整合通用添加模型和高光谱成像,以预测Chaoshan牛肉肉丸的质量:一个全面的"原材料-加工-质量-传感"模型

科学领域:

• 食品科学与技术 食品科学与技术
• 农业工程 农业工程
• 频谱学是一种光谱学.

背景情况:

• 由于复杂的生产和严格的原材料需求,保持一致的山牛肉肉丸 (CBM) 质量是具有挑战性的.
• 目前的方法在CBM生产过程中缺乏实时监控能力.
• 这就需要先进的质量控制分析技术.

研究的目的:

• 开发一个全面的网络模型来预测CBM质量属性.
• 将通用增材模型 (GAM) 与高光谱成像 (HSI) 集成,以提高预测准确度.
• 为优化CBM加工提供理论基础,并实现实时食品质量监测.

主要方法:

• 一个通用添加模型 (GAM) 最初是为了预测CBM质量属性而开发的.
• 超光谱成像 (HSI) 技术是为了提高GAM的概括能力而引入的.
• 优化的基于HSI的模型 (SNV-CARS-GLGCM-BP-ANN和SNV-CARS-GLGCM-PLSR) 用于预测牛肉的pH值和盐溶性蛋白质含量.

主要成果:

• 最初的GAM显示了pH (R2=0.837),盐溶性蛋白质 (R2=0.909) 和自由水 (R2=0.850) 的强有力的预测性能.
• 对CBM硬度 (R2=0.781) 和总感官评分 (R2=0.772) 的预测准确性最初是中等的.
• 将HSI预测集成到GAM中,提高了CBM硬度和总感官评分预测准确度,达到83.0%.

结论:

• 综合的GAM和HSI方法显著提高了CBM质量属性的预测准确性.
• 这种综合模型为CBM生产中的实时质量监测提供了可行的解决方案.
• 该研究为改进CBM加工和确保产品质量的一致性提供了坚实的理论基础.