JP2015057596A - Method for detecting pork in food - Google Patents
Method for detecting pork in food Download PDFInfo
- Publication number
- JP2015057596A JP2015057596A JP2014165110A JP2014165110A JP2015057596A JP 2015057596 A JP2015057596 A JP 2015057596A JP 2014165110 A JP2014165110 A JP 2014165110A JP 2014165110 A JP2014165110 A JP 2014165110A JP 2015057596 A JP2015057596 A JP 2015057596A
- Authority
- JP
- Japan
- Prior art keywords
- raman
- pork
- food
- fat
- food 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.)
- Granted
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 131
- 235000015277 pork Nutrition 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims description 48
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 116
- 239000013078 crystal Substances 0.000 claims abstract description 43
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 29
- 235000013372 meat Nutrition 0.000 claims description 35
- 210000001789 adipocyte Anatomy 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 abstract description 18
- 230000001066 destructive effect Effects 0.000 abstract description 2
- 241000282887 Suidae Species 0.000 description 32
- 241000282898 Sus scrofa Species 0.000 description 27
- 235000015278 beef Nutrition 0.000 description 22
- 235000020993 ground meat Nutrition 0.000 description 14
- 241000283690 Bos taurus Species 0.000 description 13
- 241000287828 Gallus gallus Species 0.000 description 13
- 235000013330 chicken meat Nutrition 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 12
- 238000005259 measurement Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 239000003921 oil Substances 0.000 description 4
- 102000004169 proteins and genes Human genes 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 108020004414 DNA Proteins 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 3
- 108091028043 Nucleic acid sequence Proteins 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000002844 melting Methods 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 230000007815 allergy Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 102000036639 antigens Human genes 0.000 description 2
- 108091007433 antigens Proteins 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000002425 crystallisation Methods 0.000 description 2
- 230000008025 crystallization Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000003760 tallow Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 230000000890 antigenic effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000006059 cover glass Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- CPBQJMYROZQQJC-UHFFFAOYSA-N helium neon Chemical compound [He].[Ne] CPBQJMYROZQQJC-UHFFFAOYSA-N 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 235000020995 raw meat Nutrition 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
Description
本発明は、食品中の豚肉を検出する方法に関する。 The present invention relates to a method for detecting pork in food.
食品、特に挽肉中に、適正な原材料の表示がなく豚肉が加えられることがしばしば問題となっている。また、アレルギーや宗教上の理由から豚肉の入っていない食品を求める人が世界中に多く存在する。 It is often a problem that pork is added to food, especially minced meat, with no indication of proper ingredients. There are also many people around the world who are looking for foods that do not contain pork for allergies or religious reasons.
食品中の豚肉を検出する従来の方法としては、豚に特異的なＤＮＡ配列を用いる豚肉の検出方法（特許文献１）や、抗原タンパク質を用いる豚肉の検出方法（特許文献２及び特許文献３）などが挙げられる。しかしながら、ＤＮＡ配列を用いる方法や、抗原タンパク質を用いる方法では、試料からＤＮＡや抗原タンパク質を抽出する操作が必要であり、この抽出操作は時間がかかる上、その抽出操作に習熟する必要がある。また、抽出操作を経るため、豚肉が混入した場所を特定することは困難である。さらに、食品の製造や保存の過程で、ＤＮＡやタンパク質の分解や変性が進むことが多く、検出の精度に問題が生じる。そのため、これらの技術では検査対象となる試料の状態、例えば生肉の状態か又は加熱済の肉の状態かが厳密に指定されていることが多い。 Conventional methods for detecting pork in food include pork detection methods that use pig-specific DNA sequences (Patent Document 1) and pork detection methods that use antigenic proteins (Patent Documents 2 and 3). Etc. However, a method using a DNA sequence or a method using an antigen protein requires an operation for extracting DNA or an antigen protein from a sample. This extraction operation takes time, and it is necessary to become familiar with the extraction operation. Moreover, since it passes through extraction operation, it is difficult to pinpoint the place where pork mixed. Furthermore, in the process of food production and storage, degradation and denaturation of DNA and proteins often proceed, which causes a problem in detection accuracy. Therefore, in these techniques, the state of a sample to be inspected, for example, whether it is a raw meat state or a heated meat state is often strictly specified.
ＤＮＡ配列やタンパク質を利用しない豚の検出方法として、豚の脂肪の化学組成を用いる方法がある（非特許文献１）。また、豚肉の脂肪の融点に関連したボーマー数を用いる方法がある（非特許文献２）。さらに、ラマン分光法を用いて豚肉を検出する方法がある（非特許文献３）。しかしながら、豚の脂肪の化学組成を用いる方法や豚の脂肪の融点に関連したボーマー数を用いる方法は、ＤＮＡやタンパク質を利用する方法とは異なり、豚を特異的にラベル化することができず少量の豚肉を検出することはできない。また、ラマン分光法を用いて豚の脂肪を検出するこれまでの方法では、豚の検出のためには、試料中に豚肉が５０％以上含まれている必要がある。 As a method for detecting pigs that do not use DNA sequences or proteins, there is a method that uses the chemical composition of pig fat (Non-patent Document 1). In addition, there is a method using the Boomer number related to the melting point of pork fat (Non-patent Document 2). Furthermore, there is a method for detecting pork using Raman spectroscopy (Non-patent Document 3). However, the method using the chemical composition of pork fat and the method using the Boomer number related to the melting point of pork fat cannot specifically label pigs, unlike the method using DNA or protein. A small amount of pork cannot be detected. In addition, in the conventional methods for detecting pork fat using Raman spectroscopy, it is necessary for the sample to contain 50% or more of pork in order to detect pigs.
したがって、食品、例えば食肉、特には挽肉中に豚肉が混入している場合には、その食品中に存在する豚肉の量が少量であっても検出できる方法が望まれている。また、食品中の豚肉を簡易かつ迅速に検出できる方法、さらには食品中の豚肉の位置を特定して検出できる方法が、食品製造工程管理や監視の点から望まれている。加えて、食品中の豚肉を非破壊高感度で検出する方法が望まれている。 Therefore, when pork is mixed in food, for example, meat, particularly ground meat, a method that can detect even a small amount of pork present in the food is desired. In addition, a method capable of easily and quickly detecting pork in food, and a method capable of specifying and detecting the position of pork in food are desired from the viewpoint of food production process management and monitoring. In addition, a method for detecting pork in foods with high non-destructive sensitivity is desired.
本発明者らは前記課題を解決するために鋭意研究を行なった結果、食品中の豚肉を検出する方法であって、食品試料を厚さ３０〜２００μｍで準備し、当該食品試料にレーザー光を照射して、ラマン分光装置によりラマンスペクトルを得、当該ラマンスペクトル中から所定の中心波数（ラマンシフト）ａ及びｂのラマンバンドをそれぞれ選定し、ここで、中心波数ａのラマンバンドは豚肉に特異的な結晶多形のラマンバンドであり、そして、中心波数ｂのラマンバンドは結晶状態にある脂肪に特異的なラマンバンドであり、
食品試料中の脂肪が結晶状態にある温度において、
以下の判別式
ｗ ＝ ｘ − ｃ
式中、ｃは豚とその他の食肉の畜種により求まる閾値であり、及び
ｘは食品試料中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、
ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）であり、ここでＩａは当該中心波数ａのラマンバンドの強度であり、Ｉｂは当該中心波数ｂのラマンバンドの強度であり、そして１／ｒはＩａのＩｂに対する強度補正係数であって、かつｒは０より大きい値である、を用いて、
ｗ＞０の場合には、食品が豚肉を含むと判定する、方法が上記の課題を解決できることを見出したものである。
As a result of intensive studies to solve the above problems, the inventors of the present invention are methods for detecting pork in foods, preparing food samples with a thickness of 30 to 200 μm, and applying laser light to the food samples. Irradiate and obtain a Raman spectrum by a Raman spectroscopic device, and select a Raman band of a predetermined center wave number (Raman shift) a and b from the Raman spectrum, where the Raman band of the center wave number a is unique to pork A crystalline polymorphic Raman band, and a Raman band having a center wavenumber b is a Raman band specific to fat in a crystalline state,
At a temperature where the fat in the food sample is in a crystalline state,
The following discriminant w = x-c
Where c is a threshold value determined by pig and other meat breeds, and x is a variable determined by the ratio of β′-type crystal polymorphism in fat crystals contained in fat cells in the food sample,
x = (1 / r) × (I a / I b ), where I a is the intensity of the Raman band of the center wave number a, I b is the intensity of the Raman band of the center wave number b, 1 / r is an intensity correction coefficient for I b of I a , and r is a value greater than 0,
In the case of w> 0, it discovered that the method of determining with food containing pork can solve said subject.
また、本発明者らは、食品中の豚肉を検出する方法であって、食品試料を、当該食品試料がそのままの状態を保っている状態で準備し、当該食品試料にレーザー光を照射して、ラマン分光装置によりラマンスペクトルを得、当該ラマンスペクトル中から所定の中心波数（ラマンシフト）ａ及びｂのラマンバンドをそれぞれ選定し、ここで、中心波数ａのラマンバンドは豚肉に特異的な結晶多形のラマンバンドであり、そして、中心波数ｂのラマンバンドは結晶状態にある脂肪に特異的なラマンバンドであり、食品試料中の脂肪が結晶状態にある温度において、以下の判別式
ｗ ＝ ｘ − ｃ
式中、ｃは豚とその他の食肉の畜種により求まる閾値であり、及び
ｘは食品試料中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、
ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）であり、ここでＩａは当該中心波数ａのラマンバンドの強度であり、Ｉｂは当該中心波数ｂのラマンバンドの強度であり、そして１／ｒはＩａのＩｂに対する強度補正係数であって、かつｒは０より大きい値である、を用いて、
ｗ＞０の場合には、食品が豚肉を含むと判定する、方法が上記の課題を解決できることを見出したものである。
The present inventors also provide a method for detecting pork in food, wherein the food sample is prepared in a state where the food sample is kept as it is, and the food sample is irradiated with laser light. A Raman spectrum is obtained by a Raman spectroscopic device, and Raman bands of predetermined center wave numbers (Raman shifts) a and b are selected from the Raman spectrum, where the Raman band of center wave number a is a crystal specific to pork. It is a polymorphic Raman band, and the Raman band having a central wave number b is a Raman band specific to fat in a crystalline state. At a temperature at which fat in a food sample is in a crystalline state, the following discriminant w = x−c
Where c is a threshold value determined by pig and other meat breeds, and x is a variable determined by the ratio of β′-type crystal polymorphism in fat crystals contained in fat cells in the food sample,
x = (1 / r) × (I a / I b ), where I a is the intensity of the Raman band of the center wave number a, I b is the intensity of the Raman band of the center wave number b, 1 / r is an intensity correction coefficient for I b of I a , and r is a value greater than 0,
In the case of w> 0, it discovered that the method of determining with food containing pork can solve said subject.
本発明においては、ラマン分光装置は好ましくはラマン顕微鏡である。また、好ましくは所定の中心波数（ラマンシフト）ａが１４１２ｃｍ−１〜１４２２ｃｍ−１の範囲から選択され、および所定の中心波数（ラマンシフト）ｂが１２９２ｃｍ−１〜１３０２ｃｍ−１の範囲から選択される。豚とそれ以外の食肉の畜種により求まる閾値であるｃは、好ましくは０〜０．５の範囲から選択される。ラマンスペストルを測定する食品試料の温度は好ましくは−１０℃〜１０℃である。食品試料の厚さは好ましくは５０〜１５０μｍである。ＩａのＩｂに対する強度補正係数１／ｒ中のｒは、好ましくは０．４〜０．６の範囲から選択される。
In the present invention, the Raman spectroscopic device is preferably a Raman microscope. Preferably, the predetermined center wave number (Raman shift) a is selected from the range of 1412 cm −1 to 1422 cm −1 , and the predetermined center wave number (Raman shift) b is selected from the range of 1292 cm −1 to 1302 cm −1. The C, which is a threshold value determined by the breed of pig and other meat, is preferably selected from the range of 0 to 0.5. The temperature of the food sample for measuring the Raman spectrum is preferably −10 ° C. to 10 ° C. The thickness of the food sample is preferably 50 to 150 μm. R of the
本発明では、食品試料の厚さを３０〜２００μｍとし、当該食品試料にレーザー光を照射して、ラマン分光装置によりラマンスペクトルを得、当該ラマンスペクトル中から所定の中心波数（ラマンシフト）ａ及びｂをそれぞれ選定し、ここで、中心波数ａのラマンバンドは豚肉に特異的な結晶多形のラマンバンドであり、そして、中心波数ｂのラマンバンドは結晶状態にある脂肪に特異的なラマンバンドであり、
食品試料中の脂肪が結晶状態にある温度において、以下の判別式
ｗ ＝ ｘ − ｃ
式中、ｃは豚とその他の食肉の畜種により求まる閾値であり、及び
ｘは食品試料中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）であり、ここでＩａは当該中心波数ａのラマンバンドの強度であり、Ｉｂは当該中心波数ｂのラマンバンドの強度であり、そして１／ｒはＩａのＩｂに対する強度補正係数であって、かつｒは０より大きい値である、を用いて、ｗ＞０の場合には、食品が豚肉を含むと判定するので、豚肉を精度よく非破壊で、さらには高感度で検出できる。脂肪は変質しにくいので、加熱や凍結・融解の工程を経ても変化が少なく精度よく検出できる。また、測定対象である豚肉の細胞をほとんど潰すことなく細胞のレベルで測定できるので、検出精度を飛躍的に向上させることができる。本発明の高感度とは、脂肪細胞１個の混入を検出できることである。
また、本発明では、食品試料を、当該食品試料がそのままの状態を保っている状態で準備し、当該食品試料にレーザー光を照射して、ラマン分光装置によりラマンスペクトルを得、当該ラマンスペクトル中から所定の中心波数（ラマンシフト）ａ及びｂをそれぞれ選定し、ここで、中心波数ａのラマンバンドは豚肉に特異的な結晶多形のラマンバンドであり、そして、中心波数ｂのラマンバンドは結晶状態にある脂肪に特異的なラマンバンドであり、
食品試料中の脂肪が結晶状態にある温度において、以下の判別式
ｗ ＝ ｘ − ｃ
式中、ｃは豚とその他の食肉の畜種により求まる閾値であり、及び
ｘは食品試料中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）であり、ここでＩａは当該中心波数ａのラマンバンドの強度であり、Ｉｂは当該中心波数ｂのラマンバンドの強度であり、そして１／ｒはＩａのＩｂに対する強度補正係数であって、かつｒは０より大きい値である、を用いて、ｗ＞０の場合には、食品が豚肉を含むと判定するので、豚肉を、抽出処理等の特段の試料前処理をすること無く、食品試料をそのままの状態を保ったまま、詳細な位置を明らかにして精度よく非破壊で検出できる。
さらに、本発明では、ラマン分光装置としてラマン顕微鏡を使用することによりｗ＞０の場所は豚肉であると特定できるので、食品中の豚肉の位置を特定して検出できる。加えて、合挽肉、たとえば牛肉と豚肉との合挽肉や鶏肉と豚肉との合挽肉において脂肪に占める豚肉の割合を特定することができる。
In the present invention, the thickness of the food sample is set to 30 to 200 μm, the food sample is irradiated with laser light, a Raman spectrum is obtained by a Raman spectroscope, and a predetermined center wave number (Raman shift) a and b is selected, where the Raman band of central wave number a is a crystalline polymorphic Raman band specific to pork, and the Raman band of central wave number b is a Raman band specific to fat in the crystalline state. And
At a temperature at which the fat in the food sample is in a crystalline state, the following discriminant w = x−c
Where c is a threshold value determined by pig and other meat breeds, and x is a variable determined by the ratio of β′-type crystal polymorphism in fat crystals contained in fat cells in the food sample, x = (1 / r) × (I a / I b ), where I a is the intensity of the Raman band of the center wave number a, I b is the intensity of the Raman band of the center wave number b, 1 / r is an intensity correction coefficient for I b of I a , and r is a value greater than 0, and when w> 0, it is determined that the food contains pork. Pork can be detected accurately and non-destructively, and with high sensitivity. Since fat does not easily change in quality, it can be detected accurately with little change even after heating, freezing and thawing processes. Moreover, since it can measure at the level of a cell, without almost crushing the cell of the pork which is a measuring object, detection accuracy can be improved greatly. The high sensitivity of the present invention means that it is possible to detect contamination of one fat cell.
Further, in the present invention, a food sample is prepared in a state where the food sample is maintained as it is, and the food sample is irradiated with laser light to obtain a Raman spectrum by a Raman spectrometer, From the above, a predetermined center wave number (Raman shift) a and b is selected, where the Raman band of center wave number a is a crystalline polymorphic Raman band specific to pork, and the Raman band of center wave number b is It is a Raman band specific to fat in the crystalline state,
At a temperature at which the fat in the food sample is in a crystalline state, the following discriminant w = x−c
Where c is a threshold value determined by pig and other meat breeds, and x is a variable determined by the ratio of β′-type crystal polymorphism in fat crystals contained in fat cells in the food sample, x = (1 / r) × (I a / I b ), where I a is the intensity of the Raman band of the center wave number a, I b is the intensity of the Raman band of the center wave number b, 1 / r is an intensity correction coefficient for I b of I a , and r is a value greater than 0, and when w> 0, it is determined that the food contains pork. The pork can be detected accurately and non-destructively by revealing the detailed position while keeping the food sample as it is without subjecting it to a special sample pretreatment such as an extraction process.
Furthermore, in the present invention, a place where w> 0 can be specified as pork by using a Raman microscope as a Raman spectroscopic device, so that the position of pork in food can be specified and detected. In addition, it is possible to specify the proportion of pork in fat in ground meat such as ground meat of beef and pork and ground meat of chicken and pork.
本発明の食品中の豚肉を検出する方法をさらに説明する。
まず、食品試料中の豚肉を細胞のレベルで検出する場合には、食品試料を厚さ３０〜２００μｍで準備する。準備する食品試料の厚さは、好ましくは５０〜１５０μｍである。食品試料の厚さが３０μｍ未満であると、潰れる細胞（細胞のサイズは通常５０〜１５０μｍ程度である）が多くなり検出精度が低下するため好ましくない。また、食品試料の厚さが２００μｍを超えると、細胞が重なって存在することが多くなり、検出感度が低下するため好ましくない。
The method for detecting pork in the food of the present invention will be further described.
First, when detecting pork in a food sample at the cell level, the food sample is prepared with a thickness of 30 to 200 μm. The thickness of the food sample to be prepared is preferably 50 to 150 μm. If the thickness of the food sample is less than 30 μm, the number of cells to be crushed (cell size is usually about 50 to 150 μm) increases and the detection accuracy decreases, which is not preferable. In addition, if the thickness of the food sample exceeds 200 μm, it is not preferable because cells frequently overlap and the detection sensitivity decreases.
食品試料をそのままの状態で豚肉を検出する場合には、食品試料をそのままの状態、すなわち食品試料の形態及び構造を保ったままで準備する。食品試料の形態及び構造を保ったままで食品試料を準備できる食品試料の厚さは、２００μｍ以上であればよい。食品試料の厚さの上限は特にないが、食品試料の厚さは、例えば２０ｃｍ以下である。食品試料の厚さは、ラマン顕微鏡のステージの作動距離を考慮すると好ましくは２００μｍ〜１０ｃｍであり、より好ましくは１ｍｍ〜５ｃｍである。例えば、牛豚合挽肉などの合挽肉を調製するのに用いられるグラインダーの穴の径である２ｍｍを、食品試料の厚さとすることができる。 When pork is detected with the food sample as it is, the food sample is prepared as it is, that is, while maintaining the form and structure of the food sample. The thickness of the food sample that can prepare the food sample while maintaining the form and structure of the food sample may be 200 μm or more. The upper limit of the thickness of the food sample is not particularly limited, but the thickness of the food sample is, for example, 20 cm or less. The thickness of the food sample is preferably 200 μm to 10 cm, more preferably 1 mm to 5 cm in consideration of the working distance of the stage of the Raman microscope. For example, 2 mm which is the diameter of a grinder hole used to prepare ground meat such as ground beef and pork can be used as the thickness of the food sample.
本発明の食品とは、食用の品物であり、具体的には、食肉、食肉製品などが挙げられる。食肉とは豚肉、牛肉、鶏肉、羊肉、又はこれらの肉のうち２種以上を混合した肉であり、混合した肉としては、例えば合挽肉が挙げられる。 The food of the present invention is an edible product, and specifically includes meat and meat products. Meat is pork, beef, chicken, mutton, or meat obtained by mixing two or more of these meats. Examples of the mixed meat include ground meat.
次に、食品試料にレーザー光を照射して、ラマン分光装置によりラマンスペクトルを得る。食品試料に照射するレーザー光源としては、いずれのレーザー光源も使用できる。レーザー光源としては、ヘリウムネオンレーザー（６３２．８ｎｍ）などの気体レーザー、固体レーザー（５３２や１０６４ｎｍ）、及び半導体レーザー（７８５や８３０ｎｍ）などが挙げられる。本発明において使用するレーザー光の波長は、食品試料中への透過度、蛍光による妨害および得られるラマン散乱光の強度を考慮すると５３２〜１０６４ｎｍであり、好ましくは７８５〜１０６４ｎｍであり、より好ましくは７８５ｎｍである。 Next, the food sample is irradiated with laser light, and a Raman spectrum is obtained by a Raman spectrometer. Any laser light source can be used as the laser light source for irradiating the food sample. Examples of the laser light source include a gas laser such as a helium neon laser (632.8 nm), a solid-state laser (532 and 1064 nm), and a semiconductor laser (785 and 830 nm). The wavelength of the laser beam used in the present invention is 532 to 1064 nm, preferably 785 to 1064 nm, more preferably 785 to 1064 nm in consideration of the transmittance into the food sample, interference by fluorescence, and the intensity of the Raman scattered light obtained. 785 nm.
ラマン分光装置により得られるラマンスペクトル中から、豚の検出のために用いる所定の中心波数ａ及びｂ、すなわちラマンシフトを中心波数に持つラマンバンドをそれぞれ選択する。豚肉の検出のために有効な所定の中心波数ａは１４１２ｃｍ−１〜１４２２ｃｍ−１から選択され、好ましくは１４１７ｃｍ−１である。中心波数ａのラマンバンドは豚肉に特有な結晶多形に特異的なラマンバンドである。中心波数ｂは、１２９２ｃｍ−１〜１３０２ｃｍ−１から選択され、好ましくは１２９７ｃｍ−１である。中心波数ｂのラマンバンドは結晶状態にある脂肪に特異的なラマンバンドである。中心波数ａが１４１７ｃｍ−１であるラマンバンドは豚肉の脂肪に特有で多く含まれるβ´型結晶多形に由来するラマンバンドであるので好ましい。中心波数ｂが１２９７ｃｍ−１であるラマンバンドは、脂肪の結晶度に依存するラマンバンドであるため、結晶に占めるβ´型結晶多形の割合を求めるのに好ましい。 Predetermined center wave numbers a and b used for pig detection, that is, a Raman band having a Raman shift as the center wave number are selected from the Raman spectrum obtained by the Raman spectroscopic device. Valid predetermined center wavenumber a for detection of pork is selected from 1412cm -1 ~1422cm -1, preferably 1417cm -1. The Raman band having a central wave number a is a Raman band specific to a crystal polymorph peculiar to pork. Central wavenumber b is selected from 1292cm -1 ~1302cm -1, preferably 1297cm -1. The Raman band having a central wave number b is a Raman band specific to fat in a crystalline state. A Raman band having a center wave number a of 1417 cm −1 is preferable because it is a Raman band derived from a β′-type crystal polymorph that is peculiar to pork fat and contained in large amounts. Since the Raman band having a center wave number b of 1297 cm −1 is a Raman band depending on the crystallinity of fat, it is preferable for determining the proportion of β′-type crystal polymorph in the crystal.
食品試料中の脂肪が結晶状態にある温度において、
以下の判別式
ｗ ＝ ｘ − ｃ
式中、ｃは豚とその他の食肉の畜種により求まる閾値であり、及び
ｘは食品試料中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）であり、ここでＩａは当該中心波数ａのラマンバンドの強度であり、Ｉｂは当該中心波数ｂのラマンバンドの強度であり、そして１／ｒはＩａのＩｂに対する強度補正係数であって、かつｒは０より大きい値である、を用いて、ｗ＞０の場合には、食品が豚肉を含むと判定する。
At a temperature where the fat in the food sample is in a crystalline state,
The following discriminant w = x-c
Where c is a threshold value determined by pig and other meat breeds, and x is a variable determined by the ratio of β′-type crystal polymorphism in fat crystals contained in fat cells in the food sample, x = (1 / r) × (I a / I b ), where I a is the intensity of the Raman band of the center wave number a, I b is the intensity of the Raman band of the center wave number b, 1 / r is an intensity correction coefficient for I b of I a , and r is a value greater than 0. When w> 0, it is determined that the food contains pork.
ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）における１／ｒはＩａのＩｂに対する強度補正係数であって、ｒは、試料中のβ´型結晶多形の量が増えてＩｂ（例えばＩ１２９７、Ｉは下付文字で示す数値を中心波数に持つラマンバンドの強度を示す）の面積強度が１増えたときのＩａ（例えばＩ１４１７）の増加量として求めることができる。１／ｒにおいて、ｒは好ましくは０．４〜０．６であり、０．４９３がより好ましい。ｘは特定のｒを与えること並びにＩａ及びＩｂを規定することにより決まる。 1 / r in x = (1 / r) × (I a / I b ) is an intensity correction coefficient for I b of I a , and r is the amount of β′-type crystal polymorph in the sample increased It can be obtained as an increase amount of I a (for example, I 1417 ) when the area intensity of I b (for example, I 1297 , I indicates the intensity of the Raman band having the numerical value indicated by the subscript as the center wave number) is increased by 1. it can. In 1 / r, r is preferably 0.4 to 0.6, more preferably 0.493. x is determined by giving a specific r and defining I a and I b .
ｘは食品中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）である。Ｉａは豚肉に特異的な結晶多形のラマンバンドである中心波数ａのラマンバンドの強度であり、Ｉｂは結晶状態にある脂肪に特異的なラマンバンドである中心波数ｂのラマンバンドの強度である。例えば、Ｉａ／Ｉｂは好ましくはＩ１４１７／Ｉ１２９７であり、ｒ＝０．４９３の場合、ｘは、
ｘ＝ （１／０．４９３）×（Ｉ１４１７／Ｉ１２９７）
であり豚の細胞に含まれる脂肪がβ´型結晶多形に結晶化しやすい特性を表す変数である。
ｘは、β´型結晶多形の量を表す式（１）、（１／０．４９３）×Ｉ１４１７／（Ｉ１２９７＋Ｉ１３０５） （１）を、脂肪が結晶として存在している割合を表す式（２）、Ｉ１２９７／（Ｉ１２９７＋Ｉ１３０５） （２）で割ることで得られる。例えば、牛ではβ´型結晶多形の割合は少ないが、結晶の量が多いため相対的にβ´型結晶多形の量が多くなるので、この点を補正するために、式（１）のβ´型結晶多形の量を式（２）の結晶の量（結晶度）で割って、食品中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であるｘを規定する。上記式（１）及び（２）中、Ｉ１３０５は、融液状態にある脂肪に特異的なラマンバンド（中心波数１３０５ｃｍ−１）の強度である。
x is a variable determined by the ratio of the β′-type crystal polymorph in the fat crystals contained in the fat cells in the food, and x = (1 / r) × (I a / I b ). I a is the intensity of the Raman band of the center wave number a which is a Raman band of a crystalline polymorph specific to pork, and I b is the Raman band of the center wave number b which is a Raman band specific to fat in the crystalline state. It is strength. For example, I a / I b is preferably I 1417 / I 1297 , and when r = 0.493, x is
x = (1 / 0.493) × (I 1417 / I 1297 )
It is a variable representing the characteristic that fat contained in swine cells is easily crystallized into a β′-type crystal polymorph.
x represents the ratio of the presence of fat as crystals in the formula (1), (1 / 0.493) × I 1417 / (I 1297 + I 1305 ) (1), which represents the amount of β′-type crystal polymorph. It is obtained by dividing by the expression (2), I 1297 / (I 1297 + I 1305 ) (2). For example, in cattle, the proportion of β′-type crystal polymorphs is small, but the amount of β′-type crystal polymorphs is relatively large because of the large amount of crystals. To correct this point, the equation (1) Is obtained by dividing the amount of β′-type crystal polymorph by the amount of crystal (crystallinity) of formula (2) and determining the proportion of β′-type crystal polymorph in fat crystals contained in fat cells in food. X is defined. In the above formulas (1) and (2), I 1305 is the intensity of the Raman band (center wave number 1305 cm −1 ) specific to fat in the melt state.
判別式中ｃは豚とその他の食肉の畜種により求まる閾値であり、使用するラマン分光装置の性能（主には波数分解能）、ラマンスペクトル測定条件（主には入射レーザー強度）や試料の結晶化条件を固定し、豚であることが明らかな脂肪あるいは脂肪細胞の標準試料（標本数は１００以上が好ましい）のラマンスペクトルを得、ラマンスペクトルより当該標準試料群の持つ変数ｘ（判別式中のｘ）と、その他の畜種の標準試料群より同様にして得られた変数ｘの、群間の差の郡内の変動に対する比を最大にする（誤判別率を最も低くする）閾値として、統計学的に決めることができる。変数ｘを求める式中ｒが０．４９３の場合、ｃは、０〜０．５の範囲から選択することができる。例えば豚と牛の判別において、ｃは０．２９〜０．４の範囲から選択することができ、０．３５５が好ましい。例えば豚と鶏の判別において、ｃは０．２９〜０．４の範囲から選択することができ、０．３０１が好ましい。また、このように求めたｃによる誤判別率が大きい場合や、豚を豚ではない他の畜種であると誤判別することが重大な問題となる場合は、判別を保留する（擬陽性とする）ｃの範囲を設定することで、誤判別の確率を小さくすることができる。判別を保留する（擬陽性とする）ｃの範囲としては、例えば豚と牛の判別において上の方法で求めたｃが０．３５５の場合、μ−２．３２６×σ＜ｃ＜０．３５５のとき判別を保留する（擬陽性とする）ことで、豚を誤って牛であると誤判別する確率を１％にすることができ、μ−３．０９×σ＜ｃ＜０．３５５のとき判別を保留することで、豚を誤って牛であると誤判別する確率を０．１％にすることができる。また、豚と鶏の判別において、μ−３．０９×σ＜ｃ＜０．３０１のとき判別を保留することで、豚を誤って鶏であると誤判別する確率を０．１％にすることができる。ここで、μとσはそれぞれ豚の標準試料より得られる母集団の平均値と分散であり、２．３２６は累積確率１％のパーセント点であり、３．０９は累積確率０．１％のパーセント点である。 In the discriminant, c is a threshold value determined by pig and other meat breeds, the performance of the Raman spectrometer used (mainly wave number resolution), Raman spectrum measurement conditions (mainly incident laser intensity), and crystallization of the sample. The conditions were fixed, and a Raman spectrum of a standard sample of fat or adipocytes that is clearly a pig (preferably the number of samples is preferably 100 or more) was obtained. x) and the threshold of maximizing the ratio of the variable x obtained in the same manner from the standard sample group of other livestock species to the variation within the county of the difference between groups (lowest misclassification rate) Can be determined scientifically. When r is 0.493 in the equation for obtaining the variable x, c can be selected from the range of 0 to 0.5. For example, in discrimination between pigs and cows, c can be selected from a range of 0.29 to 0.4, and 0.355 is preferable. For example, in discrimination between pigs and chickens, c can be selected from a range of 0.29 to 0.4, and 0.301 is preferable. Moreover, when the misclassification rate by c calculated | required in this way is large, or when it becomes a serious problem to misclassify pigs as other breeds which are not pigs, discrimination is put on hold (it makes false positive) By setting the range of c, the probability of misclassification can be reduced. The range of c for which discrimination is suspended (false positive) is, for example, when c obtained by the above method in discrimination between pigs and cattle is 0.355, μ−2.326 × σ <c <0.355 When the determination is suspended (false positive), the probability that the pig is erroneously determined to be a cow can be reduced to 1%, and the determination is made when μ−3.09 × σ <c <0.355. By suspending, it is possible to reduce the probability that a pig is erroneously determined to be a cow to 0.1%. Also, in the discrimination between pigs and chickens, by holding the discrimination when μ−3.09 × σ <c <0.301, the probability of misclassifying pigs as chickens is set to 0.1%. be able to. Here, μ and σ are the mean and variance of the population obtained from the pig standard sample, 2.326 is the percent point with a cumulative probability of 1%, and 3.09 is the cumulative probability of 0.1%. Percentage point.
上記の判別式より得られる値ｗが、ｗ＞０の場合には豚肉である、すなわち食品試料が豚肉を含むと判定する。食品試料をラマン顕微鏡で解析する場合には、食品試料中の部分のうちｗ＞０の部分が豚肉であると判定する。
上述したように、豚肉をその他の食肉であると誤判別する確率を低減することを目的として判別を保留するｃの範囲を設けた場合、例えばｗ＞−０．０２の場合に豚肉であると判定する。
When the value w obtained from the above discriminant is w> 0, it is determined that the meat is pork, that is, the food sample contains pork. When analyzing a food sample with a Raman microscope, it is determined that a portion of w> 0 in the food sample is pork.
As described above, when the range of c for which the determination is suspended is provided for the purpose of reducing the probability of erroneous determination of pork as other meat, for example, when w> −0.02, pork judge.
ラマン分光装置としては、ラマン分光計が使用され、例えばＥｎｗａｖｅ社製ＥＺＲａｍａｎ―Ｉが使用される。ラマン分光装置としては、ラマン顕微鏡を使用することが好ましい。ラマン顕微鏡としては、例えばナノフォトン社製ＲＡＭＡＮｐｌｕｓが使用される。ラマン顕微鏡を用いることにより、試料の空間情報とともにラマンスペクトルを得ることができるので、食品試料中の豚肉の部分を特定することができる。特に、食品試料中の豚肉の部分を細胞レベルで特定することができる。さらに、ラマン顕微鏡を用いることにより、食品試料中の豚肉の混入した場所を、精度よく検出することができる。 A Raman spectrometer is used as the Raman spectrometer, for example, EZRaman-I manufactured by Enwave. As the Raman spectroscopic device, it is preferable to use a Raman microscope. As the Raman microscope, for example, RAMANplus manufactured by Nanophoton is used. Since the Raman spectrum can be obtained together with the spatial information of the sample by using the Raman microscope, the pork portion in the food sample can be specified. In particular, pork portions in food samples can be identified at the cellular level. Furthermore, by using a Raman microscope, it is possible to accurately detect a place where pork is mixed in a food sample.
ラマンスペクトルを測定する食品試料の温度は−１０℃〜１０℃の範囲である。ラマンスペクトルを測定するときの食品試料の温度は、食品試料中の脂肪を結晶化させる温度（結晶状態にある温度）と同じ温度とすることができる。食品試料中の脂肪を結晶化させる温度は、検出すべき対象物となる豚肉とそれに混入されると予想される食肉の畜種によって適宜選択することができ、−１０℃〜１０℃の範囲が好ましく、−５℃〜５℃の範囲がより好ましく、０℃が最も好ましい。例えば豚肉（豚脂）と牛肉（牛脂）を判別するためには、−１０℃〜１０℃の範囲が豚肉（豚脂）と牛肉（牛脂）のラマンシフトのピーク強度の差が大きくなるため好ましく、−５℃〜５℃の範囲がより好ましく、０℃が最も好ましい。 The temperature of the food sample for measuring the Raman spectrum is in the range of -10 ° C to 10 ° C. The temperature of the food sample when measuring the Raman spectrum can be the same temperature as the temperature at which the fat in the food sample is crystallized (temperature in the crystalline state). The temperature at which the fat in the food sample is crystallized can be appropriately selected depending on the pork that is the object to be detected and the breed of meat that is expected to be mixed therein, and is preferably in the range of −10 ° C. to 10 ° C. The range of -5 ° C to 5 ° C is more preferable, and 0 ° C is most preferable. For example, in order to discriminate between pork (pork fat) and beef (beef tallow), a range of −10 ° C. to 10 ° C. is preferable because the difference in peak intensity of Raman shift between pork (pork fat) and beef (beef tallow) increases. The range of -5 ° C to 5 ° C is more preferable, and 0 ° C is most preferable.
食品中の豚肉を検出する手順について説明する。
豚肉を含む食品試料はラマン分光装置、特にはラマン顕微鏡（例えば分散型顕微ラマン分光計ナノフォトン社製ＲＡＭＡＮｐｌｕｓ）を用いて豚肉の検出が行われる。
まず、食品試料を厚さ５０〜１５０μｍで準備する。この食品試料は、厚みが明らかなスペーサーなどを用いて食品試料を５０〜１５０μｍの範囲内の所定の厚さとする。
次に、食品試料に励起レーザー光を照射する。励起レーザー光の強度は３０〜３００ｍＷの範囲であり、熱による結晶の融解を避けるため、好ましくは５０ｍＷ以下、より好ましくは３０ｍＷである。励起レーザー光の照射により食肉、特に脂肪（特に脂肪細胞）よりラマン散乱光が生じ、このラマン散乱光を対物レンズで捕集し、ラマン分光器および検出器で検出する。この測定時間は、１スペクトルあたり５分以下、好ましくは３分以下、より好ましくは２分以下、よりさらに好ましくは１分以下である。また、この測定時間は５秒以上、好ましくは１０秒以上、より好ましくは２０秒以上、よりさらに好ましくは３０秒以上である。
得られたラマンスペクトルのうち、所定の中心波数ａ及びｂのラマンバンド、例えばそれぞれ１４１７ｃｍ−１および１２９７ｃｍ−１のラマンバンドを、多変量解析ソフトウェアを備えたコンピュータを用いてローレンツ関数を用いたバンドフィットにより決定する。バンドフィットの結果より得られたラマンバンド（１４１７ｃｍ−１および１２９７ｃｍ−１）の面積強度のデータから、以下の判別式
ｗ ＝ ｘ − ｃ
式中、ｃは豚とその他の食肉の畜種により求まる閾値であり、例えばｃ＝０．３５５であり、及びｘは食品試料中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、
ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）、例えばｒ＝０．４９３、及びＩ１４１７／Ｉ１２９７を用いて、
ｗ＞０の場合には、豚肉であると判断することにより、食品試料中に豚肉が存在しているか否かを判定する。ラマン分光装置としてラマン顕微鏡を用いる場合には、食品試料中の豚肉の分布、すなわち食品試料中の豚肉が存在する場所も特定できる。
A procedure for detecting pork in food will be described.
A food sample containing pork is subjected to detection of pork using a Raman spectroscope, particularly a Raman microscope (for example, RAMANplus manufactured by Nanophoton, a dispersive microscopic Raman spectrometer).
First, a food sample is prepared with a thickness of 50 to 150 μm. The food sample is made to have a predetermined thickness in the range of 50 to 150 μm using a spacer having a clear thickness.
Next, an excitation laser beam is irradiated to the food sample. The intensity of the excitation laser light is in the range of 30 to 300 mW, and is preferably 50 mW or less, more preferably 30 mW in order to avoid melting of the crystal due to heat. Irradiation with excitation laser light generates Raman scattered light from meat, particularly fat (especially fat cells). The Raman scattered light is collected by an objective lens and detected by a Raman spectrometer and a detector. This measurement time is 5 minutes or less per spectrum, preferably 3 minutes or less, more preferably 2 minutes or less, and even more preferably 1 minute or less. The measurement time is 5 seconds or longer, preferably 10 seconds or longer, more preferably 20 seconds or longer, and even more preferably 30 seconds or longer.
Of the Raman spectrum obtained, the Raman bands of predetermined center wavenumber a and b, for example, the Raman bands of 1417cm -1 and 1297cm -1, respectively, were used Lorentzian using a computer equipped with a multivariate analysis software Band Determine by fit. From the area intensity data of the Raman bands (1417 cm −1 and 1297 cm −1 ) obtained from the result of band fitting, the following discriminant w = x−c
In the formula, c is a threshold value determined by pig and other meat breeds, for example, c = 0.355, and x is a β′-type crystal polymorph in the fat crystals contained in the fat cells in the food sample Which is a variable determined by the ratio of
Using x = (1 / r) × (I a / I b ), for example r = 0.493, and I 1417 / I 1297 ,
If w> 0, it is determined whether pork is present in the food sample by determining that it is pork. When a Raman microscope is used as the Raman spectroscopic device, the distribution of pork in the food sample, that is, the place where the pork in the food sample exists can be specified.
本発明の方法は、食品試料中の豚肉の検出、特には食肉中の豚肉の検出、さらには合挽肉、例えば牛肉と豚肉の合挽肉、鶏肉と豚肉の合挽肉中の豚肉の検出に使用することができる。また、食品試料をそのままの状態、すなわち食品試料の形状及び構造を保ったまま、その食品試料の表面に存在する豚肉の検出に使用することができる。さらに、合挽肉中の豚肉と判定された部分（脂肪細胞）の割合を求めることにより、食品試料中の豚肉の割合、特には食品試料中の脂肪に占める豚の割合を推定することができる。さらに豚混入の迅速検出が必要な、食品の品質管理分野においても利用が可能である。加えて、アレルギーや宗教的観点から、検出精度が非常に重要な問題となる食品分野において、かかる問題を解決した検出精度が非常に高い豚肉の迅速な検出方法を提供できる。 The method of the present invention is used for the detection of pork in food samples, in particular for the detection of pork in meat, as well as for the detection of pork in minced meat, eg minced meat of beef and pork, minced meat of chicken and pork. be able to. Further, the food sample can be used for detection of pork present on the surface of the food sample as it is, that is, while maintaining the shape and structure of the food sample. Furthermore, the ratio of pork in a food sample, particularly the ratio of pork to fat in a food sample, can be estimated by determining the ratio of the portion (adip cell) determined to be pork in the ground meat. It can also be used in the field of food quality control, which requires rapid detection of swine contamination. In addition, in the food field where detection accuracy is a very important issue from allergies and religious viewpoints, it is possible to provide a rapid detection method for pork with very high detection accuracy that solves this problem.
［実施例１］
室温条件下で豚肉、牛肉、及び鶏肉であることが明らかな挽肉標準試料をそれぞれカバーガラスに挟み、食肉中の細胞を潰さないように注意して、１００μｍの厚さに調製した。
２３℃の温度に保持した温度制御ステージ（Ｌｉｎｋａｍ社製型番１００２１）を設置したラマン顕微鏡（ナノフォトン社製型番ＲＡＭＡＮｐｌｕｓ）に試料を設置した。試料は乾燥窒素ガス雰囲気とした。２３℃の温度にて５分間保持した後、毎秒−２０℃の速度で０℃まで急速冷却し、０℃で５分間保持して食品試料中の脂肪を結晶化させた。
次いで、各動物種の挽肉試料中に観察された脂肪細胞を１００個ランダムに選び、そのラマンスペクトルを以下の条件で取得した。
後方ラマン散乱光を計測した。Ｘ−Ｙ方向空間分解能は６μｍ、Ｚ方向空間分解能は１８０μｍ、波数分解能は１．１ｃｍ−１であり、測定時間は１分であった。
取得した脂肪細胞のラマンスペクトルのデータを多変量解析ソフトウェアを備えたコンピュータ解析装置に送り、ラマンスペクトルのうち１４１７ｃｍ−１および１２９７ｃｍ−１のラマンバンドを選定し、ｒ＝０．４９３と規定して、ｘを求めた。
当該標準試料群（豚肉、牛肉および鶏肉の脂肪細胞１００個）の持つ変数ｘ（判別式中のｘ）について、群間の差の郡内の変動に対する比を最大にする（誤判別率を最も低くする）閾値として、統計学的に判別式中ｃを求めた結果、豚と牛のｃは０．３５５、豚と鶏のｃは０．３０１であった。このときの誤判別率はそれぞれ、４％および１％であった。
豚と牛の判別において、０．３３５＜ｃ＜０．３５５のとき判別を保留する（擬陽性とする）ことで、豚を誤って牛であると誤判別する確率を１％にすることができ、０．２９２＜ｃ＜０．３５５のとき判別を保留することで、豚を誤って牛であると誤判別する確率を０．１％にすることができた。
また、豚と鶏の判別において、０．２９２＜ｃ＜０．３０１のとき判別を保留することで、豚を誤って鶏であると誤判別する確率を０．１％にすることができた。
[Example 1]
A ground standard sample, which is apparently pork, beef and chicken, was sandwiched between cover glasses at room temperature, and prepared to a thickness of 100 μm, taking care not to crush cells in the meat.
A sample was placed on a Raman microscope (model number RAMANplus manufactured by Nanophoton) equipped with a temperature control stage (model number 10021 manufactured by Linkam) maintained at a temperature of 23 ° C. The sample was a dry nitrogen gas atmosphere. After maintaining at a temperature of 23 ° C. for 5 minutes, it was rapidly cooled to 0 ° C. at a rate of −20 ° C. per second and held at 0 ° C. for 5 minutes to crystallize the fat in the food sample.
Subsequently, 100 fat cells observed in the minced meat sample of each animal species were randomly selected, and the Raman spectrum was obtained under the following conditions.
Backward Raman scattered light was measured. The spatial resolution in the XY direction was 6 μm, the spatial resolution in the Z direction was 180 μm, the wave number resolution was 1.1 cm −1 , and the measurement time was 1 minute.
The obtained Raman spectrum data of adipocytes is sent to a computer analyzer equipped with multivariate analysis software, and the Raman bands of 1417 cm −1 and 1297 cm −1 are selected from the Raman spectra, and r = 0.493 is specified. , X was obtained.
For the variable x (x in the discriminant) of the standard sample group (100 pork, beef and chicken adipocytes), the ratio of the difference between groups to the variation within the county is maximized (the misclassification rate is the highest). As a threshold value, c was statistically determined in the discriminant, and as a result, c of pig and cow was 0.355, and c of pig and chicken was 0.301. The misclassification rates at this time were 4% and 1%, respectively.
In the discrimination between pigs and cattle, by holding the discrimination when 0.335 <c <0.355 (assuming a false positive), the probability of misclassifying a pig as a cattle can be reduced to 1%. By holding the discrimination when 0.292 <c <0.355, the probability of misclassifying pigs as cattle could be reduced to 0.1%.
Moreover, in the discrimination between pigs and chickens, by holding the discrimination when 0.292 <c <0.301, the probability of misclassifying pigs as chickens could be reduced to 0.1%. .
［実施例２］
牛および豚からなることが明らかな標準試料を使用し、実施例１と同様の条件で、試料の結晶化とラマンスペクトル測定をおこない、ラマンスペクトルより各測定点のｘの値をｒ＝０．４９３と規定して求めた。測定点は、試料のＸ−Ｙ同一平面内の２５μｍ間隔の点とした。判別式中ｃには実施例１で牛と豚の判別の閾値として得た０．３５５を用いてｗを求め、ｗ＞０の場合には豚であると判定した。
[Example 2]
Using a standard sample apparently consisting of cattle and pigs, crystallization of the sample and measurement of a Raman spectrum were performed under the same conditions as in Example 1. From the Raman spectrum, the value of x at each measurement point was set to r = 0. It was determined as 493. The measurement points were 25 μm intervals in the same XY plane of the sample. In the discriminant c, w was obtained using 0.355 obtained as the threshold for discriminating between cows and pigs in Example 1, and when w> 0, it was determined that the animal was a pig.
［実施例３］
鶏−豚の標準試料を使用した以外は、実施例２と同様の方法で、ｘの値を求めた。判別式中ｃには実施例１で鶏と豚の判別の閾値として得た０．３０１を用いてｗを求め、ｗ＞０の場合には豚であると判定した。
[Example 3]
The value of x was determined in the same manner as in Example 2 except that a chicken-pig standard sample was used. In the discriminant c, w was obtained using 0.301 obtained as the threshold for discriminating chickens and pigs in Example 1, and when w> 0, it was determined to be a pig.
これら実施例２及び実施例３の結果を図１に示す。図１の左列が実施例２の食品試料の測定結果であり、図１の右列が実施例３の食品試料の測定結果である。図１の（ａ）は光学像、（ｂ）は脂肪の結晶に占めるβ´型結晶多形の割合、すなわち判別式中のｘの値、及び（ｃ）は判別式による判別結果であるｗ、すなわち（ｂ）の値であるｘよりｃ値（０．３５５）を減じた値を二値化してそれぞれ表すものである。図１の左列の（ｃ）より、ｗ＞０で示される部分は着色で表される（カラーで示す場合には赤色）豚肉の部分（右側）であり、牛肉の部分（左側）と明確に区別できた。
また、図１の右列の（ｃ）より、判別式の値がｗ＞０（ｃ＝０．３０１）で示される部分は着色して表される（カラーで示す場合には赤色）豚肉の部分（右側）であり、鶏肉の部分（左側）と明確に区別できた。よって、判別式ｗの値が、ｗ＞０の場合には豚肉であると判別できる。
また、細胞を潰すことなく、試料を１００μｍの薄層として結晶化したので、食品試料中の豚の部分（場所）を細胞レベルで検出できた。
The results of Examples 2 and 3 are shown in FIG. The left column of FIG. 1 is the measurement result of the food sample of Example 2, and the right column of FIG. 1 is the measurement result of the food sample of Example 3. 1A shows an optical image, FIG. 1B shows the proportion of β′-type crystal polymorphs in fat crystals, that is, the value of x in the discriminant, and FIG. 1C shows the discriminant result by the discriminant. That is, the values obtained by subtracting the c value (0.355) from the value x of (b) are binarized and expressed respectively. From (c) in the left column of FIG. 1, the portion indicated by w> 0 is colored (red in the case of color) is the pork portion (right side), and is clearly the beef portion (left side). Could be distinguished.
Further, from (c) in the right column of FIG. 1, the part where the value of the discriminant is represented by w> 0 (c = 0.301) is represented by coloring (red in the case of color) of pork. It was a part (right side) and could be clearly distinguished from the chicken part (left side). Therefore, when the value of the discriminant w is w> 0, it can be determined that the meat is pork.
Further, since the sample was crystallized as a thin layer of 100 μm without crushing the cells, the porcine part (location) in the food sample could be detected at the cellular level.
［実施例４］
牛と豚の合挽肉の食品試料を使用した以外は、実施例２と同様の方法で、食品試料の結晶化を行い、ラマンスペクトルを得て、ｃ＝０．３５５と規定して食品試料中の各部位のｗの値を求めた。
その結果を図２に示す。図２の左側が光学像であり、右側は判別式ｗにより求めた判別結果を表すものである。右側の図より、牛と豚の合挽肉の食品試料を使用した場合であっても、ｗ＞０で示される部分は着色で表される（カラーで示す場合には赤色）豚肉の部分であり、牛肉の部分と明確に区別できた。
よって、合挽肉の場合であっても、判別式ｗを用いることで豚肉が位置を明らかにして検出できる。
[Example 4]
The food sample was crystallized in the same manner as in Example 2 except that a ground beef and pork food sample was used, and a Raman spectrum was obtained. In the food sample, c = 0.355 was specified. The value of w at each site was determined.
The result is shown in FIG. The left side of FIG. 2 is an optical image, and the right side represents a discrimination result obtained by the discriminant w. From the figure on the right side, even when using a ground beef and pork food sample, the portion indicated by w> 0 is the portion of pork that is colored (red when shown in color) It was clearly distinguishable from the beef portion.
Therefore, even in the case of ground meat, the position of pork can be detected by using the discriminant w.
［実施例５〜１１］
豚肉（脂肪２９重量％）と牛肉（脂肪２５重量％）とを、以下の所定の比率（重量％）、０：１００（実施例５）、２０：８０（実施例６）、３５：６５（実施例７）、５０：５０（実施例８）、６５：３５（実施例９）、８０：２０（実施例１０）及び１００：０（実施例１１）で混合して調製した合挽肉の試料をそれぞれ使用した以外は、実施例２と同様の方法で、試料の結晶化を行い、試料に含まれる約１００個の脂肪細胞のラマンスペクトルを得て、各細胞のｗの値を求めた。判別式中、ｃは実施例１で得た０．３５５を用いた。ｗ＞０の場合には豚の細胞であると判定した。
その結果を図３に示す。図３は、本発明の方法により豚と判定された脂肪細胞の割合（％）（横軸）と合挽肉の脂肪に占める豚の割合（重量％）（縦軸）との関係を示す。本発明の方法により豚と判定された脂肪細胞の割合（％）は、０％（実施例５）、３７％（実施例６）、５６％（実施例７）、５７％（実施例８）、７６％（実施例９）、９２％（実施例１０）及び９６％（実施例１１）であった。これに対し、合挽肉の脂肪に占める豚の割合（重量％）は、０％（実施例５）、２２％（実施例６）、３８％（実施例７）、５４％（実施例８）、６８％（実施例９）、８２％（実施例１０）及び１００％（実施例１１）であった。
図３より、本発明の方法により豚と判定された脂肪細胞の割合（％）と、合挽肉の脂肪に占める豚の割合（重量％）とは、２次関数ｙ＝ａ０＋ａ１ｘ＋ａ２ｘ２を用いて回帰分析をおこなうと、回帰線ｙ＝−０．４９０＋０．４９２ｘ＋０．００５２７ｘ２が得られ、決定係数Ｒ２は０．９７５であり、非常に高い相関が得られた。合挽肉の脂肪に占める豚の割合を求めることのできる新しい方法として、活用が期待できる。また、実施例８の豚肉（脂肪２９重量％）：牛肉（脂肪２５重量％）＝５０：５０の試料中の脂肪細胞１０１個のｗの値を以下の表に示す。
[Examples 5 to 11]
Pork (fat 29% by weight) and beef (fat 25% by weight) are mixed in the following predetermined ratio (% by weight), 0: 100 (Example 5), 20:80 (Example 6), 35:65 ( Samples of ground meat prepared by mixing in Example 7), 50:50 (Example 8), 65:35 (Example 9), 80:20 (Example 10) and 100: 0 (Example 11) The sample was crystallized in the same manner as in Example 2 except that each was used to obtain a Raman spectrum of about 100 fat cells contained in the sample, and the value of w for each cell was determined. In the discriminant, 0.355 obtained in Example 1 was used as c. When w> 0, it was determined to be a porcine cell.
The result is shown in FIG. FIG. 3 shows the relationship between the proportion (%) of fat cells determined to be pigs by the method of the present invention (horizontal axis) and the proportion (% by weight) of pigs in fat of minced meat (vertical axis). The ratio (%) of fat cells determined to be pigs by the method of the present invention was 0% (Example 5), 37% (Example 6), 56% (Example 7), 57% (Example 8). , 76% (Example 9), 92% (Example 10) and 96% (Example 11). On the other hand, the proportion (% by weight) of pigs in the fat of minced meat is 0% (Example 5), 22% (Example 6), 38% (Example 7), 54% (Example 8). 68% (Example 9), 82% (Example 10) and 100% (Example 11).
From FIG. 3, the ratio (%) of fat cells determined to be pigs by the method of the present invention and the ratio (% by weight) of pigs to fat in ground meat are quadratic functions y = a 0 + a 1 x + a 2. Doing regression analysis using x 2, the regression line y = -0.490 + 0.492x + 0.00527x 2 is obtained, the coefficient of determination R 2 is 0.975, very high correlation was obtained. It can be expected to be used as a new method that can determine the proportion of pigs in fat in minced meat. Moreover, the value of w of 101 fat cells in the sample of pork (fat 29% by weight): beef (fat 25% by weight) = 50: 50 in Example 8 is shown in the following table.
表１から、合挽肉の脂肪に占める豚の割合が５４重量％である試料を用いた実施例８の場合には、本発明の方法により豚と判定された脂肪細胞の割合が５７．４％（１０１個中５８個）であり、本方法により豚と判定された脂肪細胞の割合（％）から予測される合挽肉の脂肪に占める豚の割合（重量％）は３５〜５５重量％（回帰線９５％信頼域）となり、実際の値５４重量％は当範囲内となり、本発明の方法により合挽肉の脂肪に占める豚の割合を推定できることが明らかになった。 From Table 1, in the case of Example 8 using a sample in which the proportion of pigs in the fat of minced meat is 54% by weight, the proportion of fat cells determined to be pigs by the method of the present invention is 57.4%. (58 out of 101), and the proportion (% by weight) of pigs in fat of ground meat predicted from the proportion (%) of fat cells determined to be pigs by this method is 35 to 55% by weight (regression) The actual value of 54% by weight falls within this range, and it has been clarified that the proportion of pigs in the fat of ground meat can be estimated by the method of the present invention.
［実施例１２］
食品試料の厚さを、食品試料の形態及び構造を保ったままで測定できる厚さである２ｍｍとする以外は、実施例４と同じ食品試料及び同じ方法で、食品試料の結晶化を行い、ラマンスペクトルを得て、ｃ＝０．３５５と規定して、食品試料中の表面の各部位のｗの値（縦方向１．２ｃｍ×横方向１．２ｃｍの試料範囲においてそれぞれ１ｍｍ単位の幅で測定）を求めた。その結果を図４及び表２に示す。
[Example 12]
The food sample is crystallized by the same food sample and the same method as in Example 4 except that the thickness of the food sample is 2 mm, which is a thickness that can be measured while maintaining the form and structure of the food sample. Obtain a spectrum and define c = 0.355, and measure the value of w for each part of the surface in the food sample (in the sample range of 1.2 cm in the vertical direction × 1.2 cm in the horizontal direction, each with a width of 1 mm. ) The results are shown in FIG.
図４の左側が試料の光学写真であり、右側は判別式ｗにより求めた判別結果を表すものである。右側の図より、食品試料、すなわち牛と豚の合挽肉の形態及び構造を保ったままの厚さであっても、表２より求められたｗ＞０で示される部分は、着色（カラーで示す場合には赤色）で示される豚肉の部分であり、牛肉とはその表面上の場所を含め明確に区別できた。
よって、食品試料の形態及び構造を保ったままで測定できる厚さの食品試料の場合であっても、抽出処理等の特段の試料前処理をすること無く、判別式を用いることで食品試料の表面における豚肉の詳細な位置を明らかにして感度良く検出できる。
The left side of FIG. 4 is an optical photograph of the sample, and the right side represents the discrimination result obtained by the discriminant w. From the figure on the right side, even if the thickness of the food sample, that is, the shape and structure of the ground beef of beef and pork is maintained, the portion indicated by w> 0 obtained from Table 2 is colored (in color It is the pork portion shown in red), and it was clearly distinguishable from beef, including its location on the surface.
Therefore, even in the case of a food sample having a thickness that can be measured while maintaining the form and structure of the food sample, the surface of the food sample can be obtained by using a discriminant without using a special sample pretreatment such as an extraction process. The detailed position of pork can be clarified and detected with high sensitivity.
Claims (8)
食品試料を厚さ３０〜２００μｍで準備し、
当該食品試料にレーザー光を照射して、ラマン分光装置によりラマンスペクトルを得、
当該ラマンスペクトル中から所定の中心波数（ラマンシフト）ａ及びｂのラマンバンドをそれぞれ選定し、ここで、中心波数ａのラマンバンドは豚肉に特異的な結晶多形のラマンバンドであり、そして、中心波数ｂのラマンバンドは結晶状態にある脂肪に特異的なラマンバンドであり、
食品試料中の脂肪が結晶状態にある温度において、
以下の判別式
ｗ ＝ ｘ − ｃ
式中、ｃは豚とその他の食肉の畜種により求まる閾値であり、及び
ｘは食品試料中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、
ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）であり、ここでＩａは当該中心波数ａのラマンバンドの強度であり、Ｉｂは当該中心波数ｂのラマンバンドの強度であり、そして１／ｒはＩａのＩｂに対する強度補正係数であって、かつｒは０より大きい値である、を用いて、
ｗ＞０の場合には、食品が豚肉を含むと判定する、
方法。 A method for detecting pork in food,
Prepare a food sample with a thickness of 30-200 μm,
Irradiate the food sample with laser light to obtain a Raman spectrum by a Raman spectrometer,
A Raman band of a predetermined center wave number (Raman shift) a and b is selected from the Raman spectrum, where the Raman band of center wave number a is a Raman band of a crystalline polymorph specific to pork, and The Raman band of central wave number b is a Raman band specific to fat in the crystalline state,
At a temperature where the fat in the food sample is in a crystalline state,
The following discriminant w = x-c
Where c is a threshold value determined by pig and other meat breeds, and x is a variable determined by the ratio of β′-type crystal polymorphism in fat crystals contained in fat cells in the food sample,
x = (1 / r) × (I a / I b ), where I a is the intensity of the Raman band of the center wave number a, I b is the intensity of the Raman band of the center wave number b, 1 / r is an intensity correction coefficient for I b of I a , and r is a value greater than 0,
If w> 0, determine that the food contains pork,
Method.
食品試料を、当該食品試料がそのままの状態を保っている状態で準備し、
当該食品試料にレーザー光を照射して、ラマン分光装置によりラマンスペクトルを得、
当該ラマンスペクトル中から所定の中心波数（ラマンシフト）ａ及びｂのラマンバンドをそれぞれ選定し、ここで、中心波数ａのラマンバンドは豚肉に特異的な結晶多形のラマンバンドであり、そして、中心波数ｂのラマンバンドは結晶状態にある脂肪に特異的なラマンバンドであり、
食品試料中の脂肪が結晶状態にある温度において、
以下の判別式
ｗ ＝ ｘ − ｃ
式中、ｃは豚とその他の食肉の畜種により求まる閾値であり、及び
ｘは食品試料中の脂肪細胞に含まれる脂肪の結晶に占めるβ´型結晶多形の割合により求まる変数であって、
ｘ＝（１／ｒ）×（Ｉａ／Ｉｂ）であり、ここでＩａは当該中心波数ａのラマンバンドの強度であり、Ｉｂは当該中心波数ｂのラマンバンドの強度であり、そして１／ｒはＩａのＩｂに対する強度補正係数であって、かつｒは０より大きい値である、を用いて、
ｗ＞０の場合には、食品が豚肉を含むと判定する、
方法。 A method for detecting pork in food,
Prepare a food sample with the food sample intact,
Irradiate the food sample with laser light to obtain a Raman spectrum by a Raman spectrometer,
A Raman band of a predetermined center wave number (Raman shift) a and b is selected from the Raman spectrum, where the Raman band of center wave number a is a Raman band of a crystalline polymorph specific to pork, and The Raman band of central wave number b is a Raman band specific to fat in the crystalline state,
At a temperature where the fat in the food sample is in a crystalline state,
The following discriminant w = x-c
Where c is a threshold value determined by pig and other meat breeds, and x is a variable determined by the ratio of β′-type crystal polymorphism in fat crystals contained in fat cells in the food sample,
x = (1 / r) × (I a / I b ), where I a is the intensity of the Raman band of the center wave number a, I b is the intensity of the Raman band of the center wave number b, 1 / r is an intensity correction coefficient for I b of I a , and r is a value greater than 0,
If w> 0, determine that the food contains pork,
Method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014165110A JP6436452B2 (en) | 2013-08-16 | 2014-08-14 | How to detect pork in food |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013169248 | 2013-08-16 | ||
| JP2013169248 | 2013-08-16 | ||
| JP2014165110A JP6436452B2 (en) | 2013-08-16 | 2014-08-14 | How to detect pork in food |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018209437A Division JP6624404B2 (en) | 2013-08-16 | 2018-11-07 | A method for measuring the proportion of pig fat in meat product fat. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015057596A true JP2015057596A (en) | 2015-03-26 |
| JP6436452B2 JP6436452B2 (en) | 2018-12-12 |
Family
ID=52815719
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014165110A Active JP6436452B2 (en) | 2013-08-16 | 2014-08-14 | How to detect pork in food |
| JP2018209437A Active JP6624404B2 (en) | 2013-08-16 | 2018-11-07 | A method for measuring the proportion of pig fat in meat product fat. |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018209437A Active JP6624404B2 (en) | 2013-08-16 | 2018-11-07 | A method for measuring the proportion of pig fat in meat product fat. |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP6436452B2 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101951758B1 (en) * | 2017-11-17 | 2019-02-25 | 광주과학기술원 | Method for quantitative analysis of pork lard in a fat mixture using raman spectroscopy and apparatus for the same |
| JP2019158818A (en) * | 2018-03-16 | 2019-09-19 | 静岡県公立大学法人 | Method of identifying species |
| CN110715917A (en) * | 2019-10-08 | 2020-01-21 | 浙江大学 | Pork and beef classification method based on Raman spectrum |
| CN112557328A (en) * | 2020-12-23 | 2021-03-26 | 浙江农林大学 | Pork quality nondestructive testing device and method |
| CN112683849A (en) * | 2020-12-23 | 2021-04-20 | 浙江农林大学 | Pork quality nondestructive testing method |
| CN113866153A (en) * | 2021-09-27 | 2021-12-31 | 江南大学 | Method for rapidly detecting freshness of pork based on Raman spectrum technology |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7394376B2 (en) * | 2019-08-29 | 2023-12-08 | Ｐｉｅｚｏｔｅｃｈ Ｊａｐａｎ有限会社 | Food and beverage Raman analysis information provision system and provision method |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003530568A (en) * | 2000-04-11 | 2003-10-14 | シェモメテック・アクティーゼルスカブ | Method and apparatus for detecting fluorescence of a sample |
| JP2009244259A (en) * | 2008-03-12 | 2009-10-22 | Kao Corp | Liquid water content technique and contact agent |
| US20100056898A1 (en) * | 2005-06-13 | 2010-03-04 | Mckenna David R | Objective Methods of Estimating Age of Animals and Carcasses |
| JP2010532865A (en) * | 2007-06-28 | 2010-10-14 | リバー ダイアグノスティックス ベー．フェー． | How to determine the possibility of mutation |
| WO2011072380A1 (en) * | 2009-12-17 | 2011-06-23 | British Columbia Cancer Agency Branch | Apparatus and methods for in vivo tissue characterization by raman spectroscopy |
| JP2012042248A (en) * | 2010-08-16 | 2012-03-01 | Saimu:Kk | Raman scattering signal acquisition device and plastic discriminating device, and raman scattering signal acquisition method and plastic discriminating method |
| US20120208184A1 (en) * | 2010-11-15 | 2012-08-16 | Timothy Ragan | Systems and methods for imaging and processing tissue |
| JP2012526982A (en) * | 2009-05-11 | 2012-11-01 | コリア リサーチ インスティテュート オブ スタンダーズ アンド サイエンス | A system for diagnosing pathological changes in intravascular lipids using a nonlinear optical microscope |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006300611A (en) * | 2005-04-18 | 2006-11-02 | Hamamatsu Photonics Kk | Sample analyzer and sample analyzing method using it |
| US7603151B2 (en) * | 2006-08-22 | 2009-10-13 | Bayer Healthcare Llc | Non-invasive methods of using spectral information in determining analyte concentrations |
| US8699019B2 (en) * | 2011-07-13 | 2014-04-15 | OptoTrace (SuZhou) Technologies, Inc. | Assuring food safety using nano-structure based spectral sensing |
-
2014
- 2014-08-14 JP JP2014165110A patent/JP6436452B2/en active Active
-
2018
- 2018-11-07 JP JP2018209437A patent/JP6624404B2/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003530568A (en) * | 2000-04-11 | 2003-10-14 | シェモメテック・アクティーゼルスカブ | Method and apparatus for detecting fluorescence of a sample |
| US20040061070A1 (en) * | 2000-04-11 | 2004-04-01 | Hansen Frans Ejner Ravn | Method and apparatus for detecting fluorescene of a sample |
| US20100056898A1 (en) * | 2005-06-13 | 2010-03-04 | Mckenna David R | Objective Methods of Estimating Age of Animals and Carcasses |
| JP2010532865A (en) * | 2007-06-28 | 2010-10-14 | リバー ダイアグノスティックス ベー．フェー． | How to determine the possibility of mutation |
| JP2009244259A (en) * | 2008-03-12 | 2009-10-22 | Kao Corp | Liquid water content technique and contact agent |
| JP2012526982A (en) * | 2009-05-11 | 2012-11-01 | コリア リサーチ インスティテュート オブ スタンダーズ アンド サイエンス | A system for diagnosing pathological changes in intravascular lipids using a nonlinear optical microscope |
| WO2011072380A1 (en) * | 2009-12-17 | 2011-06-23 | British Columbia Cancer Agency Branch | Apparatus and methods for in vivo tissue characterization by raman spectroscopy |
| JP2013514520A (en) * | 2009-12-17 | 2013-04-25 | ブリティッシュ コロンビア キャンサー エージェンシー ブランチ | Apparatus and method for in vivo tissue characterization by Raman spectroscopy |
| JP2012042248A (en) * | 2010-08-16 | 2012-03-01 | Saimu:Kk | Raman scattering signal acquisition device and plastic discriminating device, and raman scattering signal acquisition method and plastic discriminating method |
| US20120208184A1 (en) * | 2010-11-15 | 2012-08-16 | Timothy Ragan | Systems and methods for imaging and processing tissue |
Non-Patent Citations (1)
| Title |
|---|
| MOTOYAMA M. ET AL: "Differentiation of Animal Fats from Different Origins: Use of Polymorphic Features Detected by Raman", APPLIED SPECTROSCOPY, vol. 64, no. 11, JPN6018008963, 11 November 2010 (2010-11-11), pages 1244 - 1250, ISSN: 0003756218 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101951758B1 (en) * | 2017-11-17 | 2019-02-25 | 광주과학기술원 | Method for quantitative analysis of pork lard in a fat mixture using raman spectroscopy and apparatus for the same |
| JP2019158818A (en) * | 2018-03-16 | 2019-09-19 | 静岡県公立大学法人 | Method of identifying species |
| JP7100790B2 (en) | 2018-03-16 | 2022-07-14 | 静岡県公立大学法人 | Species discrimination method |
| CN110715917A (en) * | 2019-10-08 | 2020-01-21 | 浙江大学 | Pork and beef classification method based on Raman spectrum |
| CN112557328A (en) * | 2020-12-23 | 2021-03-26 | 浙江农林大学 | Pork quality nondestructive testing device and method |
| CN112683849A (en) * | 2020-12-23 | 2021-04-20 | 浙江农林大学 | Pork quality nondestructive testing method |
| CN112557328B (en) * | 2020-12-23 | 2022-05-31 | 浙江农林大学 | Pork quality nondestructive testing device and method |
| CN113866153A (en) * | 2021-09-27 | 2021-12-31 | 江南大学 | Method for rapidly detecting freshness of pork based on Raman spectrum technology |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019060878A (en) | 2019-04-18 |
| JP6436452B2 (en) | 2018-12-12 |
| JP6624404B2 (en) | 2019-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6624404B2 (en) | A method for measuring the proportion of pig fat in meat product fat. | |
| Li et al. | Recent advances in nondestructive analytical techniques for determining the total soluble solids in fruits: a review | |
| ElMasry et al. | Non-destructive determination of water-holding capacity in fresh beef by using NIR hyperspectral imaging | |
| Schmidt et al. | Preliminary investigation on the relationship of Raman spectra of sheep meat with shear force and cooking loss | |
| CN104048939A (en) | Near infrared rapid detection method for blood sugar content in live pig blood | |
| CN109444199A (en) | Utilize the refrigeration degree of beef freshness lossless detection method of low-field nuclear magnetic resonance technology | |
| JP2017227471A (en) | Nondestructive inspection device of hatching egg, and hatching egg inspection program used for the same | |
| CN103760110A (en) | Method for rapidly identifying meat with different animal sources | |
| CN106967838A (en) | A kind of RPA primers, kit and detection method for detecting duck derived component | |
| Sahar et al. | Classification and characterization of beef muscles using front-face fluorescence spectroscopy | |
| EP3864398A1 (en) | System and method for quantification of bacteria in water using fluorescence spectra measurements and machine-learning | |
| JP3878782B2 (en) | Food condition evaluation method and food condition evaluation apparatus | |
| JP2017051162A (en) | Method and device for estimating viable cell count on sample surface, and program incorporated into the device | |
| Jaafreh et al. | Rapid poultry spoilage evaluation using portable fiber-optic Raman spectrometer | |
| Liu et al. | Rapid determination of egg yolk contamination in egg white by VIS spectroscopy | |
| JP2016045179A (en) | Cheese maturation degree indicator estimating method, cheese maturation degree indicator estimating device, computer-executable program, natural cheese, processed cheese, and manufacturing method for processed cheese | |
| CN106987647A (en) | A kind of RPA primers, kit and detection method for detecting pig derived component | |
| JP5840845B2 (en) | Hazard factor determination method, hazard factor determination device, and program | |
| Shirai et al. | Nondestructive hygiene monitoring on pork meat surface using excitation–emission matrices with two-dimensional Savitzky–Golay second-order differentiation | |
| Tejerina et al. | Use of near-infrared spectroscopy to discriminate DFD beef and predict meat quality traits in autochthonous breeds | |
| Subramani et al. | Rotational dynamics of optically trapped human spermatozoa | |
| US20050153359A1 (en) | Method for the evaluation of velvet antler | |
| Vasefi et al. | Multimode hyperspectral imaging for food quality and safety | |
| CN107884390A (en) | Utilize the method for the unknown pollution of spectroscopic methodology detection Juice | |
| Prieto et al. | Application of hyperspectral imaging on meat and meat products. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170524 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180313 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180511 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181009 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181107 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6436452 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |