發(fā)布時(shí)間：2021-07-06 09:03

　　灘羊是寧夏優(yōu)勢(shì)特色畜種,肉色是影響灘羊肉食用性及商業(yè)性的重要品質(zhì),直接影響消費(fèi)者的購買決定,其隨著肌紅蛋白的多少及化學(xué)狀態(tài)而變化。肌紅蛋白的傳統(tǒng)檢測(cè)法成本高、破壞性大,還需要高度專業(yè)化的設(shè)備、樣品制備和訓(xùn)練有素的儀器操作人員。因此,亟需一些簡(jiǎn)便、靈敏、經(jīng)濟(jì)、可靠且具有實(shí)時(shí)評(píng)估功能的強(qiáng)大分析儀器及方法,以實(shí)現(xiàn)灘羊肉中肌紅蛋白含量的精確且快速的無損檢測(cè)。本文將灘羊肉Vis-NIR與NIR兩種光譜數(shù)據(jù)分別與化學(xué)計(jì)量學(xué)方法相結(jié)合,探究了高光譜成像技術(shù)快速無損檢測(cè)灘羊肉中肌紅蛋白含量的可行性,研究了冷藏期間灘羊肉中肌紅蛋白的光譜變化規(guī)律,開發(fā)了灘羊肉中肌紅蛋白含量的最優(yōu)定量函數(shù),以期為灘羊肉中肌紅蛋白含量的快速無損檢測(cè)提供重要的科學(xué)依據(jù),主要研究成果如下:（1）貯藏期內(nèi)灘羊肉中肌紅蛋白含量變化研究隨著冷藏時(shí)間的增加,DeoMb含量總體呈下降趨勢(shì);MbO2含量呈現(xiàn)先增加（p<0.05）,后下降（p<0.05）的變化趨勢(shì);灘羊肉中的MetMb含量隨存儲(chǔ)時(shí)間的增加而增加（p<0.05）,第19天之后MetMb含量基本保持恒定（p>0.05）,直到冷藏結(jié)束。（2）NIR高光譜對(duì)灘... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：98 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－１冷鮮灘羊肉中ＤｅｏＭｂ，ＭｂＣｈ和ＭｅｔＭｂ含量的變化（％）??（ａ）?ＤｅｏＭｂ，?（ｂ）?ＭｂＣｈ?和（ｃ）?ＭｅｔＭｂ

＝■夏大學(xué)碩士學(xué)位論文?第五章ＮＩＲ波段冷鮮灘羊肉肌紅蛋白的定量函數(shù)建立??的光譜數(shù)據(jù)用于進(jìn)一步分析。所有測(cè)試樣品的原始平均反射光譜如圖４－１?（ａ）所示。與光譜范圍??為１４００?－?１７００?ｎｍ的反射值相比，１０１０?－?１４００?ｒｕｎ范圍內(nèi)的反射值非常高。反射率值的差異與光??譜特征吸收有關(guān)，例如Ｃ－Ｈ?（有機(jī)化合物）拉伸振動(dòng)，０－Ｈ?（水，碳水化合物和脂肪）拉伸振動(dòng)??以及來自有機(jī)化合物（蛋白質(zhì)和氨基酸）中酰胺和胺的Ｎ－Ｈ鍵Ｗ。??根據(jù)先前的研究，在１０２２?ｎｍ?－?１１００?ｎｍ是酰胺中ＮＨ的第二次Ｎ－Ｈ拉伸，１１００?ｎｍ?－?Ｕ６０ｎｍ??是ＣＨ：的第二次Ｃ－Ｈ拉伸，１１６０?ｎｍ－?１３００ｎｍ范圍內(nèi)的吸收帶歸因于羰基化合物的第二次Ｃ－Ｈ??拉伸，１３００?ｎｍ?－?１４００?ｎｍ是Ｃ＝０鍵第三次振動(dòng)，１４００?ｒｎｎ?－?１５００?ｎｍ是ＣＯＯＨ的第一次０－Ｈ拉伸，??１６００?ｎｍ－?１７００?ｎｍ光譜區(qū)域中的中紅外光譜是蛋白質(zhì)的酰胺Ｉ譜帶，這主要?dú)w因于Ｃ＝０拉伸的??吸收［丨１８’丨６４－１６５］。??樣品在不同存儲(chǔ)時(shí)間下的代表性平均光譜曲線如圖４－１?（ｂ）所示�？梢郧宄乜吹�，不同天??數(shù)灘羊肉樣品的平均反射光譜曲線形態(tài)特征相似，沒有明顯的波動(dòng)。然而，隨著儲(chǔ)存時(shí)間的延??長(zhǎng)．觀察到樣本的整個(gè)光譜反射強(qiáng)度有降低的趨勢(shì)。這種現(xiàn)象表明．肌紅蛋白含量較高的灘羊??肉樣品的反射率值較低（吸光度較高），反之亦然。這種現(xiàn)象可能歸因于兩個(gè)方面，一方面，??近紅外區(qū)域中反射率值的差異可能是由于儲(chǔ)存過程中微生物活動(dòng)和酶活性所引起的灘羊肉的物??理性質(zhì)和主要化學(xué)成分（例如水，脂肪和蛋白質(zhì)）的變化［３７］。另一方面

寧夏大學(xué)碩士學(xué)位論文?第五章ＮＩＲ波段冷鮮灘羊肉肌紅蛋白的定量函數(shù)建立??４．２．３?ＮＩＲ光譜特征波段分析??４．２．３．Ｉ?ＤｃｏＭｂ的ＮＩＲ光譜特征分析?．??（１）?ＳＰＡ算法選擇特征波長(zhǎng)??圖４－２為ＳＰＡ算法選擇ＤｅｏＭｂ特征波長(zhǎng)的過程。如圖４－２（ａ）所示，當(dāng)變量數(shù)為５時(shí)．ＲＭＳＥＣＶ??值達(dá)到最低（丨．３２３１）。由４－２?（ｂ）可以看出特征變量數(shù)分別為１０２０?ｎｍ、１０５６?ｎｍ、１２０８ｎｍ、??１２６４?ｎｍ和１４９１?ｎｍ．變量數(shù)占到總波長(zhǎng)數(shù)的１．９６％，很大程度上精簡(jiǎn)了模型。??Ａｉ終選扦的變ｗ：?５?（ＲＭＳＥＣＶ?＝丨．３２３１＞?〇ｇ??＂５ｆ—丨—Ｉ—！?：——?－???－—．．．Ｉｉ．．．．．ｉ?ｉ。８?????－汝．．．Ｉ．．．．．．Ｉ?！?：ｔＡ：＝??＞?ｉ?ａ?＇?：?－ｉ－０?５?－?？?＾?＼???＾?ｊ＿３＜?－?；??；－．???????＂￣Ｔ）．４?－???ｍ?????ｕ－１－＾一Ｉ??Ｕ５—．！??．．．??：：：：；；：?：?：?Ｉ??０?２?４?６?８?１０?１２?１４?〇ｌ?ｉ?ｉ?ｉ?ｉ?ｉ??酬賊數(shù)?０?５０?丨°°交里數(shù)ｌ５°?２〇０?２５０??圖４－２?ＳＰＡ算法選擇的特征波長(zhǎng)（ａ）ＲＭＳＥＣＶ的變化情況（ｂ）選擇的特征波長(zhǎng)??Ｆｉｇ．４－２?Ｆｅａｔｕｒｅ?ｗａｖｅｌｅｎｇｔｈｓ?ｅｘｔｒａｃｔｅｄ?ｂ＼－?ＳＰＡ?（ａ）?Ｃｈａｎｇｅｓ?ｉｎ?ＲＭＳＥＣＶ?（ｂ）?Ｓｅｌｅｃｔｅｄ?ｃｈａｒａｃｔｅｒｉｓｔｉ

【參考文獻(xiàn)】：
期刊論文
[1]高光譜成像技術(shù)結(jié)合線性回歸算法快速預(yù)測(cè)雞肉摻假牛肉[J]. 朱亞東,何鴻舉,王魏,蔣圣啟,馬漢軍,劉璽,劉蘇漢,朱明明,趙圣明,王正榮.  食品工業(yè)科技. 2020(04)
[2]可見/近紅外高光譜成像技術(shù)對(duì)長(zhǎng)棗中葡萄糖含量的無損檢測(cè)[J]. 程麗娟,劉貴珊,萬國玲,何建國.  發(fā)光學(xué)報(bào). 2019(08)
[3]基于高光譜成像技術(shù)的灘羊肉新鮮度快速檢測(cè)研究[J]. 張晶晶,劉貴珊,任迎春,蘇文浩,康寧波,馬超.  光譜學(xué)與光譜分析. 2019(06)
[4]基于高光譜和頻譜特征的注水肉識(shí)別方法[J]. 於海明,徐佳琪,劉浩魯,劉超,張大成,陳坤杰.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(11)
[5]可見/近紅外光譜技術(shù)無損識(shí)別蘋果品種的研究[J]. 尚靜,張艷,孟慶龍.  保鮮與加工. 2019(03)
[6]近紅外高光譜聯(lián)用Stepwise算法快速無接觸評(píng)估冷鮮雞肉色澤及嫩度[J]. 蔣圣啟,何鴻舉,王慧,馬漢軍,陳復(fù)生,劉璽,賈方方,康壯麗,潘潤淑,朱明明,趙圣明,王正榮.  食品工業(yè)科技. 2019(13)
[7]NIRS數(shù)據(jù)樣本選擇與預(yù)處理方法綜述[J]. 王駿超,葛俊鋒.  國外電子測(cè)量技術(shù). 2019(03)
[8]硝酸鹽腌肉中硝酸鹽添加量的判別分析[J]. 萬國玲.  食品安全導(dǎo)刊. 2019(06)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)與高光譜的雞肉品質(zhì)分類檢測(cè)[J]. 王九清,邢素霞,王孝義,曹宇.  肉類研究. 2018(12)
[10]融合高光譜和圖像深度特征的臘肉分類與檢索算法研究[J]. 董小棟,郭培源,徐盼,許晶晶.  食品工業(yè)科技. 2018(23)

博士論文
[1]低溫保藏豬肉有機(jī)生物大分子光譜成像規(guī)律與快速檢測(cè)方法研究[D]. 程瑋瑋.華南理工大學(xué) 2018
[2]谷物霉菌的高光譜成像辨識(shí)方法和霉變玉米籽粒檢測(cè)方法研究[D]. 褚璇.中國農(nóng)業(yè)大學(xué) 2018
[3]脂質(zhì)氧化和抗氧化因子對(duì)牦牛肉肌紅蛋白穩(wěn)定性及高鐵肌紅蛋白還原能力的影響[D]. 陳騁.甘肅農(nóng)業(yè)大學(xué) 2016
[4]基于高光譜成像技術(shù)的冷鮮豬肉品質(zhì)無損檢測(cè)方法研究[D]. 劉善梅.華中農(nóng)業(yè)大學(xué) 2015

碩士論文
[1]基于圖像處理技術(shù)的冷凍冷藏果蔬品質(zhì)研究[D]. 岳林珊.天津商業(yè)大學(xué) 2019
[2]肉類摻假高光譜檢測(cè)的數(shù)據(jù)處理方法研究[D]. 俞晗月.華中科技大學(xué) 2019
[3]基于高光譜技術(shù)的灘羊肉持水性及質(zhì)構(gòu)剖面特性快速檢測(cè)[D]. 張晶晶.寧夏大學(xué) 2019
[4]貯藏期內(nèi)灘羊熟肉肌紅蛋白含量變化的高光譜模型構(gòu)建及空間分布[D]. 馬超.寧夏大學(xué) 2019
[5]基于高光譜圖像技術(shù)的生菜鎘污染檢測(cè)與可視化研究[D]. 張躍春.江蘇大學(xué) 2018
[6]基于高光譜成像的西蘭花農(nóng)藥殘留無損檢測(cè)方法研究[D]. 顧敏.浙江理工大學(xué) 2018
[7]基于近紅外和高光譜檢測(cè)雞蛋粉摻假的研究[D]. 劉平.華中農(nóng)業(yè)大學(xué) 2017
[8]基于顯微高光譜成像技術(shù)的灘羊肉品質(zhì)檢測(cè)研究[D]. 馬天蘭.寧夏大學(xué) 2017
[9]冷藏腐敗過程魚肉蛋白質(zhì)和脂肪變化的高光譜成像監(jiān)控方法研究[D]. 陳瑜楠.華南理工大學(xué) 2017
[10]基于高光譜圖像技術(shù)的大米品種、水分及淀粉含量無損檢測(cè)研究[D]. 路心資.江蘇大學(xué) 2017



本文編號(hào)：3267948