CN110596332A - 金枪鱼鱼肉鲜度的检测方法 - Google Patents
金枪鱼鱼肉鲜度的检测方法 Download PDFInfo
- Publication number
- CN110596332A CN110596332A CN201910904977.9A CN201910904977A CN110596332A CN 110596332 A CN110596332 A CN 110596332A CN 201910904977 A CN201910904977 A CN 201910904977A CN 110596332 A CN110596332 A CN 110596332A
- Authority
- CN
- China
- Prior art keywords
- tuna
- freshness
- samples
- detecting
- grade
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 235000013372 meat Nutrition 0.000 title claims description 15
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 241000251468 Actinopterygii Species 0.000 claims abstract description 12
- 241000269849 Thunnus Species 0.000 claims abstract description 6
- 238000001506 fluorescence spectroscopy Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004832 voltammetry Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims 1
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108010093096 Immobilized Enzymes Proteins 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 235000013332 fish product Nutrition 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000013048 microbiological method Methods 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- -1 nucleotide compound Chemical class 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/416—Systems
- G01N27/48—Systems using polarography, i.e. measuring changes in current under a slowly-varying voltage
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/12—Meat; Fish
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6495—Miscellaneous methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Molecular Biology (AREA)
- Medicinal Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及水产技术领域，具体涉及一种金枪鱼鱼肉鲜度的检测方法。通过采用金枪鱼样本训练检测模型。然后通过检测模型来预测检测金枪鱼鱼肉的鲜度等级。该方法具有操作简单、便捷，检测速度快，成本低的有点，并且该检测方法降低了对检测人员专业知识的要求；具有更好的普适性。
Description
技术领域
本发明涉及水产技术领域，具体涉及一种金枪鱼鱼肉鲜度的检测方法。
背景技术
水产品的价值主要取决于其鲜度的高低。鲜度是鱼类产品质量最重要的指标之一，金枪鱼作为一种
鱼体鲜度的检测方法主要有感官评价方法、微生物学方法、物理及化学方法等。感官评价有一定的人为因素，TVB-N是水产品在菌落和酶的作用下分解产生的氨及低级胺类，通常作为肉类的鲜度指标。最常用的鱼肉鲜度测定方法是通过核苷酸类化合物的化学分析计算其K值；而该方法往往对鱼本身具有破坏性，而且也很耗时。以上这些指标检测方法测定耗时长、操作要求高，不能满足快速检测的要求。国内外也有不少学者对鱼体鲜度新的检测方法进行了一些研究，如图像分析技术、近红外光谱测量、电子鼻技术、表面荧光光谱法、固相酶反应器、NSPEs膜电极法和液相色谱法等，并取得了一定的成果，但这些方法相对较复杂。
发明内容
本发明的目的是为了解决上述问题，提供一种金枪鱼鱼肉鲜度的检测方法。
为了达到上述发明目的，本发明采用以下技术方案：
一种金枪鱼鱼肉鲜度的检测方法，包括以下步骤：
(1)选择大量的处于不同储存条件下的金枪鱼样本，具体的，包括在不同存储时间、不同存储温度的金枪鱼样本，将这些金枪鱼样本作为数据集；
(2)采集该数据集中的图像信息，并人为地将金枪鱼划分为不同的初级等级；
将数据集中的金枪鱼样本进行荧光数据信息的采集，同时，采集并计算金枪鱼样本相应的K值，并通过K值对金枪鱼样本进行二次评级；
采用伏安法分别测定不同频率交流电下金枪鱼样本的阻抗值；
(3)首先，建立金枪鱼的肉质初级识别模型；并通过图像信息训练金枪鱼的初级识别模型；
(4)采用神经网络建立对金枪鱼鱼肉鲜度等级的二次等级检测模型，将不同肉质等级的数据集中的金枪鱼样本得到的荧光数据信息、阻抗值信息以及K值进行训练；
(5)利用训练得到的初级等级识别模型和二级等级检测模型对金枪鱼肉进行鲜度等级的检测。
优选的，K值作为模型的输出信息。
优选的，具体的，是将阻抗值加以处理后作为输入数据；处理方式为：测试至少10个频率的阻抗值，并将其方差与K值对应。
优选的，通过比较训练后的模型的成功率，来确定金枪鱼样本的量。
优选的，通过比较训练模型的预测的准确率，适当调整荧光数据与阻抗数据的最佳检测条件，确定最佳检测条件。
优选的，所述金枪鱼属于同一品种或同一产地下的金枪鱼产品。
优选的，初级等级的划分是根据同一条件下的金枪鱼随着储存时间的增加而确定的。
本发明与现有技术相比，有益效果是：本发明用于金枪鱼产品的鲜度检测，具有操作简单、便捷，检测速度快，成本低的有点，并且该检测方法降低了对检测人员专业知识的要求；具有更好的普适性。同时，该方法极大地降低了工作量，提高了工作效率。
具体实施方式
下面通过具体实施例对本发明的技术方案作进一步描述说明。
如果无特殊说明，本发明的实施例中所采用的原料均为本领域常用的原料，实施例中所采用的方法，均为本领域的常规方法。
实施例：
一种金枪鱼鱼肉鲜度的检测方法，包括以下步骤：
(1)选择大量的处于不同储存条件下的金枪鱼样本，具体的，包括在不同存储时间、不同存储温度的金枪鱼样本，将这些金枪鱼样本作为数据集；所述金枪鱼属于同一品种或同一产地下的金枪鱼产品；以500个金枪鱼鱼肉作为样本，将其速冻，并在-18℃下保存；然后每隔一天取出解冻一批样本，每批样本50个；
(2)采集该数据集中的图像信息，并人为地将金枪鱼划分为不同的初级等级；划分标准是根据同一条件下的金枪鱼随着储存时间的增加而确定的；在划分初级等级时，需考虑金枪鱼的肉质红度值。
将数据集中的金枪鱼样本进行荧光数据信息的采集，同时，采集并计算金枪鱼样本相应的K值，并通过K值对金枪鱼样本进行二次评级；
采用伏安法分别测定不同频率交流电下金枪鱼样本的阻抗值；频率范围为5Hz-50hz，每间隔4-5Hz测试一组数据；
(3)首先，建立金枪鱼的肉质初级识别模型；并通过图像信息训练金枪鱼的初级识别模型；
(4)采用神经网络建立对金枪鱼鱼肉鲜度等级的二次等级检测模型，将不同肉质等级的数据集中的金枪鱼样本得到的荧光数据信息、阻抗值信息以及K值进行训练；K值在这里是作为模型的输出信息；荧光数据信息、阻抗值信息作为输入信息，并且阻抗值是在将其加以处理后作为输入数据；处理方式为：测试至少10个频率的阻抗值，并将其方差与K值对应。
(5)利用训练得到的初级等级识别模型和二级等级检测模型对金枪鱼肉进行鲜度等级的检测。
通过比较训练后的模型的成功率，来确定金枪鱼样本的量，通过比较训练模型的预测的准确率，适当调整荧光数据与阻抗数据的最佳检测条件，确定最佳检测条件。
在实际检测中，首先认为地将金枪鱼进行相应的初级等级划分，然后利用训练的模型进行二级等级的鲜度检测。
上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种金枪鱼鱼肉鲜度的检测方法，其特征在于，包括以下步骤：
(1)选择大量的处于不同储存条件下的金枪鱼样本，具体的，包括在不同存储时间、不同存储温度的金枪鱼样本，将这些金枪鱼样本作为数据集；
(2)采集该数据集中的图像信息，并人为地将金枪鱼划分为不同的初级等级；
将数据集中的金枪鱼样本进行荧光数据信息的采集，同时，采集并计算金枪鱼样本相应的K值，并通过K值对金枪鱼样本进行二次评级；
采用伏安法分别测定不同频率交流电下金枪鱼样本的阻抗值；
(3)首先，建立金枪鱼的肉质初级识别模型；并通过图像信息训练金枪鱼的初级识别模型；
(4)采用神经网络建立对金枪鱼鱼肉鲜度等级的二次等级检测模型，将初级识别模型识别后的不同肉质的数据集中的金枪鱼样本得到的荧光数据信息、阻抗值信息以及K值进行训练；
(5)利用训练得到的初级等级识别模型和二级等级检测模型对金枪鱼肉进行鲜度等级的检测。
2.根据权利要求1所述的金枪鱼鱼肉鲜度的检测方法，其特征在于，K值作为模型的输出信息。
3.根据权利要求1所述的金枪鱼鱼肉鲜度的检测方法，其特征在于，具体的，是将阻抗值加以处理后作为输入数据；处理方式为：测试至少10个频率的阻抗值，并将其方差与K值对应。
4.根据权利要求1所述的金枪鱼鱼肉鲜度的检测方法，其特征在于，通过比较训练后的模型的成功率，来确定金枪鱼样本的量。
5.根据权利要求1所述的金枪鱼鱼肉鲜度的检测方法，其特征在于，通过比较训练模型的预测的准确率，适当调整荧光数据与阻抗数据的最佳检测条件，确定最佳检测条件。
6.根据权利要求1所述的金枪鱼鱼肉鲜度的检测方法，其特征在于，所述金枪鱼属于同一品种或同一产地下的金枪鱼产品。
7.根据权利要求1所述的金枪鱼鱼肉鲜度的检测方法，其特征在于，初级等级的划分是根据同一条件下的金枪鱼随着储存时间的增加而确定的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910904977.9A CN110596332A (zh) | 2019-09-24 | 2019-09-24 | 金枪鱼鱼肉鲜度的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910904977.9A CN110596332A (zh) | 2019-09-24 | 2019-09-24 | 金枪鱼鱼肉鲜度的检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110596332A true CN110596332A (zh) | 2019-12-20 |
Family
ID=68862955
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910904977.9A Pending CN110596332A (zh) | 2019-09-24 | 2019-09-24 | 金枪鱼鱼肉鲜度的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110596332A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113740410A (zh) * | 2021-09-26 | 2021-12-03 | 浙江工商大学 | 金枪鱼肉湿式熟成成熟度检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101825594A (zh) * | 2010-05-18 | 2010-09-08 | 中国农业大学 | 一种快速无损伤检测淡水鱼鲜度的方法 |
| CN105044298A (zh) * | 2015-07-13 | 2015-11-11 | 常熟理工学院 | 一种基于机器嗅觉的蟹类新鲜度等级检测方法 |
| CN110210680A (zh) * | 2019-06-11 | 2019-09-06 | 北京农业信息技术研究中心 | 一种基于温度变化的鱼体新鲜度检测方法和装置 |
-
2019
- 2019-09-24 CN CN201910904977.9A patent/CN110596332A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101825594A (zh) * | 2010-05-18 | 2010-09-08 | 中国农业大学 | 一种快速无损伤检测淡水鱼鲜度的方法 |
| CN105044298A (zh) * | 2015-07-13 | 2015-11-11 | 常熟理工学院 | 一种基于机器嗅觉的蟹类新鲜度等级检测方法 |
| CN110210680A (zh) * | 2019-06-11 | 2019-09-06 | 北京农业信息技术研究中心 | 一种基于温度变化的鱼体新鲜度检测方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| GAMAL ELMASRY ET AL.: "Freshness estimation of intact frozen fish using fluorescence spectroscopy and chemometrics of excitation–emission matrix", 《TALANTA》 * |
| 张军: "基于复阻抗特性和电子鼻的淡水鱼新鲜度快速检测方法的研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
| 陈辰星: "电子鼻气味检测结合视觉图像分析技术及其在食品新鲜度识别中的应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113740410A (zh) * | 2021-09-26 | 2021-12-03 | 浙江工商大学 | 金枪鱼肉湿式熟成成熟度检测方法 |
| CN113740410B (zh) * | 2021-09-26 | 2023-06-06 | 浙江工商大学 | 金枪鱼肉湿式熟成成熟度检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tito et al. | Use of near infrared spectroscopy to predict microbial numbers on Atlantic salmon | |
| Salonen et al. | Respiration of plankton in two small, polyhumic lakes | |
| CN110945593A (zh) | 用于预测生物反应器中的过程的产出和对生物反应器中的过程建模的方法 | |
| CN102660629A (zh) | 一种基于嗅觉可视化技术快速鉴别畜肉优势腐败菌的方法 | |
| CN102876816A (zh) | 基于多传感器信息融合的发酵过程状态监测与控制方法 | |
| CN101929993A (zh) | 基于动态模糊神经网络的青霉素发酵过程软测量建模方法 | |
| CN116823065B (zh) | 一种基于数据分析的透明质酸钠生产质量智能管理系统 | |
| CN110596332A (zh) | 金枪鱼鱼肉鲜度的检测方法 | |
| CN106406257A (zh) | 一种基于案例推理的铁矿浮选精矿品位软测量方法及系统 | |
| Olsen | Rapid food microbiology: application of bioluminescence in the dairy and food industry—a review | |
| CN110570914B (zh) | 测量沼液营养成分含量的方法 | |
| CN105527398A (zh) | 一种凡纳滨对虾养殖池塘水质的评价方法 | |
| CN113295625B (zh) | 基于极端梯度提升的机器视觉染料浓度光谱检测方法 | |
| CN108251513B (zh) | 一种快速判断酿酒窖泥品质的方法 | |
| CN111504944A (zh) | 基于近红外光谱的柠檬酸发酵液化清液的统计监控方法 | |
| Liu et al. | On-line monitoring of the aggregate size distribution of Carthamus tinctorius L. cells with multi-frequency capacitance measurements | |
| Shukor et al. | Modelling the growth kinetics of E. coli measured using real-time impedimetric biosensor | |
| CN112285144B (zh) | 一种利用低场核磁共振检测白羽肉鸡鸡胸肉肌病的方法 | |
| CN108344779B (zh) | 基于介电频谱技术快速检测乳牛隐性乳房炎等级的方法 | |
| JP4001665B2 (ja) | 発酵製品の培養管理方法 | |
| CN111044580B (zh) | 一种快速实时监测淡水鱼腌制程度的方法 | |
| WO2023241126A1 (zh) | 水产养殖育种预测系统 | |
| CN110261371B (zh) | 微量元素添加剂的质量控制方法 | |
| JP2935735B2 (ja) | 培養状態の診断方法 | |
| Shaohua et al. | Modeling growth of specific spoilage organisms in tilapia: Comparison Baranyi with chi-square automatic interaction detection (CHAID) model |
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: 20191220 |