基于超光谱成像技术和高通量测序的胸肉新鲜度预测
Xingyu Shen1, Lujuan Xing1, Leiqing Pan2
1State Key Laboratory of Meat Quality Control and Cultured Meat Development, MOE; Jiangsu Synergetic Innovation Center of Meat Processing and Quality Control.
Poultry science
|March 13, 2025
概括
这项研究结合了超光谱成像和高通量测序来预测胸肉的新鲜度. 伪omonas细菌的数量被证明是新鲜度预测模型的可靠指标.
科学领域:
- 食品科学 食品科学 食品科学
- 微生物学 微生物学
- 分析化学 分析化学
背景情况:
- 保持胸肉的新鲜度对于食品安全和质量至关重要.
- 评估肉类新鲜度的传统方法往往是耗时和劳动密集的.
- 食品行业需要客观和快速的评估方法.
研究的目的:
- 开发一种非破坏性的方法来预测胸肉的新鲜度.
- 通过使用高通量测序来识别腐烂的关键细菌指标.
- 使用高光谱成像和机器学习构建精确的预测模型.
主要方法:
- 可见近红外 (400-1,000纳米) 超光谱成像用于捕获光谱数据.
- 测量了质量指标 (颜色,pH,TVC,TVB-N,TBARS),以监测损坏情况.
- 高通量测序确定了主要的腐烂细菌,如Pseudomonas,Brochothrix和Escherichia.
- 部分最小平方回归 (PLSR) 和支持向量机 (SVM) 用于模型构建.
主要成果:
- 采用 Pseudomonas 数量的 SNV-PLSR 模型实现了强大的预测性能 (Rp2=0.84,RMSEP=0.38,RPD=3.79).
- 超光谱成像有效地捕捉了与肉类腐烂相关的光谱变化.
- 高通量测序成功地确定了导致损坏的关键细菌贡献者.
结论:
- 超光谱成像与高通量测序相结合,提供了一种有前途的方法,用于快速而非破坏性地评估胸肉的新鲜度.
- 伪omonas细菌数量是开发有效的新鲜度预测模型的可靠指标.
- 开发的SNV-PLSR模型显示了用于监测肉质量的良好预测和概括能力.
