嫩度是猪肉食用品质最重要的指标之一。 猪肉嫩度取决于猪肉组织复杂的物理、 化学特性, 目前难以实现快速无损伤检测。 探索空间分辨光谱技术用于生鲜肉嫩度无损检测的可行性。 首先利用点光源高光谱扫描系统采集54块猪肉背最长肌的空间可分辨散射光谱, 经过感兴趣区域选择, 提取出猪肉样本表面光斑的空间扩散轮廓, 结合4-参数洛伦兹分布函数对扩散轮廓进行非线性拟合, 拟合优度R2>0.992, 并通过残差分析, 表明4-参数洛伦兹分布函数符合肉样表面光强的空间散射规律, 进而提取出480～950 nm波长下空间分辨光谱的四个形态学参数: 渐进值a、 峰值b、 半带宽c以及半带宽处的斜率d。 然后将单参数谱分别与猪肉样本Warner-Bratzler剪切力(WBSF)测量值进行偏最小二乘回归(PLSR)分析。 结果表明不同参数谱都含有猪肉嫩度信息, 其中峰值参数谱b建模效果最佳, 其回归模型的校正集决定系数R2c为0.674, 均方根误差SEC为8.396N, 预测集决定系数R2p为0.610, 均方根误差SEP为8.643N。 为提高模型的预测精度和稳定性, 实现多参数谱信息的融合, 先通过PLSR分析, 分别提取出每个参数谱中对猪肉嫩度方差贡献大的公共因子, 然后将其因子得分组合在一起作为参数谱的特征变量, 与猪肉样本WBSF测量值作多元统计回归分析。 为避免数据冗余, 对不同参数谱特征变量进行多重共线性判别, 进一步采用PLSR算法对参数谱特征变量进行降维和变换, 采用交叉验证方法, 选择前两维因子得分进行校正模型的建立。 其中所提取第一维公共因子对猪肉WBSF值方差解释率达92.28%。 与单参数谱所建PLSR模型相比, 多参数谱信息融合模型预测效果有了较大提高, 其R2c和R2p分别为0.923和0.800, SEC和SEP分别为4.083N和5.655N。 通过对回归系数进行统计量t检验, 结果表明所有回归系数极显著(p<0.01)。 本研究通过采取多参数信息融合方法为空间分辨光谱在生鲜肉嫩度无损检测应用提供一种思路, 该方法有效将空间分辨光谱解析为4个形态学参数, 并实现不同参数谱信息的提取和融合, 为开发基于空间分辨光谱的生鲜肉嫩度无损快速检测装备提供技术支撑。

猪肉是光的强散射物质, 嫩度是评价猪肉品质优劣的重要标准之一, 提出一种基于三维漫射光谱法的猪肉嫩度检测方式。 将猪肉样本更多的散射信息引入光谱分析中。 利用实验室搭建的数据采集系统, 通过采集距光源入射点不同距离处的样本漫反射光信号构建了64个猪肉样本的三维漫射光谱。 经过小波消噪处理后, 利用多维偏最小二乘法(NPLS)建立了三维漫射光谱与猪肉嫩度之间的分析模型, 模型的校正决定系数R2Cal是0.883 1, 校正标准差RMSEC是3.685 0N, 预测决定系数R2Pred是0.874 7, 预测标准差RMSEP是3.9756N。 实验结果表明, 与常规的漫反射光谱法相比, 三维漫射光谱法所建立的猪肉嫩度NPLS模型具有更高的校正精度和预测稳健性, 有望为猪肉嫩度及其他品质的快速检测提供一种新的途径。