熟驴肉掺假近红外定性及定量检测

驴肉风味绝佳、营养丰富,价格高昂且供应量低。驴肉火烧等熟驴肉中掺假马肉、骡子肉等其他肉类的问题亟待解决。为实现熟驴肉样品在不同掺假比例下的定性定量分析,以10%为梯度,分别制备驴肉含量为0%~100%的驴马掺假和驴骡掺假样品,并在4000~12500 cm^(-1)光谱范围采集样品光谱。针对熟驴肉掺假问题,采用线性判别分析、支持向量机以及广义回归神经网络的方法结合平滑算法(5点、15点、25点)、多元散射校正(MSC)、标准正态变量变换(SNV)、基线校正(Baseline)、归一化和去趋势化(Detrend)等预处理方法建立了近红外鉴别模型。采用偏最小二乘回归(PLSR)、反向传播神经网络(BP)方法结合以上预处理方法分别对熟驴肉掺假样品建立定量模型检测驴肉含量。SNV预处理结合支持向量机对熟肉碎掺假样品鉴别模型结果较优,校正集和预测集判别正确率为98.70%和94.78%;Detrend预处理结合线性判别分析的熟肉糜掺假样品鉴别模型结果较优,校正集和预测集的判别正确率分别达到98.47%和96.23%。建立定量模型进行掺假样品中驴肉含量的检测,BP模型相较于PLSR模型均取得较好的结果,具有较高的决定系数(R^(2))、相对分析误差(RPD)和较低的均方根误差(RMSE)。对于熟肉碎掺假样品,驴骡掺假样品集在Detrend处理后的BP模型结果较好,交叉验证集以及预测集的R^(2)、RMSE、RPD分别为0.971、0.067、5.844,0.980、0.086、6.984;驴马掺假样品集在归一化预处理后BP模型结果较好,各项参数分别为0.997、0.032、18.026,0.982、0.089、7.454。对于熟肉糜掺假样品,经Detrend预处理的BP模型结果均较优,驴骡掺假样品最佳定量模型的参数分别为0.982、0.041、7.470,0.986、0.103、8.452;驴马掺假最佳模型参数分别为0.986、0.036、8.348,0.961、0.101、5.044。结果表明,近红外光谱结合不同的建模算法实现了不同比例掺假的熟驴肉样品快速无损检测和鉴别,能够用于此后熟驴肉掺假的定性、定量分析。