该实验选取3~5岁龄阿拉善双峰驼胴体的辣椒条、骆驼霖、大黄瓜条、腹肉、腱子肉、里脊、米龙、上脑、臀肉、外脊、胸肉、小黄瓜条、眼肉等13个部位肉样,测定驼肉水分、蛋白质和脂肪含量,并利用近红外光谱仪在4000~10000 cm^(-1)波数条...该实验选取3~5岁龄阿拉善双峰驼胴体的辣椒条、骆驼霖、大黄瓜条、腹肉、腱子肉、里脊、米龙、上脑、臀肉、外脊、胸肉、小黄瓜条、眼肉等13个部位肉样,测定驼肉水分、蛋白质和脂肪含量,并利用近红外光谱仪在4000~10000 cm^(-1)波数条件下进行光谱扫描。首先选用滤波平滑(savitzky-golay,S-G)、导数、标准正态变量转换法(standard normal variate,SNV)、多元散射校正(multiplication scatter correction,MSC)方法进行光谱预处理比较,其次采用偏最小二乘判别分析法(partial least square-discrimination analysis,PLS-DA)建立水分、蛋白质、脂肪含量模型。结果表明,不同部位驼肉样的水分含量模型的最佳预处理方法为MSC,模型的决定系数R_(c)^(2)、校正集均方根误差(root mean square error of calibration,RMSEC)、R_(p)^(2)、验证集均方根误差(root mean square error of prediction,RMSEP)分别是0.7459、0.0085、0.7741、0.0134;蛋白质含量模型的最佳预处理方法为SNV,模型的决定系数R_(c)^(2)、RMSEC、R_(p)^(2)、RMSEP分别是0.6602、0.2879、0.6725、0.2760;脂肪含量模型的最佳预处理方法为S-G,模型的决定系数R_(c)^(2)、RMSEC、R_(p)^(2)、RMSEP分别是0.9885、0.0863、0.9963、0.0567。研究表明利用近红外光谱技术对不同部位驼肉样脂肪含量的预测最好,其次为水分含量的预测,蛋白质含量预测的结果最不佳。展开更多
文摘该实验选取3~5岁龄阿拉善双峰驼胴体的辣椒条、骆驼霖、大黄瓜条、腹肉、腱子肉、里脊、米龙、上脑、臀肉、外脊、胸肉、小黄瓜条、眼肉等13个部位肉样,测定驼肉水分、蛋白质和脂肪含量,并利用近红外光谱仪在4000~10000 cm^(-1)波数条件下进行光谱扫描。首先选用滤波平滑(savitzky-golay,S-G)、导数、标准正态变量转换法(standard normal variate,SNV)、多元散射校正(multiplication scatter correction,MSC)方法进行光谱预处理比较,其次采用偏最小二乘判别分析法(partial least square-discrimination analysis,PLS-DA)建立水分、蛋白质、脂肪含量模型。结果表明,不同部位驼肉样的水分含量模型的最佳预处理方法为MSC,模型的决定系数R_(c)^(2)、校正集均方根误差(root mean square error of calibration,RMSEC)、R_(p)^(2)、验证集均方根误差(root mean square error of prediction,RMSEP)分别是0.7459、0.0085、0.7741、0.0134;蛋白质含量模型的最佳预处理方法为SNV,模型的决定系数R_(c)^(2)、RMSEC、R_(p)^(2)、RMSEP分别是0.6602、0.2879、0.6725、0.2760;脂肪含量模型的最佳预处理方法为S-G,模型的决定系数R_(c)^(2)、RMSEC、R_(p)^(2)、RMSEP分别是0.9885、0.0863、0.9963、0.0567。研究表明利用近红外光谱技术对不同部位驼肉样脂肪含量的预测最好,其次为水分含量的预测,蛋白质含量预测的结果最不佳。
