一种羊胴体产量的无损分级方法技术

本发明专利技术公开了一种羊胴体的无损分级方法。该方法是基于肋肉厚度近红外预测模型实现的，包括下述步骤：1)采集待分级的羊胴体的肋肉厚度测量部位的近红外光谱图；2)将采集的近红外光谱进行预处理，并代入肋肉厚度近红外预测模型中，得出肋肉厚度值；3)将肋肉厚度、近红外预测模型胴体出肉率方程、产量分级方法相结合，实现羊胴体无损分级；其中，肋肉厚度预测模型构建方法如下：1)测量不同羊胴体的肋肉厚度数值；2)采集不同羊胴体肋肉厚度部位的近红外图谱；3)将采集的近红外光谱进行预处理，然后与测量的肋肉厚度数值进行关联建立数学模型。本方法无需破坏羊胴体，分析快速简便，为我国羊肉加工企业提供了较为快捷的初期分级准备。

【技术实现步骤摘要】

本专利技术涉及。
技术介绍
近年来，人们生活水平显著提高，进而对食品质量提出了更高的要求，优质优价的概念已经深入人心。这就要求我们对羊胴体在精细分割之前进行分级。羊胴体人工产量分级模型需要人为的测量肋部厚度，测量位置破坏胴体肋骨、测量过程繁琐且存在人为误差。 因此，急需一种无损的智能化分级方法。近红外光谱(OTR)分析技术随着化学计量学方法的应用迅速推广，并在仪器研制、软件研究、基础研究和应用等方面取得了可喜的成果，尤其是在农产品、饲料、饮料、药物、石油化工领域中的应用已积累了很多实践经验。NIR已经应用到肉制品嫩度、色泽和风味的检测上，也成功应用于肉制品主要成分的定量分析上。Cozzolino对51只羊身上不同部位的306块肌肉的检测发现，近红外测定的结果与化学分析测得的结果具有相关性，其中对水、蛋白质、肌内脂肪的复相关系数(R2)分别为0. 76,0. 83和0. 73。TOgersen等利用近红外仪器(匪55，Infrared Engi-neering Ltd)构建了肉品质在线检测系统，Anderson 等利用DA-700近红外分析系统建立了肉品质在线检测系统，但是还没有近红外应用于羊胴体分级的报道。
技术实现思路
本专利技术的目的是为了克服现有方法中人工分级产生的误差以及分级过程中对胴体的损坏等缺陷，提供了一种操作简单、方便快捷且高效的羊胴体无损分级方法。为实现上述目的，本专利技术采用的技术方案为1)采集待分级的羊胴体的肋脂厚度测量部位的近红外光谱图；2)将采集的近红外光谱图代入肋脂厚度近红外光谱预测模型中，得出待分级的羊胴体的肋脂厚度值；3)将步骤2)得到的肋脂厚度值代入下述方程计算得到羊胴体产肉率羊胴体产肉率(% ) = (78. 28904X肋脂厚度-32. 30705)/肋脂厚度X 100%,R2 =0. 9935 ；4)根据步骤3)计算得到的羊胴体产肉率，将羊胴体产量分成五级一级，胴体产肉率彡78% ；二级，胴体产肉率< 78% ；三级，胴体产肉率< 72% ；四级，60% <胴体产肉率< 66% ；五级，胴体产肉率< 60%。上述方法中所用的肋脂厚度近红外光谱预测模型，是通过下述步骤构建得到的1)选取不同肋脂厚度范围的羊胴体，实测羊胴体的肋脂厚度值，肋脂厚度的范围应尽量广；2)用近红外探头采集步骤1)中所述羊胴体的肋脂厚度测量部位的近红外光谱；3)将步骤2)得到的近红外光谱进行预处理，得到预处理后的近红外光谱；4)通过化学计量学方法将所述预处理后的近红外光谱与步骤1)实测所得的肋脂厚度值进行关联，建立肋脂厚度近红外光谱预测模型；5)对所述肋脂厚度近红外光谱预测模型的预测能力进行验证。在上述步骤1)中，肋脂厚度值为羊胴体12肋骨距离脊柱中心Ilcm处脂肪的厚度值。步骤2)中采集近红外光谱时，扫秒的波长范围为IOOOnm 1800nm。测试条件 近红外光谱扫描次数32次；光谱分辨率< 12nm ；室温25°C。每个样本采集5条光谱，建立光谱库。通过比较不同光谱预处理方法(如标准化法、平滑法、信号校正法等)对模型的影响，以模型的主成分数、决定系数和校正交互验证均方差(RMSECV)作为评价标准，所建模型的决定系数越大、RMSECV越小，模型的预测效果越好。最终采用正交信号校正法 +Savitzky-Golay求导法+标准化法得到肋脂厚度预测最优模型。模型的主成分数为4，模型校正集的决定系数(RC)为0. 63428,RMSECV为4. 5174，模型预测性较高，模型可以使用。步骤4)中所述化学计量学方法为偏最小二乘法。对所建立模型的预测能力进行验证，所选模型的验证集的决定系数(RP)为 0.74285。与人工分级技术相比，本专利技术方法具有以下优点(1)不破坏羊胴体、在其表面进行光谱扫描，不用试剂、不污染环境。(2)分析速度快、光谱扫描之后立即可以得到羊胴体级别，迅速高效。(3)机械化程度高，可以避免人为误差。(4)模型准确率高，可以达到很好的预测效果，使整个操作过程自动化，方便高效。 附图说明图1腿部肌肉得分参照图示。图2背膘厚度的测定部位。图3肋脂厚度的测定部位。图4腹壁厚度的测定部位。图5学生残差分布散点图。图6羊胴体肋脂厚度测定部位的原始近红外光谱。图7羊胴体肋脂厚度测定部位的原始近红外光谱库。图8肋脂厚度近红外光谱预测模型校正集真实值与预测值散点图。图9肋脂厚度近红外光谱预测模型验证集真实值与预测值散点图。图10本专利技术提供的羊胴体无损分级方法的操作流程图。具体实施例方式下面通过具体实施例对本专利技术的方法进行说明，但本专利技术并不局限于此。下述实施例中所述实验方法，如无特殊说明，均为常规方法；所述试剂和材料，如无特殊说明，均可从商业途径获得。实施例1、羊胴体产肉率人工预测模型构建1.1试验材料、仪器1.1.1试验材料按照国家标准《GB/T 20551-2006畜禽屠宰HACCP应用规范》中附录E牛羊屠宰标准操作规程的规定，进行屠宰加工，并持有产地动物防疫监督机构出具的检疫合格证明的羊胴体。1.1.2试验仪器求积仪数字式求积仪KP-90N，日本小泉公司生产；色差计美能达CR-400，日本柯尼卡公司生产；电子计重台秤BSWE-1_60，台湾联贸电子有限公司；电子数显卡尺0-150mm，上海台海工量具有限公司。1. 2试验方法1. 2. 1试验设计参考美国、澳大利亚等国家羊胴体分级标准·食品科技，2010，35 (9) 146-150. 2)Miguel Ε, Onega Ε, Caneque V, et al. Carcass Classification in sucking lambs. Discrimination ability of the European Union scale · Meat Science，2003，63 :107-117.]，并对国内 38家羊肉深加工企业进行调研，征集羊胴体产量分级指标。对157只发育正常，健康无病的周岁羊胴体进行相关指标的测量，采用相关性分析、主成分分析、回归分析等对指标进行筛选，确定适宜用于羊胴体产肉率预测的指标，并通过方程拟合，建立羊胴体产肉率无损预测模型。1.2. 2羊胴体产肉率人工测定方法将羊胴体剔骨分割后，称量胴体肉重，胴体肉重占胴体重的百分率，即为胴体产肉率，其计算公式为权利要求1.一种肋脂厚度近红外光谱预测模型，是按照包括下述步骤的方法构建得到的1)选取不同肋脂厚度范围的羊胴体作为校正集样本，人工实测校正集样本的肋脂厚度；2)用近红外探头采集步骤1)中所述校正集样本的肋脂厚度测量部位的近红外光谱；3)将步骤2)得到的近红外光谱进行预处理，得到预处理后的近红外光谱库；4)通过化学计量学方法将所述预处理后的近红外光谱库与步骤1)实测所得的肋脂厚度值进行关联，建立肋脂厚度近红外光谱预测模型。2.根据权利要求1所述的肋脂厚度近红外光谱预测模型，其特征在于步骤3)中所述预处理的方法为正交信号校正法+Savitzky-Golay求导法+标准化法。3.根据权利要求1或2所述的肋脂厚度近红外光谱预测模型，其特征在于步骤4)中所述化学计量学方法为偏最小二乘法。4.根据权利要求1-3中任一项所述的肋脂厚度近本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：张德权，陈丽，张春晖，饶伟丽，王培培，薛丹丹，丁楷，刘岳，
申请(专利权)人：中国农业科学院农产品加工研究所，
类型：发明
国别省市：