二维相关光谱的猪肉TVB-N特征变量优选研究

为了探讨利用二维相关可见/近红外光谱法优选猪肉挥发性盐基氮(TVB-N)特征变量的可行性,以贮藏时间为外扰,研究了不同新鲜程度猪肉样本的二维相关光谱特性。首先,获取56个猪肉样本在贮藏1~14d的400~1 000nm范围的可见/近红外反射光谱,经过标准正态变量变换(SNV)处理后,基于全波段光谱建立TVB-N的偏最小二乘回归(PLSR)模型。然后,依据TVB-N实测值,从中挑选出10个具有一定浓度梯度的样本(贮藏时间分别为0,36,72,108,144,180,216,252,288和324h),利用一阶导数对光谱进行预处理后,根据不同样本之间的光谱差异,选取7个波段用于二维相关光谱解析。分析各个波段的二维相关同步谱和自相关谱,从7个波段范围内共选取23个变量作为不同贮藏时间下与TVB-N相关的敏感波长,并建立简化的PLSR模型。相较于全波段光谱数据所建模型,模型效果有所改善,预测集决定系数R2p由0.792 1上升至0.865 8,误差从3.658 2mg·(100g)^(-1)下降至3.246 0mg·(100g)^(-1)。表明基于二维相关光谱对猪肉TVB-N特征变量进行优选的思路是可行的,该方法能够从全光谱数据中筛选出与目标物质相关的敏感变量,这也为近红外光谱特征波长选择提供了一个新的方法。

近红外特征光谱的羊肉TVB-N浓度预测模型

为提高生鲜羊肉储存期内(4, 8和20℃环境)挥发性盐基氮(TVB-N)的近红外光谱(NIR)检测的稳定性和准确性,选取特征光谱和预测模型是关键步骤。以121个羊肉样品为实验对象,采集生鲜羊肉680~2 600 nm波段的近红外光谱。以多元散射校正(MSC)、标准正态变换(SNV)等散射校正方法,Savitzky-Golay卷积平滑(SGS)、移动平均平滑(MAS)等平滑处理方法,以及归一化(Normalization)、中心化(Centering)、标准化(Autoscaling)等尺度缩放方法分别预处理光谱数据后建立偏最小二乘法(PLS)预测模型。比较发现SGS处理的光谱建模效果最好。利用蒙特卡洛采样(MCS)法及马氏距离法(MD)消除了羊肉光谱的5个异常数据。运用光谱-理化值共生距离(SPXY)算法划分总样本的75%(87个)为校正集样本,剩余29个为验证集样本,利用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)、改进的无信息变量消除法(IUVE)和连续投影算法(SPA)提取特征光谱得到的波长个数分别为14, 713, 144和15。将全光谱和4种方法提取的特征波长作为输入变量建立预测模型,CARS提取的波长所建立模型的性能优于UVE、 IUVE和SPA提取的波长所建立模型的性能,表明CARS方法可以有效简化输入变量并提高预测模型的性能。改进后得到的IUVE法相比于UVE法,筛选出的波长数更少且模型性能有所提升。以提取的特征波长建立PLS,支持向量机(SVM)和最小二乘支持向量机(LS-SVM)预测模型,SVM模型得到最优的校正集预测结果,其中CARS-SVM预测模型的校正决定系数(RC2)和校正均方根误差(RMSEC)分别为0.939 1和1.426 7,最优的验证集预测效果为LS-SVM预测模型得到,其中IUVE-LS-SVM预测模型的验证决定系数(RV2)和验证均方根误差(RMSEV)分别为0.856 8和1.886 2。基于近红外特征光谱建立简化、优化的生鲜羊肉储存期TVB-N预测模型,为实现快速无损检测生鲜羊肉中的TVB-N浓度提供技术支持。

MIV波长优选改善VIS/NIR光谱TVB-N模型性能研究

挥发性盐基氮(TVB-N)是衡量肉品新鲜的重要理化指标,利用可见/近红外(VIS/NIR)光谱对TVB-N含量进行定量检测具有重要意义。预测模型是VIS/NIR光谱检测TVB-N含量性能的关键要素,使其兼顾准确性与稳健性可有效改善TVB-N的定量分析结果。以猪肉为例,采集51组不同新鲜度样本的VIS/NIR光谱数据,去除低信噪比区间200~450和900~1000 nm,选取有效波段450~900 nm的光谱数据用于建模。随后利用主成分分析(PCA)对光谱信息降维,构建一个反向传播神经网络(BPNN)模型。在此基础上,提出用平均影响值(MIV)方法从有效波段中优选与肉质TVB-N含量强相关的特征波长,最终基于221个优选波长,构建一个MIV-PCA-BPNN预测模型。实验表明,初步构建的PCA-BPNN非线性预测模型,校正相关系数(R_C)和校正均方根误差(RMSEC)分别为0.96和1.47 mg/100 g,预测相关系数(R_P)和预测均方根误差(RMSEP)分别为0.93和1.74 mg/100 g,模型稳健性指标为1.18,优于经典的线性预测模型主成分分析回归和偏最小二乘回归,证明TVB-N具有较强的非线性效应。最终构建的MIV-PCA-BPNN预测模型的R_C和RMSEC分别为0.98和1.21 mg/100 g,R_P和RMSEP分别为0.96和1.12 mg/100 g,模型稳健性指标为1.08,在所构建的预测模型中,RMSEC和RMSEP最小,RC和RP最大,模型的准确性和稳健性最佳。另外,MIV方法筛选出的特征波长集中在7个波峰附近,皆分布于肉品中化学成分的吸收区内,且与TVB-N中的含氢基团的特征吸收峰表现出高度一致性,为利用MIV方法筛选波长变量提供了理论依据。研究结果显示,MIV波长优选可有效改善预测模型的性能,为利用神经网络剔除无关波长变量提供了新思路,所构建的MIV-PCA-BPNN预测模型满足了肉质中TVB-N定量分析的需求。

基于近红外光谱特征的冷冻小龙虾鲜度快速检测方法

为建立快速检测冷冻小龙虾鲜度的近红外光谱模型,采集解冻的小龙虾虾尾、虾仁及虾糜的近红外光谱,分别利用一阶导数、多元散射校正、小波变换(wavelet transform,WT)和标准正态变换进行预处理,并利用偏最小二乘(partial least squares,PLS)与卷积神经网络(convolutional neural network,CNN)算法将预处理前后的光谱数据分别与总挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量关联,构建定量预测模型并比较建模效果,选取较佳模型,探究模型预测准确度和适用性。结果显示,预处理方法明显影响了建立模型的精度,光谱经预处理建立的CNN模型与PLS模型相比,具备更好地预测小龙虾TVB-N含量的能力。其中,虾仁光谱经WT预处理建立的CNN模型对验证集的预测准确度最高,校正集与验证集的相关系数分别为0.97、0.96,校正集与验证集的均方根误差分别为1.26、0.93mg/100g。近红外光谱的准确度、精密度与灵敏度均在合理范围内,方法学验证结果良好。综合考虑实际应用中快速、准确、低损伤等需求,确定WT-CNN-虾仁模型为预测冷冻小龙虾中TVB-N含量的最优模型。这些结果表明,WT-CNN-虾仁模型在预测冷冻小龙虾TVB-N含量、快速评价新鲜度方面具有巨大潜力。

应用三甲胺评价鱼类新鲜度与TVBN/TMA比值的研究

对四种淡水鱼和两种海产鱼在贮存过程中的三甲胺(TMA)和挥发性盐基氮(TVBN)含量变化情况进行了时间跟踪,结果表明,鱼体中TMA含量与TVBN含量高度正相关;TMA指标不仅能判定海产鱼类的新鲜度,而且也可作为淡水鱼的鲜度指标。探讨了用TVBN/TMA比值评价海鱼和淡水鱼新鲜度的适用性。

萘酚-苯并噻唑衍生物的合成及其琼脂糖凝胶对三文鱼新鲜度双通道无损检测

为了弥补单一比色法颜色区分不明显导致对鱼肉新鲜度的误判,本研究以萘酚为荧光团,通过与苯并噻唑盐缩合,合成萘酚-苯并噻唑衍生物(naphthol-benzothiazole derivative,HBO),其能够对有机胺比色和荧光双响应识别,并应用于三文鱼肉新鲜度的无损检测。HBO在EtOH/H2O(1∶9,V/V)体系中对12种胺都能产生明显响应,具有较低的检测限(精胺:0.4μmol/L),并可在活细胞中对精胺荧光成像。以琼脂糖为基质,将探针负载后制备传感凝胶HBO琼脂糖凝胶(HBO agarose gel,HBOAL),当凝胶与三文鱼鱼肉共同贮藏时,HBOAL日光下为浅红色,紫外光照射为黄色荧光时表明鱼肉已腐败。该凝胶对三文鱼鱼肉的3种等级颜色区分明显,评价结果准确,可用于实时监测三文鱼鱼肉的新鲜度。

基于传感器阵列的小黄鱼新鲜度检测电子鼻设计

为设计一款可用于农产品新鲜度测定的电子鼻,以小黄鱼为研究对象,在恒定条件下开展腐败试验,以传感器响应值为自变量,小黄鱼挥发性盐基氮(Total volatile basic nitrogen,TVB-N)值为因变量,并分别通过多元线性回归、偏最小二乘法和BP神经网络,建立小黄鱼鱼肉品质等级的预测模型,并通过对比3种模型对TVB-N值预测的相关系数R和平均误差百分比RE-mean,分析模型性能优劣。结果表明,利用预测模型电子鼻能够分辨出小黄鱼的新鲜腐败样品,应用BP神经网络的预测算法对样品实现最好的预测,多元线性回归模型与最小二乘法预测模型性能较差。

原料及加工工艺对包馅鱼肉卷N-亚硝胺含量的影响

为评价原料及加工工艺对包馅鱼肉卷中N-亚硝胺含量的影响,分别测定包馅鱼肉卷馅和皮加工过程中9种挥发性N-亚硝胺含量、亚硝酸盐含量、硫代巴比妥酸反应物(thiobarbituric acid reaction substances,TBARs)值以及挥发性盐基氮(totalvolatilenitrogen,TVB-N)含量的动态变化。结果表明:经过加工后鱼肉卷馅和皮中的TVB-N含量均下降,TBARs值和亚硝酸盐含量均上升;鱼肉卷馅的各种原料中含有不等量的N-二甲基亚硝胺(N-nitrosodimethylamine,NDMA)(0~27.51μg/kg)、N-二乙基亚硝胺(N-nitrosodiethylamine,NDEA)(0~3.39μg/kg)、N-甲基乙基亚硝胺(N-nitrosoethylmethylamine,NMEA)(0.11~4.33μg/kg)以及N-亚硝基二苯胺(N-nitrosodiphenylamine,NDPheA)(0~0.82μg/kg);在鱼肉卷皮原料中检出了NDEA(0~12.56μg/kg)、NMEA(0.08~15.26μg/kg)以及N-亚硝基哌啶(N-nitrosopiperidine,NPIP)(0~8.13μg/kg);馅中NDMA、NMEA、NDEA及皮中NDMA、NMEA主要在盐擂期间形成,并在加工后期逐渐下降;NDPheA及NPIP含量在馅和皮的加工过程中始终低于检出限;鱼肉卷成品馅料中NDMA含量为(1.9±0.2)μg/kg,低于国家标准中的限量,而皮中未检出NDMA。

鸽肉贮藏品质变化和货架期预测模型

为快速、准确地预测鸽肉在冷藏条件下的货架期,研究了鸽肉在贮藏温度为0、4、8、12℃下鸽肉的挥发性盐基氮(total volatile bas⁃ic nitrogen,TVB-N)、色度值和菌落总数的变化情况,再对各指标进行相关性分析,以TVB-N值为指标建立一级动力学模型,并通过阿伦尼乌斯(Arrhenius)方程对货架期进行了预测。结果表明:选择TVB-N作为关键因子所得预测模型方程为A=A0 exp(2.4026×10^(23) e^(-128061/RT) t),鸽肉在低温冷藏条件下的预测货架期与实测货架期的相对误差在±10%以内。由此可见,所得预测模型方程可用于预测鸽肉在贮藏温度0~12℃下的货架期。

基于近红外光谱技术的小龙虾新鲜度快速检测研究

小龙虾是近年来广受消费者欢迎的淡水产品,相关产业迅猛发展,产生巨大的经济利益。小龙虾整虾及虾仁、虾尾在运输过程中极易腐败变质,产生有害物质。如果不能对小龙虾新鲜度进行及时检测,任由腐败小龙虾进入食品流通环节,极易酿成食品安全事故,危害消费者生命安全,对整个产业链造成不良影响。挥发性盐基氮(TVBN)是衡量水产品新鲜度的主要指标,也可以用于衡量小龙虾的新鲜度,但传统的挥发性盐基氮检测方法存在步骤复杂、检测时间长和化学试剂污染的等问题,无法满足小龙虾庞大产业链的检测需求。近红外光谱技术是一种快速、无损、环境友好的分析技术,在食品分析领域中已有较为广泛的应用。本研究基于近红外光谱分析技术(NIR),结合化学计量学方法提出一种小龙虾新鲜度的快速检测方法。使用偏最小二乘算法(PLS)建立小龙虾虾尾挥发性盐基氮定量分析模型。为了提高模型的预测能力,使用多元散射校正(MSC)、标准正态变换(SNV)、连续小波变换(CWT)和1阶导数(1st)法对光谱进行预处理,扣除光谱背景;使用蒙特卡洛-无信息消除(MC-UVE)和随机检测(RT)算法进行波长筛选,选择光谱中有效变量。结果显示,光谱预处理和波长筛选技术能够有效提高模型的预测能力。其中,经过1阶导数和蒙特卡洛-无信息变量消除法组合优化处理之后的光谱所建立的偏最小二乘模型与其他模型相比具有更好的预测能力,对于预测集样品,其预测均方根误差和相关系数可达1.626和0.950,能够实现对小龙虾新鲜度的快速、准确检测。

不同贮藏温度鳜鱼片品质变化规律

为进一步控制鳜鱼片的品质及质量安全,研究不同贮藏温度下鳜鱼片的品质变化规律。将鳜鱼片分别置于4、7、10℃,测定总挥发性盐基氮(volatile base nitrogen,TVB-N)含量、pH值、持水力、菌落总数和色度值,确定4、7、10℃贮藏温度下鳜鱼片的货架期。结果表明:随着贮藏时间的延长,各实验组的菌落总数、pH值和TVB-N含量均呈上升趋势(P<0.05),持水力显著下降(P<0.05);TVB-N含量的初始值较低,为6.39 mg/100 g,在9 d的贮藏期后,4、7、10℃贮藏温度下鳜鱼片分别增长5、8、9倍。结合各指标综合来看,4、7、10℃贮藏温度下鳜鱼片的货架期分别为3、2、1 d。

负载花青素的玉米醇溶蛋白纳米纤维膜监测猪肉新鲜度

目的 静电纺丝“绿色”制备负载花青素(anthocyanin,A)的玉米醇溶蛋白(zein,Z)纳米纤维膜,通过对其颜色变化达到可视化和实时监测肉制品新鲜度的效果。方法 以A为指示剂,Z为纺丝原料,通过静电纺丝法制备A/Z纤维膜,表征其基本结构,验证其在盐酸和氨水环境中的颜色响应,并进一步将其应用于猪肉新鲜度监测。结果 A/Z纤维膜的表观为粉红色,平均厚度为98.6μm,由平均纤维直径为646.5 nm的光滑均匀纳米纤维构成,并在盐酸和氨水环境中具有明显的颜色响应。猪肉4℃贮藏实验中,第4 d的A/Z纳米纤维膜的猪肉总挥发性盐基氮(total volatile basic-nitrogen,TVB-N)含量达到21.9 mg/100 g,达到腐败阈值,并且其色差与猪肉TVB-N含量具有显著关联(r^(2)=0.9652)。结论 A/Z纳米纤维膜可作为一种潜在的通过色差变化监测肉制品新鲜度的智能标签,为实现绿色、环保和安全地监测肉类新鲜度提供了良好的研究思路。

气相红外光谱无损检测臭鳜鱼中挥发性盐基氮

挥发性盐基氮(total volatile basic nitrogen,TVB-N)是衡量臭鳜鱼新鲜度的一项重要指标,而现有检测方法存在速度慢、对样品破坏性强的局限性。为实现TVB-N快速无损检测,该文利用气相傅里叶变换红外光谱获取不同贮藏条件下臭鳜鱼挥发物的光谱信息,采用高斯滤波、稳健局部加权回归(robust locally weighted regression,RLWR)、小波阈值去噪、模拟退火-偏最小二乘(simulated annealing-partial least squares,SA-PLS)等方法进行光谱预处理,偏最小二乘回归和支持向量回归算法构建预处理光谱与TVB-N之间的关联性模型。结果表明,与其它模型相比,经RLWR结合SA-PLS选择的特征波长光谱可建立最优预测模型,其决定系数(decision coefficient,R^(2)_(p))和相对预测误差分别为0.9428和4.0050,具有较高的精准度与鲁棒性。

基于粒子群优化算法优化反向传播神经网络构建冷藏草鱼新鲜度的近红外光谱预测模型

目的 基于机器学习算法构建冷藏草鱼新鲜度的近红外光谱预测模型。方法 采集连续冷藏6d的草鱼片的新鲜度指标,并进行方差分析。选择受冷藏天数影响最大的指标—总挥发性盐基氮(total volatile basic nitrogen,TVB-N)进行定量预测。运用x-y距离结合的样本划分(samplesetpartitioningbasedonjointx-y distance,SPXY)方法进行数据集的划分,并采用正交信号校正法(orthogonalsignalcorrection,OSC)、Savitzky-Golay(SG)、一阶导数及其组合算法进行光谱预处理。再运用竞争性自适应重加权采样(competitive adaptivereweightedsampling,CARS)、连续投影算法(successiveprojectionsalgorithm,SPA)、主成分分析(principal component analysis, PCA)对光谱变量进行选择和降维。最后结合偏最小二乘回归(partial least squares regression,PLSR)、反向传播(backpropagation,BP)神经网络和粒子群优化算法(particleswarmoptimization,PSO)优化BP神经网络(PSO-BP),建立草鱼(Ctenopharyngodonidella)片新鲜度定量预测模型。结果 各线性和非线性模型均得到了良好的预测效果,预测集相关系数均超过了0.95。PLSR表现较为稳定, BP神经网络虽提高了校正集预测性能,但是预测集性能不如PLSR。PSO-BP既保证了校正集预测性能,也提高了预测集性能。基于OSC+D1预处理和CARS变量选择后的PSO-BP模型性能最优(R2P=0.987,预测集的均方根误差为0.108,相对分析误差为7.778)。结论 基于PSO-BP算法和近红外光谱的定量预测模型可以很好地预测冷藏鱼肉的新鲜度指标。

荧光法快速检测肉品新鲜度

挥发性盐基总氮值(TVB-N)是目前国际上公认的用于评价肉质新鲜度的理化指标。本文基于挥发性盐基氮在碱性溶液中迅速释放出气体氨,气体氨被密闭空间内检测液顶空吸收,检测液pH值升高引发检测液主要成分快速发生特异性偶联反应,形成发射强烈蓝色荧光的产物。样本TVB-N含量越高,短时间内(<4 min)释放的气体氨越多,检测液pH升高得越多,生成的蓝色荧光产物越多,检测液的荧光强度越强。检测液中加入红色荧光参比物质后,检测液荧光颜色随样本TVB-N含量升高从粉色变成蓝紫色。根据检测液荧光荧光颜色,目视法可快速半定量样本TVB-N含量,实现肉品新鲜度的快速检测。该荧光方法能够满足肉品新鲜度的例行分析和现场快速检测的要求。

用近红外漫反射光谱检测肉品新鲜度的初步研究

挥发性盐基氮一直以来是评定肉品新鲜程度的重要指标,通常其测定依据是半微量凯氏定氮法,这难以满足当前肉品快速非破坏性的检测要求。文章通过近红外漫反射光谱法(NIRS)建立了挥发性盐基氮(TVB-N)的预测模型,并通过聚类分析方法对光谱数据进行了分类处理。结果表明当猪肉样品中TVB-N含量超过11.6 mg.(100g)-1时,可以判定该肉品为次鲜肉,采用近红外漫反射光谱法建立预测模型,能够实现对肉品的新鲜程度非破坏性、快速检测。

普鲁兰多糖在草鱼鱼肉保鲜中的应用

探讨普鲁兰多糖溶液对草鱼鱼肉的保鲜效果。以pH值、感官质量评价、细菌总数、挥发性盐基氮和过氧化值等为鲜度指标,鱼块经不同浓度的普鲁兰多糖溶液处理5min后,于模拟常温(25℃)贮藏,测定不同时间点其鲜度的变化。结果表明:普鲁兰多糖溶液对鱼肉有明显的保鲜效果,经0.50%多糖溶液处理的鱼肉,在模拟常温条件下贮藏12h后细菌总数和TVB-N值分别为2.15×105CFU/g和19.74mg/l00g,均低于淡水产品二级鲜度的要求,保鲜效果最好。

基于电子鼻的带鱼货架期预测模型

为探索通过气味分析判断海产品贮藏品质的方法,利用电子鼻对带鱼在不同贮藏温度与贮藏时间下的挥发性气味变化进行了分析,对所获数据进行了主成分分析与货架期分析,并与理化品质指标值挥发性盐基氮(totalvolatile basicnitrogen,TVBN)相联系,建立了带鱼在273～283K下的货架期预测模型。结果表明:电子鼻18个金属传感器能很好地将贮藏于273与283K下的带鱼随着贮藏时间变化的气味进行区分。贮藏于不同温度条件下的带鱼的TVBN值与菌落总数值均随着贮藏时间的增加而增长,且均符合一级化学动力学模型(R2>0.9)。基于电子鼻货架期分析获得的273～283K下的气味变化结果与该温度下理化品质指标变化具有较好的对应关系,采用Arrhenius动力学模型推导公式求得带鱼在(273～283K)温度段内TVBN的Q10(温差为10K的货架寿命之比)值,对照该温度段下电子鼻货架期分析获得的气味变化货架期分析值,得到带鱼在该温度段内的Q10货架期预测模型,经验证,其预测误差小于20%。可根据获得的货架期预测模型对带鱼在273～283K条件下的货架期进行预测。

不同储藏温度对鲢鱼鲜度品质的影响

对储藏于10℃、-1℃和-20℃条件下的鲢鱼进行感官评定,并测定挥发性盐基氮(T-VBN)、三甲胺(TMA)和K值等,从而分析不同储藏条件下鲢鱼鲜度品质的变化情况.感官评定结果表明:10℃条件下鲢鱼块的储藏期不超过3 d;-1℃条件下不超过9 d.十二烷基硫酸钠-聚丙烯酰胺凝胶电泳(SDS-PAGE)图谱显示:在10℃条件下储藏至第3天,肌球蛋白重链明显发生降解;在-1℃和-20℃条件下储存至第9天,出现肌球蛋白重链的降解条带;但随着冻藏时间的延长,肌球蛋白重链进一步降解的趋势并不明显.在3种储存条件下,T-VBN、TMA和K值均随着储藏时间的延长而不断上升,且储藏温度越高,上升趋势越快,与感官检测结果一致;因此,蛋白质降解、ATP降解及三甲胺的形成是评价鲜度损失的理想指标,而且充分地解释了鱼体鲜度降低的规律.此外,低温冻藏有效地减缓了淡水鲢鱼储藏过程中鲜度的降低速率.

不同保存温度下牛肉新鲜度变化规律的研究

【目的】研究牛肉在保存过程中新鲜度主要指标的变化规律。【方法】将分割好的牛肉分别保存在室温和4℃条件下,对其新鲜度主要指标(挥发性盐基氮、pH值、菌落总数)进行测定。【结果】牛肉的新鲜度指标在不同保存温度下有所不同,保存温度高,牛肉中的TVB-N数值增加的速度就越快、pH值回升的时间就越短,微生物繁殖的数目就越多,牛肉变质的速度就越快。【结论】4℃条件下保存的牛肉保质期比较长,达到了4 d,所以在4℃条件下一定时间内保鲜牛肉是可行的。