JP2021081407A - 輸入牛肉産地の混合追跡方法およびシステム - Google Patents
輸入牛肉産地の混合追跡方法およびシステム Download PDFInfo
- Publication number
- JP2021081407A JP2021081407A JP2020009725A JP2020009725A JP2021081407A JP 2021081407 A JP2021081407 A JP 2021081407A JP 2020009725 A JP2020009725 A JP 2020009725A JP 2020009725 A JP2020009725 A JP 2020009725A JP 2021081407 A JP2021081407 A JP 2021081407A
- Authority
- JP
- Japan
- Prior art keywords
- data
- sample
- discrimination model
- beef
- model based
- 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
- 235000015278 beef Nutrition 0.000 title claims abstract description 382
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 25
- 239000000203 mixture Substances 0.000 title abstract description 20
- 150000001413 amino acids Chemical class 0.000 claims abstract description 133
- 239000002366 mineral element Substances 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 80
- 230000003595 spectral effect Effects 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 14
- 239000000523 sample Substances 0.000 claims description 274
- 238000002329 infrared spectrum Methods 0.000 claims description 91
- 239000013074 reference sample Substances 0.000 claims description 41
- 238000001228 spectrum Methods 0.000 claims description 32
- 238000007689 inspection Methods 0.000 claims description 28
- 229910052719 titanium Inorganic materials 0.000 claims description 24
- 238000001035 drying Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- 238000005238 degreasing Methods 0.000 claims description 9
- 239000006185 dispersion Substances 0.000 claims description 9
- 230000008676 import Effects 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 7
- 230000000155 isotopic effect Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 230000003711 photoprotective effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000002156 mixing Methods 0.000 claims 2
- 238000001914 filtration Methods 0.000 claims 1
- 238000000227 grinding Methods 0.000 claims 1
- 238000005498 polishing Methods 0.000 claims 1
- 229910052757 nitrogen Inorganic materials 0.000 abstract description 4
- 229910052791 calcium Inorganic materials 0.000 abstract description 3
- 229910052801 chlorine Inorganic materials 0.000 abstract description 3
- 229910052749 magnesium Inorganic materials 0.000 abstract description 3
- 229910052698 phosphorus Inorganic materials 0.000 abstract description 3
- 229910052700 potassium Inorganic materials 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 24
- 239000011669 selenium Substances 0.000 description 20
- 239000002689 soil Substances 0.000 description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 20
- 230000008569 process Effects 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 13
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 12
- 241000196324 Embryophyta Species 0.000 description 10
- 238000005070 sampling Methods 0.000 description 9
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 238000000354 decomposition reaction Methods 0.000 description 7
- 235000013305 food Nutrition 0.000 description 7
- 239000000706 filtrate Substances 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 241000283690 Bos taurus Species 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 4
- 241001465385 Solandra grandiflora Species 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000000862 absorption spectrum Methods 0.000 description 4
- 238000009395 breeding Methods 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 4
- 235000019197 fats Nutrition 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 239000003208 petroleum Substances 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 102000004169 proteins and genes Human genes 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000009360 aquaculture Methods 0.000 description 3
- 244000144974 aquaculture Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 235000008935 nutritious Nutrition 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 2
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052804 chromium Inorganic materials 0.000 description 2
- 239000011651 chromium Substances 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 235000019784 crude fat Nutrition 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 235000020188 drinking water Nutrition 0.000 description 2
- 239000003651 drinking water Substances 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000010812 external standard method Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 238000005194 fractionation Methods 0.000 description 2
- 125000000524 functional group Chemical group 0.000 description 2
- 239000010438 granite Substances 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 2
- 235000013622 meat product Nutrition 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 235000010755 mineral Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910017604 nitric acid Inorganic materials 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 229910052711 selenium Inorganic materials 0.000 description 2
- 229910052708 sodium Inorganic materials 0.000 description 2
- 239000011734 sodium Substances 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 239000011573 trace mineral Substances 0.000 description 2
- 235000013619 trace mineral Nutrition 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000011701 zinc Substances 0.000 description 2
- 229910052725 zinc Inorganic materials 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 208000007212 Foot-and-Mouth Disease Diseases 0.000 description 1
- 241000710198 Foot-and-mouth disease virus Species 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009957 hemming Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 1
- 230000004224 protection Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
-
- 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
- G01N1/34—Purifying; Cleaning
-
- 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
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
-
- 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
- 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
- G01N2001/2866—Grinding or homogeneising
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)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medicinal Chemistry (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
システムに関する。
偽造などで牛肉の食品安全事件がよく報道される。また、狂牛病、牛口蹄疫などの牛伝染
病の発生も牛肉製品の安全を深刻に脅かしている。これらの疫病が発生した時、迅速かつ
正確に発生源を見つけ、効果的な措置を取って発生状況をコントロールする必要がある。
現在、牛肉の追跡は安定同位体、近赤外線、電子特性、鉱物元素などの生物技術を利用す
ることが多い。既存の追跡方法は牛肉の供給源を追跡することができるが、主に国内の牛
肉について、例えば河南省の牛肉、大通県の牛肉などを追跡できる。しかしながら、輸入
牛肉の供給源を追跡することはできない。経済社会の発展に伴って、牛肉は輸入に頼り、
輸入牛肉は範囲が広い。狂牛病などが発生した時、その影響はもっと大きい。また輸入牛
肉の特性は国内の牛肉とは全く違っているので、既存の国内の牛肉に対する遡及方法は輸
入牛肉には適用できない。また、従来の牛肉の遡及方法はいずれも単一の生物技術を用い
て追跡し、追跡精度が低い。どのように輸入牛肉に対して効果的な追跡方法を提供するか
は、この分野で早急に解決されるべき問題である。
よびシステムを提供することである。輸入牛肉の長時間な輸送時間、複雑な輸送条件など
の問題に対して、輸入牛肉産地の混合追跡方法およびシステムを提供することにより、輸
入牛肉の追跡精度を向上するとともに、従来からも輸入牛肉の広範囲応用現状に適応する
こともできる。
本発明に提供される牛肉産地の混合追跡方法は、各国からの輸入牛肉のサンプルを採集す
ること、標準牛肉のサンプルの近赤外スペクトルを採集すること、δ13C、δ2H、δ
15N、Se、Rb、Ti、Asp、Thr、Ser、Glu、Gly、Val、Ile
、Leu、Tyr、Phe、Lys、Hisの値を採集すること、訓練して赤外スペクト
ルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物元素データに
よる鑑別モデル、アミノ酸データによる鑑別モデルを生成し、各鑑別モデルに対し性能順
に順位づけを行って、4個の鑑別モデルの結果および順位づけ位置を総合して輸入牛肉の
産地を判断することを含む。
を提供する。輸入牛肉向きの検測を達成し、適用の範囲が広く、巨大な応用価値がある。
おいて、安定同位体技術、鉱物元素、アミノ酸などがテスト時の環境に大きく左右される
とか、近赤外スペクトル技術がデータベースに依存し、大量のサンプルの産地や数のデー
タがなければ追跡の精度を上げることができないなどの問題がある。従来の追跡技術を直
接に輸入牛肉に適用したら、追跡の精度が低かったと分かる。これに対して、本発明は、
赤外分光データ、同位体質量分析データ、鉱物元素データ、アミノ酸を総合して、輸入牛
肉の産地を追跡することとなる。4つの追跡手段を組み合わせて、輸入牛肉の輸送過程に
おける影響を克服し、追跡の精度を高める。
て異なる追跡の手段にそれぞれ相応の重みを付ける。これにより、追跡モデルの性能に基
づいて総合追跡の結果への影響を調整することができ、これで各追跡手段の単純混合では
なく、各追跡手段のすべての利点を十分に発揮するようにできる。
に、静置法を用いて輸入牛肉サンプルを脱脂し、大量の脱脂サンプルを迅速に作ることが
でき、操作が簡単で、操作効率が高い。
により、1回だけでスペクトルデータを採集する場合に起こられる誤差を回避することが
できる。
データ、アミノ酸データを採集し、相応の分散および標準偏差を算出し、相応の特異点サ
ンプルをカリングすることにより、採集環境などのデータへの影響を回避する。
された内容から本発明の他の利点および効果も容易に理解することができる。本発明はま
た、他の異なる具体的な実施例によって実施または適用されてもよく、本明細書の詳細は
、異なる観点と応用場に基づいて、本発明の精神から逸脱することなく様々な修正または
変更を行うこともできる。なお、以下の実施形態および実施形態の特徴は、競合しないか
ぎり互いに組み合わせられ得る。
的に説明するものであるため、図面において本発明に関連する部分だけを表示し、かつ実
際に実施された場合の構成の数、形状およびサイズに従ってプロットするのではなく、実
際に実施された場合の各構成の形態、数および割合は任意に変更されてもよく、より複雑
であるかもしれない。
定ではない。
実施例1
テップを含む。
燥させて、脱脂処理し、脱脂した牛肉のサンプルを研磨して、所定サイズの篩目によりフ
ィルタリングして、再び乾燥させることにより、輸入牛肉の基準サンプルを得ること。
ダ、コスタリカ、チリ、ハンガリーなど8カ国の牛肉しか輸入できません。米国、ブラジ
ル、日本など他の国の牛肉の輸入販売が禁止されている。リスト以外の肉製品なら、不法
入国や偽物の可能性がある。このため、本発明では、オーストラリア、ニュージーランド
、ウルグアイ、アルゼンチン、カナダ、コスタリカ、チリ、ハンガリー、米国、ブラジル
、日本の11カ国の牛肉を採集する。各国の牛肉が200セットとし、各セットごとが50
0gとする。
。まず、サンプルをダイシングして、コンテナー型混合機に入れて粉砕して、光防護環境
中でほぼ2時間粉砕する。牛肉を粉砕した後、乾燥処理をする。牛肉を乾燥室に入れて、
徹底的に24時間乾燥させてもよい。本発明は輸入牛肉を粉砕してから、乾燥させるとい
う順であり、牛肉の乾燥効果を向上させる。
し、抽出液の中の石油エーテルを回収し、粗脂肪のサンプルを得る。しかし、抽出器は毎
回調製できる脱脂サンプルの量が少なく、操作が煩雑である。本発明は、大量の脱脂サン
プルを得るために、以下の検査分析に用い、輸入牛肉サンプルを静置法で脱脂する。
して、ただし、スキャン採集の波数範囲が8000〜5000cm−1として、解像度が
4cm−1とし、スキャンの温度が25℃に維持され、湿度が安定状態にコントロールさ
れ、また、サンプルごとに対し3回のスペクトルスキャンを行って、3回で採集されたス
ペクトルデータに対し平均値を求めることにより、輸入牛肉のサンプルごとのスペクトル
データを得て、そして、牛肉のサンプルの近赤外スペクトルの分散および標準偏差に基づ
いて、特異点のサンプルをカリングすることにより、最終の輸入牛肉のサンプルの近赤外
スペクトルデータを得ること。
526nmである。近赤外スペクトルは、赤外線と輸入牛肉のサンプルにおける物質との
相互作用を反映できる。自然界では、各分子の組成と構造は異なり、かつその各官能基や
化学結合、たとえばO−H、C−H、N−H、S−H基などは赤色の外光に対する吸収作
用が異なり、これらの水素が赤外線における部分エネルギーを再吸収すると、励起されて
遷移する。従って、近赤外スペクトルに現れる曲線の位置と吸収強度が異なるので、近赤
外分光計で近赤外スペクトルを生成し、各サンプルの特徴的な近赤外吸収スペクトルを得
る。
る産地の輸入牛肉サンプルは品種、産地環境、加工方法、運送方式などの要素の影響を受
け、生長環境、気候、土壌、水質などの要素の影響をも受け、食品の主要な化学成分(例
えば蛋白質、脂肪、水分など)の組成および含有量はある程度の違いがあり、有機物とし
てその成分は著しく違っている。このほか、遺伝子型、飼料タイプ、飼育方式、個体代謝
などが異なるため、産地別の動物の体内にはタンパク質、脂肪、水分などの成分が異なる
。これらの違いなどが近赤外線スペクトルに反映される。これで各産地のサンプルの特徴
的な近赤外吸収スペクトルを取得できる。
1〜3gの輸入牛肉の基準サンプルを取ってスペクトルを採集する。スキャン採集の波数
範囲が8000−4000cm−1とし、解像度が4cm−1とし、スキャンの温度が2
5℃に維持され、湿度が安定的に保持できるようにコントロールされるとしており、サン
プルのスペクトルごとを3回スキャンし、3回で採集されたスペクトルデータに対し平均
値を求めることにより、輸入牛肉のサンプルのスペクトルデータを得る。本発明は、複数
回で、輸入牛肉のサンプルごとのスペクトルデータを採集することにより、1回だけでス
ペクトルデータを採集する場合に起こられる誤差を回避することができる。
える影響が様々なので、各輸入牛肉のサンプルに対し複数回のスキャンをする本発明は、
スキャンの環境を一定に維持する。
バイスや環境などの影響を受けたりするなどが原因で、輸入牛肉のサンプルのデータが不
正確になるおそれがある。これに対して、本発明は、サンプルのデータに基づいて牛肉産
地を追跡する前に、サンプリング過程に現れた特異点サンプルをカリングすることにより
、特異点サンプルによる牛肉の追跡結果に及ぼす影響を回避する。
のサンプルをカリングする。同一産地の輸入牛肉の近赤外スペクトルは一般的に同じよう
な特徴を示し、それぞれの輸入牛肉のサンプルに対し採集されたスペクトル間の差異は小
さい。このため、本発明は各牛肉のサンプルの近赤外スペクトルの分散および標準偏差を
用いて比較する。ある近赤外スペクトルの分散および標準偏差が一定の閾値を超えたとき
、このサンプルが同じ産地の他のサンプルから大きく外れることを示し、このサンプルは
特異点サンプルである可能性が高くて、カリングされる。
均値を計算し、さらに各輸入牛肉サンプルの分散及び標準偏差を計算する。該サンプルの
分散と標準偏差が所定閾値を超えた場合、このサンプルをサンプル集合からカリングする
。
C、δ2H、δ15Nの値を検測して、ただし、サンプルごとに対し同位体比率質量分析
計により3回の検測を行って、3回で採集された同位体質量分析データに対し平均値を求
めることにより、輸入牛肉のサンプルごとの同位体質量分析データを得て、そして、牛肉
のサンプルの同位体質量分析データの分散および標準偏差に基づいて、特異点のサンプル
をカリングすることにより、最終の輸入牛肉のサンプルの同位体質量分析データを得るこ
と。
地を特定することである。気温、日照、土壌、食料、空気の質などの違いによって、目標
サンプル中のある元素の同位体の存在量が、異なる産地の他のサンプルと著しい違いがあ
る。これによれば、動物源性産物の産地は正確に追跡区別される。具体的には、安定同位
体における13Cと12Cの比率により飼料の種類を表すことができ、その比率が、飼料
におけるC3、C4植物の占める比率と密接に関係している。一方、同位体における15
Nと14Nの比率は多くの要素に影響され、主に栄養レベルに依存しており、飼料種類と
密接に関係しているだけでなく、土壌、気候、農業施肥中の違いを示すこともでき、飼料
における海や陸地の植物さえの比率に関係もある。それ以外に、同位体における18Oと
16Oの比率および2Hと1Hの比率は産地の現地の気候、地形、水の蒸発、濃縮、沈降
に関係している。同位体における34Sと32Sの比率は微生物作用と海洋要因に関係し
ている。
に、炭素、窒素、水素同位体は極めて顕著な相関を示しており、δ13C、δ2H、δ1
5Nは本発明に牛肉を区別するための主要な指標とする。ただし、δ13Cは飼料におけ
るC3とC4植物の比率を反映し、δ2H成分はその国の気候、水と関係があり、またδ
15Nは輸入牛肉の産地の土壌条件を反映する。
ンプルごとに2〜4g取って錫箔カップに入れて、自動注入器を介して元素分析器に入れ
て、輸入牛肉のサンプルを燃焼させ、それを純粋なCO2とN2に変換し、CO2希釈器
の希釈を経て、最終的にCO2を同位体比率質量分析計に送り込んで検測する。そのうち
、燃焼炉の温度は1200℃とし、還元炉の温度は600℃とする。
プルごとに2〜4g取って銀カップに入れて、72時間静置して、遂一に自動注入器に入
れて、自動注入器を介して元素分析器に入れて、輸入牛肉のサンプルをCO、H2に分裂
させて、最終的にH2を同位体比率質量分析計に送り込んで検測する。そのうち、分裂の
温度が1450℃とする。
ンプルごとに2〜4g取って銀カップに入れて、自動注入器を介して元素分析器に入れて
、輸入牛肉のサンプルを燃焼させ、それを純粋なCO2とN2に変換し、最終的にN2を
同位体比率質量分析計に送り込んで検測する。そのうち、燃焼炉の温度は1200℃とし
、還元炉の温度は600℃とする。
も3回採集して、3回で採集されたデータに対し平均値を求めることにより、輸入牛肉の
サンプルにおけるδ13C、δ2H、δ15Nの値を得る。本発明は、複数回で、輸入牛
肉のサンプルごとのδ13C、δ2H、δ15Nの値を採集することにより、1回だけで
データを採集する場合に起こられる誤差を回避することができる。
件などの影響を受けて、輸入牛肉のサンプルのデータが不正確になるおそれがある。これ
に対して、本発明は、サンプルのデータに基づいて牛肉産地の追跡をする前に、サンプリ
ング過程に現れた特異点サンプルをカリングすることにより、特異点サンプルによる牛肉
の追跡結果に及ぼす影響を回避する。
偏差に基づいて、特異点のサンプルをカリングする。δ13C、δ2H、δ15Nのうち
のいずれか1個の値の分散および標準偏差が一定の閾値を超えたとき、このサンプルが同
じ産地の他のサンプルから大きく外れることを示し、このサンプルは特異点サンプルであ
る可能性が高くて、カリングされる。
δ15Nの平均値を計算し、さらに各輸入牛肉サンプルの分散及び標準偏差を計算する。
該サンプルの分散と標準偏差が所定閾値を超えた場合、このサンプルをサンプル集合から
カリングする。
b、Tiの含有量を検測して、ただし、サンプルごとに対しプラズマ質量分析計により3
回の検測を行って、3回で採集された鉱物元素データに対し平均値を求めることにより、
輸入牛肉のサンプルごとの鉱物元素データを得て、そして、牛肉のサンプルの鉱物元素デ
ータの分散および標準偏差に基づいて、特異点のサンプルをカリングすることにより、最
終の輸入牛肉のサンプル鉱物元素データを得ること。
なった地区はそれぞれ特徴的な元素構成を有している。それによって異なった産地の輸入
牛肉の鉱物の元素の指紋スペクトルを構築することができ、牛肉の正確な産地追跡を実現
する。鉱物指紋スペクトル技術は輸入牛肉のサンプルにおける定量元素(カルシウム、リ
ン、マグネシウム、カリウム、ナトリウム、塩素と硫黄など)と鉱物元素(鉄、銅、マン
ガン、亜鉛、ヨード、セレンとクロムなど)の測定値に基づいて、統計的分析を行って、
顕著な差異性のある元素を選んでモデルを構築することにより、より正確的に輸入牛肉の
産地を鑑別することができる。
壌の含有量はヨーロッパより高い。土壌、植物及び輸入牛肉の中でSe含有量が著しい関
係がある。高Se区域と低Se区域からの牛肉の含有量は大きく異なるので、本発明は輸
入牛肉のSe含有量を測定し、異なる国の輸入牛肉と区別する。北米の牛肉のSe含有量
はスイスの牛肉の約2倍であり、ブラジルの牛肉の中のSeの含有量はもっと高い。Rb
含有量は岩の特性に関連しており、一般的に花崗岩と片麻岩地区の土壌、水、植物中の含
有量は最高である。牛肉はRbに対して蓄積度が高いため、本発明は輸入牛肉のRb含有
量を測定し、異なる国の輸入牛肉と区別する。異なる飼育環境の牛肉のTi含有量が大き
く異なるため、本発明は輸入牛肉のTi含有量を測定し、異なる国の輸入牛肉と区別する
。
量を検測することは、具体的には、輸入牛肉の基準サンプルごとに2〜4g取って、分解
チューブに入れて、濃硝酸で予め2時間分解させて、そしてオキシドールで1時間消毒し
て、最後にマイクロ波分解器に入れて分解させる。分解したサンプルをイオン質量分析計
によりSe、Rb、Tiに対して採集を行って、最後に外部標準法により採集されたSe
、Rb、Tiに対して定量化して、Se、Rb、Tiの含有量を取得する。
て、3回で採集されたデータに対し平均値を求めることにより、輸入牛肉のサンプルにお
けるSe、Rb、Tiの含有量の値を得る。本発明は、複数回で、輸入牛肉のサンプルご
とのスペクトルデータを採集することにより、1回だけでスペクトルデータを採集する場
合に起こられる誤差を回避することができる。
プルのデータが不正確になるおそれがある。これに対して、本発明は、サンプルのデータ
に基づいて牛肉産地の追跡をする前に、サンプリング過程に現れた特異点サンプルをカリ
ングすることにより、特異点サンプルによる牛肉の追跡結果に及ぼす影響を回避する。
差に基づいて、特異点のサンプルをカリングする。Se、Rb、Tiの含有量のうちのい
ずれか1個の値の分散および標準偏差が一定の閾値を超えたとき、このサンプルが同じ産
地の他のサンプルから大きく外れることを示し、このサンプルは特異点サンプルである可
能性が高くて、カリングされる。
含有量の平均値を計算し、さらに各輸入牛肉サンプルの分散及び標準偏差を計算する。該
サンプルの分散と標準偏差が所定閾値を超えた場合、このサンプルをサンプル集合からカ
リングする。
、Thr、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys
、Hisという12種類のアミノ酸の含有量を検測して、ただし、サンプルごとに対しア
ミノ酸アナライザーにより3回の検測を行って、3回で採集されたアミノ酸の含有量に対
し平均値を求めることにより、輸入牛肉のサンプルのアミノ酸の含有量データを得て、そ
して、牛肉のサンプルの鉱物元素データの分散および標準偏差に基づいて、特異点のサン
プルをカリングすることにより、最終の輸入牛肉のサンプルアミノ酸データを得ること。
ある。同じ品種と年齢に対しては、筋肉のアミノ酸の含有量は著しく環境の影響を受ける
。産地鑑別分析は、主に地域別のソース牛肉を表す特異性の指標を探るのである。したが
って、本発明は、アミノ酸含有量の測定を加味することにより、異なる国の輸入牛肉を区
別する。牛肉は栄養価が高く、アミノ酸の種類が豊富で、Asp、Thr、Ser、Gl
u、Gly、Ala、Cys、Val、Met、Ile、Leu、Tyr、Phee、L
ys、His、Arg、Pro、Trpという12種類のアミノ酸は牛肉における主要な
アミノ酸であるので、各国からの輸入牛肉の差異を全面的に分析するために、本発明はA
sp、Thr、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、L
ys、Hisという12種類のアミノ酸を検測する。
前記輸入牛肉の基準サンプル2〜4gを水分解チューブに入れて、6mol/Lの塩酸5
0mlを加えて、水分解チューブを真空にして密封し、110℃の恒温環境で24時間水
分解して、冷却後に濾過する。濾過液のPH値を中性、定容値を125mlに調節して、
濾過液と0.02mol/Lの塩酸を1:1で混合し、混合液をマイクロホールフィルタ
で濾過し、そしてL−8800アミノ酸アナライザーにより混合液におけるAsp、Th
r、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hi
sという12種類のアミノ酸の含有量を測定する。
データが不正確になるおそれがある。これに対して、本発明は、サンプルのデータに基づ
いて牛肉産地の追跡をする前に、サンプリング過程に現れた特異点サンプルをカリングす
ることにより、特異点サンプルによる牛肉の追跡結果に及ぼす影響を回避する。
al、Ile、Leu、Tyr、Phe、Lys、Hisという12種類のアミノ酸の含
有量の分散および標準偏差に基づいて、特異点のサンプルをカリングする。Asp、Th
r、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hi
sという12種類のアミノ酸の含有量のいずれか1個の値の分散および標準偏差が一定の
閾値を超えたとき、このサンプルが同じ産地の他のサンプルから大きく外れることを示し
、このサンプルは特異点サンプルである可能性が高くて、カリングされる。
r、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hisという
12種類のアミノ酸の含有量の平均値を計算し、さらに各輸入牛肉サンプルの分散及び標
準偏差を計算する。該サンプルの分散と標準偏差が所定閾値を超えた場合、このサンプル
をサンプル集合からカリングする。
プルの赤外スペクトルデータ、同位体質量分析データ、鉱物元素データおよびアミノ酸デ
ータが任意順序によって採集してもよく、同時にそれらにたして採集してもよい。
ペクトルデータ、同位体質量分析データ、鉱物元素データおよびアミノ酸データに対し分
割を行って、1/n個のサンプルデータを選出してテスト集合とし、残りのサンプルデー
タを訓練集合として、それぞれ赤外スペクトルデータ、同位体質量分析データ、鉱物元素
データおよびアミノ酸データに基づいて、絶えずに鑑別モデルを訓練することにより、赤
外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物元
素データによる鑑別モデル、アミノ酸データによる鑑別モデルを得ること。
定同位体技術、鉱物元素、アミノ酸などがテスト環境に大きく左右されるとか、近赤外ス
ペクトル技術はデータベースに依存していて、大量のサンプルの産地や数のデータがなけ
れば追跡の精度を上げることができないなどの問題がある。従来の追跡技術を直接に輸入
牛肉に適用したら、追跡の精度が低かったとわかる。したがって、本発明は、赤外分光デ
ータ、同位体質量分析データ、鉱物元素データ、アミノ酸を総合して、輸入牛肉の産地を
追跡する。4つの追跡手段を組み合わせて、輸入牛肉の輸送過程における影響を克服して
、追跡の精度を高める。
データおよびアミノ酸データを採集した後、それぞれサンプルデータを処理する。すなわ
ち、本発明は輸入牛肉のサンプル赤外スペクトルデータ、同位体質量分析データ、鉱物元
素データおよびアミノ酸データに基づいてそれぞれ訓練して相応の追跡モデルを得る。
底関数がモデル修正とパラメータの最適化を経て、より小さなヘミング距離と汎化誤差が
あるからである。このため、本発明の偏最小二乗法の鑑別モデルの基底関数がガウス動径
基底関数とする。
データに基づいて、それぞれ相応のサポートベクターマシンによる鑑別モデルを生成する
。
る鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルの性
能を交差検証すること。
均等に分けてもよい)、1個の部分集合を検証集合とし、残りのK−1個の部分集合を訓
練集合とする。このように、K個の部分集合をそれぞれ検証集合とし、K回交差反復して
、K回の結果を得て、そして、K回の結果の平均値を鑑別モデルまたはモデルの性能指標
とする。
析データによる鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑
別モデルに対して交差検証を行って、各モデルの性能を取得する。本発明は追跡の正確率
を用いてモデルの性能を指示する。
る鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルに対
し性能に従って順位づけを行って、性能順に基づいて各鑑別モデルに重みを付けること。
デルの性能がよく、追跡精度も高くなる。本発明は、4つの鑑別モデルにより輸入牛肉に
対して総合追跡する。このため、異なる鑑別モデルに異なる重みを付けるとしている。重
みは、該鑑別モデルの最終追跡結果への影響を表す。重みが高いほど、追跡結果への影響
が大くなる。このため、順位が高い鑑別モデルほど重みが大きくなる。赤外スペクトルデ
ータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物元素データによる
鑑別モデル、アミノ酸データによる鑑別モデルの重みがそれぞれω1、ω2、ω3、ω4
とすると、
となる。
ータによる鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モ
デルにより輸入牛肉に対し検測を行って、輸入牛肉が対応する国の牛肉でないと判断した
場合、検査結果は0となり、そうでなければ検査結果は1とすること。
ペクトルデータ、安定同位体質量分析データ、鉱物元素データとアミノ酸データを測定し
、測定したデータをそれぞれ赤外スペクトルデータに基づく鑑別モデル、安定同位体質量
分析データに基づく鑑別モデル、鉱物元素データに基づく鑑別モデル、アミノデータに基
づく鑑別モデルに代入する。鑑別モデルにより、予測結果が0なら、輸入牛肉は該当国の
輸入牛肉ではないと判断し、予測結果が1なら、測定対象のサンプルは該当国の輸入牛肉
と判断する。
よる鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルに
より得られた類似性結果と相応の鑑別モデルとのそれぞれの加重和を計算して、前記加重
和と所定閾値とを対比することにより、輸入牛肉の輸入先を判断すること。
ル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルにより混合識別
を行って、それらの類似性結果がそれぞれ
、
、
、
とすると、鑑別モデルの最終の検測結果が
となる。
結果が所定閾値より大きければ、輸入牛肉がその相応国家からの輸入であり、さもなけれ
ば、その相応国家からの輸入ではないとなっていることである。
実施例2
テムは以下のものを含む。
処理し、脱脂した牛肉のサンプルを研磨して、所定サイズの篩目によりフィルタリングし
て、再び乾燥させることにより、輸入牛肉の基準サンプルを得る予処理ユニット。
ダ、コスタリカ、チリ、ハンガリーなど8カ国の牛肉しか輸入できません。米国、ブラジ
ル、日本など他の国の牛肉の輸入販売が禁止されている。リスト以外の肉製品なら、不法
入国や偽物の可能性がある。このため、本発明では、オーストラリア、ニュージーランド
、ウルグアイ、アルゼンチン、カナダ、コスタリカ、チリ、ハンガリー、米国、ブラジル
、日本の11カ国の牛肉を採集する。各国の牛肉が200セットとし、各セットごとが50
0gとする。
。まずサンプルをダイシングして、コンテナー型混合機に入れて粉砕して、光防護環境中
でほぼ2時間粉砕する。牛肉を粉砕した後、乾燥処理をする。牛肉を乾燥室に入れて徹底
的に24時間乾燥させることが可能である。本発明は輸入牛肉を粉砕してから乾燥させる
とすることにより、牛肉の乾燥効果を向上することができる。
し、抽出液の中の石油エーテルを回収し、粗脂肪のサンプルを得る。しかし、抽出器は毎
回調製できる脱脂サンプルの量が少なく、操作が煩雑である。本発明は、大量の脱脂サン
プルを得るために、以下の検査分析に用い、輸入牛肉サンプルを静置法で脱脂する。
スキャン採集の波数範囲が8000〜5000cm−1として、解像度が4cm−1とし
、スキャンの温度が25℃に維持され、湿度が安定状態にコントロールされ、また、サン
プルごとに対し3回のスペクトルスキャンを行って、3回で採集されたスペクトルデータ
に対し平均値を求めることにより、輸入牛肉のサンプルごとのスペクトルデータを得て、
そして、牛肉のサンプルの近赤外スペクトルの分散および標準偏差に基づいて、特異点の
サンプルをカリングすることにより、最終の輸入牛肉のサンプルの近赤外スペクトルデー
タを得る近赤外スペクトル採集ユニット。
526nmである。近赤外スペクトルは、赤外線と輸入牛肉のサンプルにおける物質との
相互作用を反映できる。自然界では、各分子の組成と構造は異なり、かつその各官能基や
化学結合、たとえばO−H、C−H、N−H、S−H基などは赤色の外光に対する吸収作
用が異なり、これらの水素が赤外線における部分エネルギーを再吸収すると、励起されて
遷移する。従って、近赤外スペクトルに現れる曲線の位置と吸収強度が異なるので、近赤
外分光計で近赤外スペクトルを生成し、各サンプルの特徴的な近赤外吸収スペクトルを得
る。
る産地の輸入牛肉サンプルは品種、産地環境、加工方法、運送方式などの要素の影響を受
け、生長環境、気候、土壌、水質などの要素の影響をも受け、食品の主要な化学成分(例
えば蛋白質、脂肪、水分など)の組成および含有量はある程度の違いがあり、有機物とし
てその成分は著しく違っている。このほか、遺伝子型、飼料タイプ、飼育方式、個体代謝
などが異なるため、産地別の動物の体内にはタンパク質、脂肪、水分などの成分が異なる
。これらの違いなどが近赤外線スペクトルに反映される。これで各産地のサンプルの特徴
的な近赤外吸収スペクトルを取得できる。
1〜3gの輸入牛肉の基準サンプルを取ってスペクトルを採集する。スキャン採集の波数
範囲が8000〜5000cm−1とし、解像度が4cm−1とし、スキャンの温度が2
5℃に維持され、湿度が安定的に保持できるようにコントロールされるとしており、サン
プルのスペクトルごとを3回スキャンして、3回で採集されたスペクトルデータに対し平
均値を求めることにより、輸入牛肉のサンプルのスペクトルデータを得る。本発明は、複
数回で、輸入牛肉のサンプルごとのスペクトルデータを採集することにより、1回だけで
スペクトルデータを採集する場合に起こられる誤差を回避することができる。
える影響は様々なので、各輸入牛肉のサンプルを複数回スキャンする本発明は、スキャン
環境を一定に維持する。
バイスや環境などの影響を受けたりするなどが原因で、輸入牛肉のサンプルのデータが不
正確になるおそれがある。これに対して、本発明は、サンプルのデータに基づいて牛肉産
地の追跡をする前に、サンプリング過程に現れた特異点サンプルをカリングすることによ
り、特異点サンプルによる牛肉の追跡結果に及ぼす影響を回避する。
のサンプルをカリングする。同一産地の輸入牛肉の近赤外スペクトルは一般的に同じよう
な特徴を示しており、それぞれの輸入牛肉のサンプルに対して採集されたスペクトル間の
差異は小さい。このため、本発明は各牛肉のサンプルの近赤外スペクトルの分散および標
準偏差を用いて比較する。ある近赤外スペクトルの分散および標準偏差が一定の閾値を超
えたとき、このサンプルが同じ産地の他のサンプルから大きく外れることを示し、このサ
ンプルは特異点サンプルである可能性が高くて、カリングされる。
均値を計算し、さらに各輸入牛肉サンプルの分散及び標準偏差を計算する。該サンプルの
分散と標準偏差が所定閾値を超えた場合、このサンプルをサンプル集合からカリングする
。
15Nの値を検測して、ただし、サンプルごとに対し同位体比率質量分析計により3回の
検測を行って、3回で採集された同位体質量分析データに対し平均値を求めることにより
、輸入牛肉のサンプルごとの同位体質量分析データを得て、そして、牛肉のサンプルの同
位体質量分析データの分散および標準偏差に基づいて、特異点のサンプルをカリングする
ことにより、最終の輸入牛肉のサンプルの同位体質量分析データを得る同位体採集ユニッ
ト。
の産地を特定する。気温、日照、土壌、食料、空気の質などの違いによって、目標サンプ
ル中のある元素の同位体の存在量が、異なる産地の他のサンプルと著しい違いがある。こ
れによれば、動物源性産物の産地は正確に追跡区別される。具体的には、安定同位体にお
ける13Cと12Cの比率により飼料の種類を表すことができ、その比率が、飼料におけ
るC3、C4植物の占める比率と密接に関係している。一方、同位体における15Nと1
4Nの比率は多くの要素に影響され、主に栄養レベルに依存しており、飼料種類と密接に
関係しているだけでなく、土壌、気候、農業施肥中の違いを示すこともでき、飼料におけ
る海や陸地の植物さえの比率に関係もある。それ以外に、同位体における18Oと16O
の比率および2Hと1Hの比率は産地の現地の気候、地形、水の蒸発、濃縮、沈降に関係
している。同位体における34Sと32Sの比率は微生物作用と海洋要因に関係している
。
に、炭素、窒素、水素同位体は極めて顕著な相関を示しており、δ13C、δ2H、δ1
5Nは本発明に牛肉を区別するための主要な指標とする。ただし、δ13Cは飼料におけ
るC3とC4植物の比率を反映し、δ2H成分はその国の気候、水と関係があり、またδ
15Nは輸入牛肉の産地の土壌条件を反映する。
ンプルごとに2〜4g取って錫箔カップに入れて、自動注入器を介して元素分析器に入れ
て、輸入牛肉のサンプルを燃焼させ、それを純粋なCO2とN2に変換し、CO2希釈器
の希釈を経て、最終的にCO2を同位体比率質量分析計に送り込んで検測する。そのうち
、燃焼炉の温度は1200℃とし、還元炉の温度は600℃とする。
プルごとに2〜4g取って銀カップに入れて、72時間静置して、遂一に自動注入器に入
れて、自動注入器を介して元素分析器に入れて、輸入牛肉のサンプルをC、H2、O2に
分裂させて、最終的にO2を同位体比率質量分析計に送り込んで検測する。そのうち、分
裂の温度が2500℃とする。
ンプルごとに2〜4g取って銀カップに入れて、自動注入器を介して元素分析器に入れて
、輸入牛肉のサンプルを燃焼させ、それを純粋なCO2とN2に変換し、最終的にN2を
同位体比率質量分析計に送り込んで検測する。そのうち、燃焼炉の温度は1200℃とし
、還元炉の温度は600℃とする。
3回採集して、3回で採集されたデータに対し平均値を求めることにより、輸入牛肉のサ
ンプルにおけるδ13C、δ2H、δ15Nの値を得る。本発明は、複数回で、輸入牛肉
のサンプルごとのδ13C、δ2H、δ15Nの値を採集することにより、1回だけでデ
ータを採集する場合に起こられる誤差を回避することができる。
件などの要素の影響を受けて、輸入牛肉のサンプルのデータが不正確になるおそれがある
。これに対して、本発明は、サンプルのデータに基づいて牛肉産地の追跡をする前に、サ
ンプリング過程に現れた特異点サンプルをカリングすることにより、特異点サンプルによ
る牛肉の追跡結果に及ぼす影響を回避する。
偏差に基づいて、特異点のサンプルをカリングする。δ13C、δ2H、δ15Nのうち
のいずれか1個の値の分散および標準偏差が一定の閾値を超えたとき、このサンプルが同
じ産地の他のサンプルから大きく外れることを示し、このサンプルは特異点サンプルであ
る可能性が高くて、カリングされる。
δ15Nの平均値を計算し、さらに各輸入牛肉サンプルの分散及び標準偏差を計算する。
該サンプルの分散と標準偏差が所定閾値を超えた場合、このサンプルをサンプル集合から
カリングする。
量を検測して、ただし、サンプルごとに対しプラズマ質量分析計により3回の検測を行っ
て、3回で採集された鉱物元素データに対し平均値を求めることにより、輸入牛肉のサン
プルごとの鉱物元素データを得て、そして、牛肉のサンプルの鉱物元素データの分散およ
び標準偏差に基づいて、特異点のサンプルをカリングすることにより、最終の輸入牛肉の
サンプル鉱物元素データを得る鉱物元素採集ユニット。
なった地区はそれぞれ特徴的な元素構成を有している。それによって異なった産地の輸入
牛肉の鉱物の元素の指紋スペクトルを構築することができ、牛肉の正確な産地追跡を実現
する。鉱物指紋スペクトル技術は輸入牛肉のサンプルにおける定量元素(カルシウム、リ
ン、マグネシウム、カリウム、ナトリウム、塩素と硫黄など)と鉱物元素(鉄、銅、マン
ガン、亜鉛、ヨード、セレンとクロムなど)の測定値に基づいて、統計的分析を行って、
顕著な差異性のある元素を選んでモデルを構築することにより、より正確的に輸入牛肉の
産地を鑑別することができる。
壌の含有量はヨーロッパより高い。土壌、植物及び輸入牛肉の中でSe含有量が著しい関
係がある。高Se区域と低Se区域からの牛肉の含有量は大きく異なるので、本発明は輸
入牛肉のSe含有量を測定し、異なる国の輸入牛肉と区別する。北米の牛肉のSe含有量
はスイスの牛肉の約2倍であり、ブラジルの牛肉の中のSeの含有量はもっと高い。Rb
含有量は岩の特性に関連しており、一般的に花崗岩と片麻岩地区の土壌、水、植物中の含
有量は最高である。牛肉はRbに対して蓄積度が高いため、本発明は輸入牛肉のRb含有
量を測定し、異なる国の輸入牛肉と区別する。異なる飼育環境の牛肉のTi含有量が大き
く異なるため、本発明は輸入牛肉のTi含有量を測定し、異なる国の輸入牛肉と区別する
。
量を検測することは、具体的には、輸入牛肉の基準サンプルごとに2〜4g取って、分解
チューブに入れて、濃硝酸で予め2時間分解させて、そしてオキシドールで1時間消毒し
て、最後にマイクロ波分解器に入れて分解させる。分解したサンプルをイオン質量分析計
によりSe、Rb、Tiに対して採集を行って、最後に外部標準法により採集されたSe
、Rb、Tiに対して定量化して、Se、Rb、Tiの含有量を取得する。
して、3回で採集されたデータに対し平均値を求めることにより、輸入牛肉のサンプルに
おけるSe、Rb、Tiの含有量の値を得る。本発明は、複数回で、輸入牛肉のサンプル
ごとのスペクトルデータを採集することにより、1回だけでスペクトルデータを採集する
場合に起こられる誤差を回避することができる。
プルのデータが不正確になるおそれがある。これに対して、本発明は、サンプルのデータ
に基づいて牛肉産地の追跡をする前に、サンプリング過程に現れた特異点サンプルをカリ
ングすることにより、特異点サンプルによる牛肉の追跡結果に及ぼす影響を回避する。
差に基づいて、特異点のサンプルをカリングする。Se、Rb、Tiの含有量のうちのい
ずれか1個の値の分散および標準偏差が一定の閾値を超えたとき、このサンプルが同じ産
地の他のサンプルから大きく外れることを示し、このサンプルは特異点サンプルである可
能性が高くて、カリングされる。
有量の平均値を計算し、さらに各輸入牛肉サンプルの分散及び標準偏差を計算する。該サ
ンプルの分散と標準偏差が所定閾値を超えた場合、このサンプルをサンプル集合からカリ
ングする。
r、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hisという
12種類のアミノ酸の含有量を検測して、ただし、サンプルごとに対しアミノ酸アナライ
ザーにより3回の検測を行って、3回で採集されたアミノ酸の含有量に対し平均値を求め
ることにより、輸入牛肉のサンプルのアミノ酸の含有量データを得て、そして、牛肉のサ
ンプルの鉱物元素データの分散および標準偏差に基づいて、特異点のサンプルをカリング
することにより、最終の輸入牛肉のサンプルアミノ酸データを得るアミノ酸採集ユニット
。
ある。同じ品種と年齢に対しては、筋肉のアミノ酸の含有量は著しく環境の影響を受ける
。産地鑑別分析は、主に地域別のソース牛肉を表す特異性の指標を探るのである。したが
って、本発明は、アミノ酸含有量の測定を加味することにより、異なる国の輸入牛肉を区
別する。牛肉は栄養価が高く、アミノ酸の種類が豊富で、Asp、Thr、Ser、Gl
u、Gly、Ala、Cys、Val、Met、Ile、Leu、Tyr、Phee、L
ys、His、Arg、Pro、Trpという12種類のアミノ酸は牛肉における主要な
アミノ酸であるので、各国からの輸入牛肉の差異を全面的に分析するために、本発明はA
sp、Thr、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、L
ys、Hisという12種類のアミノ酸を検測する。
前記輸入牛肉の基準サンプル2〜4gを水分解チューブに入れて、6mol/Lの塩酸5
0mlを加えて、水分解チューブを真空にして密封し、110℃の恒温環境で24時間水
分解して、冷却後に濾過する。濾過液のPH値を中性、定容値を125mlに調節して、
濾過液と0.02mol/Lの塩酸を1:1で混合し、混合液をマイクロホールフィルタ
で濾過し、そしてL−8800アミノ酸アナライザーにより混合液におけるAsp、Th
r、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hi
sという12種類のアミノ酸の含有量を測定する。
データが不正確になるおそれがある。これに対して、本発明は、サンプルのデータに基づ
いて牛肉産地の追跡をする前に、サンプリング過程に現れた特異点サンプルをカリングす
ることにより、特異点サンプルによる牛肉の追跡結果に及ぼす影響を回避する。
al、Ile、Leu、Tyr、Phe、Lys、Hisという12種類のアミノ酸の含
有量の分散および標準偏差に基づいて、特異点のサンプルをカリングする。Asp、Th
r、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hi
sという12種類のアミノ酸の含有量のいずれか1個の値の分散および標準偏差が一定の
閾値を超えたとき、このサンプルが同じ産地の他のサンプルから大きく外れることを示し
、このサンプルは特異点サンプルである可能性が高くて、カリングされる。
r、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hisという
12種類のアミノ酸の含有量の平均値を計算し、さらに各輸入牛肉サンプルの分散及び標
準偏差を計算する。該サンプルの分散と標準偏差が所定閾値を超えた場合、このサンプル
をサンプル集合からカリングする。
、輸入牛肉のサンプルの赤外スペクトルデータ、同位体質量分析データ、鉱物元素データ
およびアミノ酸データが任意の順序によって採集してもよく、同時にそれらにたして採集
してもよい。
ある。同じ品種と年齢に対しては、筋肉のアミノ酸の含有量は著しく環境の影響を受ける
。産地鑑別分析は、主に地域別のソース牛肉を表す特異性の指標を探るのである。したが
って、本発明は、アミノ酸含有量の測定を加味することにより、異なる国の輸入牛肉を区
別する。牛肉は栄養価が高く、アミノ酸の種類が豊富で、Asp、Thr、Ser、Gl
u、Gly、Ala、Cys、Val、Met、Ile、Leu、Tyr、Phee、L
ys、His、Arg、Pro、Trpという12種類のアミノ酸は牛肉における主要な
アミノ酸であるので、各国からの輸入牛肉の差異を全面的に分析するために、本発明はA
sp、Thr、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、L
ys、Hisという12種類のアミノ酸を検測する。
前記輸入牛肉の基準サンプル2〜4gを水分解チューブに入れて、6mol/Lの塩酸5
0mlを加えて、水分解チューブを真空にして密封し、110℃の恒温環境で24時間水
分解して、冷却後に濾過する。濾過液のPH値を中性、定容値を125mlに調節して、
濾過液と0.02mol/Lの塩酸を1:1で混合し、混合液をマイクロホールフィルタ
で濾過し、そしてL−8800アミノ酸アナライザーにより混合液におけるAsp、Th
r、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hi
sという12種類のアミノ酸の含有量を測定する。
データが不正確になるおそれがある。これに対して、本発明は、サンプルのデータに基づ
いて牛肉産地の追跡をする前に、サンプリング過程に現れた特異点サンプルをカリングす
ることにより、特異点サンプルによる牛肉の追跡結果に及ぼす影響を回避する。
al、Ile、Leu、Tyr、Phe、Lys、Hisという12種類のアミノ酸の含
有量の分散および標準偏差に基づいて、特異点のサンプルをカリングする。Asp、Th
r、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hi
sという12種類のアミノ酸の含有量のいずれか1個の値の分散および標準偏差が一定の
閾値を超えたとき、このサンプルが同じ産地の他のサンプルから大きく外れることを示し
、このサンプルは特異点サンプルである可能性が高くて、カリングされる。
r、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hisという
12種類のアミノ酸の含有量の平均値を計算し、さらに各輸入牛肉サンプルの分散及び標
準偏差を計算する。該サンプルの分散と標準偏差が所定閾値を超えた場合、このサンプル
をサンプル集合からカリングする。
入牛肉のサンプルの赤外スペクトルデータ、同位体質量分析データ、鉱物元素データおよ
びアミノ酸データに対し分割を行って、1/n個のサンプルデータを選出してテスト集合
とし、残りのサンプルデータを訓練集合として、それぞれ赤外スペクトルデータ、同位体
質量分析データ、鉱物元素データおよびアミノ酸データに基づいて、絶えずに鑑別モデル
を訓練することにより、赤外スペクトルデータによる鑑別モデル、同位体質量分析データ
による鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデル
を得る鑑別モデル構築ユニット。
定同位体技術、鉱物元素、アミノ酸などがテスト環境に大きく左右されるとか、近赤外ス
ペクトル技術はデータベースに依存していて、大量のサンプルの産地や数のデータがなけ
れば追跡の精度を上げることができないなどの問題がある。従来の追跡技術を直接に輸入
牛肉に適用したら、追跡の精度が低かったと分かる。したがって、本発明は、赤外分光デ
ータ、同位体質量分析データ、鉱物元素データ、アミノ酸を総合して、輸入牛肉の産地を
追跡する。4つの追跡手段を組み合わせて、輸入牛肉の輸送過程における影響を克服して
、追跡の精度を高める。
データおよびアミノ酸データを採集した後、それぞれサンプルデータを処理する。すなわ
ち、本発明は輸入牛肉のサンプル赤外スペクトルデータ、同位体質量分析データ、鉱物元
素データおよびアミノ酸データに基づいてそれぞれ訓練して相応の追跡モデルを得る。
データに基づいて、それぞれ相応のサポートベクターマシンによる鑑別モデルを生成する
。
鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルの性能を交差検証す
る検証評価ユニット。
均等に分けてもよい)、1個の部分集合を検証集合とし、残りのK−1個の部分集合を訓
練集合とする。このように、K個の部分集合をそれぞれ検証集合とし、K回交差反復して
、K回の結果を得て、そして、K回の結果の平均値を鑑別モデルまたはモデルの性能指標
とする。
析データによる鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑
別モデルに対して交差検証を行って、各モデルの性能を取得する。本発明は追跡の正確率
を用いてモデルの性能を指示する。
鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルに対し性能に従って
順位づけを行って、性能順に基づいて各鑑別モデルに重みを付ける順位づけユニット。
デルの性能がよく、追跡精度も高くなる。本発明は、4つの鑑別モデルにより輸入牛肉に
対して総合追跡する。このため、異なる鑑別モデルに異なる重みを付けるとしている。重
みは、該鑑別モデルの最終追跡結果への影響を表す。重みが高いほど、追跡結果への影響
が大くなる。このため、順位が高い鑑別モデルほど重みが大きくなる。赤外スペクトルデ
ータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物元素データによる
鑑別モデル、アミノ酸データによる鑑別モデルの重みがそれぞれω1、ω2、ω3、ω4
とすると、
となる。
モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルにより輸入
牛肉に対し検測を行って、被検サンプルと各国の牛肉の赤外スペクトルデータ、同位体質
量分析データ、鉱物元素データ、アミノ酸データとの類似性をそれぞれ算出する検測ユニ
ット。対応する国の輸入牛肉ではないと判断したとき、検測結果が0であり、そうでなけ
れば、検測結果は1である。
徴スペクトルデータ、安定同位体質量分析データ、鉱物元素データとアミノ酸データを測
定し、測定したデータをそれぞれ赤外スペクトルデータに基づく鑑別モデル、同位体質量
分析データに基づく鑑別モデル、鉱物元素データに基づく鑑別モデル、アミノ酸データに
基づく鑑別モデルに代入する。鑑別モデルによると、予測結果が0なら、輸入牛肉は該当
国の輸入牛肉ではないと判断し、予測結果が1なら、測定対象のサンプルは該当国の輸入
牛肉と判断する。
鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルにより得られた類似
性結果と相応の鑑別モデルとのそれぞれの加重和を計算して、前記加重和と所定閾値とを
対比することにより、輸入牛肉の産地を判断する総合追跡ユニット。
ル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルにより混合識別
を行って、それらの類似性結果がそれぞれ
、
、
、
とすると、鑑別モデルの最終の検測結果が
となる。
結果が所定閾値より大きければ、輸入牛肉がその相応国家からの輸入であり、さもなけれ
ば、その相応国家からの輸入ではないとなっていることである。
に対して検測可能で、適用範囲が広く、極めて大きい応用価値がある。4つの追跡手段を
総合して利用することにより、輸入牛肉の輸送過程で受けられる影響を克服でき、追跡の
精度を向上する。また、性能に従って4つの追跡手段に順位づけを行うとともに、順位づ
けの結果によって異なる追跡手段に相応の重みを付ける。これにより、追跡モデルの性能
によって総合追跡結果への影響を調整することができ、各追跡手段の単純混合ではなく、
各追跡手段の利点を十分に発揮する。
る。当業者であれば、本発明はここで述べた特定の実施例に限定されるものではなく、本
発明の保護範囲から逸脱しないかぎり、様々な明白な変化、再調整、代替などを行うこと
ができることを理解するであろう。したがって、以上の実施例によって本発明をより詳細
に説明したが、本発明は上記の実施形態に限定されるものではなく、本発明の概念から逸
脱しない範囲で、より多くの他の等価実施例を含んでもよく、本発明の範囲は添付の特許
請求の範囲によって決定される。
Claims (4)
- ステップS1:各国からの輸入牛肉のサンプルを採集して、牛肉のサンプルを粉砕し、
乾燥させて、脱脂処理し、脱脂した牛肉のサンプルを研磨して、所定サイズの篩目により
フィルタリングして、再び乾燥させることにより、輸入牛肉の基準サンプルを得ることと
、
ステップS2:赤外分光計により前記輸入牛肉の基準サンプルの近赤外スペクトルを採集
して、ただし、スキャン採集の波数範囲が8000〜5000cm−1として、解像度が
4cm−1とし、スキャンの温度が25℃に維持され、湿度が安定状態にコントロールさ
れ、また、サンプルごとに対し3回のスペクトルスキャンを行って、3回で採集されたス
ペクトルデータに対し平均値を求めることにより、輸入牛肉のサンプルごとのスペクトル
データを得て、そして、牛肉のサンプルの近赤外スペクトルの分散および標準偏差に基づ
いて、特異点のサンプルをカリングすることにより、最終の輸入牛肉のサンプルの近赤外
スペクトルデータを得ることと、
ステップS3:同位体比率質量分析計により前記輸入牛肉の基準サンプルにおけるδ13
C、δ2H、δ15Nの値を検測して、ただし、サンプルごとに対し同位体比率質量分析
計により3回の検測を行って、3回で採集された同位体質量分析データに対し平均値を求
めることにより、輸入牛肉のサンプルごとの同位体質量分析データを得て、そして、牛肉
のサンプルの同位体質量分析データの分散および標準偏差に基づいて、特異点のサンプル
をカリングすることにより、最終の輸入牛肉のサンプルの同位体質量分析データを得るこ
とと、
ステップS4:プラズマ質量分析計により前記輸入牛肉の基準サンプルにおけるSe、R
b、Tiの含有量を検測して、ただし、サンプルごとに対しプラズマ質量分析計により3
回の検測を行って、3回で採集された鉱物元素データに対し平均値を求めることにより、
輸入牛肉のサンプルごとの鉱物元素データを得て、そして、牛肉のサンプルの鉱物元素デ
ータの分散および標準偏差に基づいて、特異点のサンプルをカリングすることにより、最
終の輸入牛肉のサンプル鉱物元素データを得ることと、
ステップS5:アミノ酸アナライザーにより前記輸入牛肉の基準サンプルにおけるAsp
、Thr、Ser、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys
、Hisという12種類のアミノ酸の含有量を検測して、ただし、サンプルごとに対しア
ミノ酸アナライザーにより3回の検測を行って、3回で採集されたアミノ酸の含有量に対
し平均値を求めることにより、輸入牛肉のサンプルのアミノ酸の含有量データを得て、そ
して、牛肉のサンプルの鉱物元素データの分散および標準偏差に基づいて、特異点のサン
プルをカリングすることにより、最終の輸入牛肉のサンプルアミノ酸データを得ることと
、
ステップS6:偏最小二乗法の鑑別モデルを構築して、前記輸入牛肉のサンプルの赤外ス
ペクトルデータ、同位体質量分析データ、鉱物元素データおよびアミノ酸データに対し分
割を行って、1/n個のサンプルデータを選出してテスト集合とし、残りのサンプルデー
タを訓練集合として、それぞれ赤外スペクトルデータ、同位体質量分析データ、鉱物元素
データおよびアミノ酸データに基づいて、絶えずに鑑別モデルを訓練することにより、赤
外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物元
素データによる鑑別モデル、アミノ酸データによる鑑別モデルを得ることと、
ステップS7:前記赤外スペクトルデータによる鑑別モデル、同位体質量分析データによ
る鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルの性
能を交差検証することと、
ステップS8:前記赤外スペクトルデータによる鑑別モデル、同位体質量分析データによ
る鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルに対
し性能に従って順位づけを行って、性能順に基づいて各鑑別モデルに重みを付けることと
、
ステップS9:それぞれ前記赤外スペクトルデータによる鑑別モデル、同位体質量分析デ
ータによる鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モ
デルにより輸入牛肉に対し検測を行って、輸入牛肉が対応する国の牛肉でないと判断した
場合、検査結果は0となり、そうでなければ検査結果は1とすることと、および
ステップS10:前記赤外スペクトルデータによる鑑別モデル、同位体質量分析データに
よる鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルに
より得られた類似性結果と相応の鑑別モデルとのそれぞれの加重和を計算して、前記加重
和と所定閾値とを対比することにより、輸入牛肉の産地を判断することと、
を含むことを特徴とする輸入牛肉産地の混合追跡方法。 - 前記牛肉のサンプルを粉砕し、乾燥させることは、具体的には、
輸入牛肉のサンプルをダイシングして、コンテナー型混合機に入れて、光防護環境中で2
時間ほぼ粉砕して、そして、粉砕した牛肉を乾燥室に入れて、徹底的に24時間乾燥させ
ることであり、牛肉のサンプルを粉砕し、乾燥させることとして、具体的には、
脱脂処理は具体的には、
静置法を採用して輸入牛肉のサンプルを脱脂することであり、
また、前記特異点のサンプルをカリングすることは、具体的には、
産地の輸入牛肉のサンプルごとの含有量検測データの平均値を計算して、サンプルの分散
および標準偏差が所定閾値を超えると、該サンプルをサンプル集合からカリングして、た
だし、前記検測データは、赤外スペクトルデータ、同位体質量分析データ、鉱物元素デー
タおよびアミノ酸データを含むことであり、
また、前記ステップS7は、具体的には、
サンプルデータ集合をランダムにK個の部分集合に分けて、1個の部分集合を検証集合と
して、残りのK−1個の部分集合を訓練集合とするように、K個の部分集合をそれぞれ検
証集合とし、K回交差反復して、K回の結果を得て、そして、K回の結果の平均値を鑑別
モデルまたはモデルの性能指標とすることであり、
また、前記性能順に基づいて各鑑別モデルに重みを付けることは、具体的には、
赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物
元素データによる鑑別モデル、アミノ酸データによる鑑別モデルの重みがそれぞれω1、
ω2、ω3、ω4とすると、
となり、ただし、赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる
鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルの性能
が良好であるほど重みが大きくなることであり、
また、前記ステップS10は、具体的には、
赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物
元素データによる鑑別モデル、アミノ酸データによる鑑別モデルにより混合追跡を行って
、それらの類似性結果がそれぞれ
、
、
、
とすると、鑑別モデルの最終の検測結果が、
となり、rが所定閾値より大きければ、輸入牛肉がその相応国家からの輸入であり、さも
なければ、その相応国家からの輸入ではないとなっていることである、
ことを特徴とする請求項1に記載の輸入牛肉産地の混合追跡方法。 - 各国からの輸入牛肉のサンプルを採集して、牛肉のサンプルを粉砕し、乾燥させて、脱
脂処理し、脱脂した牛肉のサンプルを研磨して、所定サイズの篩目によりフィルタリング
して、再び乾燥させることにより、輸入牛肉の基準サンプルを得る予処理ユニットと、
赤外分光計により前記輸入牛肉の基準サンプルの近赤外スペクトルを採集して、ただし、
スキャン採集の波数範囲が8000〜5000cm−1として、解像度が4cm−1とし
、スキャンの温度が25℃に維持され、湿度が安定状態にコントロールされ、また、サン
プルごとに対し3回のスペクトルスキャンを行って、3回で採集されたスペクトルデータ
に対し平均値を求めることにより、輸入牛肉のサンプルごとのスペクトルデータを得て、
そして、牛肉のサンプルの近赤外スペクトルの分散および標準偏差に基づいて、特異点の
サンプルをカリングすることにより、最終の輸入牛肉のサンプルの近赤外スペクトルデー
タを得る近赤外スペクトル採集ユニットと、
同位体比率質量分析計により前記輸入牛肉の基準サンプルにおけるδ13C、δ2H、δ
15Nの値を検測して、ただし、サンプルごとに対し同位体比率質量分析計により3回の
検測を行って、3回で採集された同位体質量分析データに対し平均値を求めることにより
、輸入牛肉のサンプルごとの同位体質量分析データを得て、そして、牛肉のサンプルの同
位体質量分析データの分散および標準偏差に基づいて、特異点のサンプルをカリングする
ことにより、最終の輸入牛肉のサンプルの同位体質量分析データを得る同位体採集ユニッ
トと、
プラズマ質量分析計により前記輸入牛肉の基準サンプルにおけるSe、Rb、Tiの含有
量を検測して、ただし、サンプルごとに対しプラズマ質量分析計により3回の検測を行っ
て、3回で採集された鉱物元素データに対し平均値を求めることにより、輸入牛肉のサン
プルごとの鉱物元素データを得て、そして、牛肉のサンプルの鉱物元素データの分散およ
び標準偏差に基づいて、特異点のサンプルをカリングすることにより、最終の輸入牛肉の
サンプル鉱物元素データを得る鉱物元素採集ユニットと、
アミノ酸アナライザーにより前記輸入牛肉の基準サンプルにおけるAsp、Thr、Se
r、Glu、Gly、Val、Ile、Leu、Tyr、Phe、Lys、Hisという
12種類のアミノ酸の含有量を検測して、ただし、サンプルごとに対しアミノ酸アナライ
ザーにより3回の検測を行って、3回で採集されたアミノ酸の含有量に対し平均値を求め
ることにより、輸入牛肉のサンプルのアミノ酸の含有量データを得て、そして、牛肉のサ
ンプルの鉱物元素データの分散および標準偏差に基づいて、特異点のサンプルをカリング
することにより、最終の輸入牛肉のサンプルアミノ酸データを得るアミノ酸採集ユニット
と、
偏最小二乗法の鑑別モデルを構築するためのもので、前記輸入牛肉のサンプルの赤外スペ
クトルデータ、同位体質量分析データ、鉱物元素データおよびアミノ酸データに対し分割
を行って、1/n個のサンプルデータを選出してテスト集合とし、残りのサンプルデータ
を訓練集合として、それぞれ赤外スペクトルデータ、同位体質量分析データ、鉱物元素デ
ータおよびアミノ酸データに基づいて、絶えずに鑑別モデルを訓練することにより、赤外
スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物元素
データによる鑑別モデル、アミノ酸データによる鑑別モデルを得る鑑別モデル構築ユニッ
トと、
前記赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、
鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルの性能を交差検証す
る検証評価ユニットと、
前記赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、
鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルに対し性能に従って
順位づけを行って、性能順に基づいて各鑑別モデルに重みを付ける順位づけユニットと、
それぞれ前記赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別
モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルにより輸入
牛肉に対し検測を行って、輸入牛肉が対応する国の牛肉でないと判断した場合、検査結果
は0となり、そうでなければ検査結果は1とする検測ユニットと、および
前記赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、
鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルにより得られた類似
性結果と相応の鑑別モデルとのそれぞれの加重和を計算して、前記加重和と所定閾値とを
対比することにより、輸入牛肉の産地を判断する総合追跡ユニットとを、
含むことを特徴とする輸入牛肉産地の混合追跡システム。 - 前記性能順に基づいて各鑑別モデルに重みを付ける構成は、具体的には、
赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、鉱物
元素データによる鑑別モデル、アミノ酸データによる鑑別モデルの重みがそれぞれω1、
ω2、ω3、ω4とすると、
となり、ただし、赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる
鑑別モデル、鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルの性能
が良好であるほど重みが大きくなるように構成されるものであり、
また、前記総合追跡ユニットは、
前記赤外スペクトルデータによる鑑別モデル、同位体質量分析データによる鑑別モデル、
鉱物元素データによる鑑別モデル、アミノ酸データによる鑑別モデルにより混合追跡を行
って、それらの類似性結果がそれぞれ
、
、
、
とすると、鑑別モデルの最終の検測結果が
となり、rが所定閾値より大きければ、輸入牛肉がその相応国家からの輸入であり、さも
なければ、その相応国家からの輸入ではないとなっているように構成されるものを含む、
ことを特徴とする請求項3に記載の輸入牛肉産地の混合追跡システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911141317.6 | 2019-11-20 | ||
CN201911141317.6A CN110954500B (zh) | 2019-11-20 | 2019-11-20 | 一种进口牛肉产地混合溯源方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6708829B1 JP6708829B1 (ja) | 2020-06-10 |
JP2021081407A true JP2021081407A (ja) | 2021-05-27 |
Family
ID=69977959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020009725A Expired - Fee Related JP6708829B1 (ja) | 2019-11-20 | 2020-01-24 | 輸入牛肉産地の混合追跡方法およびシステム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6708829B1 (ja) |
CN (1) | CN110954500B (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954500B (zh) * | 2019-11-20 | 2021-03-02 | 中国计量大学 | 一种进口牛肉产地混合溯源方法及系统 |
CN112215277B (zh) * | 2020-10-09 | 2023-04-07 | 内蒙古农业大学 | 一种牛羊肉物种和饲养模式真实性的判别方法和系统 |
CN112326766A (zh) * | 2020-11-02 | 2021-02-05 | 浙江省农业科学院 | 一种牦牛肉产地的鉴别方法 |
CN112362827A (zh) * | 2020-11-25 | 2021-02-12 | 上海海关动植物与食品检验检疫技术中心 | 一种牛奶产地溯源方法 |
CN112285302A (zh) * | 2020-11-25 | 2021-01-29 | 上海海关动植物与食品检验检疫技术中心 | 一种乳品的有机属性鉴别方法 |
CN113219118A (zh) * | 2021-05-18 | 2021-08-06 | 河北农业大学 | 一种牛奶产地opls-da鉴别模型的构建方法及应用 |
CN113671602A (zh) * | 2021-08-17 | 2021-11-19 | 上海康耐特光学有限公司 | 一种可溯源树脂镜片及其溯源方法和应用 |
CN114295611B (zh) * | 2021-08-27 | 2023-10-03 | 石河子大学 | 一种基于时序变温过程中视觉成像的羊肉掺假定量检测方法 |
CN116165165B (zh) * | 2023-04-25 | 2023-07-07 | 四川威斯派克科技有限公司 | 一种药品原辅料在线实时放行的检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107219184A (zh) * | 2017-04-24 | 2017-09-29 | 仲恺农业工程学院 | 一种应用于产地溯源的肉类鉴别方法及装置 |
CN109470763A (zh) * | 2017-09-08 | 2019-03-15 | 上海市合成纤维研究所有限公司 | 一种再生蛋白质纤维原料溯源的鉴别方法 |
CN107844984A (zh) * | 2017-12-12 | 2018-03-27 | 天津中安华典数据安全科技有限公司 | 一种家畜产品的监控溯源方法及系统 |
CN110954500B (zh) * | 2019-11-20 | 2021-03-02 | 中国计量大学 | 一种进口牛肉产地混合溯源方法及系统 |
-
2019
- 2019-11-20 CN CN201911141317.6A patent/CN110954500B/zh active Active
-
2020
- 2020-01-24 JP JP2020009725A patent/JP6708829B1/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN110954500A (zh) | 2020-04-03 |
JP6708829B1 (ja) | 2020-06-10 |
CN110954500B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6708829B1 (ja) | 輸入牛肉産地の混合追跡方法およびシステム | |
Albrecht et al. | Efficiency of near-infrared reflectance spectroscopy to assess and predict the stage of transformation of organic matter in the composting process | |
Rummel et al. | The combination of stable isotope abundance ratios of H, C, N and S with 87Sr/86Sr for geographical origin assignment of orange juices | |
Bat et al. | Isotopic and elemental characterisation of Slovenian apple juice according to geographical origin: Preliminary results | |
Podio et al. | Elemental and isotopic fingerprint of Argentinean wheat. Matching soil, water, and crop composition to differentiate provenance | |
Zeng et al. | Quantitative visualization of photosynthetic pigments in tea leaves based on Raman spectroscopy and calibration model transfer | |
JP6712691B1 (ja) | サーモン産地の混合鑑別方法およびシステム | |
Canizo et al. | Intra-regional classification of grape seeds produced in Mendoza province (Argentina) by multi-elemental analysis and chemometrics tools | |
WO2005111583A1 (ja) | 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置 | |
Laursen et al. | Advances in isotopic analysis for food authenticity testing | |
Kokkinofta et al. | Isotopic and elemental authenticity markers: a case study on Cypriot wines | |
JP2014209096A (ja) | 大豆原料及び大豆加工品の産地判別法 | |
Pepi et al. | Relationship among geochemical elements in soil and grapes as terroir fingerprintings in Vitis vinifera L. cv.“Glera” | |
Mazarakioti et al. | Inductively coupled plasma-mass spectrometry (ICP-MS), a useful tool in authenticity of agricultural products’ and foods’ origin | |
Perini et al. | Stable isotope ratio analysis combined with inductively coupled plasma‐mass spectrometry for geographical discrimination between Italian and foreign saffron | |
JP2010256302A (ja) | 農作物の栽培国または地域の判定方法 | |
Gao et al. | Potential of hyperspectral data and machine learning algorithms to estimate the forage carbon-nitrogen ratio in an alpine grassland ecosystem of the Tibetan Plateau | |
Gontijo et al. | Multi-proxy approach involving ultrahigh resolution mass spectrometry and self-organising maps to investigate the origin and quality of sedimentary organic matter across a subtropical reservoir | |
Liu et al. | Application of stable isotopic and elemental composition combined with random forest algorithm for the botanical classification of Chinese honey | |
Sim et al. | Near-infrared reflectance spectroscopy accurately predicted isotope and elemental compositions for origin traceability of coffee | |
Farrar et al. | Rapid assessment of soil carbon and nutrients following application of organic amendments | |
Rinke | Tradition meets high tech for authenticity testing of fruit juices | |
Sokač Cvetnić et al. | Application of near-infrared spectroscopy for monitoring and/or control of composting processes | |
Xu et al. | Determining the geographical origin of milk by multivariate analysis based on stable isotope ratios, elements and fatty acids | |
CN113176227A (zh) | 一种快速预测河南石斛掺伪霍山石斛的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200124 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200124 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200303 |
|
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: 20200310 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200311 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6708829 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |