摘要
我国是猪肉产量和销量大国，而吉林省是全国重要的产肉大省之一。为此，本课题从一般肉质性状、肌肉化学组成两个方面对吉林省优质猪肉的品质进行系统的研究与分析，并寻找出有效的评定猪肉品质的方法。开发大理石花纹计算机识别系统，找出肌内脂肪含量和肌肉系水力的快速预测方法，并找出了猪肉新鲜度的快速预测方法。本文主要研究内容如下： 1.经过研究大量的国外及国内相关资料，并根据实验室现有条件，筛选出十四项理化指标作为吉林省优质猪肉品质研究的依据。 2.设计大理石花纹计算机识别系统。在matlab操作界面下，设计了大理石花纹的计算机自动识别系统，使大理石花纹评定从传统的感官评定人员的评分制转化为计算机识别，使定性分析转化为定量分析。 3.肌内脂肪含量预测。以固体电导率、剪切力值、肌内干物质、灰分、大理石花纹含量为自变量，建立了预测肌内脂肪含量数学模型。 4.肌肉系水力预测。本文通过对pH值、熟肉率、滴水损失等理化指标的研究分析，选择了能够较为准确预测肌肉系水力的人工神经网络模型，对肌肉的系水力进行预测分析。 5.新鲜度预测。利用人工神经网络，以挥发性盐基氮的含量、肉样的pH值、色差仪a*值、肉浸液颜色、液体电导率为自变量，在matlab操作平台下进行肉样新鲜度的预测。 猪肉品质的优劣不仅影响农户、屠宰场及猪肉销售点的经济效益，而且也影响着消费者的购买取向，因此评价猪肉品质已成为国内外有关学者较为关注的课题。本文从一般肉质性状、肌肉化学组成两个方面研究了吉林省优质猪肉的各项理化指标，对猪肉的pH值、肌肉颜色、系水力、固体电导率、液体电导率、剪切力值、挥发性盐基氮含量、熟肉率、滴水损失、肌内干物质、大理石花纹、肌内脂肪含量、肌红蛋白含量、灰分等十四个指标进行分析。开发了大理石花纹的计算机识别系统，进行了肌内脂肪含量及系水力快速预报方法的研究，并对猪肉的新鲜度进行了预报。具体研究内容和结论如下： 1.完成了辅助设备的设计。为了确保试验数据的稳定性，设计了一小型的试验装置，用于进行固体电导率的测定。此装备由盛物桶、内杯和杯盖三部分组成，保证了数据的准确性以及试验的可行性。 2.设计了大理石花纹计算机识别系统。目前国内外评判大理石花纹的方法，基本上是采用感官评定人员对照大理石花纹图谱进行感官评判，这样的评判结果必然会带来不同程度的人为误差。为解决这个问题，本文在matlab操作界面下，设计了大理石花纹的计算机自动识别系统，使大理石花纹从传统的感官评定人员的评分制转化为计算机识别，定性分析转化为定量分析。应用图像处理的方法对大理石花纹含量加以识别，是以肥肉在瘦肉中的百分比为计，并对照经专业培训的感官评定人员的打分，分析其程序的准确性，结果准确度较高，达到了87.5％。得出大理石花纹的含量随肌内脂肪含量呈上升趋势，是正相关。以此方法排除了人为误差，保证了数据的准确性。 3.预测肌内脂肪含量方法的研究。肌内脂肪含量是影响猪肉品质的重要因素，它可以影响到猪肉的嫩度、多汁性、风味。但目前测定脂肪的方法却非常的复杂，大多采用索氏提取法，这并不适合于基层使用。此项研究的主要目的，就是要找出一种省时、方便并且快捷、准确的方法，对肌内脂肪含量进行预报。本文研究了与肌内脂肪含量相关性较大的几项理化指标，如：固体电导率、剪切力值、肌内干物质、灰分、大理石花纹含量等，并研究了他们分别随肌内脂肪含量的变化趋势。其中，固体电导率、剪切力值、灰分随着肌内脂肪含量的增加呈现下降的趋势，是负相关。而肌内干物质、大理石花纹含量随着肌内脂肪含量的增加呈现上升趋势，是正相关。在多元线性回归、非线性回归及神经网络三种预报方法中，选取了非线性回归，建立了以上述各理化指标为自变量，以肌内脂肪含量为应变量的数学模型。经研究分析，准确率达到了87.5％，此数学模型能够较为准确的预测肌内脂肪含量。 4.预测肌肉系水力方法的研究。肌肉系水力较小时，不仅肉重损失较大，影响了商家的经济效益，而且在消费者食用时，口感也不佳。因此，本文通过液体pH值、熟肉率、滴水损失等理化指标，分析了它们分别与肌肉系水力的关系，研究其相关性，其中pH值、熟肉率与肌肉系水力呈正相关，滴水损失与肌肉系水力呈负相关。在多元线性回归、非线性回归和人工神经网络等三种预测模型中，以液体pH值、熟肉率、滴水损失为自变量，以系水力为应变量。选择了能够预测肌肉系水力的人工神经网络模型，准确率达到了87.5％，达到能够较为准确预测的作用，并能应用于实际生产中。 5.猪肉颜色数字化。由于色差仪中的L*、a*、b*三值分别代表了被测物的亮度、红度与黄度，本文通过对新鲜猪肉L*、a*、b*三值的测定，分析了猪肉颜色与此三值的关系。通过感官评定人员对肉样颜色的感官评定分析，并把评定分值与色差仪的三值进行对照比较。由于色差仪a*值代表了肉样颜色中的红度，因此，应用色差仪a*值预报肌肉的颜色。分析了不同厚度的被测物对测量结果的影响，以1厘米和2.5厘米厚度进行比较。结果显示被测样品越厚，L*、a*、b*三值越高，这说明不同厚度的被测样品对测量结果是有影响的，因此选取了1厘米作为本研究应用色差仪测定猪肉色的厚度。最后，探讨了L*、a*、b*三值随天数的变化，结果L*值和b*值从第一天到第二天变化较大，接下来的几天几乎没有变化；a*值在第一天、第二天升高，接着随天数的增加a*值逐渐下降，因此，色差仪L*值和b*值不能作为猪肉新鲜度的预报指标，a*值可以作为参考指标之一。 6.进行新鲜度预报方法的研究。在测定新鲜度时，国标方法是测定待测样品中挥发性盐基氮含量，此方法常作为肉品新鲜度判定指标，并已为广大学者接受。但不可忽略的是挥发性盐基氮法测定时空白试验不稳定，因此准确度不高。肉样的pH值与测定的时间关系很大，如果时间不准，那么，pH值也不能完全判定肉的新鲜度，只可作为参数指标之一。肉的颜色影响因素也很多，包括宰后处理方法、氧合肌红蛋白含量等。本研究中通过色差仪对L*、a*、b*的测定，最后采用色差仪a*值，也就是颜色的红度中作为新鲜度预报的指标之一，并确定了1cm厚度的待测肉样作为测定猪肉颜色的标准厚度，色差仪的测定结果相对于感观评定人员的感观评定的准确度为87.5％。应用紫外分光光度法测定肌红蛋白含量随时间的变化趋势，以及液体pH值，液体电导率，a*值，挥发性盐基氮含量随时间的变化趋势，并对肉品的新鲜度进行了综合的评判。发现液体pH值，液体电导率，挥发性盐基氮含量随着天数的增加而增加，肌红蛋白含量和色差仪a*值随时间的变化先上升后下降。因此本文利用人工神经网络在matlab操作平台下对肉样新鲜度的预报，准确度达到了83.3％。 7.经分析预测肌内脂肪含量方法、预测肌肉系水力方法及新鲜度预报方法准确度较高，可以应用于市场。
NETL