基于近红外光谱技术快速识别不同动物源肉品

doi:10.7506/spkx1002-6630-201406033

食品科学 ›› 2014, Vol. 35 ›› Issue (6): 156-158.doi: 10.7506/spkx1002-6630-201406033

基于近红外光谱技术快速识别不同动物源肉品

孟一1，张玉华1,2,*，王家敏1,2，毕然1,2，王国利1,2

1.山东商业职业技术学院山东省农产品贮运保鲜技术重点实验室，山东济南 250103；
2.国家农产品现代物流工程技术研究中心，山东济南 250103

收稿日期:2013-06-03 修回日期:2014-02-02 出版日期:2014-03-25 发布日期:2014-04-04
通讯作者: 张玉华 E-mail:z11f@163.com
基金资助:
济南市高校院所自主创新计划项目（201202060）；山东省科技发展计划项目（2012GNC11009）

Rapid Identification of Meat of Different Animal Origins Based on Near Infrared Spectroscopy

MENG Yi1, ZHANG Yu-hua1,2,*, WANG Jia-min1,2, BI Ran1,2, WANG Guo-li1,2

1. Shandong Key Laboratory of Storage and Transportation Technology of Agricultural Products, Shandong Institute of Commerce and
Technology, Jinan 250103, China; 2. National Engineering Research Center for Agricultural Products Logistics,
Jinan 250103, China

Received:2013-06-03 Revised:2014-02-02 Online:2014-03-25 Published:2014-04-04
Contact: ZHANG Yu-hua E-mail:z11f@163.com

摘要/Abstract

摘要：

利用傅里叶变换近红外光谱技术建立猪肉、牛肉和羊肉的定性识别模型。用主成分分析法将原始数据压缩为10 个主成分，在全波段9 881.46～4 119.20 cm－1范围内，利用附加散射校正技术结合Savitzky-Golay滤波法对光谱数据进行预处理，采用判别分析法建立模型。模型对训练集的识别准确率为100%，对预测集猪肉、牛肉和羊肉的识别准确率分别为99.28%、97.42%和100%。结果表明：近红外光谱结合模式识别方法能快速无损地识别猪肉、牛肉和羊肉。

关键词: 近红外光谱, 模式识别法, 肉类识别

Abstract:

A qualitative identification model for pork, beef and mutton was established by Fourier transform near-infrared
spectroscopy (NIR). The raw data were compressed to 10 principal components using principal component analysis. The
spectral data were preprocessed by additional scattering correction combined with Savitzky-Golayfilter method in the range
of 9 881.46–4 119.20 cm-1. The model was established using discriminant analysis. Identification accuracy rate of the model
for training set was 100%. Identification accuracy rates of pork, beef and mutton for prediction set were 99.28%, 97.42% and
100%, respectively. These results showed that pork, beef and mutton could be rapidly and non-destructively identified by
near-infrared spectroscopy combined with pattern recognition method.

Key words: near-infrared spectroscopy, pattern recognition method, identification of meat

中图分类号:

TS207.3

孟一1，张玉华1,2,*，王家敏1,2，毕然1,2，王国利1,2. 基于近红外光谱技术快速识别不同动物源肉品[J]. 食品科学, 2014, 35(6): 156-158.

MENG Yi1, ZHANG Yu-hua1,2,*, WANG Jia-min1,2, BI Ran1,2, WANG Guo-li1,2. Rapid Identification of Meat of Different Animal Origins Based on Near Infrared Spectroscopy[J]. FOOD SCIENCE, 2014, 35(6): 156-158.

[1]	王娅，张存存，付玉叶，张凡，王颉，王文秀. 融合图谱特征信息的明虾挥发性盐基氮含量无损检测[J]. 食品科学, 2021, 42(2): 283-290.
[2]	卢洁，田婧，梁振华，王金梅，康文艺，马常阳，李昌勤. 近红外光谱法快速测定香菇总糖含量[J]. 食品科学, 2021, 42(12): 189-194.
[3]	胡仁伟，俞玥，倪明龙，俞娇，周俊伟，朱诚，李占明. 基于深度信念网络的近红外光谱鉴别莲子粉掺假[J]. 食品科学, 2020, 41(6): 298-303.
[4]	彭丹，刘亚丽，李林青，毕艳兰. 正交试验设计优化近红外检测牛乳中蛋白质的建模条件[J]. 食品科学, 2020, 41(4): 256-261.
[5]	王胜鹏，龚自明，郑鹏程，刘盼盼，滕靖，高士伟，桂安辉. 青砖茶品质近红外特征光谱筛选及预测模型建立[J]. 食品科学, 2020, 41(18): 283-287.
[6]	段宇飞，王巧华. 基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化[J]. 食品科学, 2020, 41(12): 273-278.
[7]	张丙芳，王玉林，刘成海，刘大森，张丙秀，刘勇，牟艳秋，孔庆明，郑先哲. 压榨及浸出工艺对大豆油稳定性影响及IPLS-SPA特征波段选择方法应用[J]. 食品科学, 2020, 41(10): 8-13.
[8]	肖慧，孙柯，屠康，潘磊庆. 便携式葡萄专用可见-近红外光谱检测仪器开发与实验[J]. 食品科学, 2019, 40(8): 300-305.
[9]	何鸿举，朱亚东，王慧，马汉军，陈复生，刘玺，贾方方，康壮丽，刘红，朱明明，赵圣明，王正荣，刘苏汉. 近红外光谱技术在生鲜禽肉质量检测中应用的研究进展[J]. 食品科学, 2019, 40(21): 317-323.
[10]	沈飞，黄怡，周曰春，刘琴，裴斐，李彭，方勇，刘兴泉. 基于光谱和图像信息融合的玉米霉变程度在线检测[J]. 食品科学, 2019, 40(16): 274-280.
[11]	王文秀，彭彦昆，王凡，马营. 局部偏最小二乘法结合可见-近红外光谱预测猪肉挥发性盐基氮[J]. 食品科学, 2019, 40(14): 339-345.
[12]	杨慧，陈德经，夏冬辉，辛茜，陈海涛，金文刚. 基于近红外光谱的大鲵肉粉掺伪鉴别及纯度检测[J]. 食品科学, 2019, 40(10): 331-336.
[13]	赵昕，张任，王伟，李春阳. 基于近红外光谱快速定量检测面粉中曲酸的方法建立[J]. 食品科学, 2018, 39(8): 249-255.
[14]	许锋，付丹丹，王巧华，肖壮，王彬. 基于MCCV-CARS-RF建立红提糖度和酸度的可见-近红外光谱无损检测方法[J]. 食品科学, 2018, 39(8): 149-154.
[15]	田晶，李巧玲. 近红外光谱法快速检测饮料中的食用合成色素[J]. 食品科学, 2018, 39(2): 293-297.

基于近红外光谱技术快速识别不同动物源肉品

Rapid Identification of Meat of Different Animal Origins Based on Near Infrared Spectroscopy

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价