CN107860746A - 一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法 - Google Patents
一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法 Download PDFInfo
- Publication number
- CN107860746A CN107860746A CN201711070072.3A CN201711070072A CN107860746A CN 107860746 A CN107860746 A CN 107860746A CN 201711070072 A CN201711070072 A CN 201711070072A CN 107860746 A CN107860746 A CN 107860746A
- Authority
- CN
- China
- Prior art keywords
- sample
- freeze
- dried powder
- near infrared
- lysine content
- 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.)
- Pending
Links
- 241000287828 Gallus gallus Species 0.000 title claims abstract description 54
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 title claims abstract description 47
- 239000004472 Lysine Substances 0.000 title claims abstract description 44
- 239000000843 powder Substances 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 210000003205 muscle Anatomy 0.000 title claims abstract description 17
- 239000000523 sample Substances 0.000 claims abstract description 81
- 238000001228 spectrum Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 21
- 210000002976 pectoralis muscle Anatomy 0.000 claims abstract description 20
- 238000002835 absorbance Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims abstract description 16
- 239000004698 Polyethylene Substances 0.000 claims abstract description 8
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 8
- 229920000573 polyethylene Polymers 0.000 claims abstract description 8
- -1 polyethylene Polymers 0.000 claims abstract description 5
- 235000013372 meat Nutrition 0.000 claims description 8
- 241001269238 Data Species 0.000 claims description 3
- 239000006260 foam Substances 0.000 claims description 3
- 238000004108 freeze drying Methods 0.000 claims 1
- 238000002329 infrared spectrum Methods 0.000 abstract description 8
- 239000000203 mixture Substances 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 244000144977 poultry Species 0.000 abstract description 3
- 238000004611 spectroscopical analysis Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 description 15
- 238000011160 research Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 235000001014 amino acid Nutrition 0.000 description 8
- 150000001413 amino acids Chemical class 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 235000013594 poultry meat Nutrition 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000013922 glutamic acid Nutrition 0.000 description 2
- 239000004220 glutamic acid Substances 0.000 description 2
- 238000004811 liquid chromatography Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- DWNBOPVKNPVNQG-LURJTMIESA-N (2s)-4-hydroxy-2-(propylamino)butanoic acid Chemical compound CCCN[C@H](C(O)=O)CCO DWNBOPVKNPVNQG-LURJTMIESA-N 0.000 description 1
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241000272201 Columbiformes Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 102000008934 Muscle Proteins Human genes 0.000 description 1
- 108010074084 Muscle Proteins Proteins 0.000 description 1
- 206010056720 Muscle mass Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 235000019728 animal nutrition Nutrition 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000020776 essential amino acid Nutrition 0.000 description 1
- 239000003797 essential amino acid Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法，属于家禽体成分检测技术领域。本发明的具体步骤为：1）将云南地方鸡腿肌或胸肌鲜样制备成冻干粉，装入厚度为6丝的聚乙烯自封袋中；2）扫描样品的近红外光谱，光谱扫描的波数范围为3996～10002cm‑1，分辨率8cm‑1，光谱背景扫描时取6丝自封袋单层置于探头前去除背景影响，每个样品扫描3次，取其平均值作为样本的光谱数据，每条光谱有1558个吸光度值；3）将样品的吸光度使用SNV进行预处理后，再使用Gap‑segment一阶导数方法进行预处理；4）将预处理后的4050～9949cm‑1波数范围内的吸光度数据代入模型公式计算，即可获得样品的赖氨酸含量。本发明具有预测速度快，对样品无损，适用于大批量样品检测等优点。
Description
技术领域
本发明畜禽产品化学成分分析技术领域，具体地说，涉及一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法。
背景技术
赖氨酸是一种碱性氨基酸，对于家禽和人体来说都是必需氨基酸，对于人体是第一限制性氨基酸，对于家禽来说是第二限制性氨基酸，主要作用是用于蛋白质的合成。在家禽的“理想氨基酸”模式中，所有氨基酸的需要量都是以赖氨酸为参考的，所以一旦赖氨酸的需要量信息出错，其他的均会出错，因此赖氨酸一直是动物营养领域中的研究热点。
云南省地处中国西南边境，位于北回归线附近，地势北高南低，海拔差异大，区域内多高山、河谷、丘陵，有热带气候、亚热带气候、温带气候、寒带气候，常年温差变化不大，日温变化较大，因其独特的地理环境、气候特点、26个民族不同的养殖习惯，使得云南地方鸡资源相当丰富，大、中、小型鸡各具特色，肉质差异较大，由于云南地方鸡大都具有耐粗饲、肉质鲜嫩可口等优点，近年来深受广大消费者的喜爱，养殖规模、养殖数量和养殖质量不断的扩大和提升。在对云南地方鸡的育种、养殖、禽肉加工等方面的研究中，鸡肉赖氨酸含量的检测是保障云南地方鸡肉产量和质量提升必不可少的环节。目前，肌肉中赖氨酸的定量检测方法主要是将肌肉中蛋白质经盐酸水解成游离氨基酸，经氨基酸分析仪或液相色谱仪进行检测，操作步骤复杂，费用高，耗时长，存在试剂污染等问题，难以实现大批量鸡肉赖氨酸的快速测定。
近红外检测技术具有客观、快速、无损、绿色和经济的特点，目前已广泛应用于农副产品的品质监测中，但对鸡肉赖氨酸的检测未见相关报道，仅有少数针对鲜味氨基酸和谷氨酸。龚艳(2015)以三品种86个鸡胸肌肉块和肉糜样本为研究对象，以65个样本作为校正集，21个样本为预测集，在3996-10000cm-1波长范围上，采用PLS方法建立鲜味氨基酸(7个氨基酸之和)校正模型，其中肉块光谱采用二阶导数预处理方法，为0.87，SECAL为0.12，为0.52，SEp为0.22；肉糜光谱采用一阶导数预处理方法，为0.84，SECAL为0.15，为0.66，SEp为0.21。赵进辉等(2011)以70只鸭胸肌肉块为研究对象，以57个样本作为校正集，13个样本为预测集，比较一阶导数、二阶导数、MSC、SNV四种光谱预处理方法，在10000-23256cm-1、1001-1400nm7143-9990cm-1和9990-23256cm-1三个波段上的BP神经网络模型的谷氨酸建模效果，结果表明在10000-23256cm-1光谱范围内，采用SNV光谱预处理建立模型最优，其为0.9963，SECAL为0.01397，为0.9626，SEp为0.04982。
目前针对鸡肉中化学成分近红外定量模型研究相较猪肉和牛肉来说偏少，特别是针对优质地方鸡的研究就更少，云南优质地方鸡肌肉化学成分近红外光谱检测方法的研究基本属于空白。云南省由于地理自然条件的优势，地方鸡多达20多个种类，涵盖了大、中、小体型鸡，鸡肉差异较大，使用肉鸡所建近红外模型进行分析往往得不到准确的结果，需就云南地方鸡进行专门的研究。在目前对鸡肉近红外分析的研究中，基本上是针对胸肌的研究，较少学者做了腿胸肌混合样品的研究，而在鸡肉的生产和消费中，腿肌也是鸡肉中很重要的构成部分，因此尚缺少腿肌的研究内容。而鸡肉近红外赖氨酸的定量检测模型研究未见相关报道。
发明内容
为克服背景技术中的问题，本发明提供一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法，构建了一种快速检测云南地方鸡腿肌和胸肌冻干粉中赖氨酸的数据模型，用户只要按要求处理样品和进行近红外光谱扫描，将获得的样本光谱吸光度值代入公式，即可获得样本赖氨酸含量，降低了样本检测的复杂性，适用于大批量的样品检测。
为了实现上述发明目的，本发明采用的技术方案如下：
一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法，具体步骤如下：
1)取云南地方鸡腿肌或胸肌鲜样20～30g，剔除其表面筯膜，切成肉沫，冷冻干燥后打粉，全部过80目筛，冻干粉样品不少于5g，装入厚度为6丝的聚乙烯自封袋中，保持袋面的干净；
2)近红外光谱仪配备傅立叶变换分光系统及漫反射式光纤探头，光谱背景扫描时取6丝自封袋单层置于探头前去除背景影响，每个样品扫描3次，取其平均值作为样本的光谱数据，每条光谱有1558个吸光度数据；
3)将样品的吸光度使用SNV进行预处理后，再使用Gap-segment一阶导数方法进行预处理；
4)将4050～9949cm-1波数范围内的预处理后吸光度数据代入下面公式进行计算：
式中：Lys表示肌肉冻干粉样品的赖氨酸含量(％)；i表示1至1530，ai表示系数，xi表示样品光谱的1530个波数点对应的经SNV和Gap-segment一阶导数预处理后的吸光度值。
其中，步骤2)中，光谱扫描的波数范围为3996～10002cm-1，分辨率8cm-1；步骤3)中，差分宽度Gap点为15，窗口宽度segment点为7；各波数系数见表1。
表1波数与系数对应表
本发明的有益效果：
(1)本发明是基于云南大型、中型和小型地方鸡腿肌和胸肌赖氨酸近红外定量分析的研究结果上提出的云南地方鸡肌肉赖氨酸含量预测模型，此模型尚未见研究报道。
(2)本发明给出的预测模型简单，用户只需按照要求扫描近红外光谱，将吸光度值代入模型公式即可获得预测结果，使用方便，克服常规化学方法检测赖氨酸存在耗时长、花费大、实验复杂等问题。
(3)本发明给出的模型同时适用于腿肌和胸肌，扩大了模型的适用范围。
附图说明
图1为五种云南地方鸡腿肌与胸肌冻干粉近红外原始光谱图；
图2为赖氨酸标准物质光谱图；
图3为本发明实施例样品冻干粉近红外SNV+gapsegment(1#,15,7)光谱图。
具体实施方式
一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法，具体步骤如下：
1、取云南地方鸡腿肌或胸肌鲜样20～30g，剔除其表面筯膜，切成肉沫，冷冻干燥后打粉，全部过80目筛，筛下物样品不少于5g，装入厚度为6丝的聚乙烯自封袋中，保持袋面的干净；
2、近红外光谱仪配备傅立叶变换分光系统及漫反射式光纤探头，光谱背景扫描时取6丝自封袋单层置于探头前去除背景影响，每个样品扫描3次，取其平均值作为样本的光谱数据，每条光谱有1558个吸光度数据，光谱扫描的波数范围为3996～10002cm-1，分辨率8cm-1；
3、将样品的吸光度使用SNV进行预处理后，再使用Gap-segment一阶导数方法进行预处理，其中差分宽度Gap点为15，窗口宽度segment点为7；
4、将4050～9949cm-1波数范围内的预处理后吸光度数据代入建立的模型公式进行计算：
式中：Lys表示肌肉冻干粉样品的赖氨酸含量(％)；i表示1至1530，ai表示系数，xi表示样品光谱的1530个波数点对应的经SNV和Gap-segment一阶导数预处理后的吸光度值。
其中，模型建立的过程：
(1)选取300日龄以上原产地放养的云南武定鸡47只、新平黎明鸡58只、剑川青花鸡58只、尼西鸡48只、无量山乌骨鸡52只，除武定鸡是18个公鸡和29个母鸡外，其余每种鸡公母各半，屠宰取其全部的腿肌和胸肌，剔除表面筋膜，切片，冻干，打粉，全部过80目筛，取筛下物进行化学分析和光谱扫描。
(2)采用液相色谱法测定样品的赖氨酸含量。
(3)使用岛津傅立叶变换红外光谱仪IRPrestige-21及其配套近红外附件FlexIRTM Near-Infrared Fiber Optics module扫描样品，光谱采集软件为岛津IRsolution 1.50，光谱室温度恒定为25±2℃，湿度为38±5％。光谱扫描的波数范围为3996-10002cm-1，分辨率8cm-1。使用背景扫描时，将预先剪好的1cm直径的6丝PE圆片放置于背景金箔面上，用于背景扫描时去除PE对样品光谱的影响。将腿肌和胸肌冻干粉样品和赖氨酸标准物质(纯度100％)装入6丝厚聚乙烯(PE)自封袋中，光谱扫描时样品厚度不低于5mm。每个样品扫描3次，每次扫描50遍，每个样品获得3条近红外光谱。
(4)将近红外光谱数据从IRsolution 1.50软件中以文本形式导出，再导入EXCEL文件中保存，以每个样品的3条近红外光谱的平均值作为分析时使用的原始光谱数据，五种云南地方鸡的原始光谱图如图1所示，赖氨酸标准物质光谱图如图2所示。
(5)建模样本(样正集)与验证样本(验证集)的划分：在263个腿肌冻干粉样本中，从每种地方鸡中各取40个样品(除武定鸡公鸡18个，母鸡22个样品外，其余四种鸡公母各半)，共200个为建模样本，剩余63个为预测样本，样品划分时满足预测样品的全部化学成分检测值均包含在建模样品中的要求。胸肌冻干粉的样品数量和划分方法同腿肌冻干粉。将腿、胸肌冻干粉校正集的各200个样本合并在一起，组成由400个样本构成的腿胸肌冻干粉校正集；将腿、胸肌冻干粉验证集各63个样本合并，组成由126个样本构成的腿胸肌冻干粉验证集。样品赖氨酸检测结果如表2所示。
表2建模集和验证集的样品赖氨酸含量化学检测结果(冻干粉)
(6)建模波数和光谱预处理方法的选择，根据冻干粉和赖氨酸标准物质的特征光谱形态，划分出11个建模谱区，采用4种不同的光谱预处理方法建模，建模方法为偏最小二乘法(PLS)和留一内部交互验证法，建模结果见表3。
评价校正模型即定量预测模型的质量采用校正决定系数校正标准偏差SECAL、留一法内部交互验证决定系数留一法内部交互验证标准偏差SECV四个指标，以最高的校正决定系数和最小的交互验证标准偏差SECV确定最优的校正模型。各评价参数计算公式如下：
其中：yi，actual为第i个样品化学检测值，yi，predicted为用所建模型对第i个样品的预测值，为建模集中所有样品化学检测值的平均值，n为建模集的样品数。的计算公式同SECV的计算公式同SECAL。
模型建立后，采用验证集对其进行外部验证。衡量模型预测效果的指标是预测决定系数预测标准偏差SEp，验证集标准偏差与预测标准偏差的的比值RPDp。和SEp的计算公式同校正集，只是将建模样本更换为验证样本，RPDp的计算公式如下：
其中：SDp为验证集所有样本化学检测值的标准偏差。
根据校正模型的评价指标、内部交互验证的评价指标和外部验证评价指标综合评定模型的优劣，根据模型的优劣筛选建模特征光谱区及光谱预处理方法。
根据表3中的建模结果，筛选出的最佳建模波数为：5886～10000cm-1，建模最佳光谱为SNV光谱。
表3不同建模谱区与光谱预处理方法的冻干粉赖氨酸建模结果
(7)异常样本的删除，在SNV+gapsegment(1#,15,7)光谱基础上采用蒙特卡洛交叉验证法计算残差均值和残差方差，删除残差均值0.5及方差0.0017以上的样品152个，实际建模样本299个，验证样本75个。
(8)在所选的建模谱区和全光谱、光谱预处理方法和原始光谱的基础上，采用299个样本建模，75个样本验证，建模方法仍采用偏最小二乘法(PLS)和留一内部交互验证法，建模结果见表4，最佳模型的为0.94，SECAL为0.2507，为0.91，SECV为0.3070，验证结果为为0.89，SEp为0.2843，RPDp为3.03，最佳模型为公式：
表4五种云南地方鸡肌肉冻干粉赖氨酸优化建模结果
实施例
(1)分别使用武定鸡、新平黎明鸡、尼西鸡、无量山乌骨鸡、剑川青花鸡的腿肌和胸肌样品各2个，绒毛鸡腿肌和胸肌样品各6个，按光谱扫描要求进行光谱扫描，扫描波数范围3996-10002cm-1，将获得的原始光谱进行SNV和Gapsegment(1#,15,7)光谱预处理，处理后的光谱如图3所示。
(2)采用液相色谱法测定样品的赖氨酸含量。
(3)将各样品4050～9949cm-1波数对应的预处理后吸光度值代入模型公式进行计算，获得预测的赖氨酸含量，样品赖氨酸化学检测值和预测值的对应情况如表5所示。
表5样品赖氨酸化学检测值和模型预测值对照表
由表5可看出，本发明提供的检测方法，具有结果可靠、分析效率高、无污染、成本低、适用于大批量样本检测等优点，可为云南地方鸡赖氨酸分析提供可靠依据。
本发明通过构建了一种快速检测云南地方鸡腿肌和胸肌冻干粉中赖氨酸的数据模型，用户只要按要求处理样品和进行近红外光谱扫描，将获得的样本光谱吸光度值代入模型公式，即可获得样本赖氨酸含量，降低了样本检测的复杂性，结果可靠、分析效率高，适用于大批量的样品检测，可为云南地方鸡赖氨酸分析提供可靠依据。
最后说明的是，以上优选实施例仅用于说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (3)
1.一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法，其特征在于：具体步骤如下：
1)取云南地方鸡腿肌或胸肌鲜样20～30g，剔除其表面筯膜，切成肉沫，冷冻干燥后打粉，全部过80目筛，冻干粉样品不少于5g，装入厚度为6丝的聚乙烯自封袋中，保持袋面的干净；
2)近红外光谱仪配备傅立叶变换分光系统及漫反射式光纤探头，光谱背景扫描时取6丝自封袋单层置于探头前去除背景影响，每个样品扫描3次，取其平均值作为样本的光谱数据，每条光谱有1558个吸光度数据；
3)将样品的吸光度使用SNV进行预处理后，再使用Gap-segment一阶导数方法进行预处理；
4)将预处理后4050～9949cm-1波数范围内的吸光度数据代入建立的模型公式进行计算：
<mrow>
<mi>L</mi>
<mi>y</mi>
<mi>s</mi>
<mo>=</mo>
<mn>10.150569</mn>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>1530</mn>
</munderover>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
式中：Lys表示肌肉冻干粉样品的赖氨酸含量(％)；i表示1至1530，αi表示系数，xi表示样品光谱的1530个波数点对应的经SNV和Gap-segment一阶导数预处理后的吸光度值。
2.根据权利要求1所述的一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法，其特征在于：步骤2)中，光谱扫描的波数范围为3996～10002cm-1，分辨率8cm-1。
3.根据权利要求1所述的一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法，其特征在于：步骤3)中，差分宽度Gap点为15，窗口宽度segment点为7。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711070072.3A CN107860746A (zh) | 2017-11-03 | 2017-11-03 | 一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711070072.3A CN107860746A (zh) | 2017-11-03 | 2017-11-03 | 一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107860746A true CN107860746A (zh) | 2018-03-30 |
Family
ID=61700588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711070072.3A Pending CN107860746A (zh) | 2017-11-03 | 2017-11-03 | 一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107860746A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020088004A1 (zh) * | 2018-10-31 | 2020-05-07 | 廊坊梅花生物技术开发有限公司 | 鲜味剂中鲜味和/或鲜味强度的检测方法 |
| CN112179871A (zh) * | 2020-10-22 | 2021-01-05 | 南京农业大学 | 一种酱类食品中己内酰胺含量无损检测的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001015548A1 (en) * | 1999-08-31 | 2001-03-08 | Aventis Animal Nutrition S.A. | Improvements in or relating to the production of animal feed |
| CN102175620A (zh) * | 2010-12-27 | 2011-09-07 | 河南省农业科学院 | 近红外光谱测定玉米中赖氨酸的方法 |
| CN103927453A (zh) * | 2014-04-25 | 2014-07-16 | 吴礼龙 | 一种饲料必需氨基酸均衡性评价模型与方法 |
-
2017
- 2017-11-03 CN CN201711070072.3A patent/CN107860746A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001015548A1 (en) * | 1999-08-31 | 2001-03-08 | Aventis Animal Nutrition S.A. | Improvements in or relating to the production of animal feed |
| CN102175620A (zh) * | 2010-12-27 | 2011-09-07 | 河南省农业科学院 | 近红外光谱测定玉米中赖氨酸的方法 |
| CN103927453A (zh) * | 2014-04-25 | 2014-07-16 | 吴礼龙 | 一种饲料必需氨基酸均衡性评价模型与方法 |
Non-Patent Citations (9)
| Title |
|---|
| D. COZZOLINO, I. MURRAY，R. PATERSON: "Visible and near infrared reflectance spectroscopy for the determination of moisture, fat and protein in chicken breast and thigh muscle", 《J. NEAR INFRARED SPECTROSC.》 * |
| MAJA PREVOLNIK，ET AL.: "Accuracy of near infrared spectroscopy for prediction of chemical composition, salt content and free amino acids in dry-cured ham", 《MEAT SCIENCE》 * |
| NURIA PRIETO,ET AL: "A Review of the Principles and Applications of Near-Infrared Spectroscopy to Characterize Meat, Fat, and Meat Products", 《APPLIED SPECTROSCOPY》 * |
| 史岩 等: "基于近红外光谱技术的鸡肉产地溯源 ", 《中国食品学报》 * |
| 孙淑敏 等: "近红外光谱指纹分析在羊肉产地溯源中的应用 ", 《光谱学与光谱分析》 * |
| 张宁 等: "近红外光谱结合SIMCA法溯源羊肉产地的初步研究 ", 《农业工程学报》 * |
| 蔡先峰 等: "牛肉近红外光谱的地域及饲养期特征分析 ", 《中国农业科学》 * |
| 邹小波等: "《农产品无损检测计算与数据分析方法》", 31 January 2008, 中国轻工业出版社 * |
| 黄伟 等: "近红外光谱鉴别滇南小耳猪和DLY商品猪 ", 《肉类研究》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020088004A1 (zh) * | 2018-10-31 | 2020-05-07 | 廊坊梅花生物技术开发有限公司 | 鲜味剂中鲜味和/或鲜味强度的检测方法 |
| CN112179871A (zh) * | 2020-10-22 | 2021-01-05 | 南京农业大学 | 一种酱类食品中己内酰胺含量无损检测的方法 |
| CN112179871B (zh) * | 2020-10-22 | 2022-10-18 | 南京农业大学 | 一种酱类食品中己内酰胺含量无损检测的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108875913B (zh) | 一种基于卷积神经网络的松茸快速无损检测系统及方法 | |
| CN103954567B (zh) | 基于连续统去除法的土壤盐分测定方法 | |
| CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
| CN103257118A (zh) | 一种基于特征波段的鱼肉嫩度高光谱检测方法 | |
| CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
| CN103439271B (zh) | 一种猪肉成熟状况的可视化检测方法 | |
| Iqbal et al. | An overview on principle, techniques and application of hyperspectral imaging with special reference to ham quality evaluation and control | |
| CN108760655B (zh) | 一种苹果味觉图谱信息可视化方法 | |
| CN103940748B (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
| CN104316473A (zh) | 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法 | |
| CN108956604A (zh) | 一种基于高光谱图像技术识别中华绒螯蟹品质的方法 | |
| CN106596453A (zh) | 一种基于近红外光谱技术鉴别野生和养殖海鲈鱼的方法 | |
| CN106483147B (zh) | 基于多源数据的长时间序列被动微波土壤水分精度改进研究方法 | |
| CN204287031U (zh) | 一种基于高光谱成像技术的鱼新鲜度在线无损检测装置 | |
| CN105548028A (zh) | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 | |
| 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 | |
| CN110082310A (zh) | 一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法 | |
| CN102507495B (zh) | 基于小波变换的快速无损检测绿茶含水率的方法 | |
| CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
| CN104949927A (zh) | 一种干贝水分含量的高光谱检测方法 | |
| CN107860746A (zh) | 一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法 | |
| Wang et al. | Nondestructive determination of IMP content in chilled chicken based on hyperspectral data combined with chemometrics | |
| CN106568730B (zh) | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 | |
| CN111272697A (zh) | 一种基于近红外高光谱的硫代巴比妥酸含量检测方法 | |
| CN108535250A (zh) | 基于Streif指数的‘富士’苹果成熟度无损检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180330 |