CN101881729B - 一种预测狭鳕鱼糜水分和蛋白质含量的方法 - Google Patents
一种预测狭鳕鱼糜水分和蛋白质含量的方法 Download PDFInfo
- Publication number
- CN101881729B CN101881729B CN 201010197506 CN201010197506A CN101881729B CN 101881729 B CN101881729 B CN 101881729B CN 201010197506 CN201010197506 CN 201010197506 CN 201010197506 A CN201010197506 A CN 201010197506A CN 101881729 B CN101881729 B CN 101881729B
- Authority
- CN
- China
- Prior art keywords
- moisture
- rotten
- wall pollack
- protein content
- fish
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 241000276498 Pollachius virens Species 0.000 title abstract 5
- 241001098054 Pollachius pollachius Species 0.000 claims description 139
- 238000002329 infrared spectrum Methods 0.000 claims description 34
- 102000004169 proteins and genes Human genes 0.000 claims description 33
- 108090000623 proteins and genes Proteins 0.000 claims description 33
- 238000001599 direct drying Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000002310 reflectometry Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 6
- 235000013305 food Nutrition 0.000 abstract description 4
- 235000019465 surimi Nutrition 0.000 abstract description 3
- 241000251468 Actinopterygii Species 0.000 description 7
- 239000000203 mixture Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 229920000995 Spectralon Polymers 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 235000015168 fish fingers Nutrition 0.000 description 2
- 238000012113 quantitative test Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 241000013355 Mycteroperca interstitialis Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- SFVVQRJOGUKCEG-UHFFFAOYSA-N isoechinatine Natural products C1CC(O)C2C(COC(=O)C(O)(C(C)O)C(C)C)=CCN21 SFVVQRJOGUKCEG-UHFFFAOYSA-N 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 235000004213 low-fat Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000003333 near-infrared imaging Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- SFVVQRJOGUKCEG-OPQSFPLASA-N β-MSH Chemical compound C1C[C@@H](O)[C@H]2C(COC(=O)[C@@](O)([C@@H](C)O)C(C)C)=CCN21 SFVVQRJOGUKCEG-OPQSFPLASA-N 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于食品快速检测技术领域，具体涉及一种预测狭鳕鱼糜水分和蛋白质含量的方法，本发明所提供的方法包括：狭鳕鱼糜水分和蛋白质含量标准曲线建立的步骤，获得狭鳕鱼糜水分和蛋白质含量近红外光谱谱图的步骤以及预测狭鳕鱼糜水分和蛋白质含量的步骤，采用本发明方法即可解决现有检测狭鳕鱼水分和蛋白质含量的方法不能同时检测狭鳕鱼水分和蛋白质的含量以及检测时间过长的问题。
Description
技术领域
本发明属于食品快速检测技术领域，具体涉及一种预测狭鳕鱼糜水分和蛋白质含量的方法，本发明所述方法采用了近红外光谱检测技术。
背景技术
鱼糜，即将鲜活原料鱼预处理后，经采肉、漂洗、精滤、脱水、分装、冻结而成具有一定保藏期的中间素材产品，被广泛用于鱼丸、鱼糕等鱼糜制品的生产。狭鳕(Alaska Pollack)是用于鱼糜生产的重要品种，主要分布于太平洋，个体大而肌肉中骨刺极少，鱼肉凝胶形成能力较强，但随着鲜度下降其凝胶形成能力会急剧下降。上世纪60年代，日本专家首次利用北太平洋丰富的“明太鳕”(狭鳕)开发了生产“冷冻鱼糜”的技术，使原先易腐价廉高产的狭鳕变为生产制造高品质、富弹性的传统鱼糕制品的极佳原料。
优质的冷冻鱼糜具有高蛋白、低脂肪、口感佳、白度好、杂点少、弹性好等优点。但冷冻鱼糜不同于新鲜鱼，其品质不能通过外观直接判断。为了保证冷冻鱼糜的品质，生产厂商对其主要营养物质的含量和弹性等指标制定了标准。因此，建立合理、快速的测定营养成分的方法在评价鱼糜品质中显得尤为重要。
由于现有对狭鳕鱼糜相关物质含量(例如水分和蛋白质)的检测方法通常每次只能检测一种物质含量，因此检测狭鳕鱼糜水分和蛋白质含量的方法通常只能将水分和蛋白质含量分开检测，也即完成对狭鳕鱼糜水分和蛋白质含量的检测需要分两次进行，而且检测时间一般都在4小时以上，这样就造成检测效率低下的弊端。
发明内容
本发明所要解决的技术问题在于现有检测狭鳕鱼水分和蛋白质含量的方法不能同时检测狭鳕鱼水分和蛋白质含量的问题，并针对该问题提供一种预测狭鳕鱼糜水分和蛋白质含量的方法。
本发明通过以下技术方案解决上述技术问题：
一种预测狭鳕鱼糜水分和蛋白质含量的方法，其特征在于该方法包括：
a、狭鳕鱼糜水分和蛋白质含量标准曲线建立的步骤
所述a步骤包括：
利用近红外光谱仪分别采集若干个狭鳕鱼糜样品的近红外光谱反射率，从而分别得到若干个狭鳕鱼糜样品水分和蛋白质含量的近红外光谱谱图；
分别测定若干个狭鳕鱼糜样品的水分和蛋白质含量，从而分别得到若干个狭鳕鱼糜样品的水分和蛋白质含量测定值；
通过NIRCa15.2近红外分析软件将若干个狭鳕鱼糜样品的水分及蛋白质含量的测定值分别和对应狭鳕鱼糜样品的水分及蛋白质的近红外光谱谱图拟合，得到狭鳕鱼糜水分及蛋白质含量的标准曲线；
b、获得狭鳕鱼糜水分和蛋白质含量近红外光谱谱图的步骤
所述b步骤包括：
利用近红外光谱仪采集狭鳕鱼糜的近红外光谱反射率，从而得到狭鳕鱼糜水分和蛋白质含量的近红外光谱谱图；
c、预测狭鳕鱼糜水分和蛋白质含量的步骤
所述c步骤包括：
用NIRCal5.2近红外分析软件调用a步骤得到的狭鳕鱼糜水分及蛋白质含量的标准曲线，对b步骤得到的狭鳕鱼糜水分和蛋白质含量的近红外光谱谱图进行分析，从而得到狭鳕鱼糜的水分和蛋白质含量的预测值。
由上可知，本发明所述一种预测狭鳕鱼糜水分和蛋白质含量的方法是先分别建立狭鳕鱼糜水分和蛋白质含量的标准曲线，然后用该标准曲线对狭鳕鱼糜的水分和蛋白质的近红外光谱谱图进行分析，即可得到狭鳕鱼糜的水分和蛋白质含量的预测值。
所使用的近红外光谱仪采集狭鳕鱼糜样品或狭鳕鱼糜的近红外光谱反射率，具有无损伤、操作方便、可多指标(例如水分和蛋白质)同时测定的优点。
而且本发明发现，狭鳕鱼糜及其制品的各种有机物在近红外区域都有特定的吸收特征，也是基于上面这一点，本发明将a步骤和b步骤中近红外光谱仪的扫描谱区波数范围设定在4000-10000cm-1，以便尽可能多的将狭鳕鱼糜及其制品的各种有机物的特定吸收特征都囊括在上述波数范围内。
当然，为了顺利实施本发明所述预测狭鳕鱼糜水分和蛋白质含量的方法，以使本领域技术人员能够充分的领略到上述同时精确预测狭鳕鱼糜水分和蛋白质含量的技术效果，最重要的，就是要获得高精确度的狭鳕鱼糜水分和蛋白质含量的标准曲线，这需要从两个方面来完成，一方面，需要向a步骤提供若干个狭鳕鱼糜样品的水分及蛋白质含量的测定值，另一方面，还需要合理的设置NIRCal5.2近红外分析软件中的一些对拟合结果产生影响的参数。
对于上述一方面，一般的，若干个狭鳕鱼糜样品的水分及蛋白质含量的测定值可以通过现有检测狭鳕鱼糜的水分及蛋白质含量的方法得到，为了向a步骤狭鳕鱼糜水分和蛋白质含量标准曲线的科学建立提供良好的基础，所述狭鳕鱼糜样品水分和蛋白质含量的测定值应当保证较高的精确性，为此，本发明选择直接干燥法或凯氏定氮法用于对若干个狭鳕鱼糜样品的水分及蛋白质含量进行测定。
对于上述另一方面，本发明认为a步骤的若干个狭鳕鱼糜样品水分及蛋白质含量的测定值与对应狭鳕鱼糜样品水分及蛋白质含量的近红外光谱谱图进行拟合的过程中，NIRCal5.2近红外分析软件的参数具体应当这样设定：
| 成分 | 波数范围(cm-1) | 预处理方法 | 回归方法 | 主因子数 |
| 水分 | 5000-7144，7404-10000 | SNV | PLS | 12 |
| 蛋白质 | 5000-10000 | 无 | PLS | 11 |
本发明经过研究发现，上述参数设定可以使NIRCal5.2近红外分析软件在a步骤的拟合过程中得到可靠性最优的标准曲线，从而本领域技术人员在使用本发明方法后即可得到高精确度的狭鳕鱼糜水分及蛋白质含量预测结果。
应当认为本发明的预测方法是具有极高的可行性的。一般说来，按照本发明方法建立狭鳕鱼糜水分和蛋白质含量的标准曲线，然后用本发明c步骤对狭鳕鱼糜的水分和蛋白质含量进行预测，得到相应的预测值，同时，用直接干燥法或凯氏定氮法对同一个狭鳕鱼糜的水分和蛋白质含量进行测定，得到相应的测定值，那么得到的预测值和测定值的相关系数(以横坐标为直接干燥法或凯氏定氮法的测定值，纵坐标为利用本发明方法得到的预测值，所作的标准曲线，相关系数越接近1，说明本发明方法的预测值和实测方法(直接干燥法或凯氏定氮法)的测定值越接近)分别在0.98以上和0.96以上。
另外，用同一个狭鳕鱼糜水分和蛋白质含量的标准曲线对随机选上的拥有不同水分和蛋白质含量的狭鳕鱼糜采用本发明c步骤进行预测，同时也对这些随机选上的拥有不同水分和蛋白质含量狭鳕鱼糜采用直接干燥法或凯氏定氮法进行测定，两种方法得到的结果用统计软件SPSS进行配对T检验，当设定置信度为95％时，利用本发明方法所得到的预测值与直接干燥法或凯氏定氮法得到的测定值之间的差异不显著(p＞0.05)，这就说明本发明所述测定狭鳕鱼糜水分和蛋白质含量的方法是可行的，或者说能够替代测定值。
本领域技术人员可以在应用本发明方法的过程中发现本发明方法的效率是极高的，一般的，要准确预测狭鳕鱼糜水分和蛋白质含量，本发明方法只需要1分钟左右，而用直接干燥法或凯氏定氮法，检测过程则往往持续4小时以上。
需要提醒本领域技术人员注意的是，市面上狭鳕鱼糜的水分及蛋白质含量一般都存在一个特定的范围，例如，市面上狭鳕鱼糜的水分含量在70％-85％之间，而蛋白质含量在9％-14％之间，而本发明所述预测狭鳕鱼糜水分和蛋白质含量的方法可以用于对狭鳕鱼糜特定水分和蛋白质含量的检测，对于上述特定的水分和蛋白质含量，本发明所述预测方法是适用的。
附图说明
图1为实施例所述狭鳕鱼糜水分含量的标准曲线图；
图2为实施例所述狭鳕鱼糜蛋白质含量的标准曲线图；
具体实施方式
为了本领域技术人员能够更详细的了解本发明的技术方案，以利于在实际测定工作中能够应用本发明方法，下面在具体操作层面对本发明方法进行介绍。
本发明方法主要是基于现有技术中存在的弊端进行的改进，这样的现有技术是：直接干燥法检测狭鳕鱼糜水分含量的方法(参考文献：GB/T5009.3-2003食品中水分含量的测定[S])以及凯氏定氮法(参考文献：.GB/T5009.3-2003食品中蛋白质含量的测定)，本发明说明书所提到的直接干燥法以及凯氏定氮法分别指上述两种方法。
本具体实施方式所使用的傅立叶变换近红外光谱仪为瑞士BUCHI公司生产的NIRFlex N-500傅立叶变换近红外光谱仪。
实施例
一、建立狭鳕鱼糜水分及蛋白质含量标准曲线
所述狭鳕鱼糜水分及蛋白质含量标准曲线的建立需要选取多种狭鳕鱼糜样品，也即每个狭鳕鱼糜代表标准曲线上的一个点，因此，为了制定更为精准的标准曲线，本领域技术人员可以选择更多的狭鳕鱼糜样品参与标准曲线的建立，本实施例选取76种含有不同水分含量的狭鳕鱼糜参与本实施例狭鳕鱼糜水分含量标准曲线的建立，选取75种含有不同蛋白质含量的狭鳕鱼糜参与本实施例狭鳕鱼糜蛋白质含量标准曲线的制定。
1.狭鳕鱼糜水分含量标准曲线的建立
(1).狭鳕鱼糜样品水分含量的测定
用凯氏定氮法对每一种狭鳕鱼糜的水分含量进行测定，得到76种狭鳕鱼糜样品的测定值。
(2).狭鳕鱼糜样品水分含量的近红外光谱谱图的获得
将选取的76种狭鳕鱼糜样品分别放入NIRFlex N-500傅立叶变换近红外光谱仪中进行检测，获得相对应的水分含量近红外光谱谱图，对于每一种狭鳕鱼糜样品，均可以采用以下操作来获得近红外光谱谱图：
取狭鳕鱼糜样品60g放入培氏培养皿中，充分压实，不能在玻璃皿底部存在直径大于等于0.5mm的气泡。利用NIRFlex N-500傅立叶变换近红外光谱仪采集其近红外光谱反射率(R)，扫描谱区波数范围为4000-10000cm-1，扫描次数为32次，分辨率为8cm-1，以Spectralon为参照背景。
(3).狭鳕鱼样品水分含量的测定值及相应近红外管谱谱图的拟合
运行BUCHI公司的傅立叶变换近红外光谱仪自带软件NIRCal5.2，将狭鳕鱼糜样品的水分含量测定值及狭鳕鱼糜样品水分含量的近红外光谱谱图输入，并将上述软件的参数作如表1所述的设定。
表1
| 成分 | 波数范围(cm-1) | 预处理方法 | 回归方法 | 主因子数 |
| 水分 | 5000-7144，7404-10000 | SNV | PLS | 12 |
从而得到狭鳕鱼糜水分含量的标准曲线(见图1)。
对图1的说明：◇表示定标集，□表示验证集，+表示异常值，在建立标准曲线时需要剔除。
将参与狭鳕鱼糜水分含量标准曲线建立的所有样品按照定标集与验证集(验证集是为了标准曲线内部的验证)的比约2∶1的比例进行分配，其中最大值和最小值选入定标集中，选择软件NIRCal5.2自带的杠杆值(Leverages)方法剔除异常值。采用阈值为2.5倍定标集标准差的重构杠杆值计算，最终水分含量标准曲线需要剔除11条光谱。
2.狭鳕鱼糜蛋白质含量标准曲线的建立
①.狭鳕鱼糜样品蛋白质含量的测定
用凯氏定氮法对每一种狭鳕鱼糜的蛋白质含量进行测定，得到75种狭鳕鱼糜样品的测定值。
②.狭鳕鱼糜样品蛋白质含量近红外光谱谱图的获得
将选取的75种狭鳕鱼糜样品分别放入NIRFlex N-500傅立叶变换近红外光谱仪中进行检测，获得相对应的蛋白质含量近红外光谱谱图，对于每一种狭鳕鱼糜样品，均可以采用以下操作来获得近红外光谱谱图：
取狭鳕鱼糜样品60g放入培氏培养皿中，充分压实，不能在玻璃皿底部存在直径大于等于0.5mm的气泡。利用NIRFlex N-500傅立叶变换近红外光谱仪采集其近红外光谱反射率(R)，扫描谱区波数范围为4000-10000cm-1，扫描次数为32次，分辨率为8cm-1，以Spectralon为参照背景。
③.狭鳕鱼样品蛋白质含量的测定值及相应近红外管谱谱图的拟合
运行BUCHI公司的傅立叶变换近红外光谱仪自带软件NIRCal5.2，将狭鳕鱼糜样品的蛋白质含量测定值及狭鳕鱼糜样品蛋白质含量的近红外光谱谱图输入，并将上述软件的参数作如表2所述的设定。
表2
| 成分 | 波数范围(cm-1) | 预处理方法 | 回归方法 | 主因子数 |
| 蛋白质 | 5000-10000 | 无 | PLS | 11 |
从而得到狭鳕鱼糜蛋白质含量的标准曲线(见图2)。
对图2的说明：◇表示定标集，□表示验证集，+表示异常值，在建立标准曲线时需要剔除。
将参与狭鳕鱼糜蛋白质含量标准曲线建立的所有样品按照定标集与验证集(验证集是为了标准曲线内部的验证)的比约2∶1的比例进行分配，其中最大值和最小值选入定标集中。选择软件NIRCal5.2自带的杠杆值(Leverages)方法剔除异常值。采用阈值为2.5倍定标集标准差的重构杠杆值计算，最终蛋白质标准曲线需要剔除4条光谱。
二、待测狭鳕鱼糜水分及蛋白质含量近红外光谱谱图的获得
取待测狭鳕鱼糜样品60g放入培氏培养皿中，充分压实，不能在玻璃皿底部存在直径大于等于0.5mm的气泡。利用NIRFlex N-500傅立叶变换近红外光谱仪采集其近红外光谱反射率(R)，扫描谱区波数范围为4000-10000cm-1，扫描次数为32次，分辨率为8cm-1，以Spectralon为参照背景，得到的待测狭鳕鱼糜水分及蛋白质含量的近红外光谱谱图。
三、待测狭鳕鱼糜水分及蛋白质含量的预测
将得到的待测狭鳕鱼糜水分及蛋白质含量的近红外光谱谱图输入，并用NIRCal5.2近红外分析软件调用狭鳕鱼糜水分及蛋白质含量的标准曲线对待测狭鳕鱼糜的水分及蛋白质含量近红外光谱谱图进行分析，从而得到待测狭鳕鱼糜的水分及蛋白质含量的预测值。
四、可行性分析
标准曲线的验证
1.内部验证
用参与建立标准曲线的约1/3样品(也即26种狭鳕鱼糜样品)验证其余的约2/3样品(也即50种狭鳕鱼糜样品)构成的标准曲线，所述内部验证涉及的四种标准曲线(即所述约1/3样品及约2/3样品的水分及蛋白质含量的标准曲线)构建的具体方法参见本实施例第一部分标准曲线的建立方法，在此，本实施例不再给出上述四种标准曲线图，仅给出具体验证结果(表3和表4)。
表3水分和蛋白质定标标准曲线的内部验证结果
表3中Slope代表斜率、Rc代表定标集相关系数、Rv代表验证集相关系数、SEC代表定标集标准分析误差、SEP代表验证集标准分析误差。
表4定标集及验证集中水分和蛋白质的RSD及RPD
表4中RSD代表相对标准偏差、RPD代表相对分析误差。
对表4中RSD及RPD的说明：
如果RSD＜10％，RPD＞3，则说明定标效果良好，预测精度高，所建立的NIRS(近红外光谱技术)定标标准曲线可用于实际检测；如果RSD＜10％，2.5＜RPD＜3，说明用NIRS分析技术对该成分进行定量分析是可行的，但其预测精度有待于进一步提高，只能对其进行实际估测；如果RSD＞10％或RPD＜2.5，则说明该成分难以进行NIRS定量检测分析。由上说明可知，按照本实施例方法建立的狭鳕鱼糜水分和蛋白质含量标准曲线从内部验证来看是能够用于对未知狭鳕鱼糜的水分及蛋白质含量进行定量分析的。
2.外部验证
用参与建立标准曲线之外的10种狭鳕鱼糜样品(任意选取)对本实施例第四部分所述其余的约2/3样品(也即50种狭鳕鱼糜样品)构成的标准曲线进行验证。
所用的验证方法是先用凯氏定氮法测定10种狭鳕鱼糜的水分及蛋白质的含量(化学值)，然后用本实施例第二及第三部分的方法得到10种狭鳕鱼糜的水分及蛋白质的含量(近红外值)，所得结果见表5。
表5
然后利用统计软件SPSS对本实施例方法(即近红外方法)及凯氏定氮法(化学法)得到的10种狭鳕鱼糜的水分及蛋白质含量结果进行配对T检验，结果见表6。
表6
从表6可以看出，设定置信度为95％时，无论水分标准曲线还是蛋白质标准曲线，其近红外线值和化学值之间的差异不显著(p＞0.05)。
因此，本实施例所述预测狭鳕鱼糜水分和蛋白质含量的方法预测的水分和蛋白质含量具有很好的精度。
应该指出的是，本实施例选用了多种狭鳕鱼样品用来构建狭鳕鱼糜水分及蛋白质含量的标准曲线，采用本实施例方法而构建的标准曲线不会因为选取的狭鳕鱼糜样品的不同而发生变化。
综上可知，本实施例所述预测狭鳕鱼糜的水分和蛋白质含量的方法只要建立狭鳕鱼糜的水分和蛋白质含量的标准曲线，然后用NIRCal5.2近红外分析软件对狭鳕鱼糜的水分和蛋白质含量的近红外光谱谱图进行分析，就可以得到与实际检测结果吻合度极高的水分和蛋白质含量的预测值，同时，上述方法可以对水分和蛋白质含量进行同时预测，效率大为提高。
Claims (2)
1.一种预测狭鳕鱼糜水分和蛋白质含量的方法，其特征在于该方法包括：
a、狭鳕鱼糜水分和蛋白质含量标准曲线建立的步骤
所述a步骤包括：
利用近红外光谱仪分别采集若干个狭鳕鱼糜样品的近红外光谱反射率，从而分别得到若干个狭鳕鱼糜样品水分和蛋白质含量的近红外光谱谱图，其中近红外光谱仪的扫描谱区波数范围是4000-10000cm-1；
分别测定若干个狭鳕鱼糜样品的水分和蛋白质含量，从而分别得到若干个狭鳕鱼糜样品的水分和蛋白质含量测定值；
通过NIRCal5.2近红外分析软件将若干个狭鳕鱼糜样品的水分及蛋白质含量的测定值分别和对应狭鳕鱼糜样品的水分及蛋白质的近红外光谱谱图拟合，得到狭鳕鱼糜水分及蛋白质含量的标准曲线，其中NIRCal5.2近红外分析软件的参数设定如下：
波数范围 预处理方法 回归方法 主因子数
水分 5000-7144cm-1及7404-10000cm-1 SNV PLS 12
蛋白质 5000-10000cm-1 无 PLS 11
b、获得狭鳕鱼糜水分和蛋白质含量近红外光谱谱图的步骤
所述b步骤包括：
利用近红外光谱仪采集狭鳕鱼糜的近红外光谱反射率，从而得到狭鳕鱼糜水分和蛋白质含量的近红外光谱谱图，其中近红外光谱仪的扫描谱区波数范围为4000-10000cm-1；c、预测狭鳕鱼糜水分和蛋白质含量的步骤
所述c步骤包括：
用NIRCal5.2近红外分析软件调用a步骤得到的狭鳕鱼糜水分及蛋白质含量的标准曲线，对b步骤得到的狭鳕鱼糜水分和蛋白质含量的近红外光谱谱图进 行分析，从而得到狭鳕鱼糜的水分和蛋白质含量的预测值。
2.根据权利要求1所述的一种测定狭鳕鱼糜水分和蛋白质含量的方法，其特征在于所述a步骤中的若干个狭鳕鱼糜样品的水分及蛋白质含量的测定值均通过直接干燥法或凯氏定氮法得到。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010197506 CN101881729B (zh) | 2010-06-10 | 2010-06-10 | 一种预测狭鳕鱼糜水分和蛋白质含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010197506 CN101881729B (zh) | 2010-06-10 | 2010-06-10 | 一种预测狭鳕鱼糜水分和蛋白质含量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101881729A CN101881729A (zh) | 2010-11-10 |
| CN101881729B true CN101881729B (zh) | 2011-12-21 |
Family
ID=43053792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010197506 Active CN101881729B (zh) | 2010-06-10 | 2010-06-10 | 一种预测狭鳕鱼糜水分和蛋白质含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101881729B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102353644A (zh) * | 2011-06-30 | 2012-02-15 | 上海海洋大学 | 快速同时检测带鱼糜水分和蛋白质含量的近红外光谱方法 |
| CN102393376A (zh) * | 2011-10-14 | 2012-03-28 | 上海海洋大学 | 基于支持向量回归的鱼丸多组分含量检测的近红外光谱法 |
| CN102636451A (zh) * | 2012-04-24 | 2012-08-15 | 上海海洋大学 | 一种快速测定带鱼糜、鱼糕中磷酸盐含量的方法 |
| CN104062256B (zh) * | 2013-04-15 | 2016-12-28 | 山东东阿阿胶股份有限公司 | 一种基于近红外光谱的软测量方法 |
| CN103592255A (zh) * | 2013-11-22 | 2014-02-19 | 山东东阿阿胶股份有限公司 | 一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法 |
| CN104880427B (zh) * | 2015-05-29 | 2017-08-25 | 华南理工大学 | 一种猪肉产品快速水分检测方法 |
| CN107328733A (zh) * | 2017-09-06 | 2017-11-07 | 上海海洋大学 | 一种快速检测鱼糜中添加的淀粉含量的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008089529A (ja) * | 2006-10-05 | 2008-04-17 | Fisheries Research Agency | 近赤外分析による冷凍すり身成分の非破壊測定法 |
-
2010
- 2010-06-10 CN CN 201010197506 patent/CN101881729B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 王锡昌 等.近红外光谱技术快速无损测定狭鳕鱼糜水分和蛋白质含量.《食品科学》.2010,第31卷(第16期),168-171. * |
| 黄艳 等.用近红外光谱技术快速测定白鲢鱼糜中的水分含量.《食品工业科技》.2008,(第2期),282-284. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101881729A (zh) | 2010-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101881729B (zh) | 一种预测狭鳕鱼糜水分和蛋白质含量的方法 | |
| Li et al. | Combining Vis-NIR and NIR hyperspectral imaging techniques with a data fusion strategy for the rapid qualitative evaluation of multiple qualities in chicken | |
| CN102323267A (zh) | 一种快速评价生鲜肉品新鲜度的系统及方法 | |
| Wang | Near-infrared spectroscopy for food quality evaluation | |
| CN102507459A (zh) | 一种生鲜牛肉新鲜度快速无损评价方法及系统 | |
| Sánchez et al. | NIRS technology for fast authentication of green asparagus grown under organic and conventional production systems | |
| CN102353644A (zh) | 快速同时检测带鱼糜水分和蛋白质含量的近红外光谱方法 | |
| CN104849232B (zh) | 一种快速检测蜂王浆水分和蛋白质含量的方法 | |
| CN103344597B (zh) | 一种抗调味干扰的莲藕内部成分近红外无损检测的方法 | |
| CN102636451A (zh) | 一种快速测定带鱼糜、鱼糕中磷酸盐含量的方法 | |
| CN105606473B (zh) | 一种基于机器视觉的红提葡萄硬度无损检测方法 | |
| CN105136737A (zh) | 基于近红外光谱的馒头中马铃薯全粉含量快速测定的方法 | |
| CN110487746A (zh) | 一种基于近红外光谱检测娃娃菜品质的方法 | |
| Porep et al. | Rapid determination of ergosterol in grape mashes for grape rot indication and further quality assessment by means of an industrial near infrared/visible (NIR/VIS) spectrometer–A feasibility study | |
| CN105352913B (zh) | 一种近红外光谱检测灵芝提取物多糖含量的方法 | |
| CN107991264A (zh) | 一种小麦粉蛋白质及湿面筋含量快速检测方法 | |
| CN110987865A (zh) | 一种基于近红外光谱检测无花果品质的方法 | |
| CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
| Woolf et al. | Measuring avocado maturity; ongoing developments | |
| CN102706908A (zh) | 水果内部品质快速检测模型的建模方法 | |
| Li et al. | Near-infrared spectroscopy method for rapid proximate quantitative analysis of nutrient composition in Pacific oyster Crassostrea gigas | |
| Zhiming et al. | Shortwave infrared hyperspectral imaging for detection of pH value in Fuji apple | |
| CN112730497A (zh) | 一种基于低场核磁共振的真空油炸杏鲍菇条水分油脂快速检测技术 | |
| CN118758892A (zh) | 一种不同新鲜度鱼肉质构的无损快速检测方法 | |
| Sun et al. | Data mean and ratio of absorbance to concentration methods: A novel optimization strategy for near infrared spectroscopy modeling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: NINGDE QIMIN NGS CO., LTD. Free format text: FORMER OWNER: SHANGHAI MARITIME UNIVERSITY Effective date: 20130729 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 201306 PUDONG NEW AREA, SHANGHAI TO: 352000 NINGDE, FUJIAN PROVINCE |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20130729 Address after: 352000, Fujian Ningde Overseas Economic Development Zone Industrial Concentration Zone agricultural products processing standard workshop No. 10 workshop Patentee after: NINGDE QIMIN AGRICULTURAL INDUSTRY CO.,LTD. Address before: 201306 Shanghai city Pudong New Area Lingang New City Shanghai City Ring Road No. 999 Patentee before: SHANGHAI OCEAN University |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20230809 Address after: 352102 Agricultural Product Processing Standard Factory Building 10 # in Dongqiao Industrial Concentration Zone, Ningde City, Fujian Province Patentee after: Ningde Qimin Food Co.,Ltd. Address before: 352000 Agricultural Product Processing Standard Factory Building 10 #, Industrial Concentration Zone, Dongqiao Economic Development Zone, Ningde City, Fujian Province Patentee before: NINGDE QIMIN AGRICULTURAL INDUSTRY CO.,LTD. |
|
| TR01 | Transfer of patent right |