论文部分内容阅读
全质构分析法(texture profile analysis,TPA)是食品质量安全检测中常用且重要的方法。但在实际测量过程中,对部分类型食品会出现获取的检测样品TPA指标存在较大的数值数据误差现象。本研究以冷鲜羊肉为实验对象,基于数据可视化方法分析冷鲜羊肉的具体TPA检测过程,测试中仪器轻微震动等因素导致了TPA质构检测系统生成的TPA曲线上出现特殊峰和曲线波动等系统误差,从而使检测系统对冷鲜羊肉TPA曲线上特征节点选择产生偏差,最终导致TPA指标数值产生较大数据误差。结果表明:特殊峰和曲线波动等系统误差受到压缩比测量条件的影响,在20%压缩比条件下误差较为显著,且对于不同TPA指标数据的具体影响效果存在差异和关联性;而通过特征节点位置修正得到的黏性指标数据在不同压缩比条件下的平均修正量均超过20%,且修正后的50%压缩比条件下黏性指标数据与冷鲜羊肉样本挥发性盐基氮、菌落总数的对数以及大肠菌群的对数之间的相关系数亦分别提高11.2%、20.7%和8.3%。由此可见,通过修正TPA曲线特征节点位置可以有效地减少TPA质构测量时的数据误差影响,从而提高获取的TPA指标数据的准确性和可靠性。