豬肉中細菌總數(shù)的無損檢測及優(yōu)勢致腐菌的快速鑒別研究.pdf

1、豬肉新鮮度的快速、無損檢測對肉品質量控制、保證消費者安全具有重要意義。通常情況下，細菌總數(shù)(TVC)是評價肉品新鮮度的一個常用指標，本研究利用高光譜成像和嗅覺可視化等無損檢測技術，實現(xiàn)對豬肉中TVC快速檢測和致腐菌分類鑒別。具體的研究內容如下:
　　1.基于嗅覺可視化技術的豬肉貯藏過程中細菌總數(shù)(TVC)的無損檢測。試驗將12種篩選出的氣敏材料固定到硅膠板上，制成可視化傳感器陣列。利用掃描儀獲取陣列與豬肉樣本揮發(fā)性氣味反應前后圖像

2、信息。以前后陣列顏色變化作為特征值。構建線性判別分析(LDA)和BP神經(jīng)網(wǎng)絡(BPANN)定性模型。結果顯示，BPANN模型識別結果優(yōu)于LDA，訓練集、預測集識別率分別為100％和96.9％。構建BPANN定量模型對豬肉中TVC進行檢測，結果顯示，BPANN模型預測集相關性系數(shù)為0.803，預測均方根誤差為2.902 lg(CFU/g)。研究結果為嗅覺可視化技術對肉品中TVC檢測提供理論依據(jù)。
　　2.基于多信息融合的豬肉貯藏過程

3、中細菌總數(shù)(TVC)的無損檢測?？紤]到單一檢測技術存在的局限性，本文進一步采用融合技術實現(xiàn)豬肉TVC的無損檢測。實驗利用嗅覺可視化技術和高光譜圖像技術分別獲取豬肉的氣味信息和光譜圖像信息，分別提取出36個顏色和30個紋理特征變量進行特征層數(shù)據(jù)融合，通過主成分(PCA)提取最佳的因子作為模型輸入，建立BPANN和BP-Adaboost預測模型，結果表明，兩種技術融合的模型要優(yōu)于單一技術模型，而基于兩技術融合的BP-Adaboost模型對豬

4、肉TVC含量預測結果最佳，預測集相關性系數(shù)為0.914，預測均方根誤差為0.7954 lg(CFU/g)。結果表明，采用融合技術模型檢測豬肉TVC是可行的，且較于單一技術模型的準確性和穩(wěn)定性均有所提升。
　　3.基于嗅覺可視化技術的豬肉優(yōu)勢致腐菌分類鑒別。本試驗以豬肉中優(yōu)勢致腐菌PS1、J4、P3 and P5為研究對象。用色敏型嗅覺傳感器分別獲取四種菌在培養(yǎng)過程中產(chǎn)生的揮發(fā)性氣體信息，并借助PCA和LDA方法對4種致腐菌進行分類