摘要
抗氧化物是衡量羊肉质量的重要检测指标，由于传统检测方法费时费力。不能快速准确的检测羊肉中的抗氧化物。本试验采用高光谱和显微高光谱成像技术获取羊肉样本不同空间识别度的图谱信息，结合化学计量学方法对羊肉中的可溶性蛋白含量、谷胱甘肽含量、过氧化物酶活力和过氧化氢酶活力进行建模分析。为其在羊肉品质无损检测领域中的应用提供参考。主要研究内容和结论如下: (1)应用高光谱成像技术的光谱信息对羊肉可溶性蛋白含量、谷胱甘肽(GSH)含量、过氧化物酶(POD)活力和过氧化氨酶(CAT)活力进行快速无损检测研究并建立模型。利用五种特征波长提取的光谱数据，建立多元线性回归(MLR)和最小二乘支持向量机(LS-SVM)模型。结果表明:经过iVISSA-IRIV法提取特征波长数据所建立的模型效果最优，其中可溶性蛋白含量在LS-SVM模型中效果最优，Rc和RP分别为0.9146和0.8818;GSH含量在MLR模型中效果最优，Rc和RP分别为0.8446和0.8705;POD活力在MLR模型中效果最优，其Rc和RP分别为0.8935和0.8373;说明iVISSA-IRIV特征波长提取方法更容易提取与羊肉抗氧化物相关的特征信息。而使用CARS法提取特征波长建立的MLR模型为CAT活力最优模型，其Rc和RP分别为0.9173和0.9047。 (2)应用显微高光谱成像技术的光谱信息对羊肉可溶性蛋白含量、GSH含量、POD活力和CAT活力进行快速无损检测研究并建立MLR和LS-SVM模型。结果表明:经过MLR模型在六种数据集中显示为最优的预测模型;其中经过SPA法提取特征波长数据在可溶性蛋白含量和GSH含量中效果最好，其Rc和RP分别为0.8406和0.7544，0.8252和0.6486;基于CARS法提取特征波长数据在POD活力和CAT活力中效果最好，其Rc和RP分别为0.8620和0.8830，0.8969和0.9105。说明在显微高光谱成像技术中利用MLR模型预测羊肉抗氧化物是一种有效的方法，所提取的特征波长数据可以替代全波段数据进行分析。 (3)基于高光谱成像和显微高光谱成像，采用灰度共生矩阵(GLCM)提取光谱的图像纹理信息和特征光谱信息进行融合，建立线性和非线性模型并对比研究。结果表明:可溶性蛋白含量在高光谱特征光谱信息中所建立的LS-SVM模型效果优于融合信息建立的模型;GSH含量和CAT活力在高光谱融合信息中建立MLR模型效果最优，比特征光谱信息高2.2％和3.9％;POD活力在显微高光谱融合信息中建立的MLR为最优模型，比特征光谱信息高1.1％。综上结果:在光谱级上，高光谱成像技术在羊肉抗氧化物中更具优势，能够快速准确的预测其抗氧化物指标;在融合级上，通过图像纹理与特征光谱信息融合，所建立的模型效果均展示出较好的结果;因此高光谱成像和显微高光谱成像是一种有效预测羊肉抗氧化物的方法。
NETL