基于超光谱技术的冷却肉质的非破坏性检测研究与不同的数据处理方法相结合

科学领域:

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

背景情况:

• 非破坏性地评估冷肉质量对于食品安全和消费者满意度至关重要.
• 确定肉质量参数的传统方法,如TVB-N和TVC,往往是破坏性的和耗时的.

研究的目的:

• 开发和验证高光谱成像技术与化学测量相结合,用于快速,非破坏性地评估冷肉质量.
• 准确预测关键质量指标:总挥发性基本 (TVB-N) 和总可生存数 (TVC).

主要方法:

• 采集了冷肉的高光谱图像.
• 从感兴趣的地区提取了平均光谱,并使用各种技术进行了预处理 (S-G,SNV,MSC,衍生品).
• 部分最小平方回归 (PLSR) 和逆向传播神经网络 (BPNN) 模型被用来预测TVB-N和TVC.

主要成果:

• 采用S-G光滑和SNV预处理的PLSR模型实现了TVB-N预测的高精度 (R=0.9631).
• 使用S-G光滑和MSC预处理的PLSR模型显示了TVC预测的优异性能 (R=0.9601).
• 这两种模型都证明了高光谱技术对肉质参数的定量分析的有效性.

结论:

• 超光谱成像与化学测量方法相结合,为非破坏性冷肉质量评估提供了强大而快速的解决方案.
• 这项技术可以精确量化TVB-N和TVC,从而促进精确的肉质监测.
• 该研究强调了高光谱成像在食品工业中对质量控制的巨大潜力.