《表1 不同波段和检测距离条件下含水率PLS模型》

  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

《面向畜禽加工的智能化装备与技术研究现状和发展趋势》

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

近红外光谱（NIR）技术是发展相对较为成熟的光谱分析技术之一，作为无损快速检测技术在肉品行业中已得到广泛应用，该技术能实现生鲜肉快速、在线、准确无损检测，是各类生鲜肉品质安全分析的重要技术之一。近红外光谱在肉质检测方面主要被用于肉品物理属性（颜色、嫩度、纹理）和化学组分（脂肪、水分、蛋白质）以及有害物质（挥发性盐基氮）等肉类品质检测的特征指标分析。目前，近红外技术在肉类品质快速检测方面有大量研究，在检测物理属性方面，孙宏伟等[80]基于可见近红外（400～1 000 nm）光谱分析肉品颜色，通过标准正态变量变换和SG平滑预处理建立了猪里脊肉颜色的偏最小二乘模型，满足猪肉颜色和pH值等品质参数检测的要求。与目前已经应用于生产的p H值测量法相比，受测量人员和环境的影响均较小。彭彦昆等[81]基于近红外光谱技术，优化光纤探头检测距离，分别建立了单波段（第1、2波段）和双波段的含水率偏最小二乘回归模型，采集静态和在线条件下猪肉光谱图，对比结果表明双波段融合建模效果优于单波段（表1）。根据陶琳丽等[82]的研究表明，众多研究人员采用不同的建模方法，对牛、羊、猪、鸡肉建立预测模型，并对肉中FA（Fatty Acid）含量的热点问题进行了研究，GJERLAUG-ENER E等[83]、罗香等[84]、González-Martin N I等[85]、RIPOCHE A等[86]建立了NIRS在猪肉FA含量预测的校正模型，PRIE-TO N等[87]、SIERRA V等[88]、REALNI C E等[89]、CECCHINATO A等[90]建立了牛肉校正模型，MAR-CHI M D等[91]、ZHOU L J等[92]、RIOVANTO R等[93]、BERZAGHI P等[94]建立了鸡肉的校正模型，GUY F等[95]建立了羊肉的校正模型。根据相关研究对比不同建模方法对预测结果有较大的差异性。