收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于单一技术及多信息融合技术的猪肉新鲜度无损检测研究

黄林  
【摘要】:为满足消费者在肉品质量和安全方面的要求,对肉品新鲜度进行快速准确检测有着重要意义。反映肉品新鲜度的指标是多方面的,感官评价和理化检测都难以满足快速在线的检测要求,单一无损检测技术又难以实现全面准确的评价。本课题从变质猪肉中筛选出优势致腐菌,将其回接至新鲜肉样模拟猪肉的变质过程,分析猪肉变质过程中新鲜度指标之间的相关性,寻找最能反映新鲜度的指标,并利用近红外光谱技术,高光谱成像技术以及融合近红外光谱、计算机视觉和电子鼻三种技术对猪肉新鲜度进行无损检测,实现猪肉新鲜度的综合准确评价。主要研究内容如下: 1.猪肉优势致腐菌的筛选测定。微生物是引起肉品腐败变质的主要原因。试验从变质猪肉中优选得到5株优势致腐菌,结合形态、生理生化特征及16S rRNA分子鉴定方法,将其分别鉴定为Bacillus fusiformis J4、 Acinetobacter guillouiae P3、Enterobacter cloacae P5、Pseudomonas koreensis PS1和Brochothrix thermosphacta S5。进一步以TVB-N产量因子YTVB-N/CFU为指标定量分析各优势致腐菌的致腐能力。研究表明P.koreensis PS1对冷却猪肉致腐能力较强,B. fusiformis J4和B.thermosphacta S5致腐能力次之,而A.guillouiae P3和E. cloacae P5致腐能力较弱。通过把这些优势致腐菌定量回接至新鲜肉样,以模拟猪肉的变质过程,为后续无损检测研究提供建模所需要的样本。 2.新鲜度指标之间的相关性分析。新鲜度是反映肉品品质安全的重要参数,新鲜度的评价具有多个指标。为了寻找最能反映新鲜度的指标,试验将优势致腐菌P. koreensis PS1回接新鲜肉样并于4℃贮藏,定期取样通过感官评价、理化方法和微生物学方法检测反映肉品新鲜度的多个指标,并对新鲜度指标之间的相关性进行分析。结果表明,TVB-N在猪肉变质过程中变化较为明显,并且,TVB-N与总糖、蛋白质、感官评分、弹性、回复性和粘聚性等其它新鲜度指标之间均存在较强的相关性(P0.01)。研究结果为寻找合适的无损检测技术进行肉品新鲜度的快速准确评价提供依据。 3.猪肉变质过程新鲜度的近红外光谱技术的快速检测。近红外光谱是一种能直接反映肉品内部化学组分含量的快速检测技术。试验以不同变质程度的猪肉样本为研究对象,对获取的近红外光谱数据,经光谱分析,TVB-N和其它指标(蛋白质、总糖、总脂肪和细菌总数)在近红外光谱区域均有各自的特定吸收谱峰,其强度随猪肉变质程度而发生明显变化;再利用标准正态变量变换(SNV)进行光谱预处理,采用联合区间偏最小二乘法(siPLS)优选与TVB-N等指标相关的波谱区间,并有比较地运用反向传播神经网络(BP-ANN)和siPLS两种方法分别构建TVB-N等指标预测的定量模型。试验结果表明,利用siPLS方法能够优选出与TVB-N等指标高度特异相关的特征波谱,结合BP-ANN或siPLS模型均能对猪肉变质过程中的TVB-N等指标实现同时定量测定,相互之间无明显影响,且BP-ANN模型对各指标的检测性能均优于siPLS模型。该结果为光谱技术应用于肉品新鲜度的快速检测提供依据。 4.猪肉变质过程新鲜度的高光谱成像技术的无损检测。高光谱成像技术是一种能获得更大信息量的无损检测新技术。本文仍以TVB-N为猪肉新鲜度评价指标,进行了采用高光谱成像技术手段来评价猪肉新鲜度的试验研究。试验以不同变质程度的猪肉样本为研究对象,对采集的高光谱图像数据,首先提取光谱信息进行处理,采用SNV光谱预处理结合siPLS方法优选出177个光谱特征变量;接着,对图像信息进行分析,有比较地采用主成分分析(PCA)和遗传联合区间偏最小二乘法(GA-siPLS)两种万法从海量的高光谱数据中进行降维处理,分别优选特征波长图像,试验结果表明GA-siPLS优选的5个特征波长图像更能表征肉样的TVB-N含量;然后从每个特征波长图像中提取基于灰度统计矩的6个纹理特征参数,共30个图像特征变量;最后,将177个光谱特征变量、30个图像特征变量以及融合两者信息的207(177+30)个特征变量各自进行主成分分析,分别提取合适的主成分因子与肉样TVB-N含量构建BP-ANN定量模型。研究结果表明,207个特征变量的融合模型要优于177个光谱特征变量的单一信息模型,也优于30个图像特征变量的单一信息模型,该融合模型对训练集中样本的交互验证均方根误差(RMSECV)为1.28mg/100g,决定系数(Rc2)为0.922,对预测集中样本的预测均方根误差(RMSEP)为1.60mg/100g,决定系数(RP2)为0.900。该结果为多信息融合技术综合评价肉品新鲜度提供理论依据。 5.猪肉变质过程新鲜度的多技术信息融合的综合评价。在采用单项技术的基础上,本文进一步利用多技术信息融合综合检测猪肉变质过程的新鲜度。试验利用近红外光谱、计算机视觉和电子鼻三种技术分别获取反映猪肉样本化学组分、颜色、纹理及气味等的特征信息数据,从各种信息数据中分别提取特征变量并进行特征层数据融合,通过主成分分析提取最佳得分向量作为模式识别的输入数据,运用BP-ANN方法建立新鲜度指标TVB-N含量的定量模型。研究结果表明,任意两种技术信息融合的模型均要优于单一技术信息模型,而基于三种技术(近红外光谱、计算机视觉和电子鼻)信息融合的模型对猪肉变质过程的TVB-N含量预测效果最佳,该模型对训练集中样本的交互验证均方根误差(RMSECV)为1.46mg/100g,决定系数(Rc2)为0.984,对预测集中样本的预测均方根误差(RMSEP)为2.73mg/100g,决定系数(Rp2)为0.953。结果表明,基于近红外光谱、计算机视觉和电子鼻三种技术的信息融合模型综合评价猪肉变质过程中的新鲜度是可行的,其模型检测的准确性和稳定性较单一技术或两种技术信息融合模型均有所提高。研究结果为多信息融合技术应用于猪肉质量安全的综合准确评价提供重要的理论依据。 本研究为利用多技术信息融合对猪肉新鲜度的综合准确评价提供了思路,对保障肉品质量与安全,维护消费者利益,有着重要的现实意义。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘燕德,应义斌,毛学东,乔振先;鸡蛋新鲜度的光特性无损检测(英文)[J];农业工程学报;2003年05期
2 王树才;魏小彪;;鸡蛋敲击响应特性与其新鲜度的相关性[J];华中农业大学学报;2009年03期
3 赵家松;严伟榆;曹志勇;张曦;;基于近红外技术的猪肉新鲜度检测仪设计[J];农机化研究;2011年08期
4 王巧华;华细金;干能强;董现娟;;基于机器视觉的鸡蛋品质无损检测研究[J];中国家禽;2007年18期
5 张宏明;张俊香;;大米新鲜度检测方法的比较[J];啤酒科技;2001年10期
6 肖枫;康怀彬;辛利;;鲫鱼在冷藏过程中的鲜度变化(英文)[J];食品科学;2007年07期
7 朱永义;稻米新鲜度及其鉴别方法[J];粮食与饲料工业;1999年08期
8 王玉珠,李勇;猪肉新鲜度的简易快速检测法[J];肉品卫生;2002年06期
9 ;新加坡研究出新型蔬菜包装[J];保鲜与加工;2005年06期
10 ;俄开发出可辨别肉新鲜度的传感器[J];中国家禽;2006年01期
11 孟庆臣;;用信息化系统保证啤酒新鲜度[J];现代制造;2010年05期
12 王玉珠,李勇;猪肉新鲜度的简易快速检测法[J];肉类工业;2001年10期
13 徐群英;面包新鲜度量化指标的测定及研究[J];食品工业科技;2005年04期
14 张红城;孙丽萍;董捷;唐凤培;张智武;徐响;;蜂王浆在常温储存条件下品质变化的研究[J];食品科学;2007年11期
15 李承华;程巍;;浅谈如何提高啤酒的新鲜度[J];啤酒科技;2008年11期
16 吴信法;呋罗辛(FEurosine)可用作带壳鸡蛋新鲜度参数[J];肉品卫生;1996年11期
17 马荣安;肉新鲜度检验的研究进展[J];肉品卫生;2000年11期
18 王巧华;熊利荣;丁幼春;文友先;;鸡蛋新鲜度神经网络检测系统的研究[J];华中农业大学学报;2005年06期
19 金如斌;吴丽萍;;啤酒生产过程中新鲜度的控制与管理[J];啤酒科技;2007年06期
20 袁芳;郭培源;吴浩;孙梅;;猪肉新鲜度检测方法发展的文献综述[J];中国农业科技导报;2009年S1期
中国重要会议论文全文数据库 前10条
1 吴平;徐桂云;郑丽敏;白福铭;朱虹;田立军;任发政;;电子鼻识别鸡肉新鲜度的研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
2 彭涤非;;电子鼻在水果无损检测中的应用[A];园艺学文集——湖南省园艺学会第八次会员代表大会暨学术年会论文集[C];2005年
3 陶斐斐;李永玉;王伟;彭彦昆;;基于高光谱成像技术快速无损伤评价猪肉新鲜度[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年
4 ;大米及米粉新鲜度快速检测试剂、仪器[A];第三届全国粳稻米产业大会专集[C];2008年
5 彭彦昆;张雷蕾;;光谱技术在生鲜肉品质安全快速检测的研究进展[A];中国机械工程学会包装与食品工程分会2010年学术年会论文集[C];2010年
6 林琳;吕顺;王冠;陆剑锋;叶应旺;姜绍通;;白鲢(Hypophthalmichthys molitrix)新鲜度对鱼糜品质影响的研究[A];渔业科技创新与发展方式转变——2011年中国水产学会学术年会论文摘要集[C];2011年
7 陈江明;王进明;;网络时代中的无损检测探讨[A];无损检测专业委员会第七届年会论文集[C];2000年
8 唐艳;黄薇;张宾;邓尚贵;;基于电子鼻的鲐鱼新鲜度研究[A];渔业科技创新与发展方式转变——2011年中国水产学会学术年会论文摘要集[C];2011年
9 刚铁;;焊接无损检测技术的现状及发展[A];第十次全国焊接会议论文集(第2册)[C];2001年
10 刘华贵;徐淑芳;杨永平;陶士军;冯国洲;;利用肌苷酸含量评定鸡肉新鲜度的方法研究[A];京津冀畜牧兽医科技创新交流会暨新思想、新观点、新方法论坛论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 黄林;基于单一技术及多信息融合技术的猪肉新鲜度无损检测研究[D];江苏大学;2013年
2 佟月英;仿生触觉与常规方法检验肉品新鲜度的研究[D];吉林大学;2011年
3 刘鹏;基于多传感器融合无损检测鸡蛋品质的研究[D];南京农业大学;2011年
4 常志勇;基于仿生电子鼻的肉品新鲜度多信息融合识别技术[D];吉林大学;2013年
5 赵延广;基于锁相红外热像理论的无损检测及疲劳性能研究[D];大连理工大学;2012年
6 张军;基于复阻抗特性和电子鼻的淡水鱼新鲜度快速检测方法的研究[D];华中农业大学;2008年
7 潘磊庆;基于计算机视觉和声学技术融合检测鸡蛋品质的研究[D];南京农业大学;2007年
8 韩剑众;猪肉生鲜品质的控制与评价方法研究[D];浙江工商大学;2008年
9 秦文;蔬菜物料的介电特性及其应用研究[D];西南大学;2006年
10 许明;锚固系统质量的无损检测与智能诊断技术研究[D];重庆大学;2002年
中国硕士学位论文全文数据库 前10条
1 雷力;肉的新鲜度检测方法的研究[D];吉林大学;2011年
2 文东东;基于光谱技术的牛肉新鲜度检测模型维护方法研究[D];华中农业大学;2013年
3 王巧华;基于BP神经网络的鸡蛋新鲜度识别方法的研究[D];华中农业大学;2004年
4 柯大观;基于介电特性的苹果无损检测系统研究[D];浙江工业大学;2002年
5 吴浩;基于RBF神经网络猪肉新鲜度的检测与研究[D];北京工商大学;2010年
6 谢新月;基于光谱特性肉品种类及新鲜度识别方法研究[D];吉林大学;2013年
7 周炜;基于多源信息融合技术的猪肉新鲜度无损检测方法研究[D];华中农业大学;2009年
8 王笑丹;吉林省优质猪肉品质评定方法[D];吉林大学;2004年
9 朱晓冬;小波分析在中密度纤维板无损检测中的应用[D];东北林业大学;2004年
10 江杰;应力波法锚杆加固无损检测与锚固效果评价的研究[D];武汉理工大学;2005年
中国重要报纸全文数据库 前10条
1 陈希荣;如何测量和保持储运过程中的食品新鲜度[N];中国包装报;2006年
2 谭江琦;《决定》亮点抢“鲜”看[N];四川日报;2006年
3 本报实习记者 张荣;“百分之百新鲜”太夸张[N];山西经济日报;2003年
4 本报记者 史力;超市蔬菜,亟待提高“新鲜度”[N];安徽日报;2008年
5 林炳堂;如何提高经济报道的“新鲜度”[N];中华新闻报;2002年
6 本报记者 马贺;显情趣 重卖相[N];吉林日报;2008年
7 本报记者 邹乐;商场空气“新鲜度”将有规范[N];华夏时报;2006年
8 记者段佳;利用光学可快速检测猪肉新鲜度[N];大众科技报;2010年
9 韩婧;聚焦2007搜索资格认证[N];北京人才市场报;2007年
10 敏群;鸡蛋新鲜度的检验[N];广东科技报;2003年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978