研究目的
研究高光谱技术在培根中亚硝酸盐快速检测的可行性,旨在为质量控制提供一种无损且高效的方法。
研究成果
一阶导数加向量归一化模型是利用高光谱数据预测培根中亚硝酸盐含量最有效的方法,具有高精度(RMSECV=0.251,r2=0.972)。这证明了高光谱技术作为培根质量检测的无损、快速方法的可行性,并在食品安全领域有更广泛应用的潜力。
研究不足
该研究仅限于北京地区的培根样本,可能无法代表所有类型;高光谱系统的特定光谱范围(900-1700纳米)可能无法捕捉所有相关特征;样本量较?。?0个样本),可能影响模型的普适性;扫描过程中的环境条件需要加以控制以避免干扰。
1:实验设计与方法选择:
本研究采用高光谱成像结合偏最小二乘法(PLS)回归构建亚硝酸盐含量预测模型。光谱预处理方法包括归一化、一阶导数和二阶导数。
2:样本选择与数据来源:
从北京市场采集40份培根样本,其中32份用于校准,5份用于验证,3份因异常值被剔除。实际亚硝酸盐含量按GB 5009.33-2010标准采用分光光度法测定。
3:33-2010标准采用分光光度法测定。
实验设备与材料清单:
3. 实验设备与材料清单:高光谱成像系统(光谱范围900-1700nm,分辨率5nm,采样间隔4nm)、紫外分光光度计Tu-1950、去离子水、符合国标的化学试剂、研磨机、超声波提取仪、离心机。
4:去离子水、符合国标的化学试剂、研磨机、超声波提取仪、离心机。
实验流程与操作步骤:
4. 实验流程与操作步骤:样本制备(清洗、干燥、绞碎)、高光谱数据采集(在载物台扫描样本)、理化测定(提取与分光光度分析)、光谱预处理(如向量归一化、导数处理)、PLS模型构建与验证。
5:数据分析方法:
采用PLS回归建立模型,通过计算RMSECV和r2评估模型,比较不同预处理方法的效果。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容