLR)模型。结果表明,基于全波段GFS光谱构建的GFS-PLS模型预测鸡胸肉TVC效果最佳(rP=0.964,RMSEP=0.806 lg CFU/g)。基于SPA法从GFS光谱中筛选出的25个最优波长(907.0、913.7、923.8、927.2、937.2、947.3、974.0、987.3、997.3、1007.3、1040.4、1080.1、1099.9、1132.9、1155.9、1185.5、1215.0、1241.2、1270.6、1358.2、1380.8、1403.3、1419.3、1578.9和1615.2 nm),建立的SPA-GFS-MLR模型预测性能(rP=0.944,RMSEP=1.022 lg CFU/g)最接近GFS-PLS模型。基于在线近红外光谱系统可实现对大批量整块鸡胸肉细菌总数含量的快速无接触检测。

NIR光谱法快速预测小麦籽粒干物质含量

通过采集百农201、百农207、百农307、百旱207、AK-58、冠麦1号、周麦18等7个不同品种完整小麦籽粒的近红外光谱(900～1700 nm)信息,经高斯滤波平滑(Gaussian Filtering Smoothing,GFS)、标准化校正(Normalization Correction)和卷积平滑(Savitzky-Golay Convolution Smoothing,SGCS)三种预处理后,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)算法寻找光谱信息与小麦籽粒干物质含量之间的定量关系。结果显示,经GFS预处理的近红外光谱(100个波长)构建的全波段PLSR模型(PLSR)预测相关系数(RP)为0.952,预测误差(RMSEP)为0.158%,RMSEC与RMSEP绝对值差(ΔE)为0.082,预测效果优于其他两种预处理光谱。从GFS光谱中经PLSR-β法筛选获得17个最优波长,构建的优化模型(O-PLSR)RP为0.928,RMSEP为0.191%,ΔE为0.049,其预测效果接近于PLSR模型。试验表明,利用900～1700 nm光谱可被潜在用于快速无损预测小麦籽粒干物质含量。

基于近红外高光谱技术快速检测冷鲜猪肉酸价

基于近红外(near infrared,NIR)高光谱成像技术(900~1 700 nm)对0~4℃冷藏条件下猪肉的酸价变化进行快速无损检测研究。通过采集新鲜猪肉样品的高光谱图像,提取图像中感兴趣区域内的反射光谱信息,再经移动平均值平滑、卷积平滑、中值滤波平滑、高斯滤波平滑、标准化校正、多元散射校正、基线校正、标准正态变量变换等8种方式预处理原始光谱(raw extracted spectra,RAW),利用偏最小二乘(partial least squares,PLS)算法建立酸价预测模型。结果显示,基于RAW光谱(rP=0. 824,RMSEP=0. 594 mg/g)和BC光谱(rP=0. 825,RMSEP=0. 587 mg/g)构建的全波段PLS模型(RAW-PLS和BC-PLS)预测酸价效果较好。使用回归系数法(regression coefficient,RC)和连续投影算法筛选最优波长优化模型。结果显示,基于RC法从RAW光谱中筛选的28个最优波长构建的RAW-RC-PLS模型预测猪肉酸价效果最好(rP=0. 846,RMSEP=0. 569 mg/g)。研究表明,利用NIR高光谱成像技术构建PLS模型可潜在实现猪肉酸价的快速无损评价。

应用PCR技术快速检测腐烂苹果中扩展青霉菌

利用扩展青霉的多聚半乳糖醛酸酶基因序列,设计一对特异性引物,通过聚合酶链式反应(polymerase chainreaction,PCR)反应快速检测腐烂苹果中的扩展青霉。反应的特异性和敏感性以及反应的最适条件等试验的结果表明:该引物具有很高的特异性和灵敏性,只扩增扩展青霉DNA,而不扩增其他真菌DNA;菌体的检测限为1.34×103个孢子/mL,DNA的检测限为2.40×10-2μg/mL;反应的最适退火温度范围为54～59℃,最适模板浓度范围为2.40～5.28μmol/L。该方法具有简单、快速、特异性好和灵敏性高等特点,可为快速检测腐烂苹果中扩展青霉的实际应用提供借鉴。

基于不同预处理高光谱信息的鸡肉滴水损失率快速预测研究

本文旨在通过挖掘不同预处理高光谱(900~1700 nm)信息构建鸡肉滴水损失率的快速预测模型。首先采集每个鸡肉样本高光谱图像并提取图像感兴趣区域内的平均光谱信息,经基线校正(BC)、标准正态变量校正(SNV)、多元散射校正(MSC)、高斯滤波平滑(GFS)、归一化校正(NC)等五种光谱不同预处理,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)算法构建光谱信息与鸡肉滴水损失率之间的定量关系。然后分别基于回归系数法(Regression Coefficient,RC)、连续投影算法(Successive Projections Algorithm,SPA)和逐步回归算法(Stepwise)筛选出对模型精度影响较大的最优波长优化全波段PLS模型。结果显示,基于BC光谱的全波段PLSR模型(BC-PLSR)预测鸡肉滴水损失率效果更好(r_P=0.95,RMSEP=0.29%,RPD=3.07,ΔE=0.0024%)。利用Stepwise法从BC光谱中选取的14个最优波长(900.6、903.8、905.5、907.1、917.0、997.7、1162.2、1272.4、1354.8、1369.6、1410.8、1425.6、1584.1和1695.1 nm)建立的SW-BC-PLSR模型(r_P=0.97,RMSEP=0.24%,RPD=3.82,ΔE=0.0012%)和多元线性回归(Multiple Linear Regression,MLR)模型SW-BC-MLR(r_P=0.97、RMSEP=0.22%、RPD=4.19,ΔE=0.0036%)预测鸡肉滴水损失率效果均良好。本试验表明,基于近红外高光谱信息可潜在实现鸡肉滴水损失率的快速预测。

近红外高光谱快速无接触评估冷鲜猪肉脂质氧化

基于近红外高光谱成像技术对不同贮藏期的猪肉脂肪氧化程度进行快速无接触评估研究。采集冷鲜猪肉样品的900~1700 nm反射光谱信息,经高斯滤波平滑(GFS)、移动平均值平滑(MAS)、卷积平滑(SGCS)、中值滤波平滑(MFS)、多元散射校正(MSC)、标准正态变量变换(SNV)和基线校正(BC)7种预处理后,利用偏最小二乘回归(PLSR)算法挖掘光谱信息与2-硫代巴比妥酸(TBA)参考值之间的定量关系。结果显示,经GFS预处理的全波段光谱(486个波长)构建的GFS-PLSR模型预测TBA效果较好(R P=0.919,RMSEP=0.036 mg/100 g)。采用回归系数法(RC),逐步回归法(Stepwise)和连续投影算法(SPA)筛选最优波长优化GFS-PLSR模型。结果显示,使用RC法从GFS光谱中筛选的29个最优波长构建的RC-GFS-PLSR模型预测TBA效果较好(R P=0.924,RMSEP=0.034 mg/100 g),且和GFS-PLSR模型预测精度相近。试验表明,利用近红外高光谱成像技术结合RC法预测猪肉中TBA值可实现猪肉脂肪氧化程度的间接快速评估。

基于近红外光谱技术的生鲜猪肉质量检测研究进展

近红外光谱技术(Near-Infrared Spectroscopy,NIR)是一种根据被检测物质的光谱信息,运用统计学的方法,构建被测物质某种属性值和光谱信息之间最优预测模型的一种间接分析技术。近红外光谱分析集光谱测量技术、计算机技术、化学计量学技术和基础测试技术于一体,通过选择合适的化学计量学方法,将样品光谱信息和指标参考值相关联,构建高精度、高稳定性的数学模型预测未知样品参考值,具有无损、快捷和环保等特点。相比传统理化及生物方法反复试验且破坏原料获取数据,近红外光谱信息更容易获取、信息量更丰富、数据计算速度更快,在猪肉质量的分析检测方面获得广泛研究。本文主要综述了2010年至今近红外光谱用于研究猪肉的物理属性、化学组成、新鲜度预测和肉品掺假等方面的最新研究进展和成果,为研发肉品无损分析检测设备提供相关信息和参考。

基于NIR高光谱技术快速预测冷鲜鸡肉热杀索丝菌含量

基于NIR高光谱成像技术快速评估鸡肉热杀索丝菌含量。通过采集新鲜鸡肉高光谱图像并提取样本反射光谱信息(900~1699 nm),再采用多元散射校正(Multiplicative Scatter Correction,MSC)、基线校正(Baseline Correction,BC)和标准正态变量校正(Standard Normal Variable Correction,SNV)三种方法预处理原始光谱,分别利用偏最小二乘(Partial Least Squares,PLS)、多元线性回归(Multiple Linear Regression,MLR)挖掘光谱信息与鸡肉热杀索丝菌参考值之间的定量关系。同时采用PLS-β系数法、Stepwise算法和连续投影算法(Successive Projections Algorithm,SPA)筛选最优波长简化全波段模型(F-PLS)提高预测效率。结果显示,经BC预处理的全波段光谱(485个波长)构建的F-PLS模型预测热杀索丝菌效果较好,相关系数RP为0.973,误差RMSEP为0.295 lg CFU/g。基于PLS-β法从BC预处理光谱中筛选出25个最优波长构建的PLS-β-PLS(RP=0.931,RMSEP=0.434 lg CFU/g)模型预测较好。本试验表明,利用近红外高光谱成像技术可潜在实现鸡肉热杀索丝菌含量的快速评估。

高光谱快速预测冷鲜鸡胸肉中乳酸菌

乳酸菌含量是评价冷鲜鸡胸肉品质的重要指标。随着储藏天数的增加,当乳酸菌含量超过10~6 CFU/g,冷鲜鸡胸肉黏度增加,开始腐败变味。本研究通过化学计量学算法挖掘高光谱数据快速预测鸡胸肉中乳酸菌含量。首先,采集119个冷鲜鸡胸肉样品900~1700 nm的高光谱图像,提取肉样图像感兴趣区域(Region of interest,ROI)内的光谱信息,经多元散射校正(Multiplicative Scatter Correction,MSC)等8种方法预处理原始光谱,采用偏最小二乘(Partial Least Squares,PLS)算法挖掘光谱信息,构建全波段PLS预测模型(F-PLS)。然后,选用回归系数法(Regression Coefficient,RC)、逐步回归法(Stepwise)和连续投影算法(Successive Projections Algorithm,SPA)筛选最优波长优化F-PLS模型。结果显示,基于SPA法从基线校正(Baseline Correction,BC)预处理光谱中筛选出21个最优波长(903.8、905.5、912.1、915.4、917.0、920.3、923.6、931.8、941.7、1107.0、1135.9、1157.3、1269.2、1303.7、1320.2、1348.2、1551.1、1676.9、1686.9、1695.1和1698.4 nm)构建的SPA-PLS模型预测最好(r_P=0.949,RMSEP=0.439lg CFU/g,RPD=2.787)。本试验表明,采用近红外高光谱技术快速预测冷鲜鸡胸肉中乳酸菌含量是可行的。

用于PCR检测的扩展青霉基因组DNA提取方法比较

为寻找一种经济、简便、高效的基因组DNA提取方法,进一步开展扩展青霉的分子生物学研究,采用氯化苄法、玻璃珠法、玻璃珠+氯化苄法、试剂盒法4种方法提取扩展青霉的基因组DNA,并测定DNA质量浓度以及进行PCR和电泳分析,比较不同提取方法的效果。结果表明,4种方法均可提取到基因组DNA,其抽提质量优劣依次为试剂盒法、玻璃珠+氯化苄法、玻璃珠法、氯化苄法。其中玻璃珠+氯化苄法提取效率接近试剂盒法,效果良好,并且此法成本低廉、操作简单、结果稳定,可代替昂贵的试剂盒法用于扩展青霉基因组DNA的提取。