CN104132896A - 一种快速鉴别掺假肉的方法 - Google Patents
一种快速鉴别掺假肉的方法 Download PDFInfo
- Publication number
- CN104132896A CN104132896A CN201410335229.0A CN201410335229A CN104132896A CN 104132896 A CN104132896 A CN 104132896A CN 201410335229 A CN201410335229 A CN 201410335229A CN 104132896 A CN104132896 A CN 104132896A
- Authority
- CN
- China
- Prior art keywords
- meat
- sample
- adulterated
- spectrum
- adulterated meat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种快速鉴别掺假肉的方法,包括步骤:(1)分别制备纯肉、掺假肉的样品、以及未知肉的待测样品;(2)分别采集上述纯肉及掺假肉的样品的近红外漫反射光谱,每个样品连续采集多次,分别取均值作为原始光谱;(3)对上述原始光谱进行建模波段的优化选择,并对选择的建模波段进行光谱预处理;(4)采用主成分分析法提取光谱特征信息;(5)采用判别分析方法建立掺假肉鉴别模型;(6)计算纯肉样品、掺假肉样品的马氏距离,判别纯肉样品、掺假肉样品所属的类别;(7)利用上述掺假肉鉴别模型鉴别分析待测样品,并计算待测样品的马氏距离,判别待测样品所属的类别。该方法能够实现对未知肉品快速、准确、稳定的定性分类判别。
Description
技术领域
本发明涉及肉品掺假判别领域,具体为一种快速鉴别掺假肉的方法,可实现对掺假肉的定性判别。
背景技术
据调查,肉类掺假造假最常见的方法之一是利用低值肉充当高值肉,随着肉类价格差异逐步拉大,这种“经济利益驱动的掺假”现象越来越常见,如近年来屡屡曝光的“假牛肉”、“鸭肉变身羊肉串”、“假羊肉卷”等事件,用猪肉、鸭肉伪造牛羊肉是目前主要的掺假手段。另有报道,北京市农贸市场出售的冻羊肉卷、羊肉片有不少都是杂畜肉。去年南方某地的一项研究发现,25%的肉类存在掺假。尽管这一数据并不能代表全国的整体水平,但其揭开了肉类掺假的冰山一角。这些不法行为不但严重侵害了消费者的利益,而且使得很多企业的利益在这种不公平的竞争中受到侵害。2013年5月8日,国务院总理在国务院主持常务会议,专门研究部署抓好农业生产、保障市场供应和价格平稳等工作,其中特别提出“严厉打击肉类产品掺假售假等违法违规行为”。为了保护消费者的利益和确保一个公平的竞争环境,掺假肉检测的重要性是显而易见的。
检测掺假肉的常用方法包括感官分析、色谱技术和DNA技术等。其中感官分析的结果受人为因素和外界环境的干扰很大,结果主观性强。且掺假肉大多使用香精香料掩盖原有味道,成品在感官上难以辨别;色谱技术对样品预处理复杂,费时,需消耗大量溶剂;而DNA技术是采用PCR法对少量待检测物DNA序列的快速扩增,通过对核苷酸序列的分析,进行掺伪产品的检测,虽准确性高,但操作繁琐、费用高、耗时,难以适应批量快速检测的需要,且使用时往往受到限制,普通人无法使用其进行检测,适用范围受到局限。此为现有技术的不足之处。
目前,以近红外技术为代表的光谱技术具有样品前处理简单、绿色、操作成本低、检测速度快、稳定性好、可以实现在线分析、选择性和抗干扰能力强等优点,适合于快速的定性分析。本发明利用近红外光谱结合主成分分析法、判别分析法可有效地对掺假肉进行定性鉴别,对解决因肉品掺假造假引起的食品安全问题以及稳定肉品市场具有重要意义。
发明内容
本发明所要解决的技术问题是,针对现有技术的不足,提供一种快速鉴别掺假肉的方法,该方法能够实现对未知肉品快速、准确、稳定的定性分类判别。
为解决上述技术问题,本发明采用如下技术方案:
一种快速鉴别掺假肉的方法,包括步骤:
(1)分别制备纯肉和由所述纯肉制成的掺假肉两类肉的样品、以及未知肉的待测样品;
(2)分别采集步骤(1)中所述纯肉及掺假肉的样品的近红外漫反射光谱,每个样品连续采集多次,各样品采集的次数相同,分别取均值作为原始光谱;
(3)对上述原始光谱分别进行建模波段的优化选择,并对选择的建模波段进行光谱预处理;
(4)采用主成分分析法提取光谱特征信息;
(5)采用判别分析方法建立掺假肉鉴别模型;
(6)计算各样品的马氏距离,通过马氏距离判别各样品所属的类别;
(7)采集待测样品的近红外漫反射光谱,利用上述掺假肉鉴别模型对待测样品进行鉴别分析,并计算出待测样品的马氏距离,通过马氏距离判别待测样品所属的类别。
其中,在上述步骤(6)与步骤(7)之间设有验证步骤,对已知类别的样品进行判别分类,并对判别结果进行评价,其实现方法为:连续多次采集上述已知类别的样品的近红外漫反射光谱,取均值作为原始光谱,采用步骤(5)中所述的掺假肉鉴别模型对已知类别的样品进行鉴别分析,并计算出上述已知类别的样品的马氏距离,通过马氏距离判别上述已知类别的样品所属的类别,并将判别结果与样品的已知类别进行比较,从而对上述掺假肉鉴别模型的判别结果进行评价。
其中,本申请中所涉及的各近红外漫反射光谱分别通过同一近红外光谱仪扫描获得。这可确保本方案中所涉及的各参数是在同一采集硬件条件下得到的,可避免***误差的影响。
其中,所述纯肉为羊肉、牛肉、猪肉和鸭肉中的任意两种。
其中,上述步骤(4)的主成分分析法的主成分数为10。
其中,所述近红外光谱仪的扫描波数范围是10000~4000cm-1、分辨率为8 cm-1、扫描次数128次。
所述对判别结果进行验证的具体方法为计算出判别的准确率。不妨令样品的总数为N,判别正确的样品数为M,则有判别的准确率为 。
所述建模波段为7283.09~4478.60cm-1。
所述光谱预处理的方法为多元散射校正结合Savitzky-Golay滤波法。
上述步骤(2)中所述的每个样品连续采集的次数均为3次。
与现有技术相比,本发明的优点是:
本发明采用近红外光谱技术、主成分分析法以及判别分析法,建立掺假肉的判别模型,可对未知肉品进行定性的判别分类。本技术避免了感官分析法主观性强、易受环境干扰等缺点,也克服了色谱技术样品预处理复杂、费时、需消耗大量溶剂的不足,还可以克服DNA技术操作繁琐、费用高、耗时以及难以满足批量且快速鉴别需求的不足,具有样品前处理简单、绿色、操作成本低、鉴别速度快、稳定性好、可以实现在线分析、选择性和抗干扰能力强等优点,操作简便,便于普通人使用,适用范围广,便于推广使用,实用性强。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著的进步,其实施的有益效果也是显而易见的。
附图说明
图1为本发明的具体实施方式1的流程图。
图2为本发明的具体实施方式1的鉴别图。
其中,○—羊肉,△—猪肉,□—掺猪肉的羊肉。
具体实施方式
下面结合附图和优选实施例对本发明作更进一步的详细描述。
具体实施方式1:
如图1和图2所示,纯肉为羊肉和猪肉,掺假肉为掺猪肉的羊肉。
(1)分别制备羊肉、猪肉以及掺猪肉的羊肉的样品、以及未知肉品的待测样品。
将未知肉品以及纯的羊肉和猪肉分别粉碎成糜状,分别制成待测样品、羊肉样品、猪肉样品以及掺猪肉的羊肉样品。其中,制备掺假肉时,将两种肉糜混合均匀即可。样品制备简单,便于操作。
(2)分别采集羊肉样品、猪肉样品以及掺猪肉的羊肉样品的近红外漫反射光谱,每个样品连续采集3次,分别取均值作为原始光谱,并将所述原始光谱随机分为训练集和预测集两部分。
通过近红外光谱仪分别采集羊肉样品、猪肉样品以及掺猪肉的羊肉样品的近红外漫反射光谱,每个样品连续采集3次,分别取平均值作为原始光谱。其中,所述近红外光谱仪的扫描波数范围为10000~4000 cm-1、分辨率8 cm-1、扫描次数128次,以内置背景为参照。
将所采集的原始光谱分别随机分为训练集(羊肉69个样品,猪肉83个样品,掺猪肉的羊肉80个样品)和预测集(羊肉34个样品,猪肉40个样品,掺猪肉的羊肉40个样品)两部分。其中,训练集用于校正模型的建立,预测集用于验证模型的判别性能。
(3)对上述训练集的原始光谱分别进行建模波段的优化选择,并对选择的建模波段进行光谱预处理。
其中,建模波段范围为7283.09~4478.60cm-1,对所选择的建模波段通过多元散射校正和Savitzky-Golay滤波法进行光谱预处理。
(4)采用主成分分析法提取步骤(3)中获得的光谱的光谱特征信息。
其中,上述主成分分析法所采用的主成分数为10。
(5)以步骤(4)中获取的光谱特征信息为参数,采用判别分析方法建立掺假肉鉴别模型。
(6)计算训练集中各样品的马氏距离,并通过马氏距离判别各样品所属的类别。
在本实施方式中,对训练集的判别结果如表1所示。
(7)对步骤(2)中的预测集样品进行判别分类,并对判别结果进行评价。
用TQ Analyst 8软件中的量化功能对预测集样品光谱进行分析,如图2所示,即采用上述掺假肉鉴别模型对预测集样品进行鉴别分析,并计算出预测集中各样品的马氏距离,即相关光谱数据在掺假肉鉴别模型中的横坐标和纵坐标,并依据上述马氏距离判别预测集样品所属的类别,将判别结果与预测集样品的真实的已知类别进行比较,从而对上述掺假肉鉴别模型的判别结果进行评价。
在本实施方式中,对预测集的判别结果如表2所示。
如表2所示,模型对预测集样品的正确识别率均高于90%,可见模型具有良好的判别性能。
(8)连续3次采集待测样品的近红外漫反射光谱,取均值作为原始光谱,利用上述掺假肉鉴别模型对待测样品进行鉴别分析,并计算出待测样品的马氏距离,通过马氏距离判别待测样品所属的类别。
其中,本实施方式中所涉及的采集各样品的近红外漫反射光谱的方法相同。
当然,上述说明并非对本发明的限制,本发明也不仅限于上述举例,本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也属于本发明的保护范围。
Claims (9)
1.一种快速鉴别掺假肉的方法,其特征在于,包括步骤:
(1)分别制备纯肉和由所述纯肉制成的掺假肉两类肉的样品、以及未知肉的待测样品;
(2)分别采集步骤(1)中所述纯肉及掺假肉的样品的近红外漫反射光谱,每个样品连续采集多次,各样品采集的次数相同,分别取均值作为原始光谱;
(3)对上述原始光谱分别进行建模波段的优化选择,并对选择的建模波段进行光谱预处理;
(4)采用主成分分析法提取光谱特征信息;
(5)采用判别分析方法建立掺假肉鉴别模型;
(6)计算各样品的马氏距离,通过马氏距离判别各样品所属的类别;
(7)采集待测样品的近红外漫反射光谱,利用上述掺假肉鉴别模型对待测样品进行鉴别分析,并计算出待测样品的马氏距离,通过马氏距离判别待测样品所属的类别。
2.根据权利要求1所述的快速鉴别掺假肉的方法,其特征在于,在上述步骤(6)与步骤(7)之间设有验证步骤,对已知类别的样品进行判别分类,并对判别结果进行评价,其实现方法为:连续多次采集上述已知类别的样品的近红外漫反射光谱,取均值作为原始光谱,采用步骤(5)中所述的掺假肉鉴别模型对已知类别的样品进行鉴别分析,并计算出上述已知类别的样品的马氏距离,通过马氏距离判别上述已知类别的样品所属的类别,并将判别结果与样品的已知类别进行比较,从而对上述掺假肉鉴别模型的判别结果进行评价。
3.根据权利要求1所述的快速鉴别掺假肉的方法,其特征在于,所述各近红外漫反射光谱分别通过同一近红外光谱仪扫描获得。
4.根据权利要求3所述的快速鉴别掺假肉的方法,其特征在于,所述近红外光谱仪的扫描波数范围是10000~4000cm-1、分辨率为8 cm-1、扫描次数128次。
5.根据权利要求1所述的快速鉴别掺假肉的方法,其特征在于,所述步骤(4)的主成分分析法的主成分数为10。
6.根据权利要求1所述的快速鉴别掺假肉的方法,其特征在于,所述纯肉为羊肉、牛肉、猪肉和鸭肉中的任意两种。
7.根据权利要求1-6所述的任一快速鉴别掺假肉的方法,其特征在于,所述建模波段为7283.09~4478.60cm-1。
8.根据权利要求1-6所述的任一快速鉴别掺假肉的方法,其特征在于,所述光谱预处理的方法为多元散射校正结合Savitzky-Golay滤波法。
9.根据权利要求1-6所述的任一快速鉴别掺假肉的方法,其特征在于,步骤(2)中所述的每个样品连续采集的次数均为3次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410335229.0A CN104132896A (zh) | 2014-07-15 | 2014-07-15 | 一种快速鉴别掺假肉的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410335229.0A CN104132896A (zh) | 2014-07-15 | 2014-07-15 | 一种快速鉴别掺假肉的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104132896A true CN104132896A (zh) | 2014-11-05 |
Family
ID=51805661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410335229.0A Pending CN104132896A (zh) | 2014-07-15 | 2014-07-15 | 一种快速鉴别掺假肉的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104132896A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105092525A (zh) * | 2015-08-31 | 2015-11-25 | 河南省产品质量监督检验院 | 一种羊肉中掺杂鸭肉近红外光谱鉴别方法 |
CN105223140A (zh) * | 2015-10-10 | 2016-01-06 | 中国科学院苏州生物医学工程技术研究所 | 同源物质的快速识别方法 |
CN107219184A (zh) * | 2017-04-24 | 2017-09-29 | 仲恺农业工程学院 | 一种应用于产地溯源的肉类鉴别方法及装置 |
CN107677637A (zh) * | 2017-08-31 | 2018-02-09 | 维沃移动通信有限公司 | 一种肉类的真伪检验方法及移动终端 |
CN108444798A (zh) * | 2018-01-29 | 2018-08-24 | 华中农业大学 | 一种基于生物散斑和惯性矩谱分析的牛肉掺假检测方法 |
CN109001146A (zh) * | 2018-07-26 | 2018-12-14 | 江苏大学 | 一种冰鲜牛肉与冻化鲜牛肉的快速鉴别方法 |
CN109916990A (zh) * | 2019-04-04 | 2019-06-21 | 宁夏大学 | 一种基于矿物元素指纹鉴别滩羊肉产地的方法 |
CN110865044A (zh) * | 2018-08-28 | 2020-03-06 | 中蓝晨光成都检测技术有限公司 | 一种鉴别掺白油有机硅产品的光谱分析方法 |
CN112415050A (zh) * | 2020-11-13 | 2021-02-26 | 石河子大学 | 一种基于温度分布差异的羊肉掺假定性判别方法 |
CN113567359A (zh) * | 2021-08-10 | 2021-10-29 | 江苏大学 | 一种基于组分线阵渐变特征的原切肉及其高仿肉的鉴别方法 |
CN115436510A (zh) * | 2022-08-29 | 2022-12-06 | 中国农业科学院北京畜牧兽医研究所 | 基于气相色谱-静电场轨道阱高分辨质谱进行畜禽肉中风味化合物差异鉴别的方法 |
US11940435B2 (en) | 2021-08-10 | 2024-03-26 | Jiangsu University | Method for identifying raw meat and high-quality fake meat based on gradual linear array change of component |
-
2014
- 2014-07-15 CN CN201410335229.0A patent/CN104132896A/zh active Pending
Non-Patent Citations (2)
Title |
---|
孟一等: "《基于近红外光谱技术快速识别不同动物源肉品》", 《食品科学》 * |
孟一等: "《近红外光谱技术对猪肉注水、注胶的快速检测》", 《食品科学》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105092525A (zh) * | 2015-08-31 | 2015-11-25 | 河南省产品质量监督检验院 | 一种羊肉中掺杂鸭肉近红外光谱鉴别方法 |
CN105223140A (zh) * | 2015-10-10 | 2016-01-06 | 中国科学院苏州生物医学工程技术研究所 | 同源物质的快速识别方法 |
CN107219184A (zh) * | 2017-04-24 | 2017-09-29 | 仲恺农业工程学院 | 一种应用于产地溯源的肉类鉴别方法及装置 |
CN107677637A (zh) * | 2017-08-31 | 2018-02-09 | 维沃移动通信有限公司 | 一种肉类的真伪检验方法及移动终端 |
CN108444798A (zh) * | 2018-01-29 | 2018-08-24 | 华中农业大学 | 一种基于生物散斑和惯性矩谱分析的牛肉掺假检测方法 |
CN109001146A (zh) * | 2018-07-26 | 2018-12-14 | 江苏大学 | 一种冰鲜牛肉与冻化鲜牛肉的快速鉴别方法 |
CN110865044A (zh) * | 2018-08-28 | 2020-03-06 | 中蓝晨光成都检测技术有限公司 | 一种鉴别掺白油有机硅产品的光谱分析方法 |
CN109916990A (zh) * | 2019-04-04 | 2019-06-21 | 宁夏大学 | 一种基于矿物元素指纹鉴别滩羊肉产地的方法 |
CN112415050A (zh) * | 2020-11-13 | 2021-02-26 | 石河子大学 | 一种基于温度分布差异的羊肉掺假定性判别方法 |
CN112415050B (zh) * | 2020-11-13 | 2024-01-23 | 石河子大学 | 一种基于温度分布差异的羊肉掺假定性判别方法 |
CN113567359A (zh) * | 2021-08-10 | 2021-10-29 | 江苏大学 | 一种基于组分线阵渐变特征的原切肉及其高仿肉的鉴别方法 |
CN113567359B (zh) * | 2021-08-10 | 2022-05-20 | 江苏大学 | 基于组分线阵渐变特征的原切肉及其高仿肉的鉴别方法 |
WO2023015609A1 (zh) * | 2021-08-10 | 2023-02-16 | 江苏大学 | 一种基于组分线阵渐变特征的原切肉及其高仿肉的鉴别方法 |
US11940435B2 (en) | 2021-08-10 | 2024-03-26 | Jiangsu University | Method for identifying raw meat and high-quality fake meat based on gradual linear array change of component |
CN115436510A (zh) * | 2022-08-29 | 2022-12-06 | 中国农业科学院北京畜牧兽医研究所 | 基于气相色谱-静电场轨道阱高分辨质谱进行畜禽肉中风味化合物差异鉴别的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104132896A (zh) | 一种快速鉴别掺假肉的方法 | |
CN108875913B (zh) | 一种基于卷积神经网络的松茸快速无损检测***及方法 | |
CN103411906B (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN103837492B (zh) | 一种基于近红外光谱技术的猕猴桃膨大果无损检测方法 | |
CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
CN103760110A (zh) | 一种快速鉴别不同动物来源肉的方法 | |
CN104502320A (zh) | 一种三维荧光光谱结合pca-svm鉴别浓香型白酒的方法 | |
CN108844917A (zh) | 一种基于显著性假设检验和偏最小二乘法的近红外光谱数据分析方法 | |
CN105866056A (zh) | 一种基于近红外光谱的杂交种纯度鉴别方法 | |
CN110672582B (zh) | 一种基于改进主成分分析的拉曼特征谱峰提取方法 | |
CN104807777A (zh) | 一种基于近红外光谱分析技术的槟榔水分含量快速检测方法 | |
CN103674884A (zh) | 基于近红外光谱信息的烟叶风格特征的随机森林分类方法 | |
CN104062262A (zh) | 一种基于近红外光谱的作物种子品种真实性鉴别方法 | |
CN103645155A (zh) | 生鲜羊肉嫩度的快速无损检测方法 | |
CN102778442A (zh) | 一种快速鉴别烟用香液料液种类的方法 | |
CN106124445A (zh) | 一种快速、无损鉴别转基因大豆方法 | |
CN102749349A (zh) | 一种鉴别阿胶真伪的方法 | |
CN104374739A (zh) | 一种基于近红外定性分析的种子品种真实性鉴别方法 | |
CN103712948B (zh) | 生鲜羊肉中挥发性盐基氮含量的快速无损检测方法 | |
CN102393376A (zh) | 基于支持向量回归的鱼丸多组分含量检测的近红外光谱法 | |
CN104977258A (zh) | 基于二维相关光谱的茶叶/化妆品等品质检测方法 | |
CN104568815A (zh) | 生鲜牛肉中挥发性盐基氮含量的快速无损检测方法 | |
CN104111274A (zh) | 一种利用气体传感器阵列型电子鼻指纹分析***鉴别杨梅汁产地的方法 | |
CN101957316A (zh) | 一种用近红外光谱技术鉴别响水大米的方法 | |
CN105548027A (zh) | 基于近红外光谱测定调和油中茶油含量的分析模型及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141105 |