近红外光谱技术快速测定鹅肉嫩度

doi:10.7506/spkx1002-6630-201408052

食品科学

近红外光谱技术快速测定鹅肉嫩度

杨勇，杨庆余，林巍，王存堂，张舵，董原，宋春丽，裴世春*，李毛毛，胥红利

齐齐哈尔大学食品与生物工程学院，农产品加工黑龙江省普通高校重点实验室，黑龙江齐齐哈尔 161006

出版日期:2014-04-25 发布日期:2014-05-13
通讯作者: 裴世春
基金资助:
黑龙江省普通高校青年学术骨干支持计划项目（1252G069）；黑龙江省自然科学基金项目（C201331）；
齐齐哈尔市科技局农业攻关项目（NYGG-201206-3）；齐齐哈尔大学校重点资助项目（2012K-Z03）

Rapid Determination of Goose Tenderness Using Near Infrared Spectroscopy

YANG Yong, YANG Qing-yu, LIN Wei, WANG Cun-tang, ZHANG Duo, DONG Yuan, SONG Chun-li, PEI Shi-chun*, LI Mao-mao, XU Hong-li

Key Laboratory of Processing Agricultural Products of Heilongjiang Province,
College of Food and Biological Engineering, Qiqihar University, Qiqihar 161006, China

Online:2014-04-25 Published:2014-05-13
Contact: PEI Shi-chun

摘要/Abstract

摘要：

目的：应用近红外光谱技术快速检测鹅肉的嫩度值。方法：采集完整鹅肉的近红外光谱（950～ 1 650 nm），光谱经多种校正预处理后，再分别采用主成分回归和偏最小二乘法建立鹅肉嫩度的定量预测数学模型。结果：采用5点移动窗口平滑处理结合偏最小二乘法所建立模型的预测效果最好，嫩度定量校正数学模型的模型决定系数为0.908 0，内部交互验证均方根误差为113.618 6。用此模型对预测集20 个样品进行预测，预测值与实测值的相关系数达到0.971 1，预测值平均偏差为21.673 g，预测值和实测值之间没有显著性差异（P＞0.05）。结论：近红外光谱作为一种无损快速的检测方法，可用于评价鹅肉的嫩度。

关键词: 近红外光谱, 鹅肉, 嫩度, 沃-布剪切力

Abstract:

Objective: To propose a rapid method for the identification of goose tenderness by near infrared spectroscopy
(NIR) technology. Methods: NIR spectra (950–1 650 nm) of goose meat were collected. After multiple correction and
pretreatment of the spectra, mathematical models for the quantitative prediction of goose tenderness were established by
principal component regression (PCR) and partial least squares regression (PLSR). Results: The PLSR model based on
five-point moving window smoothing was the best predictive model with a determination coefficient (R2) of 0.908 0 and
a root mean square error of cross validation (RMSECV) of 113.618 6. No significant difference (P ＞ 0.05) was found
between the predicted and measured values for 20 samples in the prediction set, with a correlation coefficient of 0.971 1,
and the predicted values showed an average bias of 21.673 g. Conclusion: NIR can be used in the evaluation of goose meat
tenderness as a fast nondestructive detection method.

Key words: near infrared spectroscopy (NIR), goose meat, tenderness , Warner-Bratzler shear force (WBSF)

中图分类号:

TS251.7

杨勇，杨庆余，林巍，王存堂，张舵，董原，宋春丽，裴世春*，李毛毛，胥红利. 近红外光谱技术快速测定鹅肉嫩度[J]. 食品科学, doi: 10.7506/spkx1002-6630-201408052.

YANG Yong, YANG Qing-yu, LIN Wei, WANG Cun-tang, ZHANG Duo, DONG Yuan, SONG Chun-li, PEI Shi-chun*, LI Mao-mao, XU Hong-li. Rapid Determination of Goose Tenderness Using Near Infrared Spectroscopy[J]. FOOD SCIENCE, doi: 10.7506/spkx1002-6630-201408052.

[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]	罗辉，何雨薇，张杏亚，阮振甜，罗瑞明，李亚蕾. 秦川牛肉冷藏期间能量代谢变化及其对肉品质的影响[J]. 食品科学, 2021, 42(17): 201-209.
[3]	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.
[4]	汪洋，王稳航. 肌内结缔组织与肉嫩度的关联机制及相关肉嫩化技术的研究进展[J]. 食品科学, 2021, 42(11): 332-340.
[5]	王新怡，张一敏，梁荣蓉，董鹏程，罗欣，毛衍伟. 过氧化物氧化还原酶6调控肉品嫩度的研究进展[J]. 食品科学, 2021, 42(11): 236-243.
[6]	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.
[7]	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.
[8]	孔潇，罗欣，朱立贤，宋恩亮，张文华，张一敏. 中间型极限pH值牛肉嫩度劣变机制的研究进展[J]. 食品科学, 2020, 41(3): 260-265.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	王晶，罗欣，朱立贤，李航，郝剑刚，张一敏. 不同极限pH值牛肉品质差异及机制的研究进展[J]. 食品科学, 2019, 40(23): 283-288.
[14]	唐霄，孙杨赢，江雪婷，潘道东，郑兰亭，曹锦轩. 不同蛋白酶制备鹅肉呈味肽的对比分析[J]. 食品科学, 2019, 40(22): 141-146.
[15]	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.

近红外光谱技术快速测定鹅肉嫩度

Rapid Determination of Goose Tenderness Using 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