掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(下)
-
>
基于個性化設(shè)計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內(nèi)燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
羊肉儲藏品質(zhì)的光學(xué)快速無損檢測機理及方法-以新疆羊肉為例 版權(quán)信息
- ISBN：9787511636232
- 條形碼：9787511636232 ; 978-7-5116-3623-2
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
羊肉儲藏品質(zhì)的光學(xué)快速無損檢測機理及方法-以新疆羊肉為例 內(nèi)容簡介
本書以新疆羊肉為對象，系統(tǒng)的闡述了肉品品質(zhì)的近紅外和高光譜圖像等光學(xué)快速無損檢測技術(shù)的國內(nèi)外研究現(xiàn)狀、羊肉品質(zhì)光學(xué)檢測模型的建立方法、羊肉pH值的光學(xué)定量分析檢測、羊肉揮發(fā)性鹽基氮（TVB-N）的高光譜圖像定量分析檢測、羊肉細菌總數(shù)（TVC）的高光譜圖像定量分析檢測、羊肉顏色參數(shù)的光學(xué)定量分析檢測和羊肉新鮮度的高光譜圖像定性分析檢測，揭示并建立了pH值、TVC、TVB-N、顏色和新鮮度等羊肉儲藏品質(zhì)指標的光學(xué)快速無損檢測機理及方法。全書理論扎實、內(nèi)容詳實新穎、融知識性和實用性于一體，不僅可供關(guān)注羊肉品質(zhì)的用戶、企業(yè)和質(zhì)檢部門使用，還可以作為相關(guān)農(nóng)業(yè)院校師生以及相關(guān)檢測研究單位人員的參考書籍。
羊肉儲藏品質(zhì)的光學(xué)快速無損檢測機理及方法-以新疆羊肉為例 目錄
**章 緒論
**節(jié) 研究背景與意義
第二節(jié) 肉品品質(zhì)光學(xué)快速無損檢測的國內(nèi)外研究現(xiàn)狀
第三節(jié) 羊肉儲藏品質(zhì)光學(xué)快速無損檢測研究的現(xiàn)狀分析
第四節(jié) 研究目標
第五節(jié) 研究內(nèi)容
第二章 羊肉品質(zhì)光學(xué)檢測模型的建立方法
**節(jié) 光譜預(yù)處理方法
第二節(jié) 特征波段篩選及降維方法
第三節(jié) 樣本集劃分方法
第四節(jié) 常用化學(xué)計量學(xué)分析方法
第五節(jié) 模式識別方法
第六節(jié) 模型驗證與評價
第三章 羊肉pH值的光學(xué)定量分析檢測
**節(jié) pH值在羊肉儲存過程中的變化規(guī)律
第二節(jié) pH值的近紅外定量檢測
第三節(jié) pH值的高光譜圖像定量檢測
第四節(jié) pH值空間分布的可視化
第四章 羊肉細菌總數(shù)(TVC)的高光譜圖像定量分析檢測
**節(jié) TNC在羊肉儲藏過程中的變化規(guī)律
第二節(jié) 基于全波段TVC檢測模型的建立與比較
第三節(jié) 基于特征波段TVC檢測模型的建立與比較
第四節(jié) TVC空間分布的可視化
第五章 羊肉揮發(fā)性鹽基氮(TVB—N)的高光譜圖像定量分析檢測
**節(jié) TVB—N在羊肉儲藏過程中的變化規(guī)律
第二節(jié) 基于全波段TVB—N檢測模型的建立與比較
第三節(jié) 基于特征波段TVB—N檢測模型的建立與比較
第四節(jié) TVB—N空間分布的可視化
第六章 羊肉顏色參數(shù)的光學(xué)定量分析檢測
**節(jié) 顏色參數(shù)在羊肉儲存過程中的變化規(guī)律
第二節(jié) 羊肉顏色參數(shù)的近紅外定量檢測
第三節(jié) 羊肉顏色參數(shù)的高光譜圖像定量檢測
第七章 羊肉新鮮度的高光譜圖像定性分析檢測
**節(jié) 羊肉新鮮度評價準則的建立
第二節(jié) 熱鮮羊肉新鮮度的高光譜圖像定性分析檢測
第三節(jié) 冷卻羊肉新鮮度的高光譜圖像定性分析檢測
第八章 結(jié)論與展望
**節(jié) 結(jié)論
第二節(jié) 展望
參考文獻
展開全部
羊肉儲藏品質(zhì)的光學(xué)快速無損檢測機理及方法-以新疆羊肉為例 節(jié)選
**章緒論 **節(jié)研究背景與意義 羊肉因其營養(yǎng)豐富、高蛋白、低脂肪、低膽固醇逐漸成為保健佳品。我國是羊肉生產(chǎn)與消費**大國，產(chǎn)量、消費量均超過世界的1/3。新疆維吾爾自治區(qū)(以下簡稱新疆)地處我國西北地區(qū)，牧草場自然環(huán)境優(yōu)越，其產(chǎn)出的羊肉色澤鮮紅、紋理細致、富有彈性、大理石花紋適中。與國內(nèi)羊肉平均水平相比，其營養(yǎng)價值較高。新疆羊肉越來越受全國消費者的青睞，已經(jīng)形成了羊肉串、烤全羊等具有新疆地域風(fēng)味的羊肉產(chǎn)業(yè)體系。自1996年以來新疆羊肉產(chǎn)量一直保持在新疆肉類總產(chǎn)量40％左右。根據(jù)2001—2016年中國統(tǒng)計年鑒畜產(chǎn)品產(chǎn)量統(tǒng)計結(jié)果的分析表明：2016年新疆羊肉年產(chǎn)量達到5832萬t，年增長速度為52%，而2016年全國羊肉年產(chǎn)量達441萬t，年增長速度為548%（圖1-1、圖1-2）。由此可見，僅2016年新疆羊肉的年增長速度就已高于全國平均增長速度228％，消費者對新疆羊肉的需求正在逐漸增加。 另一項研究數(shù)據(jù)表明，新疆作為我國五大牧區(qū)之一，牧區(qū)總產(chǎn)值位列全國第16，而養(yǎng)羊業(yè)作為牧區(qū)的主導(dǎo)產(chǎn)業(yè)，卻未能提供其應(yīng)有的主導(dǎo)作用。其中一個主導(dǎo)因素在于加工、檢測、分級等宰后處理手段落后，深加工不足、價格低、出口量較小，國際市場競爭能力明顯不足。另外，隨著人們生活水平的提高，對食品的安全問題更加關(guān)注。然而目前羊肉檢測過程中，質(zhì)監(jiān)局等部門主要針對現(xiàn)宰殺的羊進行病理檢查，而對羊肉在運輸過程中、市場流通過程中的肉品品質(zhì)檢測存在很多漏洞，這些因素極大地限制了新疆羊肉市場的發(fā)展。 圖1-1近16年全國羊肉年產(chǎn)量情況 圖1-2近16年新疆羊肉產(chǎn)量情況 羊肉在儲藏過程中品質(zhì)會發(fā)生變化，為保證流入市場的羊肉品質(zhì)安全，就需要對其進行檢測。評價儲藏過程中羊肉品質(zhì)的主要指標有pH值、細菌總數(shù)(TVC)、揮發(fā)性鹽基氮(TVB-N)、顏色和新鮮度等。其中羊肉pH值的變化即酸堿度失衡將影響肉的口感，從而影響消費者對其品質(zhì)的認可度。細菌總數(shù)能否準確測定直接關(guān)系到羊肉食用的安全性，有些微生物會產(chǎn)生毒素致使人中毒，嚴重影響人身健康。揮發(fā)性鹽基氮是動物性食品在腐敗變質(zhì)的過程中，由于酶和細菌的作用，將蛋白質(zhì)分解而產(chǎn)生的氨以及胺類等堿性含氮物質(zhì)、肉制品中所含有的揮發(fā)性鹽基氮含量，隨著腐敗程度的進行而不斷增加，與腐敗程度之間有著顯著的相關(guān)關(guān)系。顏色是肉新鮮與否的直觀外在表現(xiàn)，直接影響著消費者的購買意愿。新鮮度是指肉品的新鮮程度，一般分為新鮮、次鮮和腐敗，是衡量肉品是否符合食用要求的定性標準。當(dāng)前，對上述儲藏品質(zhì)檢測的傳統(tǒng)手段主要包括：感官評定，容易操作但結(jié)果因人而異；理化測定法和微生物檢測法等手段，結(jié)果準確但操作繁瑣，費時費力，不能滿足大批量、大規(guī)模的快速檢測任務(wù)，從而限制了新疆羊肉走高端化、品牌化的產(chǎn)業(yè)道路。 由此可見，新疆羊肉市場要走高端化、品牌化的產(chǎn)業(yè)道路，就必須對羊肉儲藏品質(zhì)安全進行快速檢測，以確保新疆羊肉的市場競爭力。而近紅外光譜和高光譜圖像技術(shù)作為新興的光學(xué)無損檢測技術(shù)，具有快速、無損和綠色等特點，可以對羊肉儲藏品質(zhì)進行快速檢測。近紅外光譜分析技術(shù)（NIRS）是利用不同樣品在近紅外譜區(qū)包含的光學(xué)反射或透射特性的不同，來測定樣品化學(xué)組成及物理特性的一種快速檢測技術(shù)。高光譜圖像技術(shù)（HSI）能夠同時獲取樣品的圖像和光譜信息，通過樣品的特征信息和理化數(shù)據(jù)之間的相關(guān)關(guān)系，能夠準確、快速、無損地預(yù)測樣品的品質(zhì)指標。 針對我國現(xiàn)在的羊肉品質(zhì)的快速無損檢測需求，本書以新疆羊肉為對象，系統(tǒng)地闡述了羊肉儲藏品質(zhì)的近紅外和高光譜圖像等光學(xué)快速無損檢測技術(shù)的國內(nèi)外研究現(xiàn)狀和羊肉品質(zhì)光學(xué)檢測模型的建立方法，通過試驗尋找羊肉儲藏過程中品質(zhì)的變化規(guī)律，然后采集400～1 000nm可見短波高光譜圖像和900～2 500nm長波近紅外光譜，通過對上述光學(xué)信息進行預(yù)處理、ROIs選取、特征光譜提取、模型比較建立*優(yōu)光學(xué)快速檢測模型和可視化分布圖及揭示檢測機理，完成對羊肉pH值、TVC、TVB-N、顏色和新鮮度等儲藏品質(zhì)指標的定量和定性分析。 第二節(jié)肉品品質(zhì)光學(xué)快速無損檢測的 國內(nèi)外研究現(xiàn)狀 一、肉品品質(zhì)近紅外光譜檢測的國內(nèi)外研究現(xiàn)狀 （一）國外研究現(xiàn)狀 2007年，Viljoen等采用近紅外光譜技術(shù)對冷凍干燥羊肉化學(xué)和礦物成分進行分析。結(jié)果表明化學(xué)和礦物的偏*小二乘回歸（PLSR）模型預(yù)測相關(guān)系數(shù)和標準差（SEP）分別為：灰度（097，015%）、干物質(zhì)（096，038%）、粗蛋白（1，092%）、脂肪（1，043%），K、P、Na、Mg和Fe的SEP分別為600mg/kg、900mg/kg、7789mg/kg、40mg/kg和315mg/kg。 2007年，Sheridan等采用光纖傳感器技術(shù)結(jié)合主成分分析和神經(jīng)網(wǎng)絡(luò)以測量色彩模型（CIE L、a和b）和分析光譜反射率兩種方法對切片火腿褪色進行研究，CIE L、a和b的重復(fù)再現(xiàn)非常困難，在粉紅色和灰色中L和a譜線重疊嚴重，采用光譜反射率區(qū)分褪色火腿比檢測CIE L、a和b效果更好。 2012年，Kapper 等應(yīng)用近紅外光譜技術(shù)對豬肉滴水損失、顏色和pH值進行研究，滴水損失率、L、B和pH值的預(yù)測決定系數(shù)分別為075、051、055和075；相對分析誤差（RPD）分別為19、14、15和19。 2013年，Wang等利用光纖傳感器結(jié)合小波去噪的人工神經(jīng)網(wǎng)絡(luò)方法研究分析了肉類新鮮度的復(fù)雜頻譜信息，該方法能夠?qū)崿F(xiàn)對物種和肉類新鮮度的較好辨別。 2013年，De Marchi利用可見/近紅外光譜技術(shù)對牛肉胴體pH值、顏色、蒸煮損失和剪切力進行在線檢測研究，其中pH值、顏色和蒸煮損失模型預(yù)測效果較好，剪切力較差。 2015年，Mourot等采用近紅外反射光譜技術(shù)對牛肉脂肪酸（FA）的組成進行預(yù)測，除不飽和脂肪酸增加個體或團體的脂肪酸含量均可以增加校正集的可靠性，當(dāng)沒有半腱肌脂肪酸時，胸*長肌FAS的預(yù)測性能比腹直肌FAS好。 2015年，Teixeira等采用近紅外反射光譜對山羊背*長肌中的蛋白質(zhì)和水分進行預(yù)測，結(jié)果表明校準模型對蛋白質(zhì)（預(yù)測標準誤差SEP=043）和水分（SEP=048）具有較好的預(yù)測性能。 2015年，Qiao等在工業(yè)大樣本數(shù)據(jù)的條件下利用可見/近紅外光譜結(jié)合主成分分析建立PLSR模型和支持向量機（SVM）模型對牛肉品質(zhì)進行預(yù)測，結(jié)果表明SVM對牛肉食用品質(zhì)的預(yù)測能力比PSLR好，特別是對年輕的公牛肉嫩度預(yù)測的準確率*高。 2016年，Ghazali等采用可見近紅外和短波的組合結(jié)合主成分回歸對原料肉的剪切力進行研究，主成分數(shù)為4時所建主成分回歸（PCR）模型校正集（Rc）、均方根誤差（RMSEC）分別為 046和006，預(yù)測集（Rp）和預(yù)測誤差均方根（RMSEP）分別為042和009。 2016年，Alamprese等采用傅立葉變換近紅外光譜技術(shù)對意大利不同相對濕度下豬肉的調(diào)理效果進行研究。結(jié)果表明豬肉在空調(diào)80% RH時比95% RH的重量損失率高了16倍。 2016年，Wang等基于雙波段可見/近紅外光譜技術(shù)的肉品質(zhì)量參數(shù)檢測裝置對豬肉顏色、pH值、揮發(fā)性鹽基氮、水分、蒸煮損失和彈性進行檢測，所建PLSR模型各組分預(yù)測集的相關(guān)系數(shù)為090～096，預(yù)測誤差分別為063mg、076mg、055mg、008mg、280mg（100g）、038%、256%和690N。 2016年，Dixit等采用多點近紅外光譜儀結(jié)合準直鏡在不同檢測距離下對碎牛肉脂肪進行測量。在三種不同距離下（1cm、25cm和4cm）脂肪校正集Rc為096～099，RMSEC為003～425，預(yù)測集RMSEP為003～567。表明準直鏡可以增加近紅外光譜技術(shù)對牛肉的檢測距離。 2017年，Reis等采集新鮮魚片可見近紅外光譜后分別冷凍5d、21d和35d解凍再次掃描，建立偏*小二乘回歸模型并進行反復(fù)雙交叉驗證，新鮮魚片和冷凍/解凍樣品判別準確率分別為92%和82%。 （二）國內(nèi)研究現(xiàn)狀 2004年，孟憲江等利用光纖探頭采集肉的光譜利用神經(jīng)網(wǎng)絡(luò)方法建立肉品新鮮度判別模型，準確率達到933％。 2010年，廖宜濤等利用近紅外光譜技術(shù)對新鮮豬肉肌內(nèi)脂肪含量在線檢測研究。對采集背*長肌肉460～920mm的光譜進行小波降噪處理，利用MSC和一階微分建立PLSR預(yù)處理模型結(jié)果良好，預(yù)測相關(guān)系數(shù)為093，預(yù)測均方根誤差RMSEP為005。 2012年，劉曉曄利用近紅外光譜技術(shù)在線測定成熟2d和7d后牛肉外脊的pH值和顏色。使用多元散射校正、標準正態(tài)化、去趨勢化及多種處理方法來消除高頻噪聲和基線偏移，建立偏*小二乘回歸模型。結(jié)果表明，波長為 1 000～1 300nm時，2d的模型相關(guān)系數(shù)較好，均大于08。 2013年，周令國等采用FNIR對粉碎均質(zhì)臘肉中亞硝酸鹽進行研究，PLSR模型的校正集和交叉驗證集分別為100和096，校正集（RMSEC）和交叉驗證集（RMSECV）分別為018和088。 2013年，谷芳等利用近紅外光譜檢測豬肉在室溫和冷藏貯藏過程中細菌菌落總數(shù)，實現(xiàn)了無損、快速檢驗豬肉品質(zhì)。 2014年，徐文杰等采用近紅外光譜技術(shù)結(jié)合PLSR模型對211個草魚魚肉的質(zhì)構(gòu)參數(shù)和持水性進行分析，咀嚼性模型參數(shù)相比較于其他參數(shù)模型系數(shù)略低，持水性、硬度、回復(fù)性、彈性、咀嚼性和剪切力的模型相關(guān)系數(shù)分別為092、098、098、099、077和099。 2014年，楊勇等采用近紅外光譜技術(shù)結(jié)合PLSR模型對鵝肉TVB-N和pH值進行研究分析，兩者的校正模型Rc分別為073和099，內(nèi)部交互驗證均方根誤差分別為367和003，預(yù)測集的預(yù)測值和實測值相關(guān)系數(shù)分別為097和071。 2014年，陳偉華采用近紅外光譜技術(shù)對羅非魚片揮發(fā)性鹽基氮、硬度、彈性、凝聚性、解凍損失、蒸煮損失、水分含量及質(zhì)構(gòu)特性進行研究，均取得較好的檢測效果。 2016年，鄒昊等通過調(diào)整算法參數(shù)和算法組合成功消除了近紅外光譜儀對生鮮羊肉揮發(fā)性鹽基氮模型穩(wěn)定性和預(yù)測準確率的影響。 2016年，鄭曉春等采用環(huán)形光源雙通道可見/近紅外光譜系統(tǒng)檢測牛肉含水率、顏色和pH值并取得較好效果。 2016年，王文秀等采用雙波段可見/近紅外光譜系統(tǒng)對豬肉顏色、蒸煮損失率進行建模分析，L、a、b、pH值及蒸煮損失率預(yù)測集相關(guān)系數(shù)分別為095、092、095、093和090。 2016年，李志剛等采用近紅外光譜技術(shù)對牛肉硬度、彈性、咀嚼性和黏附性等進行檢測，經(jīng)小波消噪后采用的二階微分預(yù)處理建立的牛肉硬度、彈性、咀嚼性模型效果較優(yōu)，能夠有效地預(yù)測牛肉硬度、咀嚼性，但彈性和黏附性不好。 2016年，鄒昊等采用便攜式近紅外光譜技術(shù)以豬肉血液中的葡萄糖濃度和皮質(zhì)醇濃度兩指標對白肌肉和黑干肉劣質(zhì)豬肉進行預(yù)判研究并取得較好結(jié)果，PSE和DFD肉的預(yù)判準確率分別達到92%和96%。 2016年，王輝等基于中波近紅外光譜對生鮮牛肉膽固醇建立PLSR模型，獨立驗證集的預(yù)測效果較好（P＞005）滿足國家標準。 2016年，黃偉等采用NIRS對滇南小耳豬整塊或均質(zhì)肉糜的水分、脂肪和蛋白質(zhì)含量進行研究。整塊肉的水分PLSR模型較好R2、RMSEC、預(yù)測標準差（RMSECP）分別為098、040和164；肉糜的脂肪和蛋白質(zhì)模型效果較好，R2分別為091和095，RMSEC分別為041和027；RMSEP分別為164和111。 2017年，趙文英等采用近紅外光譜技術(shù)結(jié)合偏*小二乘法對300份鮮肉（牛肉、羊肉、豬肉各100份）單獨的不同種類和混合鮮肉糜進行蛋白質(zhì)測定分析。三者所建模型校驗相關(guān)系數(shù)都在090以上，肉類樣品混合建模集和預(yù)測集相關(guān)系數(shù)分別為095和093，RMSEC、RMSEP分別為050和067。 2017年，劉功明等利用近紅外光譜技術(shù)分析雞、魚肉加熱終點溫度機理，雞肉和魚肉主成分數(shù)分別為9和11時其PLSR模型RMSECV*小，預(yù)測值的相關(guān)系數(shù)分別為100和098，預(yù)測均方差分別為302%和294%，預(yù)測誤差分別為097和163。
羊肉儲藏品質(zhì)的光學(xué)快速無損檢測機理及方法-以新疆羊肉為例 作者簡介
2000年-2004年在中國農(nóng)業(yè)大學(xué)工學(xué)院學(xué)習(xí)，獲得工學(xué)學(xué)士學(xué)位；2004年-2006年在中國農(nóng)業(yè)大學(xué)工學(xué)院學(xué)習(xí)，獲得工學(xué)碩士學(xué)位；2006年-2009年在中國農(nóng)業(yè)大學(xué)工學(xué)院學(xué)習(xí)，獲得工學(xué)博士學(xué)位；2015年12月-2016年12月，愛爾蘭利莫瑞克大學(xué)光纖傳感器研究中心學(xué)習(xí)，訪問學(xué)者；2009年-至今在石河子大學(xué)機電學(xué)院任教，國家留學(xué)基金委(CSC)項目資助人員，石河子大學(xué)3152優(yōu)秀青年骨干教師，2016年石河子大學(xué)優(yōu)秀碩士學(xué)位論文指導(dǎo)教師。 2、2011年獲得碩士研究生導(dǎo)師招生資格，目前共累計指導(dǎo)碩士研究生7人，4人已畢業(yè)，其中1人獲2016年石河子大學(xué)優(yōu)秀碩士學(xué)位論文。
書友推薦
- >
回憶愛瑪儂
- >
二體千字文
- >
中國歷史的瞬間
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
苦雨齋序跋文-周作人自編集
- >
李白與唐代文化
- >
經(jīng)典常談
- >
詩經(jīng)-先民的歌唱
本類暢銷
