开发强大的食品成分模型:使用近红外光谱测量处理干燥肉的温度和包装变化的策略

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 低成本近红外 (NIR) 设备为消费者层面的食品成分和质量评估提供了潜力,促进健康饮食.
• 强大的预测算法对于克服温度和包装材料等外部变化的必要,这些变化会影响光谱数据的准确性.
• 食品样本的异质性也对光谱变异性作出了重大贡献,使模型开发复杂化.

研究的目的:

• 评估数据分析策略,以使用低成本的NIR光谱数据开发可靠的食品成分预测模型.
• 评估不同方法的有效性,包括全球建模 (GM),通用最小平方权重 (GLSW),装载空间标准化 (LSS) 和乘法效应模型 (MEM) 在处理外部变化的过程中.
• 调查样品异质性,温度和包装材料对光谱数据和预测模型性能的影响.

主要方法:

• 使用了两个低成本的手持NIR设备,具有不同的光谱范围和分辨率.
• 从不同解剖肌肉的干燥固化火腿样本获得的光谱数据.
• 在各种条件下收集光谱,包括两种包装膜类型和不同温度,以测试补偿策略.

主要成果:

• 食品样本的异质性产生了与温度和包装效应相比的光谱变异性.
• 装载空间标准化 (LSS) 并没有减少温度变化的预测误差,这可能是由于样本异质.
• 通用最小平方权重 (GLSW) 减少了盐 (0.52%至0.46%) 和水 (2.10%至1.40%) 的预测误差.
• 全球建模 (GM) 有效地补偿了包装效应,从-1.35降低偏差到0.012.

结论:

• 像GLSW和GM这样的数据分析策略可以减轻温度和包装引起的光谱变化.
• 这些补偿方法对于部署低成本光谱仪以确保消费者可靠使用至关重要.
• 解决与食品特性无关的数据变异性是使NIR技术在食品分析中得到广泛采用的关键.