基于近红外光谱技术构建牛羊肉掺假鉴别模型

【目的】为应用近红外光谱技术结合正交偏最小二乘判别分析(orthogonalpartialleast-squares discrimination analysis,OPLS-DA)方法对牛羊肉掺杂鸡肉和鸭肉的定性鉴别。【方法】采集新鲜的牛里脊肉、羊后腿肉、鸡胸肉、鸭脯肉各41份,用绞肉机绞碎成肉糜,按照0%、25%、50%、75%、100%的掺假比例分别将鸡肉糜和鸭肉糜掺入到牛肉糜和羊肉糜中,得到4种纯肉样品各41份,牛肉掺鸭肉、牛肉掺鸡肉、羊肉掺鸭肉、羊肉掺鸡肉样品各123份,并采集近红外光谱。利用二阶导数(second derivative,2^(nd) Der)、savitzky-golay滤波平滑(savitzkygolay,S-G)、多元散射校正(multiplicative scatter correction,MSC)、标准正态变量校正(standard normal variate correction,SNV)、2nd Der+S-G、2nd Der+MSC、2nd Der+SNV、S-G+MSC、S-G+SNV等方法对原始光谱数据预处理,结合OPLS-DA分别构建牛羊肉掺假定性鉴别模型。根据模型训练集的最高正确判别率以及比较受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)的面积(area under curve,AUC)评价模型的预测性能。【结果】原光谱建立的牛肉掺鸭肉模型和牛肉掺鸡肉模型对训练集鉴别准确率均为97.42%,对预测集的鉴别准确率分别为96%和92%;经S-G+MSC预处理的牛肉掺假模型对训练集和预测集的鉴别准确率分别为97.24%和90%;经SNV预处理的羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为96.13%和92%;经SNV预处理的羊肉掺鸡肉模型对训练集和预测集的鉴别准确率分别为96.77%和94%;经S-G+SNV预处理的羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.24%和97.14%。【结论】研究结果为近红外技术结合OPLS-DA方法对定性鉴别掺假牛羊肉提供了参考。

等温扩增荧光法快速鉴定羊肉掺假

本文建立了快速鉴定羊肉掺假的等温扩增荧光检测方法。针对羊的线粒体Cytb基因设计两套引物,在恒温下,以直扩法处理的样本为模板进行扩增,通过特异性、灵敏度实验对该方法体系进行验证和分析。结果表明,最佳反应温度为65℃,最低检测限为5.54×10^(-5) ng·μL^(-1)。本研究建立的等温扩增荧光法快速鉴定羊肉掺假结果准确可靠、反应快速,具有良好的特异性和灵敏度,可以同时满足实验室和现场检测要求,为快速鉴定羊肉种属提供了一种新的检测方法,为其他肉类种属快速鉴定提供理论依据。

基于高光谱图像技术和波长选择方法的羊肉掺假检测方法研究

针对肉类掺假的定量检测问题,建立了基于高光谱图像技术结合波长选择方法以及偏最小二乘（PLS）法的羊肉掺假无损检测方法.试验搭建了羊肉-猪肉的高光谱图像采集系统,对选取的99个样本进行高光谱图像（390-1040nm）采集并提取感兴趣区域光谱.比较了多种预处理方法对全波长模型的影响,标准正态变量校正（SNV）为最优光谱预处理方法,校正决定系数R2CV达到0.93,预测决定系数R2P达到0.96,校正均方根误差RMSECV为8.33%,预测均方根误差RMSEP为6.18%.采用多种波长选择方法对光谱全波段520个变量进行变量选择,最终确定基于竞争性自适应重加权算法（CARS）的简化模型最优,其R2C=0.96,R2CV=0.94,R2P=0.96,RMSEC=6.55%,RMSECV=7.66%,RMSEP=6.10%.高光谱图像技术结合CARS能够对掺假羊肉进行准确的定量检测,可为羊肉掺假的在线无损检测提供理论依据。

牛羊肉掺假微流控检测方法的研究

基于环介导等温扩增技术(LAMP),建立掺假牛羊肉微流控快速检测方法。使用Takara核酸提取试剂盒分别提取14种肉类DNA,根据特异性基因16SrRNA,分别设计牛、羊、猪、鸡、鸭、狐狸、马3~5组特异性引物。在LAMP反应管优化实验中,进行最佳引物筛选实验、特异性实验;芯片验证实验中进行蝶式芯片点样、芯片特异性实验。最佳引物序列牛为N3、羊为Y4、猪为Z2、鸡为J3、鸭为ya2、狐狸为H1,马为M2。特异性实验中,每种肉类的核酸,只有在与之对应的引物作用下,才能发生扩增反应。芯片验证实验结果显示,无论是单一肉类品种的DNA,还是几种肉类混合的DNA,微流控芯片都能准确无误的检测到相应的肉类基因的存在,特异性良好。

高光谱图像结合特征变量筛选定量检测羊肉中狐狸肉掺假

为了探讨快速无损检测羊肉糜中狐狸肉掺假含量的可行性,该研究利用高光谱技术结合特征变量筛选方法开展了其定量检测研究。利用遗传算法、竞争性自适应重加权算法和二维相关光谱分析(Two-Dimensional Correlation Spectroscopy,2D-COS)3种方法分别对代表性样品全部846个波长进行特征波长筛选,得到207、34和14个特征波长;基于全部波长和特征波长建立羊肉糜中狐狸肉掺假含量的偏最小二乘回归(Partial Least Squares Regression,PLSR)和支持向量回归(Support Vector Regression,SVR)模型并进行比较。研究结果表明,基于全部波长和特征波长建立的SVR模型性能均优于PLSR模型。其中,利用2D-COS方法提取的14个特征波长建立的SVR模型(即2D-COS-SVR模型)性能最优,其预测集决定系数和均方根误差分别为0.928和3.00%,相对分析误差为4.85,表明高光谱结合2D-COS-SVR模型可以有效实现羊肉糜中狐狸肉掺假的定量检测。该研究结果为开发低成本肉类掺假检测系统提供技术支持和参考依据。

倒置残差网络结合注意力机制的掺假羊肉分类检测系统构建

针对羊肉精和染色剂作用下的猪肉掺假羊肉分类检测问题,该研究提出并建立了一种检测速度较快、精度较高的注意力机制结合倒置残差网络模型,同时基于智能手机开发了对应的快速、准确检测应用软件。首先,对羊肉、不同部位猪肉、不同掺假比例下的猪肉掺假羊肉的原始手机图像,使用数据增强方式进行数据扩充;其次,用倒置残差结构替换残差网络框架中的原有残差结构,以减少网络参数量并加快模型收敛速度,同时,引入注意力机制(Convolutional Block Attention Module,CBAM),利用空间和通道特征对特征权重再分配,以强化掺假羊肉和羊肉之间的特征差异;然后,利用提出的注意力机制结合倒置残差网络(CBAM-Invert-ResNet)对样本进行训练并确定模型参数;最后,将训练好的网络模型移植到智能手机,以实现掺假羊肉的移动端检测。研究结果表明:与ResNet50和CBAM-ResNet50相比,Invert-ResNet50、CBAM-Invert-ResNet50模型的参数量分别减少了58.25%和61.64%,模型大小分别减小了58.43%和61.59%;针对背脊、前腿、后腿和混合部位数据集,CBAM-Invert-ResNet50模型验证集的分类准确率分别为95.19%、94.29%、95.81%、92.96%;把建立的网络模型部署到移动端后,每张图片的检测时间约为0.3 s。该研究可实现对羊肉精和染色剂作用下的不同部位猪肉掺假羊肉的移动端快速、准确分类检测,可为维护市场秩序和保护食品安全提供技术支持。

基于超导磁共振的氢谱弛豫技术鉴别掺假羊肉

目的建立超导磁共振的氢谱弛豫技术鉴别掺假羊肉的检测方法。方法利用临床磁共振成像(magnetic resonance imaging,MRI)技术上广泛使用的水分子的弛豫性质(纵向弛豫时间T_(1)和横向弛豫时间T_(2)),在超导3.0 T高场强磁共振成像扫描仪上,评估不同掺假羊肉的定性权重MRI图像以及定量弛豫时间是否存在差异。结果在T_(2)权重图像上,随着掺假肉含量的增加,MRI信号强度呈现趋势性变化,不同掺假肉的变化趋势不同,而在T_(1)权重图像上未观察到类似现象。通过定量的弛豫时间分析,发现随着掺假肉含量增加,横向弛豫时间T_(2)显著改变(P<0.05),且T_(2)与掺假肉的比例存在强线性相关,而所有掺假羊肉样品的T_(1)未发现明显变化。结论利用目前已广泛普及的医用超导磁共振成像设备和弛豫时间测量技术,可以鉴别掺假羊肉。同时该方法具有简单、快速、准确、无损等诸多优点,本研究对磁共振成像技术在食品安全领域的应用具有重要意义。

羊肉纯度电子舌快速检测方法

为实现掺假羊肉的快速、客观评价,利用电子舌对混入不同比例鸡肉的掺假羊肉糜进行检测及定性和定量分析。3种浸提溶液分别浸提,样品量均对电子舌传感器的响应影响极显著;以数据点重复性和聚类效果为依据,采用主成分分析方法确定了电子舌检测羊肉糜样品的较佳条件为0.1 mol/L KCl溶液浸提15 g肉糜样品。在此较佳条件下,对混入不同比例鸡肉的掺假羊肉进行检测,结果表明:采用主成分分析和典则判别分析,前2个主成分累积贡献率均超过80%,电子舌均能很好地区分混入不同比例鸡肉的羊肉糜样品;采用多元线性回归分析和偏最小二乘回归分析建立的定量预测模型能有效预测混入的鸡肉比例(R2>0.99,RMSE<3%)。试验表明:电子舌在羊肉掺入鸡肉的鉴别中具有可行性,研究结果可为羊肉掺假鉴别提供参考。

环介导等温扩增结合免疫层析试纸条快速检测羊肉及其制品中的鸭源成分

为实现肉及肉制品中掺假成分的快速检测,本文将环介导等温扩增技术(loop mediated isothermal amplification,LAMP)与免疫层析试纸条(immunochromatographic test strip,ICTS)相结合,建立了一套可在羊肉及其制品中特异并灵敏地检测出鸭源性成分的方法。根据鸭特异性细胞色素b(cytb)基因的6个特异性区域设计LAMP引物,其中两条内引物FIP和BIP分别使用生物素(biotin)和地高辛(digoxin)标记。使用LAMP扩增技术于65℃下扩增30 min产生生物素和地高辛标记的双链DNA产物,将扩增产生的双链DNA产物(10μL)与90μL上样缓冲液(PBS pH=7.4)混合均匀后使用免疫层析试纸条进行可视化检测。本研究所建立的LAMP-ICTS方法能够在40 min内特异性地检测出羊肉及其制品中的鸭源成分,且与其他肉类不存在交叉反应,检出限可达到0.01%(w/w)。市售实际样品检测结果显示,所采集的羊肉片、羊肉串样品中均有鸭源性成分,且此结果与行业标准方法(PCR-电泳)的检测结果一致。LAMP-ICTS方法具有灵敏度高、特异性好、检测速度快、对仪器的依赖低等优点,适用于基层监管部门对羊肉及其制品真伪进行快速检测。

近红外光谱下冷鲜羊肉中鸡肉掺假鉴别分析

为对不同肥瘦比的冷鲜羊肉中鸡肉掺假水平进行判别分析,实现对掺假羊肉的快速检测。选用400个掺假样本,羊肉肥肉占10%、20%、30%、40%、50%,鸡肉占瘦肉的0%、10%、20%、30%、40%、60%、80%和100%。利用近红外光谱技术提取光谱波段为680~2600 nm,以3倍标准差法去异常值,运用光谱-目标共生距离按3:1比例划分样本,以多元散射校正、标准正态变换、SG卷积平滑(SGS)、SG一阶导和二阶导为预处理方法,特征波长提取选用竞争性自适应重加权算法(CARS)、信息变量消除法、连续投影算法三类方法,结合偏最小二乘(PLS)及支持向量机(SVM)建模预测。共剔除5个异常值,确定使用SGS作为最佳预处理方法,采用CARS方法提取的56个波长点表现出良好建模性能,最佳预测模型组合为SGS-CARS-PLS建模,校正集决定系数与均方根误差分别是0.9993、0.1895,验证集决定系数和均方根误差为0.8982、0.2843。因此,近红外光谱技术下经SGS预处理、CARS特征波长选取后建立的PLS模型可以识别出冷鲜羊肉中鸡肉掺假水平。

羊猪鸭基因组DNA提取及DNA条形码分子鉴定

筛选羊肉、猪肉及鸭肉基因组DNA提取方法,并进行DNA条形码鉴定.以羊猪鸭三种肉类为实验材料,采用传统法(SDS法)、chelex-100法、异硫氰酸胍法、试剂盒法提取基因组DNA,并用琼脂糖凝胶电泳、紫外分光光度法和COI序列扩增法对提取的效果进行检测和比较,利用建立的方法提取DNA并进行DNA条形码鉴定.四种方法均能从样品肌肉组织提取到基因组DNA,其中SDS法和试剂盒法得到的DNA质量最佳;异硫氰酸胍法DNA质量较好,操作时间长; chelex-100法简单、快速,但DNA含杂质较多,质量较差.四种方法均可提供满足DNA条形码分子鉴定的要求DNA,实际应用中可根据条件选择相应的方法.