基于可见/近红外光谱的生鲜猪、牛、羊肉识别方法研究

新疆是少数民族集聚区域,目前有47个少数民族,其中有13个世居少数民族,当中有很大一部分民族都信奉伊斯兰教,主要以牛羊肉作为肉类食物。新疆是我国的一个畜牧业大省,养羊业大省,但是肉类优价不优质的现象突出。在利益的驱使下,常常出现使用低品质的肉类冒充高价肉的现象。因此,发展一种用于识别肉类的检测方法显得十分迫切。近年来,随着可见/近红外光谱技术的日益成熟,越来越多的被用于食品检测的行业中来,其具有快速、无损和高效的检测特点。本论文从种类、品种、混合肉糜等方面,对肉类进行定性识别。采用可见/近红外光谱仪对其进行扫描,建立肉类的定性识别预测模型。具体结果如下:对猪、牛和羊肉样本进行鉴别分析,结果表明:利用特征光谱建立的线性判别分析模型对猪、牛、羊肉的预测集样本的识别准确率分别为100%、94.1%、95.5%,利用主成分得分作为变量的模型对猪、牛、羊肉的预测集样本的识别准确率分别为94.7%、100%、95.6%。模型较为可靠。另外,利用聚类分析可对猪肉样本进行较好的聚类,准确率达到100%,而牛肉与羊肉样本聚类效果并不理想。采集235个不同品种羊肉样本,提取其原始可见/近红外光谱。选择三个波段对其进行主成分分析,根据主成分得分建立线性判别模型。结果显示在400nm-430nm范围内当主成分数为7时,其校正集回代准确率为75.5%,交叉验证准确率为73.4%,验证集准确率为93.1%。经过一阶导数与标准归一化处理后所建立的模型,当主成分数为23时,400nm-430nm波段判别准确率达到93.6%,交叉验证准确率为89.4%。采用线性判别分析建立猪、羊混合样本鉴别模型。模型的分类效果比较显著,校正集的回代验证准确率与交叉验证准确率均达到100%。验证集的混合样本有2个被误判,验证集正确识别率为85%。由此可见,可见/近红外光谱技术可以用于不同种类与不同品种肉类的快速鉴别。