一种基于拉曼光谱技术的猪肉新鲜度快速检测方法技术

本发明专利技术公开了一种基于拉曼光谱技术的猪肉新鲜度快速检测方法，属于食品检测领域。本发明专利技术利用拉曼光谱信息和猪肉样品的5项新鲜度理化指标分别建立偏最小二乘回归模型；其中，拉曼光谱信息是猪肉样品表面在203

【技术实现步骤摘要】
一种基于拉曼光谱技术的猪肉新鲜度快速检测方法


[0001]本专利技术涉及一种基于拉曼光谱技术的猪肉新鲜度检测方法，属于食品检测领域。

技术介绍

[0002]我国是世界上第一大猪肉生产国和消费国。猪肉可提供给人丰富的营养物质，富含蛋白质、脂肪、矿物质等，是我国居民膳食组成中的重要部分，猪肉新鲜与否与居民健康密切相关，研究猪肉新鲜度快速检测方法具有十分重要的价值和意义。
[0003]肉类品质的好坏单凭感官检测易受主观因素的影响，其可靠性、可比性差，理化检测和微生物检测虽然准确度高，但耗时长、操作繁琐，不适用于加工业实时大批量检测使用。近年来，许多研究已将光谱分析技术用于猪肉新鲜度检测领域，如近红外光谱技术、高光谱技术、荧光光谱技术等，其中近红外光谱技术较为常见。
[0004]拉曼光谱技术也已被用于猪肉品质检测，但检测指标多为嫩度、蛋白质含量、脂肪含量、碘值等，未涉及挥发性盐基总氮(TVB
‑
N)、pH及色泽等新鲜度指标。拉曼光谱技术具有速度快、操作简单的优点，有望利用拉曼光谱技术实现现场快速检测。

技术实现思路

[0005]本专利技术根据变化的猪肉表面拉曼光谱和同时变化的猪肉新鲜度理化指标之间建立联系，以期达到利用拉曼光谱预测猪肉新鲜度理化指标的效果。拉曼光谱技术可以快速实现在线分析检测，同时拉曼光谱可以反映物质分子振动信息，本专利技术采用拉曼光谱快速检测猪肉新鲜度。
[0006]在建模过程中，为减少无关信息的干扰，采用6种预处理方法对采集到的拉曼光谱进行预处理，从而降低无关信号对结果的干扰，筛选出有效的光谱信息，本专利采用的6种预处理方法分别为曲线平滑(SG)、标准正态变量变换(SNV)、多元散射校正(MSC)、归一化(Normalize)、基线校正(Baseline)、去趋势化处理(DFA)或多种组合方式。
[0007]本专利技术的目的是提供一种基于拉曼光谱技术的猪肉新鲜度快速检测方法，方法是将获得的猪肉拉曼光谱信息与猪肉的5项新鲜度指标建立偏最小二乘回归模型。拉曼光谱信息是猪肉表面在203
‑
3198cm
‑1范围内的拉曼光谱强度，新鲜度指标是指TVB
‑
N、pH、色泽。
[0008]为实现上述目的，本专利技术提供如下方案：
[0009]一种基于拉曼光谱技术快速检测猪肉新鲜度的方法，是利用拉曼光谱信息与猪肉的5项新鲜度理化指标分别建立偏最小二乘回归模型，从而利用拉曼光谱预测猪肉新鲜度。
[0010]在本专利技术的一种实施方式中，一种基于拉曼光谱技术的猪肉新鲜度快速检测方法，包括以下步骤：
[0011]步骤一、每天每隔4小时进行取样共取3
‑
5次，每次取样取出6份样本进行拉曼光谱的采集和新鲜度指标的测定，连续测定7天。
[0012]步骤二、将猪肉样品拉曼光谱信息和新鲜度指标参考值建立偏最小二乘回归模型。
[0013]在本专利技术的一种实施方式中，所述猪肉为猪瘦肉。
[0014]在本专利技术的一种实施方式中，所述拉曼光谱信息是猪肉表面在203
‑
3198cm
‑1范围内的拉曼光谱强度；
[0015]在本专利技术的一种实施方式中，所述新鲜度理化指标包括挥发性盐基总氮、 pH、颜色L*、颜色a*、颜色b*。
[0016]在本专利技术的一种实施方式中，所述偏最小二乘回归模型的建立过程包括如下步骤：
[0017](1)采集猪肉样品在203
‑
3198cm
‑1范围内的拉曼光谱，同时测定5项理化指标的参考值。
[0018](2)然后将采集得到的拉曼光谱强度分别与5项理化指标的参考值构建偏最小二乘回归模型。
[0019]在本专利技术的一种实施方式中，所述拉曼光谱信息还包括进行预处理，所述预处理的方式包括如下任意一种或多种组合：曲线平滑(SG)、标准正态变量变换(SNV)、多元散射校正(MSC)、归一化(Normalize)、基线校正(Baseline)、去趋势化处理(DFA)。
[0020]在本专利技术的一种实施方式中，当构建拉曼光谱信息与TVB
‑
N的偏最小二乘回归模型时，预处理方式为标准正态变量变换。
[0021]在本专利技术的一种实施方式中，当构建拉曼光谱信息与pH的偏最小二乘回归模型时，预处理方式为标准正态变量变换。
[0022]在本专利技术的一种实施方式中，当构建拉曼光谱信息与L*的偏最小二乘回归模型时，预处理方式为标准正态变量变换。
[0023]在本专利技术的一种实施方式中，当构建拉曼光谱信息与a*的偏最小二乘回归模型时，预处理方式为去趋势化处理。
[0024]在本专利技术的一种实施方式中，当构建拉曼光谱信息与b*的偏最小二乘回归模型时，预处理方式为多元散射校正。
[0025]在本专利技术的一种实施方式中，所述拉曼光谱信息为猪肉表面在203
‑
3198cm
‑1范围内的拉曼光谱强度。
[0026]在本专利技术的一种实施方式中，所述拉曼光谱信息的采集参数为：激发波长 785nm，采集波段为203
‑
3198cm
‑1，积分时间5s，扫描1次，探头与猪肉表面距离为5mm。
[0027]在本专利技术的一种实施方式中，三项理化指标参考值测定方法如下：
[0028]挥发性盐基总氮含量测定参照GB5009.228
‑
2016《食品安全国家标准食品中挥发性盐基氮的测定》；pH值采用pH计测定；色泽采用色差计测定。
[0029]在本专利技术的一种实施方式中，建立偏最小二乘回归模型是指将采集的拉曼光谱与TVB
‑
N含量、pH、L*、a*、b*值这5项新鲜度理化指标分别建模，根据所建的模型，可以通过采集的光谱直接获得猪肉新鲜度理化指标的数值，达到快速检测猪肉新鲜度的目的。
[0030]在本专利技术的一种实施方式中，采用便携式拉曼光谱仪采集猪肉表面光谱。
[0031]在本专利技术的一种实施方式中，所述拉曼光谱信息的采集参数为：激发波长 785nm,采集波段为203
‑
3198cm
‑1，积分时间5s，扫描1次，探头与猪肉表面距离5mm。
[0032]在本专利技术的一种实施方式中，拉曼光谱信息的采集指在猪肉样品表面不同部位随机扫描20次，取20次平均光谱代表光谱强度。
[0033]在本专利技术的一种实施方式中，采用偏最小二乘法建模，将75％的样品作为校正集，25％的样品作为预测集。
附图说明
[0034]图1本专利技术实施例提供的基于拉曼光谱技术的猪肉新鲜度无损检测方法流程图。
[0035]图2本专利技术实施例提供的猪肉样本随时间变化的的整体平均拉曼光谱示意图。
[0036]图3本专利技术实施例提供的各猪肉新鲜度指标随储存时间变化图，A、B、C 分别为TVB、pH和色泽指标随储存时间变化图。
[0037]图4本专利技术实施例提供的6种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于拉曼光谱技术快速检测猪肉新鲜度的方法，其特征在于，利用拉曼光谱信息与猪肉的5项新鲜度理化指标分别建立偏最小二乘回归模型，从而利用拉曼光谱预测猪肉新鲜度；所述新鲜度理化指标包括挥发性盐基总氮、pH、颜色L*、颜色a*、颜色b*。2.根据权利要求1所述的方法，其特征在于，所述拉曼光谱信息为猪肉表面在203
‑
3198cm
‑1范围内的拉曼光谱强度。3.根据权利要求1所述的方法，其特征在于，所述偏最小二乘回归模型的建立过程包括如下步骤：(1)采集猪肉样品在203
‑
3198cm
‑1范围内的拉曼光谱，同时测定5项理化指标的参考值。(2)然后将采集得到的拉曼光谱强度分别与5项理化指标的参考值构建偏最小二乘回归模型。4.根据权利要求1或2所述的方法，其特征在于，所述拉曼光谱信息还包括进行预处理，所述预处理的方式包括如下任意一种或多种组合：曲线平滑、归一化、基线校正、标准正态变量变换、多元散射校正、去趋势化处理。...

【专利技术属性】
技术研发人员：谢云飞，董鑫鑫，解舟，许紫萱，张静，姚卫蓉，于航，郭亚辉，
申请(专利权)人：江苏佳之家食品有限公司，
类型：发明
国别省市：