基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法

摘要

本发明公开了基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法，首先利用近红外光谱仪获取冷冻猪肉的近红外光谱信息，并对近红外光谱进行分析，获取冷冻猪肉在1500nm，1350nm及1890nm特征波段处的标准波段中心值，并将其比值作为特征向量，代入基于特征向量与冷冻贮藏时间的特征指数函数，即可计算出冷冻猪肉的冷冻贮藏时间。本发明通过采用近红外光谱技术，能够在冷冻状态下对猪肉的冷冻贮藏时间进行直接检测，能明显减少传统方法所需时间，具有快速无损的优点。

说明书

技术领域

本发明涉及冷冻猪肉贮藏时间的检测方法，特别涉及基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法。

背景技术

猪肉是我国消费量最大的肉品之一，但新鲜猪肉由于富含蛋白质、脂肪等营养成分，极易发生腐败变质。为了延长猪肉的保质期，在过去的几十年里，虽然出现了许多新兴的保鲜技术，但冷冻保藏仍然是目前保存肉品的最主要方式之一，也是肉品市场流通的主要形态。在冷冻保藏条件下，新鲜肉品的保质期虽然得到大幅延长，但随着冷藏时间的增加，由于温度波动及反复冻融等因素的影响，其蛋白质和脂肪等会逐步发生分解产生甲胺、尸胺、甲烷和甲基吲哚等具有腐蚀和刺激性物质，造成肉品品质的劣化。肉品品质的劣化程度与冷冻贮藏时间通常呈正比，因此，对冷冻猪肉的贮藏时间进行检测对评价冷冻猪肉的品质和保障食品安全具有重要意义。尤其是去年媒体关于“僵尸肉”事件的报道，引起了人们对冷冻肉贮藏时间的极大关注。冷冻技术一方面对肉品的保鲜起到了积极的作用，然而另一方面，肉品的冻结状态也对肉品本身的品质起到了掩盖作用，使得冷冻肉贮藏时间的鉴别比新鲜肉更加困难。在冷冻肉品质的检测方面，传统方法大多是先将冷冻肉进行解冻处理，再对其品质指标进行测定，具有损坏样品、步骤繁琐、耗时等缺点。采用快速无损的检测技术对冷冻肉品的贮藏时间进行检测，对保障肉品安全具有重要意义，然而，目前关于冷冻肉快速无损检测方面的报道还很少。

近红外光谱记录的主要是有机物含氢基团X-H(X＝C、N、O)振动的倍频和合频吸收。不同基团(如甲基、亚甲基，苯环等)或同一基团在不同化学环境中的近红外吸收波长与强度都有明显差别，因此近红外光谱具有丰富的结构和组成信息，非常适合用于碳氢有机物质的组成与性质测量。目前，在肉品品质的检测方面已经有一些采用近红外光谱的报道，这些报道多集中在常温肉品质的检测方面，如中国发明专利CN102590103A公布了一种基于近红外的肉品检测仪及检测方法；中国发明专利CN104568796A公布了一种基于可见/近红外光谱猪肉保存时间的检测方法；中国发明专利CN102519906B公布了一种多通道近红外光谱牛肉品质多参数同时检测的方法。在冷冻肉品质的检测方面，目前仅有中国发明专利CN105136709A公开了一种测量冷冻肉的冷冻参数的方法及装置，该专利通过冷冻参数与近红外光谱的化学计量学关系模型，实现冷冻品冷冻温度和冷冻速率的快速测量。但是，对冷冻猪肉贮藏时间的快速、简单的检测方法缺乏。

发明内容

为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法，实现在冷冻状态下对猪肉的冷冻贮藏时间进行直接检测，具有快速无损的优点。

本发明的目的通过以下技术方案实现：

基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法，包括以下步骤：

(1)对冷冻猪肉进行扫描及校正，获取冷冻猪肉的近红外光谱；

(2)分别计算冷冻猪肉的近红外光谱中以特征波段1350nm为中心区域的波段中心值R_m1350、以1890nm为中心区域的波段中心值R_m1890、以基准波段1500nm为中心区域的波段中心值R_m1500；

R_m1350＝R₁₃₄₈×0.1+R₁₃₄₉×0.2+R₁₃₅₀×0.4+R₁₃₅₁×0.2+R₁₃₅₂×0.1

R_m1890＝R₁₈₈₈×0.1+R₁₈₈₉×0.2+R₁₈₉₀×0.4+R₁₈₉₁×0.2+R₁₈₉₂×0.1

R_m1500＝R₁₄₉₈×0.1+R₁₄₉₉×0.2+R₁₅₀₀×0.4+R₁₅₅₁×0.2+R₁₅₅₂×0.1

R₁₃₄₈、R₁₃₄₉、R₁₃₅₀、R₁₃₅₁、R₁₃₅₂、R₁₈₈₈、R₁₈₈₉、R₁₈₉₀、R₁₈₉₁、R₁₈₉₂、R₁₄₉₈、R₁₄₉₉、R₁₅₀₀、R₁₅₅₁、R₁₅₅₂分别为冷冻猪肉在1348nm、1349nm、1350nm、1351nm、1352nm、1888nm、1889nm、1890nm、1891nm、1892nm、1498nm、1499nm、1500nm、1501nm、1502nm处的光谱值；

(3)计算特征波段1890nm的标准中心值S_m1890：

S_m1890＝R_m1890/R_m1500

(4)将R_m1350与S_m1890的比值作为特征向量I，即I＝R_m1350/S_m1890；

(5)将特征向量I代入基于特征向量I与冷冻贮藏时间t的特征指数函数t＝1E+07e^-97.34I，得到冷冻猪肉的冷藏时间预测值。

步骤(5)所述基于特征向量I与冷冻贮藏时间t的特征指数函数，由以下方法训练得到：

(a)选取多个贮藏时间不同的猪肉作为冷冻猪肉训练样本，取出并利用近红外光谱仪对冷冻猪肉训练样本进行扫描并校正；

(b)分别计算冷冻猪肉训练样本的近红外光谱中以特征波段1350nm为中心区域的波段中心值R’_m1350、以1890nm为中心区域的波段中心值R’_m1890、以基准波段1500nm为中心区域的波段中心值R’_m1500；

R’_m1350＝R’₁₃₄₈×0.1+R’₁₃₄₉×0.2+R’₁₃₅₀×0.4+R’₁₃₅₁×0.2+R’₁₃₅₂×0.1

R’_m1890＝R’₁₈₈₈×0.1+R’₁₈₈₉×0.2+R’₁₈₉₀×0.4+R’₁₈₉₁×0.2+R’₁₈₉₂×0.1

R’_m1500＝R’₁₄₉₈×0.1+R’₁₄₉₉×0.2+R’₁₅₀₀×0.4+R’₁₅₅₁×0.2+R’₁₅₅₂×0.1

R’₁₃₄₈、R’₁₃₄₉、R’₁₃₅₀、R’₁₃₅₁、R’₁₃₅₂、R’₁₈₈₈、R’₁₈₈₉、R’₁₈₉₀、R’₁₈₉₁、R’₁₈₉₂、R’₁₄₉₈、R’₁₄₉₉、R’₁₅₀₀、R’₁₅₅₁、R’₁₅₅₂分别为冷冻猪肉训练样本在1348nm、1349nm、1350nm、1351nm、1352nm、1888nm、1889nm、1890nm、1891nm、1892nm、1498nm、1499nm、1500nm、1501nm、1502nm处的光谱值；

(c)计算冷冻猪肉训练样本特征波段1890nm的标准中心值S’_m1890：

S’_m1890＝R’_m1890/R’_m1500

(d)将R’_m1350与S’_m1890的比值作为冷冻猪肉样本的训练特征向量I’，即I’＝R’_m1350/S’_m1890；

(e)利用冷冻猪肉样本的训练特征向量建立模型，得到基于特征向量I与冷冻贮藏时间t的特征指数函数：t＝1E+07e^-97.34I。

所述贮藏时间不同的猪肉为贮藏时间分别为1、3、6、9、12个月的猪肉。

所述基于特征向量I与冷冻贮藏时间t的特征指数函数的回归系数为0.9953。

所述基于特征向量I与冷冻贮藏时间t的特征指数函数的预测决定系数0.9947，预测均方根误差为0.1256月。

步骤(a)所述对冷冻猪肉训练样本进行扫描，具体为对处于冷冻状态的冷冻猪肉训练样本进行扫描；

步骤(1)所述对冷冻猪肉进行扫描，具体为：对处于冷冻状态的冷冻猪肉进行扫描。

本发明的原理如下：

在冷冻猪肉的近红外光谱中，随着冷冻贮藏时间的增加，其在1890nm附近处水分子的O-H组合频吸收谱带和1500nm附近处水分子O-H一级倍频吸收谱带的波谱反射值的比值基本保持不变，而在1350nm附近处蛋白质和脂肪的C-H组合频吸收谱带的波谱反射值呈明显下降趋势，本发明利用近红外特征波段比，可快速预测冷冻猪肉贮藏时间的方法。

与现有技术相比，本发明具有以下优点和有益效果：

(1)本发明克服了现有技术中对冷冻肉质进行检测时先将冷冻肉进行解冻处理，再对其新鲜度指标进行测定带来的损坏样品、步骤繁琐、耗时等缺点，能够在冷冻状态下对猪肉的冷冻贮藏时间进行直接检测，具有快速无损的优点。

(2)本发明的基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法，采用的基于特征向量I与冷冻贮藏时间t的特征指数函数，回归系数可达0.995，预测决定系数可达0.9947，预测均方根误差仅为0.1256月，测试结果准确。

附图说明

图1为本发明的实施例的冷冻猪肉训练样本在不同贮藏时间下的近红外光谱。

图2为本发明的实施例的特征指数函数。

图3为本发明的本实施例的基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法的测试过程。

图4为本发明的实施例的预测集样本冷冻贮藏时间的计算值与实际值对比图。

具体实施方式

下面结合实施例，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

本实施例的基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法的训练过程如下：

(1)选取新鲜猪肉样本并切成4cm×5cm×10cm尺寸，重量约为200克样品100块，其中每20块作为一组，共5组，在-40℃冷冻温度下冷冻并贮藏。

(2)分别在贮藏1、3、6、9、12个月时，取出1组冷冻猪肉，利用近红外光谱仪对冷冻猪肉样本进行扫描并校正，获取100个冷冻猪肉样本的近红外光谱，随机分配60个到训练集，40个到验证集。本实施例得到的冷冻猪肉训练样本在不同贮藏时间下的近红外光谱如图1所示。

(3)对冷冻猪肉训练样本的近红外光谱进行分析，将训练冷冻猪肉样本在1350nm特征波段处的波段中心值、1500nm特征波段出的波段中心值与1890nm特征波段处的波段标准中心值的比值作为训练特征向量，计算基于特征向量I与冷冻贮藏时间t的特征指数函数：

(3-1)利用权函数分别计算冷冻猪肉训练样本的近红外光谱中以特征波段1350nm为中心区域的波段中心值R’_m1350、以1890nm为中心区域的波段中心值R’_m1890、以基准波段1500nm为中心区域的波段中心值R’_m1500；

R’_m1350＝R’₁₃₄₈×0.1+R’₁₃₄₉×0.2+R’₁₃₅₀×0.4+R’₁₃₅₁×0.2+R’₁₃₅₂×0.1

R’_m1890＝R’₁₈₈₈×0.1+R’₁₈₈₉×0.2+R’₁₈₉₀×0.4+R’₁₈₉₁×0.2+R’₁₈₉₂×0.1

R’_m1500＝R’₁₄₉₈×0.1+R’₁₄₉₉×0.2+R’₁₅₀₀×0.4+R’₁₅₅₁×0.2+R’₁₅₅₂×0.1

R’₁₃₄₈、R’₁₃₄₉、R’₁₃₅₀、R’₁₃₅₁、R’₁₃₅₂、R’₁₈₈₈、R’₁₈₈₉、R’₁₈₉₀、R’₁₈₉₁、R’₁₈₉₂、R’₁₄₉₈、R’₁₄₉₉、R’₁₅₀₀、R’₁₅₅₁、R’₁₅₅₂分别为冷冻猪肉训练样本在1348nm、1349nm、1350nm、1351nm、1352nm、1888nm、1889nm、1890nm、1891nm、1892nm、1498nm、1499nm、1500nm、1501nm、1502nm处的光谱值；

(3-2)计算冷冻猪肉训练样本特征波段1890nm的标准中心值S’_m1890：

S’_m1890＝R’_m1890/R’_m1500

(3-3)将R’_m1350与S’_m1890的比值作为冻猪肉样本的训练特征向量I’，即I’＝R’_m1350/S’_m1890；

(3-4)利用冷冻猪肉样本的训练特征向量建立模型，得到基于特征向量I与冷冻贮藏时间t的特征指数函数：t＝1E+07e^-97.34I，如图2所示。

如图3所示，本实施例的基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法的测试过程如下：

(1)对冷冻猪肉进行扫描及校正，获取冷冻猪肉的近红外光谱；

(2)分别计算冷冻猪肉的近红外光谱中以特征波段1350nm为中心区域的波段中心值R_m1350、以1890nm为中心区域的波段中心值R_m1890、以基准波段1500nm为中心区域的波段中心值R_m1500；

R_m1350＝R₁₃₄₈×0.1+R₁₃₄₉×0.2+R₁₃₅₀×0.4+R₁₃₅₁×0.2+R₁₃₅₂×0.1

R_m1890＝R₁₈₈₈×0.1+R₁₈₈₉×0.2+R₁₈₉₀×0.4+R₁₈₉₁×0.2+R₁₈₉₂×0.1

R_m1500＝R₁₄₉₈×0.1+R₁₄₉₉×0.2+R₁₅₀₀×0.4+R₁₅₅₁×0.2+R₁₅₅₂×0.1

R₁₃₄₈、R₁₃₄₉、R₁₃₅₀、R₁₃₅₁、R₁₃₅₂、R₁₈₈₈、R₁₈₈₉、R₁₈₉₀、R₁₈₉₁、R₁₈₉₂、R₁₄₉₈、R₁₄₉₉、R₁₅₀₀、R₁₅₅₁、R₁₅₅₂分别为冷冻猪肉在1348nm、1349nm、1350nm、1351nm、1352nm、1888nm、1889nm、1890nm、1891nm、1892nm、1498nm、1499nm、1500nm、1501nm、1502nm处的光谱值；

(3)计算特征波段1890nm的标准中心值S_m1890：

S_m1890＝R_m1890/R_m1500

(4)将R_m1350与S_m1890的比值作为特征向量I，即I＝R_m1350/S_m1890；

(5)将特征向量I代入基于特征向量I与冷冻贮藏时间t的特征指数函数t＝1E+07e^-97.34I，得到冷冻猪肉的冷藏时间预测值，结果显示其预测决定系数达0.9947，预测均方根误差仅为0.1256月，如图4所示。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。