拉曼光谱技术在农畜产品品质安全检测中的进展

本文综述了拉曼光谱技术应用于农畜产品品质安全检测的研究进展,从原理及分类出发,以各个技术方向为框架介绍拉曼光谱技术在农畜产品各个方面的进展,并分析实际问题,提出发展趋势。作为无损检测技术的重要支撑技术,拉曼光谱检测技术已经被开发应用于农畜产品品质安全检测的各个方面。激光拉曼光谱技术的成熟推动了拉曼光谱检测技术蓬勃发展,傅立叶拉曼光谱技术、显微拉曼光谱技术、共振拉曼光谱技术和表面增强拉曼光谱技术在农畜产品品质安全检测方面均具有巨大的潜力。

基于拉曼光谱的PE膜包装食用农产品品质检测误差的校正方法

透明保鲜膜包装以其方便、经济、卫生的特点被广泛应用于超市卖场及日常生活中,却也给食品农产品的检测增加了难度,所以急需一种能够隔透明薄膜无损检测农产品的方法。叶绿素是影响黄瓜品质的重要因素之一,该研究主要探讨了拉曼技术检测黄瓜品质时,食品保鲜膜层数对叶绿素特征峰的影响,并通过对菠菜、油菜和芹菜对得出的结论进行验证。采用点检测拉曼光谱系统,采集无保鲜膜包装以及多层包装下黄瓜的拉曼光谱。拉曼信号经Savitzky-Golay(SG)5点平滑和自适应迭代惩罚最小二乘法扣除荧光背景,探究不同层数(1~6层)的PE保鲜膜对黄瓜叶绿素特征峰的影响。采集被保鲜膜覆盖的黄瓜的拉曼信号并处理,即可建立叶绿素的特征峰(1 158和1 528cm^(-1))减少值与保鲜膜层数之间的变化规律,并对规律的预测效果进行评价。随着保鲜膜层数的增加,透明包装层数与黄瓜叶绿素特征峰强度之间呈现良好的线性相关关系。提取出单层透明包装对叶绿素在1 158和1 528cm-1处特征峰强度的降低值分别为81.4和103.1,分别占未加保鲜膜时叶绿素特征峰强度值的7.98%和8.56%,多组验证结果的相关系数达到0.95以上,验证的相关系数达到0.94。随着样品浓度增高,线性递减效果越明显。作为验证,通过透明保鲜膜检测菠菜、油菜和芹菜叶片中的叶绿素表明,每加一层膜叶绿素在1 158和1 528cm-1处的特征峰强度会比覆膜前分别降低7.9%~8.6%和8.1%~8.6%;导致检测信号强度呈线性降低是由于保鲜膜使激发光分散不聚焦导致,保鲜膜成分对检测结果无影响。该研究为拉曼光谱隔透明包装检测拉曼光谱特征峰强度,进而获得农产品品质信息提供了一种新的分析方法。

基于可见/近红外光谱技术的牛肉含水率无损检测

生鲜牛肉的含水率对其牛肉的加工、储藏、贸易与食用质量有重要影响,为了提高牛肉的经济价值和食用品质,需要研究牛肉含水率的无损检测技术。以取自不同超市的内蒙小黄牛和鲁西黄牛背最长肌为研究对象,有效样本86个,其中,75%的样本作为校正集,25%的样本作为验证集。采集牛肉新鲜切口处400～1170nm波长范围内的漫反射光谱,用国标方法测定牛肉含水率。经过多元散射校正(multiplicative scatter correction,MSC)、变量标准化(standard normalized variate,SNV)和直接正交信号校正(direct orthogonal signal correction,DOSC)等方法预处理,在400～1170nm范围内分别建立多元线性回归(multiple linear regression,MLR)模型、主成分回归(principal component Regression,PCR)模型和偏最小二乘回归(partial least squares regression,PLSR)模型。结果表明使用MSC预处理方法建立的模型预测效果最佳,其中用PLSR建模结果最好,校正集的相关系数和校正标准差分别是0.92和0.0069,验证集的相关系数和验证标准差分别是0.92和0.0047,外部验证的相关系数和验证标准差分别是0.85和0.0054。结果表明,可见/近红外光谱结合MSC预处理方法建立的PLSR模型,可以对牛肉含水率进行准确的快速无损评价,为生鲜牛肉含水率快速无损检测技术的应用提供理论参考。

基于可见/近红外光谱生鲜肉多品质参数检测装置研发

为了解决生鲜肉多个品质参数快速、无损、同时检测的问题,该文利用双波段（350-1 100 nm和1 000-2 500 nm）可见/近红外光谱技术,结合硬件单元和编写的软件控制程序,研发了多品质参数同时检测装置,实现对双波段光谱信息的同时采集、实时处理、显示以及保存。基于该检测装置,采集覆盖生鲜肉多个品质参数的可见/近红外光谱信息（350-2 500 nm）,经过平滑和标准正态变量变换（standard normal variate,SNV）预处理后,分别基于单波段和双波段光谱数据,与国家标准方法测定的猪肉颜色（L＊、a＊、b＊）、p H值、挥发性盐基氮（total volatile basic nitrogen,TVB-N）、含水率、蒸煮损失和嫩度建立偏最小二乘（partial least square,PLS）预测模型。在此基础上,利用竞争性自适应加权算法（competitive adaptive reweighted sampling,CARS）筛选特征变量,建立简化的PLS模型,对各个品质参数的预测集相关系数分别为0.962 5、0.933 6、0.938 9、0.941 5、0.936 3、0.912 3、0.920 0和0.901 9,预测误差为0.628 7、0.757 6、0.547 1、0.078 2、2.835 4 mg/（100 g）、0.380 9%、2.560 0%和6.896 7 N。结果表明,该装置可以实现生鲜肉多个品质参数的同时检测,研究结果可为实时获取肉品品质信息,实现肉品评定和分级提供参考。

便携式生鲜猪肉多品质参数同时检测装置研发

针对农畜产品检测现场的需求,基于可见/近红外光谱检测技术和嵌入式系统,开发了灵活方便的猪肉品质无损检测装置。该装置利用卤素灯作为光源,新型光导探头和微型光谱仪采集肉样光谱信息,通过ARM（advanced RISC machines）控制处理器进行集中控制和数据的处理;在内嵌linux操作系统上,采用Qt开发工具,设计出人性化的交互界面,并将猪肉品质的检测结果输出到装置触摸屏上。为了建立多品质无损检测数学模型,获取了猪肉里脊在400~1 000 nm波长范围内的光谱数据,通过国标方法测得猪肉里脊主要品质参数颜色（L＊、a＊、b＊）和p H值,采用标准正态变量变换（standard normalized variate,SNV）和Savitzky-Golay（S-G）平滑对光谱数据进行预处理,并结合理化数据建立偏最小二乘（partial least squares regression,PLSR）模型。用全交叉验证法选取PLSR建模的主成分数。p H值、L＊、a＊和b＊的预测相关系数为0.88、0.90、0.97和0.97,预测标准差为0.19、1.77、1.17和0.63。通过现场试验表明,轻便式多品质无损检测装置具有较高的检测精度,满足于猪肉的颜色和p H值等品质参数检测的要求。

便携式番茄多品质参数可见/近红外检测装置研发

该文针对番茄独特的囊室结构及整体成熟度不均等问题,基于可见/近红外全透射光谱,研发了便携式番茄内外品质快速无损实时检测装置。该装置的硬件系统主要包括光源模块、信号采集模块、信号处理模块、电源模块、散热模块和打印模块,基于该硬件系统,采集了番茄630~1 100 nm范围内可见/近红外透射光谱,选取650~1 100 nm范围的光谱进行SG卷积平滑(savitzky-Golay smooth,SG-smooth)、标准正态变量变换(standard normal variable transformation,SNV)和多元散射校正(muliplication scattering correction,MSC)等预处理,建立了番茄颜色、硬度、总酸、总糖含量的偏最小二乘预测模型。基于QT开发框架编写了番茄多品质无损检测实时分析控制软件,植入番茄多品质参数预测模型,实现了番茄多品质参数检测一键式操作。为了测试该装置的检测精度和稳定性,选取与建模无关的20个同品种样品对每个样品的内外品质重复检测8次,结果表明:番茄颜色预测值与实测值相关系数为0.952 8,均方根误差为2.703 8,硬度预测值与实测值相关系数为0.940 5,均方根误差为0.448 6 kg/cm^2,总酸含量的预测值与实测值相关系数为0.953 7,均方根误差为0.326 3%,总糖含量预测值与实测值相关系数为0.9610,均方根误差为0.197 4%。番茄样品颜色、硬度、总酸和总糖重复检测最大相对误差分别为2.9%、1.9%、2.0%和1.6%。该便携式检测装置基于可见近红外全透射光谱,实现了番茄颜色、硬度、总酸、总糖含量的同时快速无损实时检测,预测精度及稳定性较好,可以满足实时评价番茄品质的市场需求。

基于光谱技术的原料肉新鲜度指标在线检测系统开发及试验

为了实现原料肉新鲜度参数的无损在线实时评估,基于双波段可见/近红外反射光谱(350～1 100和1 000～2 500 nm)技术建立了原料肉新鲜度主要指标的在线检测系统。研究设计了装置的光源单元、光谱采集单元、控制单元和驱动单元,优化设计了光源固定支架和安放角度,编写了相应的控制程序,开发了实验室用和便于在不同生产线应用的两套在线检测系统。首先,对试验参数(传送带速度和样品到透镜入光口距离)进行了优化研究,通过光谱相似度比较和显著性分析,确定传送带速度是275 mm·s^(-1)、距离是12 cm时能够获得更加稳定的光谱信号。然后,基于该试验参数,分别在静止和在线条件下采集了贮藏时间为1～13 d共50个猪肉样本的反射光谱,并利用抛物线拟合法对双波段光谱进行融合,以获取整条覆盖可见及近红外区域的完整光谱。为了使两个波段范围内的光谱数据点权重相同,在整个波段范围内均匀分布,借助三次样条插值法将所有光谱数据点以2 nm为间隔进行重新排布。采用窗口移动多项式最小二乘拟合法对光谱作平滑处理,采用标准正态变量变换对每条光谱进行标准化预处理,分别建立了静止和在线条件下新鲜度主要表征指标-颜色(L~*, a~*和b~*)、 pH和挥发性盐基氮的预测模型,以此验证所搭建系统的可靠性。经过对比分析,发现在线条件下的建模结果不如静止状态下的建模结果,这可能与在线采集时光谱存在漂移现象有关。进一步尝试利用一阶导数处理来消除基线漂移强化谱带特征,并对一阶导数和标准化处理顺序对建模结果的影响进行了探讨。结果发现先经过一阶导数再经过标准化处理,能更好地消除外部干扰造成的影响,建模结果更佳。在该处理方式下,基于第一波段光谱建立了颜色参数(L~*, a~*, b~*)的预测模型,基于双波段光谱建立了pH和挥发性盐基氮的在线检测模型,预测相关系数分别为0.955 3, 0.924 7, 0.955 1, 0.961 5和0.966 8。最后,为了验证模型的适用性,基于开发的便于在不同生产线应用的在线检测系统,利用独立的20个样本对在线模型进行外部验证,对颜色参数(L~*, a~*, b~*), pH和挥发性盐基氮的预测相关系数分别为0.918 9, 0.914 1, 0.947 7, 0.950 4和0.960 6。研究结果表明,该系统通过双波段光谱的实时采集和融合,可以获取更多反应样本内部信息的光学信号,具有更强的检测能力。结合设计的光路等其他硬件单元,可以同时获取样本表面更大区域的反射光谱信息,从而实现对原料肉新鲜度主要表征参数的无损、在线、实时评估。该系统便于组装和拆卸,可以适应不同企业生产线的实际需要,具有较强的实用价值和较好的市场前景。

基于漫透射光谱技术的番茄可溶性固形物及总糖含量的无损检测

为了满足果蔬品质快速安全无损检测,基于可见-近红外漫透射原理,设计了番茄专用环形光源,自行搭建了番茄可见-近红外漫透射多品质检测系统,并以可溶性固形物含量(SSC)和总糖(TS)作为内部品质指标,对58个番茄样品进行了快速无损检测研究。基于自主搭建的系统对每个番茄进行四点的光谱采集,对平均后的光谱分别用15点SG卷积平滑(SG-Smooth)、标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数(FD)等方法进行了预处理,分别建立了SSC及TS的偏最小二乘预测模型,并对该模型进行了验证。结果表明:采用15点SG平滑预处理后的SSC预测模型校正集和预测集相关系数分别为0.995 6和0.976 0,均方根误差分别为0.052 4°Brix和0.082 3°Brix。采用SG平滑后一阶导数预处理的TS预测模型校正集和预测集相关系数分别为0.969 1和0.972 9,均方根误差分别为0.423 8%和0.454 9%。模型验证结果显示,番茄SSC和TS模型预测结果与标准理化值相关系数分别为0.985 5和0.944 9,均方根误差分别为0.066 3°Brix和0.571 5%。利用自行搭建的可见-近红外漫透射光谱检测系统完全可以实现番茄可溶性固形物及总糖含量的快速无损预测,为番茄内部品质的评价提供了实时、无损、快速的检测方法,为其在线分级提供理论基础。

基于机器视觉的猪胴体背膘厚度在线检测技术

为了能在线精准测量猪胴体背膘厚度,解决人工测量过程中效率低、人为因素影响大及结缔组织易被误测量为背膘的问题。该文基于机器视觉及图像处理技术提出一种图像采集并自动测量背膘厚度的算法。在双边滤波、大律法、形态学变换的基础上,通过轮廓面积分割提取出背膘区域及其边缘轮廓,利用拟合线对轮廓边框进行拟合,判断是否包含结缔组织。若包含则针对原始图像目标测量区域像素点特征进行具体分析,去除结缔组织。然后通过直线映射,确定背膘厚度检测线,测量猪胴体背膘厚度。测试结果表明:检测方法能适应在线检测速度需求,检测正确率为93.5%,平均检测时间为0.3 s。研究结果为生猪屠宰生产线上准确、快速测量背膘厚度提供参考。

利用拉曼光谱技术识别溴氰菊酯和啶虫脒农药的研究

目的初步建立溴氰菊酯农药和啶虫脒农药的拉曼光谱研究方法。方法利用激光拉曼光谱技术,将农药溶液装满铝盒,采集农药溶液的拉曼光谱曲线,运用自主编写的程序对光谱曲线进行预处理,以去除光谱噪音并扣除荧光背景,进而探讨溴氰菊酯农药和啶虫脒农药的快速无损检测方法。结果溴氰菊酯农药和啶虫脒农药的拉曼特征频率较为丰富,选取574 cm-1、736 cm-1处的拉曼信号可识别溴氰菊酯农药,检测限为2500mg/kg。选取752 cm-1、840 cm-1处的拉曼信号可识别啶虫脒农药,当溶剂的丙酮-水比例为1:5时,最适合作为检测溶剂配置啶虫脒农药溶液,为下一步确定啶虫脒检测限奠定基础。结论本研究对实现拉曼光谱技术检测果蔬表面溴氰菊酯农药和啶虫脒农药具有重要意义。

继续开展无损检测研究，提升食品质量安全检测技术水平

食品质量与安全是人们共同关注的热点，在食品产销链中如何保证食品及其原料的质量安全还面临诸多的问题和挑战。目前在食品生产加工企业、食品监管部门主要主要依赖于常规的微生物检测、理化检测和感官评估等较为传统的方法。随着电子技术、生物技术、光学技术等新型检测技术的发展，高效、灵敏和快捷的检测手段已逐步得到重视并逐渐替代传统的检测方法。

基于拉曼光谱技术检测菠菜的毒死蜱残留

目的基于拉曼光谱技术初步探讨菠菜表面有机磷农药毒死蜱的快速、无损检测新方法。方法利用本研究自行搭建的拉曼光谱检测系统获取残留不同浓度毒死蜱农药的菠菜光谱曲线,通过SG-5点平滑减小曲线噪声,基于最小二乘法的10次多项式拟合法剔除菠菜荧光背景,并对含有不同浓度毒死蜱农药的菠菜样品拉曼图谱进行比较分析。结果特征归属为P=S振动的632 cm-1处的拉曼信号可识别菠菜表面毒死蜱农药残留,其检测限为400 mg/kg,而且拉曼特征波峰的相对强度与菠菜表面农药残留浓度存在较好的线性关系,其相关系数为R2=0.92。结论拉曼光谱技术有望实现叶片类蔬菜的农药残留的快速、无损、定量检测。

基于可见-近红外光谱技术对市售紫薯粉的品质评价

目的建立可见-近红外光谱法结合偏最小二乘回归法对市售紫薯粉的品质进行评价。方法以市售紫薯粉为研究对象,对其原始光谱进行S-G 9点卷积平滑(savitzky-golay smoothing,S-G)、标准正态变量变换(standard normal variable transform,SNV)预处理,建立碘蓝值、花青素以及水分含量的偏最小二乘模型。结果花青素模型校正集和预测集的相关系数分别为0.9750和0.9461,均方根误差分别为0.1052 mg/g和0.1918 mg/g;碘蓝值模型校正集和预测集的相关系数分别为0.9687和0.9673,均方根误差分别为7.0256和7.1848;水分含量校正集和预测集的相关系数分别为0.9397和0.9219,均方根误差分别为0.5589%和0.5965%。结论基于可见-近红外光谱技术可以实现对市售紫薯粉的花青素、碘蓝值以及水分含量的快速无损检测,对市售紫薯粉的品质评价提供理论参考。

基于PID的饲料制粒调质温度控制系统设计与试验

为解决颗粒饲料在制粒过程中调质温度依赖人工辅助控制问题,该研究设计了基于PID控制算法的调质温度控制系统。采用开环阶跃响应法建立电动比例调节阀与调质温度之间的控制模型。为了得到最优的PID控制参数(比例系数K_(p)、积分系数T_(i)、微分系数T_(d)),通过Simulink仿真试验对比了Ziegler-Nichols整定法、衰减曲线法和临界比例度法的PID响应曲线,确定PID最优控制参数为K_(p)=52.7,T_(i)=6.4,T_(d)=1.6。对小型制粒机调质温度控制系统进行试验,选用哺乳母猪配合粉料,调质温度分别设定为75、80和85℃,稳定后的调质温度均能维持在设定范围内;选取调质温度为80℃进行稳定性试验,每1 min记录调质温度,整个试验过程中调质温度基本稳定在(80±1)℃范围内,调质温度平均相对误差小于1%,调质温度变异系数小于0.5%,系统温度控制稳定,可自动采集制粒生产数据,实现了制粒过程中调质温度的快速响应和实时控制。研究结果可为颗粒饲料制粒机的自动化控制提供参考。

锤片式粉碎机风网系统对其工作性能的影响研究

提高粉碎效率一直是饲料粉碎工段的研究热点,但基于实际生产场景下的粉碎机风网系统对其工作性能的影响却少有论及。文章基于实际生产场景下的锤片式粉碎机风网系统进行三维建模,利用计算流体力学软件Fluent对粉碎机粉碎腔内气流场进行数值模拟,得出不同风量下粉碎机粉碎腔气流场的负压特性分布规律及运动特性,通过调节进风口和风机开度验证了合适的风量可以有效改善粉碎系统工作性能。数值模拟和试验结果表明,锤片式粉碎机粉碎腔内气流场的压差和风速随风量的增大而增大,风网系统风量越大其粉碎系统产能越高,但能耗和水分损耗也会随之增加。综上所述,在粉碎过程中风网系统风量并非越大越好,应根据实际的粉碎系统工况和粉碎原料,选择恰当的风量粉碎系统,整体工作性能才能达到最佳状态。

基于机器视觉的马铃薯黑心病检测机构设计与试验

马铃薯黑心病是一种难以用肉眼分辨的内部病害。在生产加工中,为了准确检出黑心病个体,该研究基于光在马铃薯块茎组织中的透射特性设计了一种马铃薯黑心病检测机构。机构主要包括马铃薯块茎承托槽、光源单元以及光源位置调节轨道等部分,光源单元包括2个LED面光源,形成多点透射的结构,光源波长为705 nm。文中取50个正常样品和29个黑心样品采集图像分析,经过预处理,分别提取马铃薯目标图像和马铃薯高灰度区域的灰度平均值,以二者的相对比值作为黑心病的判别参数。通过与单点透射模式所采集的正常样品图像的相对比值比较,由该机构所采集的正常图像的相对比值普遍偏小,表明所获得图像的灰度均匀性更好,同时得到光源较佳夹角为45°。在该机构下获得的正常样品和黑心样品的灰度平均值相对比值的分类阈值为0.220,得到2种样品的判断正确率分别为98%和96.6%,且黑心样品的相对比值更大,表明使用该机构可以检测黑心马铃薯样品。该研究为马铃薯黑心病检测机构的设计提供了参考。

基于拉曼光谱的苹果中农药残留种类识别及浓度预测的研究

应用拉曼光谱技术结合化学计量学方法能有效的实现果蔬中农药残留的定性定量分析。本研究借助实验室自主研发的拉曼光谱检测系统,对苹果中溴氰菊酯和啶虫脒的快速无损识别和检测进行了探索。定性分析时将拉曼峰574和843cm-1分别作为识别溴氰菊酯和啶虫脒的拉曼指纹,当苹果中的溴氰菊酯和啶虫脒残留的含量分别为0.78和0.15mg·kg-1时,两种农药的特征峰仍清晰可见。定量分析首先对光谱进行多种预处理(Savitzky-Golay平滑、一阶导、二阶导、基线校准、标准正态变量变换),结合偏最小二乘法分别建立苹果中溴氰菊酯和啶虫脒含量的定量模型。结果表明,采用8次多项式拟合进行基线校准的预处理方法效果最好,对于溴氰菊酯,偏最小二乘模型预测值与气相色谱法测定值的相关系数和预测均方根误差分别为0.94和0.55mg·kg-1,对于啶虫脒,其偏最小二乘模型的相关系数与预测均方根误差分别为0.85和0.12mg·kg-1。本研究证实了利用拉曼技术对苹果农残进行无损检测的可行性,使用该方法进行检测时,在光谱测定前不需要进行前处理,光谱测定后样品无任何损伤,该技术实现了果蔬农残的现场检测,可在检测部门、果蔬加工企业、超市、市场等场所得到推广使用,为果蔬品质安全提供了一种无损、快速和环保的检测方法。

温度和粉碎粒度对不同能量饲料原料热物理特性的影响

为探究常见能量饲料原料在不同温度、不同粉碎粒度下的热物理特性差异,该文以4种谷物(玉米、小麦、大麦和高粱)和4种加工副产品(小麦麸、木薯渣、甜菜渣和米糠)原料为研究对象,分别粉碎过孔径1.5、2.0和2.5 mm筛片,得到3种不同粉碎粒度的粉料,利用差示扫描量热法(differential scanning calorimetry,DSC)和线热源法分别测定了不同粉料在25～100℃范围内的比热和导热率,通过计算得到相应的导温系数,分析了温度、粉碎粒度对原料热特性的影响以及不同原料之间的热特性差异,并建立了热特性参数关于温度的回归预测模型。结果显示:8种原料粉碎过1.5 mm筛孔的粉料比热、导热率和导温系数随温度的升高分别在1.580～2.671 kJ/(kg·K),0.054～0.362 W/(m·K)和6.694×10^(-8)～23.254×10^(-8) m^2/s范围内变化。整体上,原料的热特性均随温度的升高而呈线性或非线性上升趋势。不同粉碎粒度的同一原料,在相同温度下的比热差异均不显著(P>0.05);随着粒度的增大,粉料的导热率和导温系数均有逐渐下降的趋势。4种谷物的比热与温度之间呈线性关系;小麦麸、木薯渣和米糠的比热可用温度的三次多项式表示;而甜菜渣的比热与温度呈二次关系。4种谷物和甜菜渣在3种粒度下的导热率均可用温度的三次多项式表示,而小麦麸、木薯渣和米糠的导热率则可用温度的二次多项式表示。小麦麸和米糠的导温系数与温度呈二次关系,其余6种原料的导温系数则可用温度的三次多项式表示。研究结果可为配合颗粒饲料配方变换所需的调质、制粒等热加工过程的工艺参数的调整、优化提供理论依据。

表面增强拉曼光谱快速检测生鲜肉中的瘦肉精

为了快速检测生鲜肉中的瘦肉精,该研究利用表面增强拉曼光谱技术,以沙丁胺醇为检测目标物,建立了一种快速检测肌肉组织和肝脏中瘦肉精含量的方法。在碱性环境下利用乙酸乙酯对样品中沙丁胺醇进行提取,采用Savitzky-Golay 5点平滑法和自适应迭代重加权惩罚最小二乘法消除光谱噪声以及荧光背景对分析建模的影响。为检测方法的重复性,对50个相同沙丁胺醇质量分数(1 mg/kg)的肌肉组织样品进行信号采集,对沙丁胺醇特征峰强度进行分析,621、814、1 253、1 489、1 609 cm^(-1) 5个特征峰强度的相对标准偏差(RSD)为6.54%、6.07%、8.65%、7.44%、6.81%,说明该方法具有较好的重复性。建立沙丁胺醇标准溶液的预测模型,沙丁胺醇浓度与其特征峰强度相关性较好,决定系数R^2为0.968。对肌肉组织和肝脏中沙丁胺醇含量进行检测,检测范围分别为0.01~5和0.02~5 mg/kg,检出限分别为0.01和0.02 mg/kg,其含量与预测实测值决定系数为0.912和0.921。研究表明,该方法可以实现肌肉组织和肝脏中沙丁胺醇含量的定量预测。

基于偏最小二乘投影的可见/近红外光谱猪肉综合品质分类

针对全波段光谱技术的生鲜猪肉综合品质快速无损分类存在光谱数据量大、样本数量较少时分类准确率较低等缺点。该文提出了一种基于偏最小二乘(partial least squares,PLS)投影分析算法和支持向量机的生鲜猪肉综合品质分类器。利用基于偏最小二乘投影分析算法对全波段光谱数据进行数据降维,选取了13个特征波长。利用粒子群优化算法优化支持向量机惩罚参数和径向基核函数参数,优化后二者最优为4.939和0.01。利用选取的特征波长和优化后的参数建立了生鲜猪肉综合品质支持向量分类器。研究结果表明,分类器对训练集中白肌肉(pale,soft and exudative,PSE)、正常肉(reddish-pink,firm and non-exudative,RFN)和黑干肉(dark,firm and dry,DFD)的回判识别率分别为为88.46%、94.11%和92.31%;测试集中PSE、RFN和DFD预测正确率分别为84.62%、94.11%和84.62%。该分类器满足模型简单、预测准确率高等优点,为生鲜猪肉综合品质在线分级提供参考。