智能感官分析技术在肉类品质分析中的应用

本文介绍了常用的智能感官分析技术及其原理,概述了计算机视觉技术、电子鼻技术、电子舌技术和质构分析技术在肉类品质分析中的应用现状,提出了智能感官分析技术发展需解决的关键问题。

鸡肉品质劣变的电子鼻分析

利用电子鼻分别对0℃和10℃不同贮藏时间的鸡肉进行气味指纹分析,同时进行总挥发性盐基氮(TVBN)、菌落总数检测和感官评价。对气味指纹数据进行主成分分析(PCA)和判别因子分析(DFA),采用偏最小二乘法(PLS)构建电子鼻输出信号与TVBN、菌落总数和感官评分的关系曲线。结果表明,PCA和DFA分析能区分0℃和10℃下不同贮藏时间的鸡肉,通过电子鼻PCA和DFA分析获得的结果与其新鲜度具有较好的相关性。0℃样品的TVBN、菌落总数和感官评分实测值与PLS法得到的拟合值的相关系数分别为0.9920、0.9656和0.9812;10℃样品对应的相关系数分别为0.9873、0.9762和0.9880。利用电子鼻不仅能够区分开0℃和10℃下不同贮藏时间的鸡肉,而且可以对样品的TVBN、菌落总数和感官评分值进行预测。

基于机器视觉技术的肉新鲜度分级方法研究

利用机器视觉技术对肉品新鲜度分级方法进行研究,经过图像处理提取RGB和HIS色彩模型的特征分量,分析这些特征分量在肉品贮藏期间的变化趋势,依据TVB-N含量将肉品划分为新鲜、次新鲜和腐败3个级别,应用神经网络建立基于RGBHIS特征分量的肉品新鲜度分级模型。结果显示,牛肉图像的R值随贮藏时间的延长线性降低,G、B值则随贮藏时间的延长线性增加;H值指向由红转为蓝绿色,B值随贮藏时间的延长先减后增,而I值没有明显的趋向性。运用神经网络建立肉品新鲜度分级模型判别正确率达90%以上,表明基于机器视觉技术对肉类新鲜度进行分级是可行的。

基于多源感知信息融合的牛肉新鲜度分级检测

利用机器视觉和近红外光谱的多源感知信息融合技术评判牛肉新鲜度,并开发了相关的识别系统。以牛后腿肉为研究对象,对获取的图像特征信息和光谱特征信息,采用BP神经网络建立牛肉新鲜度分级模型。其中,通过主成分分析提取相应的主成分因子作为建模输入,根据挥发性盐基氮含量划分新鲜度等级作为模型输出。结果发现,在图像特征信息因子数为6、光谱信息主成分因子数为6时,建立的模型预测识别率可达98.31%。结果表明,基于机器视觉和近红外光谱技术的多源感知信息融合技术评判牛肉新鲜度的方法可行。