【技术实现步骤摘要】
一种温度控制不连续冻肉的鉴别方法和系统
本专利技术涉及生肉类检测
，具体涉及一种温度控制不连续冻肉的鉴别方法和系统。
技术介绍
公开该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。禽畜冷冻肉是肉类产品在国内外市场营销和进出口贸易的一种重要形态，冷冻的低温条件能很好的保持肉类产品的品质，减少微生物的滋生、组织结构的变形和可溶性蛋白等的损失，保证消费者的消费安全，因此，肉类的冷冻贮藏是保证肉制品安全的关键环节。但是在实际生活中，肉品从源头到消费者需经过诸多环节，在加工、运输、贮藏、消费过程中，由于冷藏链技术不健全和操作不规范导致新鲜肉类在到消费者手中之前一直被迫进行着温度控制不连续过程，冷冻、解冻的循环过程(比如反复冻融)。特别是进口肉，由于对源头监控困难，不法商家抓住商机走私“冻龄”超过几十年的“僵尸肉”也时有发生，存在诸多安全隐患。研究表明温度不连续变化，如反复冻融会促使新鲜肉制品中营养成分流失，脂肪、...
【技术保护点】
1.一种温度控制不连续冻肉的鉴别方法，包括制备样本集，采用MALDI-TOF-MS和ESI-Orbitrap-MS对所述样本集进行测定，得到谱图信息以及对谱图信息进行数据处理；所述数据处理包括将谱图信息数据化，采用对抗式网络生成器对数据化的谱图信息进行过滤和扩增，得到合成样本集信息，采用所述合成样本集信息训练得到深度神经网络分类器，采用所述深度神经网络分类器对待测样品进行鉴定。/n
【技术特征摘要】
1.一种温度控制不连续冻肉的鉴别方法，包括制备样本集，采用MALDI-TOF-MS和ESI-Orbitrap-MS对所述样本集进行测定，得到谱图信息以及对谱图信息进行数据处理；所述数据处理包括将谱图信息数据化，采用对抗式网络生成器对数据化的谱图信息进行过滤和扩增，得到合成样本集信息，采用所述合成样本集信息训练得到深度神经网络分类器，采用所述深度神经网络分类器对待测样品进行鉴定。
2.根据权利要求1所述的鉴别方法，其特征在于，所述样本集包括待测样本集、训练样本集和检验样本集，其中训练样本集包括：分别对样品进行温度不连续控制模拟得到的至少4个子集，所述4个子集分别为冷冻时间训练子集、解冻时间训练子集、解冻温度训练子集和反复冻融训练子集；
优选地，所述样品为待检测肉品或与待检测肉品同品种的肉品，其在进行模拟前均在无菌条件下去除筋膜和结缔组织后进行温度不连续控制条件模拟。
3.根据权利要求2所述的鉴别方法，其特征在于，所述冷冻时间训练子集的获得包括：取待检测肉品在无菌条件下去除筋膜和结缔组织后分组并编号，分为n组，每组均分为m份，均放于-20℃冷冻，第1组的冷冻时间为g周，逐组增加k周的冷冻时间，即第2组的冷冻时间为g+k周，第3组的冷冻时间为g+2k周，以此类推，共计进行n组，即第n组的冷冻时间为g+(n-1)k周；其中，m、n为自然数，n≥2，m≥3，g≥1，k≥1。
4.根据权利要求2所述的鉴别方法，其特征在于，所述解冻时间训练子集的获得包括：取待检测肉品在无菌条件下去除筋膜和结缔组织后分组并编号，分为e组，每组均分为m份，均放于-20℃冷冻12小时后，于4℃冷藏室解冻，第一组解冻时间为j小时，逐组增加h小时的解冻时间，以此类推，共计进行e组，则第e组的解冻时间为j+(e-1)h；其中，e、m为自然数，e≥2，m≥3，j≥1，h≥1。
5.根据权利要求2所述的鉴别方法，其特征在于，所述解冻温度训练子集的获得包括：取待检测肉品在无菌条件下去除筋膜和结缔组织后分组并编号，分为f组，每组均分为m份，均放于-20℃冷冻12小时后，解冻12小时，第一组的解冻温度为p℃，逐组增加q℃的解冻温度，以此类推，共进行f组，则第f组的解冻温度为p+(f-1)q℃；其中，f、m为自然数，f≥2，m≥3，p≥4，q≥1。
6.根据权利要求2所述的鉴别方法，其特征在于，所述反复冻融训练子集的获得包括：取待检测肉品在无菌条件下去除筋膜和结缔组织后分组并编号，分为s组，每组均分为m份，第1组，冻融0次，将肉放于-20℃冷冻不再移出；第2组，冻融1次，将肉放于-20℃冷冻12小时，然后于4℃冷藏室解冻12小时后至肉块中心温度达0-4℃；第3组，冻融2次(重复第2组步骤2次)；第4组，冻融3次(重复第2组步骤3次)，依此类推，第s组，冻融s-1次(重复第2组步骤s-1次)，可获得s组不同冻融次数的冻融肉样；其中，s为不小于2的自然数。
7.根据权利要求1所述的鉴别方法，其特征在...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。