近紅外光譜技術(shù)在魚(yú)糜品質(zhì)鑒別中的應(yīng)用研究.pdf

1、本論文收集了白鰱魚(yú)糜和草魚(yú)魚(yú)糜兩種魚(yú)糜樣本共132個(gè)。在10000cm-1-4000cm-1譜區(qū)范圍內(nèi)，對(duì)試驗(yàn)樣本進(jìn)行了近紅外反射光譜掃描。根據(jù)魚(yú)糜的近紅外光譜特性，通過(guò)比較不同預(yù)處理方法和統(tǒng)計(jì)回歸方法，分別建立了白鰱魚(yú)糜、草魚(yú)魚(yú)糜、淡水魚(yú)糜的主要成分和魚(yú)糜制品中淀粉添加量的定量模型。并經(jīng)三種不同模式識(shí)別方法的比較，建立了不同魚(yú)種魚(yú)糜近紅外光譜鑒別的定性模型。具體研究結(jié)果如下： (1)白鰱魚(yú)糜的水分和蛋白質(zhì)模型的建立：標(biāo)準(zhǔn)歸一化

2、(SNV)對(duì)光譜進(jìn)行預(yù)處理，采用偏最小二乘法作為回歸方法，建立了水分模型，且定標(biāo)集和預(yù)測(cè)集的相關(guān)系數(shù)都在0.99以上，預(yù)測(cè)誤差分別為0.38和0.39；SNV結(jié)合Savitzky-Golay9點(diǎn)間隔2點(diǎn)一階求導(dǎo)(DG1G2)對(duì)光譜進(jìn)行預(yù)處理，采用偏最小二乘法作為回歸方法，建立了蛋白質(zhì)模型，定標(biāo)集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.98和0.97，預(yù)測(cè)誤差分別為0.35和0.36。 (2)草魚(yú)魚(yú)糜的水分和蛋白質(zhì)模型的建立：采用與白鰱魚(yú)糜水

3、分建模同樣的條件建立了水分模型，且定標(biāo)集和預(yù)測(cè)集的相關(guān)系數(shù)都在0.99以上，預(yù)測(cè)誤差分別為0.42和0.45；利用吸光度反轉(zhuǎn)(ILG)光譜進(jìn)行預(yù)處理，采用與白鰱魚(yú)糜水分建模同樣的條件建立了水分模型，偏最小二乘法作為回歸方法建立了蛋白質(zhì)模型，定標(biāo)集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.97和0.96，且預(yù)測(cè)誤差均為0.38。 (3)淡水魚(yú)糜的水分和蛋白質(zhì)模型的建立：與白鰱魚(yú)糜水分建模同樣的條件建立了水分模型，定標(biāo)集和預(yù)測(cè)集的相關(guān)系數(shù)都在0.

4、99以上。并且預(yù)測(cè)誤差分別為0.39和0.40。蛋白質(zhì)模型是二階求導(dǎo)間隔兩點(diǎn)平滑(DS2G2)對(duì)光譜進(jìn)行預(yù)處理，采用偏最小二乘法作為回歸方法建立的。定標(biāo)集和預(yù)測(cè)集的相關(guān)系數(shù)都為0.96，并且預(yù)測(cè)誤差都接近為0.45。 (4)魚(yú)糜制品中淀粉模型的建立：SNV對(duì)光譜進(jìn)行預(yù)處理，采用偏最小二乘法作為回歸方法建立的模型。定標(biāo)集和預(yù)測(cè)集的相關(guān)系數(shù)都在0.99以上，預(yù)測(cè)誤差都低于0.35。 (5)所建的定量模型無(wú)論是定標(biāo)集還是驗(yàn)證集

5、，其相對(duì)標(biāo)準(zhǔn)誤差RSD均小于10％，相對(duì)分析誤差RPD均大于3。模型呈現(xiàn)出良好的適應(yīng)性和穩(wěn)定性。說(shuō)明利用近紅外光譜技術(shù)對(duì)淡水魚(yú)糜營(yíng)養(yǎng)成分和魚(yú)糜制品中的淀粉含量的快速測(cè)定是可行的。 (6)利用軟獨(dú)立建模法(SIMCA)建立的三種魚(yú)糜判別模型，其海水魚(yú)糜識(shí)別率接近10096，草魚(yú)魚(yú)糜和白鰱魚(yú)糜的模型鑒別效果還不夠理想；利用LDA線性判別法建立海水魚(yú)糜和淡水魚(yú)糜的定性模型，識(shí)別率達(dá)到了100％，而利用線性判別法(LDA)建立草魚(yú)魚(yú)糜和