基于冷鲜猪肉不同贮藏期的光谱特征解析及嗜冷腐败菌快速预测模型构建研究_PDF下载[144MB-百度云]何鸿举，马汉军，蒋圣启著

本书特色

[

　　猪肉很长一段时间以来都是人们餐桌上重要的肉品之一，其食用量远超其他畜禽类。据国家统计局公布的数据可知，从2010年开始我国猪肉产量一直在5000万吨以上，2017年达到5340万吨。目前，我国猪肉产量约占全球产量的一半，人均占有量超过世界平均水平。猪肉富含蛋白质、脂肪、矿物质和多种人体所需的氨基酸，是人们动物脂肪和蛋白质的主要来源。猪肉纤维细软，结缔组织少，肌内脂肪层次多，经烹饪后味道特别鲜美，因此备受广大消费者青睐。猪肉在日常饮食结构中有着重要地位，其品质对食品工业的健康发展意义重大，因此提高猪肉品质鉴别效率，对维护肉品市场秩序，保障食品安全和人们健康有着重要意义。
　　冷鲜猪肉在0～4℃贮藏条件下，依然有诸如假单胞菌、肠杆菌、乳酸菌、热杀索丝菌等一些嗜冷腐败菌生长、繁殖、代谢，从而引发肉品腐败变质，这些微生物的污染也是导致冷鲜猪肉腐败变质的主要原因。及时准确检测这些腐败微生物，有针对性地对其加以控制，可保持肉品新鲜度，对延长货架期具有直接意义。本研究以冷鲜猪肉为研究对象，利用NIR光谱技术优势，结合化学计量学算法，通过构建数学模型，实现对冷鲜猪肉嗜冷腐败菌的快速预测。《基于冷鲜猪肉不同贮藏期的光谱特征解析及嗜冷腐败菌快速预测模型构建研究》的研究结果为冷鲜猪肉加工与质量控制提供有效手段，也可为对开发快速检测肉品腐败微生物仪器提供数据支撑。　　猪肉很长一段时间以来都是人们餐桌上重要的肉品之一，其食用量远超其他畜禽类。据国家统计局公布的数据可知，从2010年开始我国猪肉产量一直在5000万吨以上，2017年达到5340万吨。目前，我国猪肉产量约占全球产量的一半，人均占有量超过世界平均水平。猪肉富含蛋白质、脂肪、矿物质和多种人体所需的氨基酸，是人们动物脂肪和蛋白质的主要来源。猪肉纤维细软，结缔组织少，肌内脂肪层次多，经烹饪后味道特别鲜美，因此备受广大消费者青睐。猪肉在日常饮食结构中有着重要地位，其品质对食品工业的健康发展意义重大，因此提高猪肉品质鉴别效率，对维护肉品市场秩序，保障食品安全和人们健康有着重要意义。
　　冷鲜猪肉在0～4℃贮藏条件下，依然有诸如假单胞菌、肠杆菌、乳酸菌、热杀索丝菌等一些嗜冷腐败菌生长、繁殖、代谢，从而引发肉品腐败变质，这些微生物的污染也是导致冷鲜猪肉腐败变质的主要原因。及时准确检测这些腐败微生物，有针对性地对其加以控制，可保持肉品新鲜度，对延长货架期具有直接意义。本研究以冷鲜猪肉为研究对象，利用NIR光谱技术优势，结合化学计量学算法，通过构建数学模型，实现对冷鲜猪肉嗜冷腐败菌的快速预测。《基于冷鲜猪肉不同贮藏期的光谱特征解析及嗜冷腐败菌快速预测模型构建研究》的研究结果为冷鲜猪肉加工与质量控制提供有效手段，也可为对开发快速检测肉品腐败微生物仪器提供数据支撑。
　　作为快速检测肉品微生物的学术论著，《基于冷鲜猪肉不同贮藏期的光谱特征解析及嗜冷腐败菌快速预测模型构建研究》适合于从事肉品快速检测技术的科研人员、企业研发人员及政府监管人员阅读，也可作为食品科学专业的高校教师、本专科学生及研究生的参考书。

]

内容简介

[

相比传统的检测技术, 高光谱成像技术可同时提供被测样品的光谱信息和图像信息, 并可实现快速信息采集与数据分析、无需预处理、检测过程无损、无污染、同时测定多个指标, 是一种潜力巨大的绿色检测分析技术。本研究以冷鲜猪肉为研究对象, 利用PLS算法挖掘腐败菌污染冷鲜猪肉不同时期的高光谱图像数据, 揭示腐败菌污染与高光谱数据之间的相关联系, 以此构建数学模型, 定量表征腐败菌污染冷鲜猪肉变化, 实时动态检测冷鲜猪肉新鲜度。

]

前言第1章近红外技术在肉品检测方面的应用研究及进展1．1 近红外技术简介1．2 化学计量学分析1．3 NIR检测猪肉品质的研究进展1．3．1 NIR在猪肉化学组成方面的*新检测研究进展1．3．2 NIR在猪肉物理属性方面的*新检测研究进展1．3．3 NIR在猪肉微生物污染方面的*新检测研究进展1．3．4 NIR在猪肉新鲜度方面的*新检测研究进展1．3．5 NIR在猪肉掺假方面的*新检测研究进展1．3．6 NIR在猪肉其他品质方面的*新检测研究进展1．4 研究目的和内容1．4．1 研究目的及意义1．4．2 研究内容1．4．3 研究的技术路线第2章基于不同NIR光谱预处理的F阢快速预测模型构建研究2．1 材料与方法2．1．1 猪肉样品2．1．2 主要试剂2．1．3 仪器与设备2．1．4 试验方法及步骤2．2 结果与分析2．2．1 TVC测定结果2．2．2 冷鲜猪肉样品的NIR光谱特征2．2．3 基于全波段NIR光谱的PLS模型（F-PLS）预测TVC结果2．2．4 Stepwise法筛选*优波长结果2．2．5 基于*优波长的PLS模型（O-PLS）预测猪肉TVC结果2．2．6 MLR和O-PLS预测猪肉TVC效果对比2．3 结论第3章基于不同NIR光谱预处理的假单胞茵快速预测模型构建研究3．1 材料与方法3．1．1 猪肉样品3．1．2 主要试剂3．1．3 仪器与设备3．1．4 试验方法及步骤3．2 结果与分析3．2．1 假单胞菌测定结果3．2．2 冷鲜猪肉的NIR光谱特征3．2．3 基于全波段NIR光谱的PLS模型（F-PLS）预测假单胞菌结果3．2．4 Stepwise法筛选*优波长结果3．2．5 基于*优波长的PLS模型（O-PLS）预测猪肉假单胞菌结果3．2．6 MLR和O-PLS预测猪肉假单胞菌含量效果对比3．3 结论第4章基于不同NIR光谱预处理的总肠杆菌快速预测模型构建研究4．1 材料与方法4．1．1 猪肉样品4．1．2 主要试剂4．1．3 仪器与设备4．1．4 试验方法及步骤4．2 结果与分析4．2．1 总肠杆菌测定结果4．2．2 冷鲜猪肉样品的光谱特征4．2．3 基于全波段光谱的PLS模型（F-PLS）预测总肠杆菌含量结果4．2．4 Stepwise法筛选*优波长结果4．2．5 基于*优波长的PLS模型（O-PLS）预测猪肉总肠杆菌结果4．2．6 MLR和O-PLS预测猪肉总肠杆菌含量效果对比4．3 结论第5章基于不同NIR光谱预处理的乳酸茵快速预测模型构建研究5．1 材料与方法5．1．1 猪肉样品5．1．2 主要试剂5．1．3 仪器与设备5．1．4 试验方法及步骤5．2 结果与分析5．2．1 乳酸菌测定结果5．2．2 冷鲜猪肉的光谱特征5．2．3 基于全波段光谱的PLS模型（F-PLS）预测乳酸菌含量5．2．4 Stepwise法筛选*优波长结果5．2．5 基于*优波长的PLS模型（O-PLS）预测乳酸菌含量5．2．6 MLR和O-PLS预测猪肉乳酸菌含量效果对比5．3 结论第6章基于不同NIR光谱预处理的热杀索丝菌快速预测模型构建研究6．1 材料与方法6．1．1 猪肉样品6．1．2 主要试剂6．1．3 仪器与设备6．1．4 试验方法及步骤6．2 结果与分析6．2．1 热杀索丝菌测定结果6．2．2 冷鲜猪肉的NIR光谱特征6．2．3 基于全波段NIR光谱的PLS模型（F-PLS）预测热杀索丝菌含量6．2．4 Stepwise法筛选*优波长结果6．2．5 基于*优波长的PLS模型（O-PLS）热杀索丝菌含量6．2．6 MLR和O-PLS预测猪肉热杀索丝菌含量效果对比6．3 结论参考文献缩略词表