食品安全现代检测技术综述

探讨了当前食品安全领域的检测和监测技术,包括近红外光谱、高光谱图像、计算机视觉、人工嗅觉与人工味觉、生物芯片等检测技术;同时详细介绍了这些检测技术的基本原理和应用特点,总结了我国食品安全的发展方向以及存在的问题。

基于嵌入式的猪肉检测手持终端的研究与实现

食品安全广泛引起社会的关注,快速、便携的猪肉检测设备是当下主要亟待解决的问题;文中对基于嵌入式Raspberry Pi的手持式终端系统进行了研究;其利用计算机视觉和人工嗅觉,分别采集猪肉的颜色特征值和挥发气体浓度,采集的数据信息经过GPRS模块上传至服务器,并返回现场检测结果,实现对猪肉的新鲜度的快速、便携地检测;实验表明:新鲜猪肉的颜色特征值随宰杀后时间的延长而变化,猪肉的反光度增强;猪肉的氨气、硫化氢浓度随变质时间呈线性增加,线性系数分别为0.621和0.563,实验验证了该检测终端的准确度为99.1%,拥有很好的精确度。

基于近红外光谱的散养土鸡与笼养肉鸡的营养成分预测

目的建立土鸡与肉鸡的蛋白质、脂肪含量快速预测模型。方法收集土鸡与肉鸡新鲜样本各30份,取其中各20份样品,应用近红外光谱分析技术和区间最小二乘法建立蛋白质、脂肪的定量分析模型;然后对剩余样品进行预测,并进行误差分析。结果土鸡与肉鸡的蛋白质模型相关系数分别是0.978和0.963,内部交叉验证均方差(RMSECV)分别为0.197和0.201;脂肪模型的相关系数分别为0.946和0.952,RMSECV值分别为0.318和0.149。预测中,蛋白质预测结果与实测结果误差平均为0.193和0.214,标准差为0.098和0.065;脂肪预测结果与实测结果的误差平均值分别为0.318和0.149,标准差分别为0.072和0.103。结论通过预测结果与实测结果比较,发现差异并不显著,标准方差在10%及以下,并且预测模型的相关系数越大,预测结果越准确,说明了近红外光谱技术与区间最小二乘法预测模型的可行性、准确性、快速便捷性,能够为市场土鸡肉与肉鸡肉的鉴别提供快捷有效的方法。同时,为提高预测结果的准确性,需采用尽量多的样品建立预测模型。

近红外光谱分析技术在鸡肉分类检测中的应用

针对近年来市场上不同品种不同级别的鸡肉混杂、以次充好现象,提出一种可以快速、准确判别土鸡和肉鸡的新方法.采用近红外光谱技术和聚类分析技术建立鸡肉分类判别模型,并讨论了不同预处理方法对模型预测结果的影响.结果显示:近红外光谱技术结合聚类分析技术能够对鸡肉建立一种快速的分类判别模型,该预测判别模型能够快速准确地对土鸡和肉鸡进行判别,其中数据经过二阶导数+矢量归一化后的模型预测判别率达100%.

源代码审计综述

本文阐述了源代码审计原则,概述了源代码审计的方法和技术,对比了源代码审计工具,表明了源代码审计的价值和意义,最后对源代码审计技术的发展趋势做出预估。