《表5 NIR技术在肉品其他方面的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于近红外光谱技术的生鲜猪肉质量检测研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:EPT:end point temperature，加热终点温度；FLVQ:fuzzy learning vector quantization，模糊学习矢量量化；Si PLSRDA:联合区间偏最小二乘判别分析；ULDA:uncorrelated linear discriminant analysis，非相关线性判别分析；PSE:pale，soft and exudative，白肌肉；RFN:reddish-pi

NIR技术不仅在化学成分、物理属性、微生物污染、新鲜度预测和肉品掺假方面有大量研究，在储藏时间、综合品质、瘦肉率、品种鉴别等方面也有很多研究成果[53-57]。Wu等[57-58]采集波段范围为1000～2500 nm的光谱信息，分别建立FLVQ和AdaboostULDA预测模型，对猪肉储藏时间的识别正确率分别达85.2%和97.7%。武小红等[59]也获得了相似的研究结果（见表5）。