近红外光谱法对鸡肉品种的快速无损鉴别

doi:10.7506/spkx1002-6630-201516027

食品科学

近红外光谱法对鸡肉品种的快速无损鉴别

龚艳，汤晓艳*，王敏，陶瑞，毛雪飞

中国农业科学院农业质量标准与检测技术研究所，农业部农产品质量安全重点实验室，北京 100081

出版日期:2015-08-25 发布日期:2015-08-17
通讯作者: 汤晓艳
基金资助:
国际科技合作专项（2012DFA31140）；公益性行业（农业）科研专项（201303083）；农业部“948”重点项目（2011-G5）

Rapid and Nondestructive Identification of Chicken Breeds by Near Infrared Spectroscopy

GONG Yan, TANG Xiaoyan*, WANG Min, TAO Rui, MAO Xuefei

Key Laboratory of Agri-food Safety and Quality, Ministry of Agriculture, Institute of Quality Standards and Testing Technology for
Agro-products, Chinese Academy of Agricultural Sciences, Beijing 100081, China

Online:2015-08-25 Published:2015-08-17
Contact: TANG Xiaoyan

摘要/Abstract

摘要：

选取爱拔益加肉鸡（又名AA肉鸡）、京海黄鸡和狼山鸡鸡胸肉各40 个肉样，应用便携式近红外光谱仪在1 000～2 500 nm波长条件下分别对鸡肉肉块和肉糜进行光谱扫描，并测定肉样的颜色、蛋白质、脂肪和水分含量。各选择90 个肉样作为建模集，采用偏最小二乘判别分析法分别建立了鸡肉肉块和肉糜的品种鉴别模型。所建的两个模型对校正集和验证集样本的鉴别准确率均分别为100%和97.7%，对剩余预测集的各30 个肉样进行鉴别分析的鉴别准确率均为90%。

关键词: 鸡肉品种, 近红外光谱, 快速无损鉴别

Abstract:

Totally 40 chicken breast muscle samples from AA broiler chicken, Jinghai yellow chicken and Langshan chicken
were subjected to near infrared (NIR) analysis. Chicken meat slice and meat emulsion were scanned with a portable
NIR spectrometer (1 000–2 500 nm), respectively and then analyzed for color, protein, fat and moisture. A total of 90
chicken samples were selected as modeling sets. Breeds identification models of chicken meat slice and meat emulsion
were established using partial least squares discriminant analysis (PLS-DA). The established models showed 100% and
97.7% accuracy for discriminating calibration set and validation set and 90% accuracy for the remaining 30 chicken
samples, respectively.

Key words: chicken breeds, near infrared spectroscopy, rapid and nondestructive identification

中图分类号:

S805

龚艳，汤晓艳，王敏，陶瑞，毛雪飞. 近红外光谱法对鸡肉品种的快速无损鉴别[J]. 食品科学, doi: 10.7506/spkx1002-6630-201516027.

GONG Yan, TANG Xiaoyan, WANG Min, TAO Rui, MAO Xuefei. Rapid and Nondestructive Identification of Chicken Breeds by Near Infrared Spectroscopy[J]. FOOD SCIENCE, doi: 10.7506/spkx1002-6630-201516027.

[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.

近红外光谱法对鸡肉品种的快速无损鉴别

Rapid and Nondestructive Identification of Chicken Breeds by 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