论文部分内容阅读
中国是最大的猪肉生产与消费国，猪肉及其制品不仅是人民生活的主要食用消费品，同时也是主要的出口商品之一。猪肉新鲜度是评价猪肉品质优劣的重要指标，关系到猪肉的食用安全。因此建立猪肉新鲜度的快速、安全、无损的检测方法有着重要科学意义和应用价值。本研究提出利用天然色素敏化气体可视化传感器，并将其用于评价猪肉的新鲜度。天然色素由于其提取成本低，来源广，绿色安全，并且在不同pH值环境中能表现出不同的颜色，被广泛应用于食品工业。本论文尝试利用天然色素气体可视化传感技术评价猪肉新鲜度，主要开展了以下几个方面的研究工作:
1.天然色素提取工艺的优化:选择九种植物花瓣（月季花、玫瑰茄、山茶花、玫瑰花、康乃馨、勿忘我、玉台梅、绿萼梅、红须梅）为研究对象，逐个考察浸提温度、浸提时间、浸提液浓度、液料比对色素提取率的影响，随后在单因素实验的基础上选择浸提温度、浸提时间、浸提液浓度、液料比为考察因素，以提取率为考察指标，进行正交实验。结果表明，这九种植物花瓣天然色素提取工艺的最佳条件为:浸提温度60℃，浸提时间3h，液料比50∶1，乙醇浓度70％。
2.基于天然色素气体可视化传感技术的猪肉新鲜度的定性判别:研究分别利用常规气体可视化传感器和天然色素气体可视化传感器结合多种模式识别方法进行猪肉新鲜度的识别。在主成分分析的基础上有比较地利用KNN、LDA和BPNN模式识别方法建立识别模型。比较天然色素气体可视化传感器和常规气体可视化传感器评价猪肉新鲜度的效果。结果表明:天然色素气体可视化传感器结合BPNN时的识别效果最好，模型的预测准确率达到了100％。
3.猪肉新鲜度化学值的定量检测:利用全变量偏最小二乘法(partial least squares，PLS)和最小二乘支持向量机(least-squares support vector machine，LS-SVM)建立天然色素气体可视化传感器的颜色响应信号和猪肉新鲜度化学指标之间的相关性回归模型。在全变量PLS建模过程中，分析了不同主成分数对模型的影响，利用交互验证均方根误差(RMSECV)最小值为指标，选择主成分数建立最优PLS模型;在LS-SVM建模过程中，优选径向基函数(radial basis function，RBF)的正则化参数γ和核函数参数sig2(σ2)建立最优模型。通过对两种回归模型预测结果的比较表明:与全变量PLS相比，LS-SVM能够有效提高模型精度。LS-SVM模型预测挥发性盐基氮(total volatile basic nitrogen，TVB-N)的校正集RMSECV为5.4722 mg/100g，Rc为0.8965，预测集RMSEP为7.0961 mg/100g，Rp为0.8421;预测细菌总数(total viable count，TVC)的校正集RMSECV为0.2450 log(cfu/g)，样Rc为0.9542;预测集RMSEP为0.2968log(cfu/g)，Rp为0.9302，预测pH值的校正集RMSECV为0.0654，相关系数Rc为0.8546，预测集RMSEP为0.0854，相关系数RP为0.8054。
研究表明利用天然色素气体可视化传感技术检测猪肉的新鲜度是可行的，该技术在肉品的新鲜度检测中具有较高的实用价值。研究成果对提高肉类产品新鲜度的在线检测水平具有重要的意义。