CN104880427B - 一种猪肉产品快速水分检测方法 - Google Patents
一种猪肉产品快速水分检测方法 Download PDFInfo
- Publication number
- CN104880427B CN104880427B CN201510292882.8A CN201510292882A CN104880427B CN 104880427 B CN104880427 B CN 104880427B CN 201510292882 A CN201510292882 A CN 201510292882A CN 104880427 B CN104880427 B CN 104880427B
- Authority
- CN
- China
- Prior art keywords
- pork
- sample
- moisture
- meat
- pork sample
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种猪肉产品快速水分检测方法,包括以下步骤:S1采集猪肉样本的高光谱反射图像;S2采用国家标准GB/50093‑2010中的直接干燥法计算猪肉样本的含水率;S3对猪肉样本的提取特征波长:S4结合猪肉样本的含水率X,使用特征波长的光谱反射值建立多元线性回归数学模型:S5对待测猪肉样品的含水率进行预测。本发明的猪肉产品快速水分检测方法,检测精度高,无需对单种样品分别建模,具有普遍适用性。
Description
技术领域
本发明涉及肉品品质无损检测领域,特别涉及一种猪肉产品快速水分检测方法。
背景技术
猪肉营养丰富,味道鲜美,是我国人民最喜爱的肉类之一。我国是猪肉生产大国,据国家统计局统计数据报道,2013年我国猪肉总产量为5493.03万吨。猪肉作为一种重要的原材料,可以加工成多种产品,例如:肉饼、肉丸、腌肉、熏肉、火腿等。在猪肉的储存及运输环节,猪肉经常以冷藏或冷冻的方式进行储存。猪肉及其产品的水分与食品质量安全密切相关。水分含量过高,容易滋生细菌、霉菌等微生物,容易腐败变质;水分含量过低,会使猪肉口感及营养下降,肉品失重,造成经济损失。注水猪肉在市场上依然存在,不法商贩用盐水、脏水等给猪肉注水,严重的危害了消费者的饮食安全与身心健康。
目前,传统肉品水分检测方法依然是主流,一般通过人工感官评价法和化学分析方法来实现。这些方法操作过程繁琐,人为主观影响较大,检测效率较低,对样品的损伤不可逆转。发明一种实时、无损的水分检测方法是非常有必要的。
高光谱成像技术是一种实时、快速、无损的检测手段,在实验室环境中已经进行了广泛的研究。高光谱成像技术将光谱技术和图像技术融为一体,实现了图谱合一,在食品检测领域具有巨大的潜力。
发明内容
为了克服现有技术的上述缺点与不足,本发明的目的在于提供一种猪肉产品快速水分检测方法,检测精度高,无需对单种样品分别建模,具有普遍适用性。
本发明的另一目的在于提供实现上述猪肉产品快速水分检测方法的装置。
本发明的目的通过以下技术方案实现:
一种猪肉产品快速水分检测方法,包括以下步骤:
S1采集猪肉样本的高光谱反射图像;
S2采用国家标准GB/50093-2010中的直接干燥法,对猪肉样本的水分进行检测,并计算猪肉样本的含水率X;
S3对猪肉样本的高光谱反射图像进行预处理,提取光谱平均值,并提取特征波长:
用连续投影法选取猪肉样本的4个特征波长,分别为1280nm、1536nm、1897nm和2015nm,并选择纯水分子OH伸缩振动的一级倍频波长1440nm和其较强的合频吸收波长1940nm作为特征波长;
S4结合步骤S2得到的猪肉样本的含水率X,使用特征波长的光谱反射值建立多元线性回归数学模型:
Y=45.36R1280nm+106.53R1536nm+88.65R1897nm
+21.33R2015nm+135.58R1440nm+74.98R1940nm-68.76
其中,Y是水分预测值,R1280nm、R1536nm、R1897nm和R2015nm分别为猪肉样本在特征波长1280nm、1536nm、1897nm和2015nm处光谱反射值的65%;R1440nm和R1940nm分别为猪肉样本在特征波长1440nm和1940nm处的光谱反射值;
S5使用步骤S4得到的多元线性回归数学模型对待测猪肉样品的含水率进行预测。
步骤S1所述猪肉样本包括热鲜肉、冷鲜肉、冷冻解冻肉、腌肉和肉饼;步骤S5所述待测猪肉样品包括热鲜肉、冷鲜肉、冷冻解冻肉、腌肉和肉饼。
步骤S3所述对猪肉样本的高光谱反射图像进行预处理,具体为:
对猪肉样本的高光谱反射图像进行黑、白参考校正;将分割阀值设置为0.19~0.25,去除背景,得到感兴趣区域。
步骤S2所述猪肉样本的水分进行检测,并计算猪肉样本的含水率X,具体为:
其中,X为试样中水分的含量,m1为称量瓶和干燥前的猪肉样本的质量,m2为称量瓶和试样干燥后的猪肉样本质量,m3为称量瓶的质量。
与现有技术相比,本发明具有以下优点和有益效果:
(1)本发明采用混合特征波长提取法,将检测目标水的特征吸收峰对应的波长作为特征波长,并按一定比例与猪肉样本的特征波长相结合,提高了对水分预测的精度。
(2)本发明对多种猪肉产品的水分同时进行检测,无需对单种样品分别建模,具有普遍适用性。
(3)本发明采用高光谱成像技术预测猪肉产品的水分,克服了传统方法操作过程繁琐,人为主观影响较大,检测效率较低,对样品的损伤不可逆转等缺点,实现了实时、快速、无损检测。
附图说明
图1为本发明的实施例的猪肉产品快速水分检测方法的流程图。
具体实施方式
下面结合实施例,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,本实施例的猪肉产品进行快速水分检测的方法,具体如下:
从广州番禺食品集团有限公司新造分公司生猪定点屠宰场采购20条未经处理的猪背最长条肌,和20块后腿肉,用切肉机将其切成2cm厚的肉片。取150块作为原料。将原料随机分成6组并编号,每组30块。组1为热鲜肉,对样品不作处理;组2为冷藏肉,将样品放置于4℃冰箱中储存24小时,取出在室温静止4小时;组3为冷冻解冻肉,将样品随机分成2份每份15块,分别放置于-6℃和-18℃冰箱中储存24小时,取出在室温静止4小时;组4为腌肉,将样品随机分成5份每份6块,用30%的氯化钠分别腌制5、15、25、50、100、180分钟;组5为肉饼,将样品用绞肉机绞成肉馅,制作30个肉饼。
以本实施例制备的热鲜肉、冷藏肉、腌肉、肉饼作为猪肉样本,采集样本的高光谱图像:将样本表面水分擦干、处理平整后置于高光谱图像采集室的载物台上;调节载物台移动速度、曝光时间及镜头焦距,使各部分相适应,得到清晰、不畸变的图像,速度为1.8mm/s,曝光时间为30ms;调节光源角度,使光线与载物台平面呈45度角,减少阴影。设置完成后,启动装置,采集高光谱图像,并经过黑、白参考校正,去除图像采集时产生的噪声;
对采集过图像的样本进行水分检测,采用国家标准GB 50093-2010中的直接干燥法对样本的水分进行检测,并记录称量瓶(加海砂、玻棒)和样本的质量m1,称量瓶(加海砂、玻棒)和样本干燥后的质量m2,称量瓶(加海砂、玻棒)的质量m3,计算猪肉样本的含水率X,含水率X的计算公式为:
得到的水分结果如表1所示:
表1直接干燥法检测水分结果
其中,得到的水分在56.27%~71.26%之间,平均值为66.26%,该水分范围较大,有利于模型的精度和准确性;
对采集好的高光谱图像进行处理,提取高光谱反射图像的光谱平均值,具体为:将分割阀值设置为0.19~0.25,去除背景,得到感兴趣区域;在感兴趣区域内提取光谱平均值,用连续投影法提取能表征猪肉样本水分的4个特征波长,分别为1280nm、1536nm、1897nm和2015nm,并选择纯水分子OH伸缩振动的一级倍频波长(1440nm)和其较强的合频吸收波长(1940nm)作为特征波长;
其中,用连续投影法选取的4个特征波长的反射值以65%计,1440nm和1940nm波长处的反射值以100%计;
建立的多元线性回归数学模型:
Y=45.36R1280nm+106.53R1536nm+88.65R1897nm
+21.33R2015nm+135.58R1440nm+74.98R1940nm-68.76
其中,Y是水分预测值,R1280nm、R1536nm、R1897nm和R2015nm分别为猪肉样本在特征波长1280nm、1536nm、1897nm和2015nm处光谱反射值的65%;R1440nm和R1940nm分别为猪肉样本在特征波长1440nm和1940nm处的光谱反射值。
使用本发明的多元线性回归数学模型对待测猪肉产品的含水率进行预测,得到的决定系数(r)为97.88%,交叉验证均方差(RMSECV)为0.736。现有高光谱成像技术,用连续投影法提取6个特征波长并建立多元线性回归数学模型对待测猪肉样品的含水率进行预测,得到的决定系数(r)为88.32%,交叉验证均方差(RMSECV)为0.752。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种猪肉产品快速水分检测方法,其特征在于,包括以下步骤:
S1采集猪肉样本的高光谱反射图像;
S2采用国家标准GB/50093-2010中的直接干燥法,对猪肉样本的水分进行检测,并计算猪肉样本的含水率X;
S3对猪肉样本的高光谱反射图像进行预处理,提取光谱平均值,并提取特征波长:
用连续投影法选取猪肉样本的4个特征波长,分别为1280nm、1536nm、1897nm和2015nm,并选择纯水分子OH伸缩振动的一级倍频波长1440nm和其较强的合频吸收波长1940nm作为特征波长;
S4结合步骤S2得到的猪肉样本的含水率X,使用特征波长的光谱反射值建立多元线性回归数学模型:
Y=45.36R1280nm+106.53R1536nm+88.65R1897nm
+21.33R2015nm+135.58R1440nm+74.98R1940nm-68.76
其中,Y是水分预测值,R1280nm、R1536nm、R1897nm和R2015nm分别为猪肉样本在特征波长1280nm、1536nm、1897nm和2015nm处光谱反射值的65%;R1440nm和R1940nm分别为猪肉样本在特征波长1440nm和1940nm处的光谱反射值;
S5使用步骤S4得到的多元线性回归数学模型对待测猪肉样品的含水率进行预测。
2.根据权利要求1所述的猪肉产品快速水分检测方法,其特征在于,步骤S1所述猪肉样本包括热鲜肉、冷鲜肉、冷冻解冻肉、腌肉和肉饼;步骤S5所述待测猪肉样品包括热鲜肉、冷鲜肉、冷冻解冻肉、腌肉和肉饼。
3.根据权利要求1所述的猪肉产品快速水分检测方法,其特征在于,步骤S3所述对猪肉样本的高光谱反射图像进行预处理,具体为:
对猪肉样本的高光谱反射图像进行黑、白参考校正;将分割阀值设置为0.19~0.25,去除背景,得到感兴趣区域。
4.根据权利要求1所述的猪肉产品快速水分检测方法,其特征在于,步骤S2所述猪肉样本的水分进行检测,并计算猪肉样本的含水率X,具体为:
<mrow>
<mi>X</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>m</mi>
<mn>2</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>m</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>m</mi>
<mn>3</mn>
</msub>
</mrow>
</mfrac>
</mrow>
其中,X为试样中水分的含量,m1为称量瓶和干燥前的猪肉样本的质量,m2为称量瓶和试样干燥后的猪肉样本质量,m3为称量瓶的质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510292882.8A CN104880427B (zh) | 2015-05-29 | 2015-05-29 | 一种猪肉产品快速水分检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510292882.8A CN104880427B (zh) | 2015-05-29 | 2015-05-29 | 一种猪肉产品快速水分检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104880427A CN104880427A (zh) | 2015-09-02 |
CN104880427B true CN104880427B (zh) | 2017-08-25 |
Family
ID=53948004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510292882.8A Active CN104880427B (zh) | 2015-05-29 | 2015-05-29 | 一种猪肉产品快速水分检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104880427B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105866063A (zh) * | 2016-04-08 | 2016-08-17 | 北京工商大学 | 香肠品质等级检测方法 |
CN106442385A (zh) * | 2016-09-30 | 2017-02-22 | 浙江大学 | 一种桑葚花青素含量的光谱检测方法 |
CN106442357A (zh) * | 2016-09-30 | 2017-02-22 | 浙江大学 | 一种桑葚抗氧化活性的光谱检测方法 |
CN106596416A (zh) * | 2016-11-25 | 2017-04-26 | 华中农业大学 | 一种基于高光谱成像技术的冷鲜肉品质无损检测方法 |
CN108398391A (zh) * | 2018-01-23 | 2018-08-14 | 浙江理工大学 | 一种基于高光谱成像技术的橄榄油掺假的检测方法 |
CN108318433B (zh) * | 2018-01-24 | 2021-02-23 | 大连工业大学 | 利用高光谱图像技术检测三文鱼中注水量的方法 |
CN110501310B (zh) * | 2019-05-07 | 2020-12-22 | 华南理工大学 | 一种基于非模型光学校正高光谱的食品检测方法 |
CN110441268B (zh) * | 2019-08-07 | 2021-09-21 | 南京林业大学 | 一种泡沫沥青冷再生混合料内水分分布的测试方法 |
CN112819062B (zh) * | 2021-01-26 | 2022-05-17 | 淮阴工学院 | 基于混合粒子群和连续投影的荧光光谱二次特征选择方法 |
Citations (6)
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 |
CN101881729A (zh) * | 2010-06-10 | 2010-11-10 | 上海海洋大学 | 一种预测狭鳕鱼糜水分和蛋白质含量的方法 |
CN102519906A (zh) * | 2011-12-19 | 2012-06-27 | 中国农业大学 | 多通道近红外光谱牛肉品质多参数同时检测方法 |
CN103439285A (zh) * | 2013-08-19 | 2013-12-11 | 华南理工大学 | 一种基于高光谱成像的鱼片新鲜度检测方法 |
CN103674850A (zh) * | 2012-09-17 | 2014-03-26 | 新疆农业大学 | 一种肉类水分检测方法 |
CN104655761A (zh) * | 2015-02-28 | 2015-05-27 | 华南理工大学 | 一种基于多光谱成像在线测定鱼肉新鲜度指标k值的方法 |
-
2015
- 2015-05-29 CN CN201510292882.8A patent/CN104880427B/zh active Active
Patent Citations (6)
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 |
CN101881729A (zh) * | 2010-06-10 | 2010-11-10 | 上海海洋大学 | 一种预测狭鳕鱼糜水分和蛋白质含量的方法 |
CN102519906A (zh) * | 2011-12-19 | 2012-06-27 | 中国农业大学 | 多通道近红外光谱牛肉品质多参数同时检测方法 |
CN103674850A (zh) * | 2012-09-17 | 2014-03-26 | 新疆农业大学 | 一种肉类水分检测方法 |
CN103439285A (zh) * | 2013-08-19 | 2013-12-11 | 华南理工大学 | 一种基于高光谱成像的鱼片新鲜度检测方法 |
CN104655761A (zh) * | 2015-02-28 | 2015-05-27 | 华南理工大学 | 一种基于多光谱成像在线测定鱼肉新鲜度指标k值的方法 |
Non-Patent Citations (1)
Title |
---|
猪肉肉糜品质与安全可见/近红外光谱快速检测方法的实验研究;樊玉霞;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20120715(第七期);第72页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104880427A (zh) | 2015-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104880427B (zh) | 一种猪肉产品快速水分检测方法 | |
Liu et al. | Hyperspectral imaging technique for evaluating food quality and safety during various processes: A review of recent applications | |
Liu et al. | Combination of spectra and texture data of hyperspectral imaging for prediction of pH in salted meat | |
Cheng et al. | Hyperspectral imaging as an effective tool for quality analysis and control of fish and other seafoods: Current research and potential applications | |
Pan et al. | Detection of cold injury in peaches by hyperspectral reflectance imaging and artificial neural network | |
He et al. | Rapid and non-destructive determination of drip loss and pH distribution in farmed Atlantic salmon (Salmo salar) fillets using visible and near-infrared (Vis–NIR) hyperspectral imaging | |
Cheng et al. | Non-destructive and rapid determination of TVB-N content for freshness evaluation of grass carp (Ctenopharyngodon idella) by hyperspectral imaging | |
He et al. | Potential of hyperspectral imaging combined with chemometric analysis for assessing and visualising tenderness distribution in raw farmed salmon fillets | |
CN103439271B (zh) | 一种猪肉成熟状况的可视化检测方法 | |
Caine et al. | Relationship of texture profile analysis and Warner-Bratzler shear force with sensory characteristics of beef rib steaks | |
MEULLENET et al. | Prediction of the texture of cooked poultry pectoralis major muscles by near‐infrared reflectance analysis of raw meat | |
CN106324011B (zh) | 一种确定调理水产品低温货架期的鲜度联合检测方法 | |
Liu et al. | Potential of hyperspectral imaging for rapid prediction of anthocyanin content of purple-fleshed sweet potato slices during drying process | |
US20160356704A1 (en) | Nondestructive meat tenderness assessment | |
Lucherk et al. | Assessment of objective measures of beef steak juiciness and their relationships to sensory panel juiciness ratings | |
Tu et al. | Use of laser‐scattering imaging to study tomato‐fruit quality in relation to acoustic and compression measurements | |
Ding et al. | Rapid and nondestructive evaluation of fish freshness by near infrared reflectance spectroscopy combined with chemometrics analysis | |
Gudjónsdóttir et al. | Shrimp processing assessed by low field nuclear magnetic resonance, near infrared spectroscopy, and physicochemical measurements—the effect of polyphosphate content and length of prebrining on shrimp muscle | |
Bejo et al. | Determination of Chokanan mango sweetness ('Mangifera indica') using non-destructive image processing technique | |
CN104089925B (zh) | 一种基于高光谱成像检测虾仁品质的目标区域提取方法 | |
Hashem et al. | Prediction of beef quality traits through mini NIR spectrophotometer and multivariate analyses | |
Parisi et al. | Application of multivariate analysis to sensorial and instrumental parameters of freshness in refrigerated sea bass (Dicentrarchus labrax) during shelf life | |
Erdoğdu et al. | Thermal processing effects on the textural attributes of previously frozen shrimp | |
Horváth et al. | A preliminary study using near infrared spectroscopy to evaluate freshness and detect spoilage in sliced pork meat | |
Zhao et al. | Distribution of beef tenderness grading based on texture features by hyperspectral image analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |