论文部分内容阅读
冷鲜猪肉是人们日常生活主要的肉类消费品种。由于食品安全事件频频发生,人们对猪肉品质日趋重视。传统的猪肉新鲜度检测方法主要为感官评定和实验室理化检测,前者检测结果不稳定,而后者检测过程耗时费力,且不适应现场快速检测,难以满足消费者的需求。而激光散斑技术具有快速、无损、简便、成本低等优势。本研究将激光散斑技术应用于冷鲜猪肉新鲜度的检测,具体研究内容如下:1、基于国内外学者对激光散斑技术的研究结果,确定了冷鲜猪肉新鲜度激光散斑检测的整体试验方案,设计并搭建了激光散斑试验装置,编写了基于VS2013+MFC开发的散斑图像批量采集及处理程序,并通过预实验确定了最佳试验参数,其中激光波长为465 nm和660 nm、激光功率为15.7 mW、采集时间为60 ms、激光入射角为30°。2、针对散斑图像处理过程的研究发现,散斑图像不同行的选取会对IM值产生影响,且传统IM算法受异常值干扰较大,为此提出三点改进:设计了排序算法,动态选择散斑活性最高峰及周围2个相邻行,依此计算样本IM值;改进共生矩阵的修正矩阵计算方法;改进非零元素偏离对角线距离的计算方法。结果显示,排序算法能快速定位IM最高峰位置,且改进后的方法可以有效抑制异常值干扰,更能真实反映出样本的活性差异。3、分别对冷藏期间猪肉失水量、肉色(L*、a*、b*)及TVB-N含量变化与惯性矩IM和互相关系数Ckτ值进行分析。发现猪肉失水量变化较小(<0.14g/d)时,对样本散斑活性变化影响便较小,而失水量变化较多(>2g/d)时,水分散失导致样本散斑活性明显降低,这说明水分是影响散斑活性变化的主要原因。猪肉表面颜色与散斑活性指标均呈正相关关系,其中a*值与散斑活性指标间的相关性最大(>0.8),说明散斑活性能反映出猪肉的新鲜度变化。猪肉冷藏期间的TVB-N含量与散斑活性指标呈负相关关系,因此仅依靠散斑活性无法对TVB-N含量做出准确预测。4、选取465 nm和660 nm两种波长,基于IM和Ckτ值两种散斑活性指标,建立猪肉新鲜度LDA线性判别模型。结果显示,465 nm波长下两种指标的单主成分判别模型,其识别率都要高于660 nm,说明465 nm波长更能反映猪肉新鲜度变化。当选择两种波长下的IM值和465 nm波长下第21帧及第201帧散斑图像的Ckτ值四个特征参数作为主成分建模时,模型的识别率最好。其训练集和预测集能分别达到95.31%和96.88%,且能完全识别腐败肉样本,因此利用激光散斑技术检测冷鲜猪肉新鲜度的方法具有可行性。