基于欧式距离法或因子化法的近红外光谱技术对牛肉掺假鉴定的研究

利用近红外光谱技术结合欧氏距离法或因子化法建立牛肉中掺入猪肉和鸡肉的快速、准确的技术方法,从而为保证牛肉制品品质和安全提供强有力的检测手段;以牛肉和掺假肉(掺入猪肉和鸡肉)按照相同程度进行均匀搅碎,按照掺假肉10%为梯度增量进行制备掺假肉,共分为10类样本(10%至100%),采用单通道,光谱范围为12000cm^-1~4000cm^-1,扫描次数为64次,特征波段为7351.92cm^-1~6824.83cm^-1、5578.24cm^-1~5075.21cm^-1,预处理方式为一阶导数或二阶导数+矢量归一化+9点平滑,结果表明:猪肉和鸡肉掺假因子化法的判别率分别为94%和96.67%;因子化法可以试现对牛肉掺假进行定性分析鉴定。

基于电子鼻信号处理的牛肉中掺假猪肉判别模型

由于牛肉经济价值较高,一些商贩为了获取更多利益对其进行掺假,危害了消费者的健康。牛肉掺假的常规检测技术具有耗时、费力的特点,而电子鼻因其快速无损的优势在牛肉掺假检测方面具有很大的潜力。本研究对纯牛肉、猪肉及牛肉中掺假猪肉的金属氧化物半导体(Metal Oxide Semiconductor,MOS)型电子鼻传感器数据进行处理,采用主成分分析实现传感器数据的去相关和降维,以累计贡献率大于90%的少数前几个主成分得分作为输入,对比采用Fisher判别分析(Fisher Linear Discriminate Analysis,Fisher LDA)和极限学习机(Extreme Learning Machine,ELM)构建牛肉中掺假猪肉的判别模型。结果显示,ELM模型训练集和测试集的识别准确率分别为99.64%和94.29%,均高于训练集和测试集识别准确率(分别为96.43%和75.71%)的Fisher LDA模型。结果表明,所构建的ELM模型能够用于基于MOS型电子鼻的牛肉中掺假猪肉的快速鉴别,可望为保障肉制品质量安全贡献积极力量。

基于高光谱反射和透射融合技术的牛肉糜掺假检测

为了提高牛肉糜中掺鸡、鸭和猪肉糜的检测精度,该研究利用高光谱反射率(reflentance,R)和透射率(transmittance,T)光谱数据融合方法开展了对牛肉中掺假物的定量检测研究。首先在牛肉中分别加入质量分数为2%~50%浓度间隔为2%的三类掺假物(鸡肉、鸭肉和猪肉),采集样本的反射率光谱数据结合支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和长短期记忆网络(long short-term memory,LSTM)算法建立分类模型,将样品分为鸡肉、鸭肉和猪肉掺假牛肉样品和纯牛肉样本(4类)。然后,通过单一的反射和透射率光谱数据建立偏最小二乘模型(partial least squares regression,PLSR)对不同掺假物浓度进行定量分析,通过竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)、无关变量消除(uninformative variable elimination,UVE)、初级数据融合和中级数据融合方法对模型性能进行优化。基于中级数据融合对掺假物为鸡肉、鸭肉和猪肉的模型预测效果提升最大,相比于单一光谱数据建立的最优模型效果分别提升了3.9%、9.3%和4.5%。对掺假物为鸡肉和鸭肉样本预测效果最好的模型为去趋势化(de trending,DT)预处理后的UVE-PLSR,对应的决定系数(r-squared prediction,R_p~2)和均方根误差(root mean square error,RMSEP)分别为0.984 5和1.865 1、0.986 0和1.771 1,对于掺假物为猪肉样本预测效果最好的模型为RAW-CARS-PLSR,对应的R_p~2和RMSEP为0.975 1和2.366 5。结果表明,高光谱成像技术结合数据融合技术可以有效对牛肉中掺假物含量进行快速且高精度的检测,中级数据融合最大化提升了模型的性能。

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。

近红外结合极限学习机快速识别牛肉中掺假猪肉

[目的]建立牛肉中掺假猪肉的快速鉴定方法。[方法]采用傅立叶变换近红外结合极限学习机(extreme learning machine,ELM)构建纯牛肉、牛肉中掺假猪肉、纯猪肉的快速识别模型,考察标准正态变换、多元散射校正(multiplicative scatter correction,MSC)、一阶导数及二阶导数结合核主成分分析(kernel principal componentan alysis,KPCA)等光谱预处理方法对ELM模型预测性能的影响。[结果]MSC+KPCA预处理下,ELM模型的预测效果最优,训练集及测试集的正确识别率分别为86.67%和83.33%。[结论]近红外光谱技术结合ELM在牛肉中掺假猪肉的快速鉴定方面具有较大的潜力。

四重PCR反应体系的建立及在牛肉掺假检测中的应用

目的:建立马、牛、猪、鸭肉四重聚合酶链式反应(PCR)反应体系,为牛肉掺假检测提供参考。方法:选取马、牛、猪、鸭肉阳性样本,根据线粒体基因组中细胞色素b(cytochrome b)序列,设计多重PCR引物,同时对马、牛、猪、鸭肉进行PCR及电泳检测,建立四重PCR反应体系,并运用该体系对市场40份牛肉制品进行检测。结果:引物比例为马:牛:猪:鸭=1:1:2:1时,46℃退火温度下反应35个循环,四重PCR效果较好;建立四重PCR反应体系,四重PCR条带清晰且亮度较为一致,几乎没有二聚体产生,扩增灵敏度高。根据样品检测结果,烤牛肉串、牛肉丸的掺假率较高,分别为36.4%、75%,牛排未检出除牛肉外的三种动物源成分,但不排除有其他动物源成分的掺入。结论:四重PCR反应体系可用于牛肉掺假检测。

基于支持向量机的近红外光谱技术鉴别掺假牛肉

【目的】利用近红外光谱技术对掺入鸭肉的掺假牛肉进行判别研究,为实现掺假牛肉的快速、准确检测提供参考。【方法】市购冷冻储存的牛里脊肉和鸭肉,在牛里脊肉糜中掺入质量分数为0,5%,10%,15%,20%,25%的鸭肉糜（对应m（鸭肉糜）∶m（牛肉糜）分别为0∶20,1∶19,2∶18,3∶17,4∶16和5∶15）,制备供试牛肉和掺假牛肉,采用近红外漫反射方式在波数为10 000~4 000cm-1时采集牛里脊肉、掺假牛里脊肉和鸭肉的近红外光谱,对原始光谱经多元散射校正（Multiplicative scatter correction,MSC）、标准正态变量变换（Standard normal variate transformation,SNV）、面积归一化（Area normalization）、15点平滑处理和一阶导数处理等方法预处理后,对所建支持向量机（nu-SVM）判别模型的预测效果进行比较。【结果】经MSC预处理后所建的牛里脊肉、掺假牛里脊肉和鸭肉的nu-SVM判别模型判别性能稳定,对建模集的正确判别率为97.09%,对检验集的正确判别率为94.00%。【结论】近红外光谱技术结合MSC预处理后所建的nu-SVM模型可用于掺杂鸭肉的牛里脊肉的鉴别。

牛肉制品中大豆掺假的荧光PCR鉴别体系的优化

根据常作为"假牛肉"原料或掺入牛肉加工食品中的植物原料——大豆蛋白,设计特异性引物和探针。在确定其高特异性后,对荧光PCR中5个因素即Mg2+终浓度、dNTPs终浓度、Taq酶用量、引物和探针终浓度以及模板DNA用量进行优化。同时测试该方法的灵敏度和优化后的特异性。结果表明该荧光PCR反应可对牛肉及其制品中可能掺假的大豆蛋白进行准确、稳定、快速的鉴定。

牛肉及其制品中肉类掺假的荧光PCR鉴别体系优化

根据可能用于牛肉及其制品掺假的肉类原料(猪肉、鸡肉和鸭肉),设计了4对引物和探针.经过测试其具有良好的特异性后,对影响各自聚合酶链式反应(polymerase chain reaction,PCR)扩增的5个影响因素包括Mg2+浓度、Taq DNA聚合酶活、dNTPs浓度、引物和探针浓度以及模板DNA用量等进行了优化,确定了最佳的PCR扩增体系.同时,根据优化后的结果,对特异性进行进一步的测试,并使用建立的优化荧光PCR鉴别体系对混合样品和市售样品进行检测,确定整体检出限为0.1%(质量分数),并证明该鉴别体系的实际应用价值.