基于高光谱成像的腊肉细菌总数预测建模方法研究

腊肉中细菌总数(TVC)超标会严重危害人体健康,为寻求一种快速、无损检测腊肉表面细菌总数的方法,利用高光谱成像技术对腊肉的细菌总数进行定量分析。综合比较了多元散射、微分处理等多种预处理方法,最终选定了MSC+标准化进行预处理。并采用区间优化偏最小二乘的方法建立预测模型,得到较好的预测结果,其校正集和预测集的相关系数分别为0.808和0.798,交互验证均方根误差分别为0.115和0.198。实验结果表明:利用高光谱成像技术结合区间iPLS预测模型快速检测腊肉的TVC是可行的。

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。