基于近红外光谱特征的冷冻小龙虾鲜度快速检测方法

为建立快速检测冷冻小龙虾鲜度的近红外光谱模型,采集解冻的小龙虾虾尾、虾仁及虾糜的近红外光谱,分别利用一阶导数、多元散射校正、小波变换(wavelet transform,WT)和标准正态变换进行预处理,并利用偏最小二乘(partial least squares,PLS)与卷积神经网络(convolutional neural network,CNN)算法将预处理前后的光谱数据分别与总挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量关联,构建定量预测模型并比较建模效果,选取较佳模型,探究模型预测准确度和适用性。结果显示,预处理方法明显影响了建立模型的精度,光谱经预处理建立的CNN模型与PLS模型相比,具备更好地预测小龙虾TVB-N含量的能力。其中,虾仁光谱经WT预处理建立的CNN模型对验证集的预测准确度最高,校正集与验证集的相关系数分别为0.97、0.96,校正集与验证集的均方根误差分别为1.26、0.93mg/100g。近红外光谱的准确度、精密度与灵敏度均在合理范围内,方法学验证结果良好。综合考虑实际应用中快速、准确、低损伤等需求,确定WT-CNN-虾仁模型为预测冷冻小龙虾中TVB-N含量的最优模型。这些结果表明,WT-CNN-虾仁模型在预测冷冻小龙虾TVB-N含量、快速评价新鲜度方面具有巨大潜力。

萘酚-苯并噻唑衍生物的合成及其琼脂糖凝胶对三文鱼新鲜度双通道无损检测

为了弥补单一比色法颜色区分不明显导致对鱼肉新鲜度的误判,本研究以萘酚为荧光团,通过与苯并噻唑盐缩合,合成萘酚-苯并噻唑衍生物(naphthol-benzothiazole derivative,HBO),其能够对有机胺比色和荧光双响应识别,并应用于三文鱼肉新鲜度的无损检测。HBO在EtOH/H2O(1∶9,V/V)体系中对12种胺都能产生明显响应,具有较低的检测限(精胺:0.4μmol/L),并可在活细胞中对精胺荧光成像。以琼脂糖为基质,将探针负载后制备传感凝胶HBO琼脂糖凝胶(HBO agarose gel,HBOAL),当凝胶与三文鱼鱼肉共同贮藏时,HBOAL日光下为浅红色,紫外光照射为黄色荧光时表明鱼肉已腐败。该凝胶对三文鱼鱼肉的3种等级颜色区分明显,评价结果准确,可用于实时监测三文鱼鱼肉的新鲜度。

基于传感器阵列的小黄鱼新鲜度检测电子鼻设计

为设计一款可用于农产品新鲜度测定的电子鼻,以小黄鱼为研究对象,在恒定条件下开展腐败试验,以传感器响应值为自变量,小黄鱼挥发性盐基氮(Total volatile basic nitrogen,TVB-N)值为因变量,并分别通过多元线性回归、偏最小二乘法和BP神经网络,建立小黄鱼鱼肉品质等级的预测模型,并通过对比3种模型对TVB-N值预测的相关系数R和平均误差百分比RE-mean,分析模型性能优劣。结果表明,利用预测模型电子鼻能够分辨出小黄鱼的新鲜腐败样品,应用BP神经网络的预测算法对样品实现最好的预测,多元线性回归模型与最小二乘法预测模型性能较差。

鸽肉贮藏品质变化和货架期预测模型

为快速、准确地预测鸽肉在冷藏条件下的货架期,研究了鸽肉在贮藏温度为0、4、8、12℃下鸽肉的挥发性盐基氮(total volatile bas⁃ic nitrogen,TVB-N)、色度值和菌落总数的变化情况,再对各指标进行相关性分析,以TVB-N值为指标建立一级动力学模型,并通过阿伦尼乌斯(Arrhenius)方程对货架期进行了预测。结果表明:选择TVB-N作为关键因子所得预测模型方程为A=A0 exp(2.4026×10^(23) e^(-128061/RT) t),鸽肉在低温冷藏条件下的预测货架期与实测货架期的相对误差在±10%以内。由此可见,所得预测模型方程可用于预测鸽肉在贮藏温度0~12℃下的货架期。

基于近红外光谱技术的小龙虾新鲜度快速检测研究

小龙虾是近年来广受消费者欢迎的淡水产品,相关产业迅猛发展,产生巨大的经济利益。小龙虾整虾及虾仁、虾尾在运输过程中极易腐败变质,产生有害物质。如果不能对小龙虾新鲜度进行及时检测,任由腐败小龙虾进入食品流通环节,极易酿成食品安全事故,危害消费者生命安全,对整个产业链造成不良影响。挥发性盐基氮(TVBN)是衡量水产品新鲜度的主要指标,也可以用于衡量小龙虾的新鲜度,但传统的挥发性盐基氮检测方法存在步骤复杂、检测时间长和化学试剂污染的等问题,无法满足小龙虾庞大产业链的检测需求。近红外光谱技术是一种快速、无损、环境友好的分析技术,在食品分析领域中已有较为广泛的应用。本研究基于近红外光谱分析技术(NIR),结合化学计量学方法提出一种小龙虾新鲜度的快速检测方法。使用偏最小二乘算法(PLS)建立小龙虾虾尾挥发性盐基氮定量分析模型。为了提高模型的预测能力,使用多元散射校正(MSC)、标准正态变换(SNV)、连续小波变换(CWT)和1阶导数(1st)法对光谱进行预处理,扣除光谱背景;使用蒙特卡洛-无信息消除(MC-UVE)和随机检测(RT)算法进行波长筛选,选择光谱中有效变量。结果显示,光谱预处理和波长筛选技术能够有效提高模型的预测能力。其中,经过1阶导数和蒙特卡洛-无信息变量消除法组合优化处理之后的光谱所建立的偏最小二乘模型与其他模型相比具有更好的预测能力,对于预测集样品,其预测均方根误差和相关系数可达1.626和0.950,能够实现对小龙虾新鲜度的快速、准确检测。

不同贮藏温度鳜鱼片品质变化规律

为进一步控制鳜鱼片的品质及质量安全,研究不同贮藏温度下鳜鱼片的品质变化规律。将鳜鱼片分别置于4、7、10℃,测定总挥发性盐基氮(volatile base nitrogen,TVB-N)含量、pH值、持水力、菌落总数和色度值,确定4、7、10℃贮藏温度下鳜鱼片的货架期。结果表明:随着贮藏时间的延长,各实验组的菌落总数、pH值和TVB-N含量均呈上升趋势(P<0.05),持水力显著下降(P<0.05);TVB-N含量的初始值较低,为6.39 mg/100 g,在9 d的贮藏期后,4、7、10℃贮藏温度下鳜鱼片分别增长5、8、9倍。结合各指标综合来看,4、7、10℃贮藏温度下鳜鱼片的货架期分别为3、2、1 d。

负载花青素的玉米醇溶蛋白纳米纤维膜监测猪肉新鲜度

目的 静电纺丝“绿色”制备负载花青素(anthocyanin,A)的玉米醇溶蛋白(zein,Z)纳米纤维膜,通过对其颜色变化达到可视化和实时监测肉制品新鲜度的效果。方法 以A为指示剂,Z为纺丝原料,通过静电纺丝法制备A/Z纤维膜,表征其基本结构,验证其在盐酸和氨水环境中的颜色响应,并进一步将其应用于猪肉新鲜度监测。结果 A/Z纤维膜的表观为粉红色,平均厚度为98.6μm,由平均纤维直径为646.5 nm的光滑均匀纳米纤维构成,并在盐酸和氨水环境中具有明显的颜色响应。猪肉4℃贮藏实验中,第4 d的A/Z纳米纤维膜的猪肉总挥发性盐基氮(total volatile basic-nitrogen,TVB-N)含量达到21.9 mg/100 g,达到腐败阈值,并且其色差与猪肉TVB-N含量具有显著关联(r^(2)=0.9652)。结论 A/Z纳米纤维膜可作为一种潜在的通过色差变化监测肉制品新鲜度的智能标签,为实现绿色、环保和安全地监测肉类新鲜度提供了良好的研究思路。

气相红外光谱无损检测臭鳜鱼中挥发性盐基氮

挥发性盐基氮(total volatile basic nitrogen,TVB-N)是衡量臭鳜鱼新鲜度的一项重要指标,而现有检测方法存在速度慢、对样品破坏性强的局限性。为实现TVB-N快速无损检测,该文利用气相傅里叶变换红外光谱获取不同贮藏条件下臭鳜鱼挥发物的光谱信息,采用高斯滤波、稳健局部加权回归(robust locally weighted regression,RLWR)、小波阈值去噪、模拟退火-偏最小二乘(simulated annealing-partial least squares,SA-PLS)等方法进行光谱预处理,偏最小二乘回归和支持向量回归算法构建预处理光谱与TVB-N之间的关联性模型。结果表明,与其它模型相比,经RLWR结合SA-PLS选择的特征波长光谱可建立最优预测模型,其决定系数(decision coefficient,R^(2)_(p))和相对预测误差分别为0.9428和4.0050,具有较高的精准度与鲁棒性。

基于粒子群优化算法优化反向传播神经网络构建冷藏草鱼新鲜度的近红外光谱预测模型

目的 基于机器学习算法构建冷藏草鱼新鲜度的近红外光谱预测模型。方法 采集连续冷藏6d的草鱼片的新鲜度指标,并进行方差分析。选择受冷藏天数影响最大的指标—总挥发性盐基氮(total volatile basic nitrogen,TVB-N)进行定量预测。运用x-y距离结合的样本划分(samplesetpartitioningbasedonjointx-y distance,SPXY)方法进行数据集的划分,并采用正交信号校正法(orthogonalsignalcorrection,OSC)、Savitzky-Golay(SG)、一阶导数及其组合算法进行光谱预处理。再运用竞争性自适应重加权采样(competitive adaptivereweightedsampling,CARS)、连续投影算法(successiveprojectionsalgorithm,SPA)、主成分分析(principal component analysis, PCA)对光谱变量进行选择和降维。最后结合偏最小二乘回归(partial least squares regression,PLSR)、反向传播(backpropagation,BP)神经网络和粒子群优化算法(particleswarmoptimization,PSO)优化BP神经网络(PSO-BP),建立草鱼(Ctenopharyngodonidella)片新鲜度定量预测模型。结果 各线性和非线性模型均得到了良好的预测效果,预测集相关系数均超过了0.95。PLSR表现较为稳定, BP神经网络虽提高了校正集预测性能,但是预测集性能不如PLSR。PSO-BP既保证了校正集预测性能,也提高了预测集性能。基于OSC+D1预处理和CARS变量选择后的PSO-BP模型性能最优(R2P=0.987,预测集的均方根误差为0.108,相对分析误差为7.778)。结论 基于PSO-BP算法和近红外光谱的定量预测模型可以很好地预测冷藏鱼肉的新鲜度指标。

荧光法快速检测肉品新鲜度

挥发性盐基总氮值(TVB-N)是目前国际上公认的用于评价肉质新鲜度的理化指标。本文基于挥发性盐基氮在碱性溶液中迅速释放出气体氨,气体氨被密闭空间内检测液顶空吸收,检测液pH值升高引发检测液主要成分快速发生特异性偶联反应,形成发射强烈蓝色荧光的产物。样本TVB-N含量越高,短时间内(<4 min)释放的气体氨越多,检测液pH升高得越多,生成的蓝色荧光产物越多,检测液的荧光强度越强。检测液中加入红色荧光参比物质后,检测液荧光颜色随样本TVB-N含量升高从粉色变成蓝紫色。根据检测液荧光荧光颜色,目视法可快速半定量样本TVB-N含量,实现肉品新鲜度的快速检测。该荧光方法能够满足肉品新鲜度的例行分析和现场快速检测的要求。

用近红外漫反射光谱检测肉品新鲜度的初步研究

挥发性盐基氮一直以来是评定肉品新鲜程度的重要指标,通常其测定依据是半微量凯氏定氮法,这难以满足当前肉品快速非破坏性的检测要求。文章通过近红外漫反射光谱法(NIRS)建立了挥发性盐基氮(TVB-N)的预测模型,并通过聚类分析方法对光谱数据进行了分类处理。结果表明当猪肉样品中TVB-N含量超过11.6 mg.(100g)-1时,可以判定该肉品为次鲜肉,采用近红外漫反射光谱法建立预测模型,能够实现对肉品的新鲜程度非破坏性、快速检测。

基于电子鼻的带鱼货架期预测模型

为探索通过气味分析判断海产品贮藏品质的方法,利用电子鼻对带鱼在不同贮藏温度与贮藏时间下的挥发性气味变化进行了分析,对所获数据进行了主成分分析与货架期分析,并与理化品质指标值挥发性盐基氮(totalvolatile basicnitrogen,TVBN)相联系,建立了带鱼在273～283K下的货架期预测模型。结果表明:电子鼻18个金属传感器能很好地将贮藏于273与283K下的带鱼随着贮藏时间变化的气味进行区分。贮藏于不同温度条件下的带鱼的TVBN值与菌落总数值均随着贮藏时间的增加而增长,且均符合一级化学动力学模型(R2>0.9)。基于电子鼻货架期分析获得的273～283K下的气味变化结果与该温度下理化品质指标变化具有较好的对应关系,采用Arrhenius动力学模型推导公式求得带鱼在(273～283K)温度段内TVBN的Q10(温差为10K的货架寿命之比)值,对照该温度段下电子鼻货架期分析获得的气味变化货架期分析值,得到带鱼在该温度段内的Q10货架期预测模型,经验证,其预测误差小于20%。可根据获得的货架期预测模型对带鱼在273～283K条件下的货架期进行预测。

应用三甲胺评价鱼类新鲜度与TVBN/TMA比值的研究

对四种淡水鱼和两种海产鱼在贮存过程中的三甲胺(TMA)和挥发性盐基氮(TVBN)含量变化情况进行了时间跟踪,结果表明,鱼体中TMA含量与TVBN含量高度正相关;TMA指标不仅能判定海产鱼类的新鲜度,而且也可作为淡水鱼的鲜度指标。探讨了用TVBN/TMA比值评价海鱼和淡水鱼新鲜度的适用性。

普鲁兰多糖在草鱼鱼肉保鲜中的应用

探讨普鲁兰多糖溶液对草鱼鱼肉的保鲜效果。以pH值、感官质量评价、细菌总数、挥发性盐基氮和过氧化值等为鲜度指标,鱼块经不同浓度的普鲁兰多糖溶液处理5min后,于模拟常温(25℃)贮藏,测定不同时间点其鲜度的变化。结果表明:普鲁兰多糖溶液对鱼肉有明显的保鲜效果,经0.50%多糖溶液处理的鱼肉,在模拟常温条件下贮藏12h后细菌总数和TVB-N值分别为2.15×105CFU/g和19.74mg/l00g,均低于淡水产品二级鲜度的要求,保鲜效果最好。

不同储藏温度对鲢鱼鲜度品质的影响

对储藏于10℃、-1℃和-20℃条件下的鲢鱼进行感官评定,并测定挥发性盐基氮(T-VBN)、三甲胺(TMA)和K值等,从而分析不同储藏条件下鲢鱼鲜度品质的变化情况.感官评定结果表明:10℃条件下鲢鱼块的储藏期不超过3 d;-1℃条件下不超过9 d.十二烷基硫酸钠-聚丙烯酰胺凝胶电泳(SDS-PAGE)图谱显示:在10℃条件下储藏至第3天,肌球蛋白重链明显发生降解;在-1℃和-20℃条件下储存至第9天,出现肌球蛋白重链的降解条带;但随着冻藏时间的延长,肌球蛋白重链进一步降解的趋势并不明显.在3种储存条件下,T-VBN、TMA和K值均随着储藏时间的延长而不断上升,且储藏温度越高,上升趋势越快,与感官检测结果一致;因此,蛋白质降解、ATP降解及三甲胺的形成是评价鲜度损失的理想指标,而且充分地解释了鱼体鲜度降低的规律.此外,低温冻藏有效地减缓了淡水鲢鱼储藏过程中鲜度的降低速率.

不同保存温度下牛肉新鲜度变化规律的研究

【目的】研究牛肉在保存过程中新鲜度主要指标的变化规律。【方法】将分割好的牛肉分别保存在室温和4℃条件下,对其新鲜度主要指标(挥发性盐基氮、pH值、菌落总数)进行测定。【结果】牛肉的新鲜度指标在不同保存温度下有所不同,保存温度高,牛肉中的TVB-N数值增加的速度就越快、pH值回升的时间就越短,微生物繁殖的数目就越多,牛肉变质的速度就越快。【结论】4℃条件下保存的牛肉保质期比较长,达到了4 d,所以在4℃条件下一定时间内保鲜牛肉是可行的。

应用近红外光谱技术评价冰鲜大黄鱼新鲜度的研究

水产品的新鲜程度是评价其品质优劣的重要指标,传统的评价方法费时、费力,无法满足实际的需求。本实验采用近红外光谱分析技术(NIRS)对冰鲜大黄鱼(Pseudosciaena crocea)不同贮藏时间下的新鲜度进行评价,以挥发性盐基氮(TVB-N)作为新鲜度的评价指标,比较了不同预处理方法单独或联合使用、不同建模方法以及不同波数范围所建模型定标集与验证集的相关系数与标准偏差,构建了最优市售冰鲜大黄鱼TVB-N定量模型,以期快速预测其新鲜度。研究表明,使用趋近归一化结合一阶导数(Ncl+Db1)和单位长度归一化结合一阶导数(Nle+Db1)作为光谱预处理方法,偏最小二乘法(PLS)作为建模方法以及选择波数范围5 000~7 144cm^(-1)7 404~10 000 cm^(-1)时可以达到最佳建模效果,其定标集相关系数为0.992,校正标准偏差(SEC)为1.045,验证集相关系数为0.999,预测标准偏差(SEP)为0.990。本试验尝试将多种光谱预处理方法结合起来使用并对波数范围进行了筛选,得到的模型效果良好,在大黄鱼新鲜度检测及品质评价方面具有较好的市场应用前景。

挥发性盐基氮的光谱分析方法

报道了一种挥发性盐基氮(TVB-N)测定方法。通过奈斯勒试剂处理的分子筛吸收挥发性盐基氮,形成NH2Hg2IO固相显色体,采用漫反射光谱装置直接测定。探讨了测量原理、条件及影响因素,表明该方法具有操作方便,灵敏度高,试剂用量少等优点。方法的线性范围为1～8μg·mL-1,检测限达0.1g·mL-1。用于鱼、肉食品新鲜度的监测,发现鱼肉随放置时间的延长,挥发性盐基氮迅速增加,表明鱼肉的腐败变质是一个加速过程,并且鱼的变质速率相对猪肉更快一些。

近红外光谱技术快速无损评价罗非鱼片新鲜度

利用傅里叶变换近红外光谱仪采集绞碎前后罗非鱼片背肉及腹肉的近红外光谱,并将其与总挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量进行拟合,构建定量预测模型。在建模过程中,比较三点平滑、九点平滑(smoothing average 9 points,sa9)、九点卷积平滑(smoothing savitzky-golay 9 points,sg9)、一阶导数(1stderivative,Db1)、趋近归一化、单位长度归一化、标准正态变换、多元散射校正以及它们与Db1结合对光谱进行预处理的模型效果。结果表明,sg9和Db1相比于其他预处理方法可以较好地消除光谱噪音,提高模型预测能力,且各方法在与Db1联合使用后,模型的预测准确性以及建模效率普遍得到了提升。继续对光谱的波数范围进行筛选,剔除无关信息后,模型效果得到进一步提升,绞碎前背肉模型的校正集和验证集决定系数由0.870、0.821上升到了0.973、0.925,校正集和验证集标准偏差由2.152、2.991 mg/100 g减小到了1.032、1.581 mg/100 g。比较各模型效果可知,利用绞碎后的鱼肉光谱进行建模时效果要好于绞碎前的鱼肉。其中,以绞碎后腹肉模型的效果为最优,其验证集决定系数以及标准偏差分别为0.984、0.879 mg/100 g。但在综合考虑实际应用中快速、无损等需求后,绞碎前的鱼肉所建模型仍具有明显优势。最终,本研究选用绞碎前腹肉建立模型,校正集与验证集决定系数分别为0.982、0.976,校正集与验证集标准偏差分别为0.962、1.006 mg/100 g,在预测罗非鱼片TVB-N含量,快速、无损评价其新鲜度方面显示出了巨大潜力。

可见/近红外光谱结合变量选择方法检测牛肉挥发性盐基氮

为实现生鲜牛肉整个储存期内(4℃环境)挥发性盐基氮(TVB-N)的快速无损检测,提高检测精度,搭建了可见/近红外光谱(VIS/NIR)检测系统,采集储藏在4℃下1～17 d生鲜牛肉400～1 700 nm波段范围的反射光谱.对比多元散射校正(MSC)、Savitzky-Golay(SG)平滑、一阶导数(FD)预处理方法,结合无信息变量消除(UVE)和连续投影算法(SPA)提取有效光谱变量,建立TVB-N的最佳LS-SVM预测模型.结果表明:SG为最佳预处理方法,UVE和SPA方法使LS-SVM建模变量减少了99.5%,预测相关系数和标准差分别为0.925,4.615 mg.(100 g)-1.