《近红外光谱不等类别检测》由会员分享，可在线阅读，更多相关《近红外光谱不等类别检测（9页珍藏版）》请在金锄头文库上搜索。
1、鉴于近红外光谱不等类别羊肉分辨和类别检测技能探析,第一章绪论,我国羊品种较多，主要分为绵羊、山羊、羚羊、黄羊、盘羊、青羊等。我国现有记载的绵羊品种33个，山羊品种46个(中国畜禽遗传资源状况委员会，2004)。我国绵羊可分为蒙古羊、哈萨克羊、藏羊等三类，主要分布于西北地区;山羊则较多的分布于黄淮海区(中国文化网)。滩羊、湖羊、小尾寒羊、藏羊、阿勒泰羊、新疆细毛羊、东北细毛羊、贵州白山羊等为我国知名羊品种。与猪肉相比，羊肉具有胆固醇和脂肪含量低，白质含量高，维生素含量丰富，肉质细嫩，易于消化吸收等特点，同时，羊肉对肺结核、气管炎、哮喘、贫血、产后气血两虚及其他虚寒症都有一定的疗效郑灿龙，2003
2、，具有补气滋阳，开脾健胃的功效。,本文摘自 论文，如需转载，请注明出处.,随着人民生活水平的提高，高蛋白质、低胆固醇、营养丰富的羊肉需求量逐年增加，导致羊肉价格一路攀升，从2011年1月的37.2元/lcg增长到12月的46元/lcg(中国畜牧业信息网)。供给不足及利益趋势下，市场上普遍存在着以次充好、以假乱真等现，不仅危害到到消费者的生活质量和身体健康，同时也阻碍了羊肉产业的发展。采用一种技术手段快速、准确地鉴别羊肉品质是当前函待解决的问题。理化检验、感官检验、微生物检验等是目前主要的分析方法，但由于其检测效率低、时间长、破坏样品，已不能满足快速、准确的检验需求。,作为一种有效的分析技术，红
3、外光谱分析技术在上世纪30年代就已得到肯定。20世纪50年中后期，随着简易型近红外光谱仪器的出现及Norris等(1962)在近红外光谱漫反射中所做的奠定性工作，近红外光谱在测定农副产品(包括肉、蛋、奶、谷物、饲料、水果、蔬菜等)品质(如水分、蛋白、油脂含量等)等方面得到广泛应用。目前，检验食品种类的方法主要包括色谱、荧光标记、分子标记、核磁共振等，但费时耗力、花费大。近红外光谱分析技术作为一种现代化的快速分析技术，具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低(陈福生等， 2004)等特点，引起广大研究者的极大关注。采用近红外光谱分析技术实现羊肉品质测定与品种鉴别的快速检验，对于
4、提高羊肉品质具有重要的,2.1近红外光谱分析技术基础知识,近红外光谱是一种电磁波，其波长范围是780-2526 nm (Stark et al, 1986;徐广通，2000位于可见光谱区和中红外光谱区之间，分为短波近红外区与长波近红外区两个区域，波长范围分别是780-1100 nm和1100-2526 nm。近红外光谱是由于分子振动的非谐振性使分子从基态向高能级跃迁产生的，主要是对含氢基团X-H (X=C, N, 0)振动的倍频和合频吸收，其中包含了大多数有机化合物组成和结构的信息(陈建军等，2007)。不同基团产生的光谱吸收峰位置和强度不同，因此光谱特征随着样品组成的变化而变化，从而为近红外
5、光谱定量分析样品的物理性质(如pH、颜色和硬度等)和化学成分(如水分、脂肪、蛋白质等)提供了基础。,对于某些没有近红外光谱吸收的物质，近红外光谱也能够通过其共存物质引起的光谱变化间接地反映该物质本身信息(刘宪，2006)。近红外光谱分析技术包括定性分析和定量分析，确定物质的结构组成需采用定性分析，确定物质中相关成分的含量需采用定量分析。近红外光谱分析技术在对未知样品进行分析之前要搜集校正集样品的近红外光谱数据与用标准方法分析测得的真实数据，利用统计学方法建立样品待测组分与近红外光谱之间的模型，因此近红外光谱分析是一种典型的间接分析技术(傅霞萍，2008)。,通常由于一些因素的干扰，采集的近红外
6、光谱中会存在基线漂移、随机噪音及光谱不重复等与待测样品性质无关的干扰(赵海燕等，2011)。为消除各种干扰，通常会对原始近红外光谱进行预处理，提取光谱的有效信息，消除各种因素对光谱的影响，为建立近红外光谱预测未知样品或性质的模型奠定基础。中心化、平滑、求导、多元散射校正、归一化等为常用的近红外光谱预处理方法。中心化处理后数据分布在零点两侧，充分反映了信息的变化;平滑是常用的一种消除小方差，保留大方差的方法;求导可消除基线偏移，克服谱带重叠;多元散射校正(Multiplicative Scatter Correction, MSC)可以消除光谱的不重复与基线不重复，也可以消除因为样品的不均匀及镜
7、面反射引起的噪音;归一化可消除样品组分浓度的不同对光谱产生的影响。 采用不同预处理方法建立近红外光谱预测模型时，尸越大，预测标准差(Root SquareError of Cross Validation, RMSEP)越小，模型的预测效果越好。,2.2近红外光谱定量分析,近红外光谱定量分析需要收集一定数量有代表性的样品，扫描样品的近红外光谱，测定样品待测性质数据，采用化学计量学方法建立近红外光谱与样品性质之间的模型。模型建好后，利用一定数量的已知样品待测性质含量的样品对模型进行验证，采用统计学方法评估模型的效果(陆婉珍，2010)。,2.3近红外光谱定性分析模式识别,近红外光谱定性分析目前主
8、要用于物质判别分析，其原理是近红外光谱数据组成一个N维的空间变量，同类物质位于相近的位置，通过计算样品的光谱是否位于某类物质所在的空间来实现对未知样品分类的目的(土艳斌等，2UU6)。最常用光谱区分和识别的方法是模式识别，目前常用的模式识别方法有偏最小二乘法(Partial Least Square, PLS、线性判别分析(Linear Discriminant Analysis, LDA)、人工神经网络(Artificial Neural Networks, ANN),支持向量机(Support Vector Machine, SVM)、聚类分析(Cluster Analysis )、简易分类法Soft Independent Modeling of Class Analogy, SIMCIA、主成分分析(Principle Component Analysis, PCA)等。,
