猪肉是我国居民最主要的消费畜肉产品, 其在储藏、 运输、 加工等环节易受酶、 微生物等作用腐败变质, 导致新鲜度下降。 冷鲜猪肉的新鲜度关系着消费者的食肉口感与安全, 是消费者购买猪肉最为关心的指标之一。 及时、 快速、 准确检测冷鲜猪肉的新鲜程度是确保消费者“舌尖上的安全”的重要举措。 相比于传统的理化检验方法, 可见-近红外光谱分析技术具有快速、 高效、 无损、 非接触等独特优势, 适合于食品安全的快速检测, 光谱快检技术已成为冷鲜猪肉品质无损检测的研究热点。 然而目前研究大都基于统计方法进行光谱建模, 模型缺乏物理意义, 适用性差, 阻碍了该技术的应用推广。 通过分析不同新鲜程度猪肉的可见-近红外光谱特征, 利用反映猪肉新鲜度的肌红蛋白在760 nm处稳定的吸收特性, 构建了猪肉新鲜度光谱特征指数(FI); 通过模拟不同光谱分辨率与信噪比水平, 进一步探索了FI指数对光谱检测设备性能的敏感性。 研究表明, FI指数构建简单, 物理意义明确, 能够较好指示猪肉的新鲜程度; 且该指数对光谱仪的性能要求并不严苛: 只要在760 nm及附近波段, 光谱分辨率优于10 nm, 信噪比不低于45, 即可较好反映猪肉新鲜水平。 研究结果可为低成本、 手持式简易的猪肉新鲜度光谱检测设备的设计与研发提供科学依据, 有望在食品安全快速检测领域得到推广应用。

利用近红外光谱技术检测猪肉在腐败过程中不同时刻的光谱，研究了猪肉新鲜度等级划分的可行性，并运用近红外OPUS软件建立了分析模型。为了更好地反映猪肉新鲜度等级，用SOM神经网络聚类方法重新划分了总挥发性盐基氮(TVBN)国家标准等级，由原来的3个等级划分成5个等级标准。为了提高模型预测准确度，在选用一阶导数+矢量归一化(平滑点数为13)预处理方法基础上，在聚类分析前用主成分分析方法进行降维，使预测偏差减小，使样品预测正确率得到进一步提高，预测级别偏差减少，提高了模型预测能力。