论文部分内容阅读
猪肉新鲜度的快速、无损检测对肉品质量控制、保证消费者安全具有重要意义。通常情况下，细菌总数(TVC)是评价肉品新鲜度的一个常用指标，本研究利用高光谱成像和嗅觉可视化等无损检测技术，实现对猪肉中TVC快速检测和致腐菌分类鉴别。具体的研究内容如下: 1.基于嗅觉可视化技术的猪肉贮藏过程中细菌总数(TVC)的无损检测。试验将12种筛选出的气敏材料固定到硅胶板上，制成可视化传感器阵列。利用扫描仪获取阵列与猪肉样本挥发性气味反应前后图像信息。以前后阵列颜色变化作为特征值。构建线性判别分析(LDA)和BP神经网络(BPANN)定性模型。结果显示，BPANN模型识别结果优于LDA，训练集、预测集识别率分别为100％和96.9％。构建BPANN定量模型对猪肉中TVC进行检测，结果显示，BPANN模型预测集相关性系数为0.803，预测均方根误差为2.902 lg(CFU/g)。研究结果为嗅觉可视化技术对肉品中TVC检测提供理论依据。 2.基于多信息融合的猪肉贮藏过程中细菌总数(TVC)的无损检测。考虑到单一检测技术存在的局限性，本文进一步采用融合技术实现猪肉TVC的无损检测。实验利用嗅觉可视化技术和高光谱图像技术分别获取猪肉的气味信息和光谱图像信息，分别提取出36个颜色和30个纹理特征变量进行特征层数据融合，通过主成分(PCA)提取最佳的因子作为模型输入，建立BPANN和BP-Adaboost预测模型，结果表明，两种技术融合的模型要优于单一技术模型，而基于两技术融合的BP-Adaboost模型对猪肉TVC含量预测结果最佳，预测集相关性系数为0.914，预测均方根误差为0.7954 lg(CFU/g)。结果表明，采用融合技术模型检测猪肉TVC是可行的，且较于单一技术模型的准确性和稳定性均有所提升。 3.基于嗅觉可视化技术的猪肉优势致腐菌分类鉴别。本试验以猪肉中优势致腐菌PS1、J4、P3 and P5为研究对象。用色敏型嗅觉传感器分别获取四种菌在培养过程中产生的挥发性气体信息，并借助PCA和LDA方法对4种致腐菌进行分类，LDA取得了100％交互验证正确率。同时，利用PCR及层次聚类分析(HCA)的方法对4种菌之间的关系进行研究，结果表明，P3和PS1之间关系最为接近，其次为J4、P5。该结果为嗅觉可视化技术应用于猪肉优势致腐菌分类鉴别提供依据。