《表1 NIRS技术检测鸡肉色泽的相关研究》

  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

《近红外光谱技术在生鲜禽肉质量检测中应用的研究进展》

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：RMSEC.校正均方根误差（root mean square error of calibration)；RMSEP.预测均方根误差（root mean square error of prediction)；RMSECV.交叉验证均方根误差（root mean square error of crossvalidation)；RCV.交叉验证相关系数（correlation coefficient of cross-valida

色泽是感官评定的一项重要指标，禽肉的颜色与肌肉中肌红蛋白、血红蛋白和细胞色素的含量有关[8]。肌肉的颜色特征是消费者直接观察到的肉品特征，色泽的优劣会直接影响消费者的购买欲。肌肉的色泽通常用色差计测定亮度（L*值）、红度（a*值）、黄度（b*值）加以评价[9-10]。运用NIRS技术检测鸡肉色泽参数已有报道。Liu Yongliang等[11]采集144个鸡肉样品在400～1 850 nm范围内的光谱数据，建立色泽参数的偏最小二乘回归（partial least squares regression，PLSR）模型，得到L*、a*和b*值校正模型的相关系数（Rc2）分别为0.84、0.83和0.78，其中仅L*和b*值的预测效果较好。经多元散射校正（multiplicative scatter correction，MSC）和求导预处理光谱后，Samuel[12]和de Marchi[13]等建立的PLSR模型预测鸡肉色泽效果反而降低，这可能与预处理方法有关。经主成分分析（principal component analysis，PCA）预处理光谱并利用加权回归系数法选取最优波长建立PLSR模型[14]，预测效果和Liu Yonglian等[11]等研究相似。最近的研究中，Yang Yi等[15]采集400～2 500 nm光谱数据，利用回归系数（regression coefficients，RC）法选取最优波长的预测效果并不理想。这可能与最终波长选择后，部分重要光谱信息缺失有关。Jiang Hongzhe等[16]在不同的波段下运用相同的最优波长提取方法和建模方法得到L*值模型预测精度较好，但a*、b*值不理想。尽管NIRS技术预测鸡肉色泽研究存在差异（表1），但因其快速无损大批量检测优势，未来可继续深入研究，可以考虑针对不同的指标选择不同的光谱预处理方式和模型建立方法，以提高预测色泽效果。