【技術實現步驟摘要】
本專利技術涉及食品檢測領域，具體涉及一種基于低場核磁共振技術預測豬肉保水性的方法。
技術介紹
1、
2、
3、冷凍貯藏豬肉的保水性是影響肉類品質的關鍵因素之一，也是衡量冷凍肉在肉類食品加工、貯藏過程中重要的品質指標。因此深入研究反復凍融對豬肉保水性的影響，并探索有效的檢測和評價方法，對于生豬產業體系提質增效具有重要意義。
4、低場核磁共振技術（low-field?nuclear?magnetic?resonance，lf-nmr）是一種新興的技術手段，用于研究水分分布、脂質氧化狀態、蛋白質構象等。由于lf-nmr無損傷、非侵入性的優秀特點，被廣泛應用于食品、生物及物理化學等諸多領域，為檢測領域帶來了全新的視角和應用可能性。
5、lf-nmr技術具備成本低、速度快、檢測精度高等優點，在肉中水分含量測定方面具有其獨特的優勢，不僅可以準確測定肉中水分的總體含量，還可以檢測肉中水分（不易流動水、結合水以及自由水）的分布情況及狀態變化。但是目前lf-nmr技術針對肉類保水性的多元統計方法相對簡單，且主要是通過其特征數據與保水性建立簡單的相關性分析，或是在少量樣本量的基礎利用核磁信號衰減曲線進行預測模型的建立，這種情況所建立的預測模型泛化能力差，在實際應用中易出現系統性錯誤，并不具備廣泛實用性，無法實現對豬肉保水性進行精準預測。當前將lf-nmr技術應用于保水性精準預測的相關研究還相對較少，對其進行深入研究仍存在較大的探索空間。
技術實現思路
1
2、本專利技術的第一方面提供一種基于低場核磁共振技術的豬肉保水性預測模型構建方法，所述方法包括以下步驟：
3、（1）樣品制備：選取新鮮豬肉作為試驗樣品，將新鮮豬肉中的一部分進行凍融循環處理，得到新鮮豬肉和不同凍融循環次數的豬肉試驗樣品；
4、（2）樣品低場核磁共振信號采集與反演：將步驟（1）得到的豬肉試驗樣品置于核磁樣品管中，設置儀器檢測參數，開始采集樣品低場核磁共振（lf-nmr）信號，用軟件對cpmg序列采集樣品進行多組分反演擬合，得到樣品的橫向弛豫時間t2曲線圖譜，提取圖譜中特征參數的數據；
5、（3）樣品保水性參數測定：步驟（2）中的豬肉試驗樣品在完成lf-nmr掃描之后，立即取出測定豬肉樣品的保水性參數數據，所述保水性參數為加壓損失率；
6、（4）模型構建及評價：以步驟（2）得到的試驗樣品橫向弛豫時間t2曲線圖譜的特征參數數據作為建模輸入參數，以步驟（3）得到的試驗樣品的保水性參數數據作為建模輸出參數，將所述輸入參數和所述輸出參數代入matlab軟件，建立預測豬肉保水性的回歸模型，并對回歸模型的預測效果進行評價。
7、優選的，所述步驟（1）中的新鮮豬肉樣品在-18℃低溫貯藏，進行凍融循環處理。
8、優選的，所述步驟（1）中凍融循環處理包括循環將豬肉在-18℃下儲存12h，然后在4℃條件下完全解凍。
9、優選的，所述步驟（1）中對新鮮豬肉樣品分別進行3次、5次和10次凍融循環處理。
10、優選的，所述步驟（2）中設置的儀器檢測參數包括等待時間、回波時間和重復掃描次數。
11、優選的，所述等待時間設置為1000-5000ms。更優選的，所述等待時間設置為2000-4000ms。進一步優選的，所述等待時間設置為2000ms。
12、優選的，所述回波時間設置為0.10-0.40ms。更優選的，所述回波時間設置為0.30-0.35ms。進一步優選的，所述回波時間設置為0.30ms。
13、優選的，所述重復掃描次數設置為8-128次。更優選的，所述重復掃描次數設置為16-32次。進一步優選的，所述重復掃描次數設置為32次。
14、優選的，所述步驟（2）中選取不同凍融循環次數的各三個樣品的t2衰減曲線作圖。
15、優選的，所述步驟（2）中t2曲線圖譜的特征參數選自峰起始時間、峰頂點時間、峰結束時間、峰面積和峰面積比例中的一個或多個。
16、優選的，所述峰起始時間參數包括t21s、t22s或t23s，所述峰頂點時間參數包括t21p、t22p或t23p，所述峰結束時間參數包括t21e、t22e或t23e，所述峰面積參數包括s21、s22、s23或st，所述峰面積比例參數包括p21、p22或p23。
17、更優選的，所述步驟（2）中t2曲線圖譜的特征參數為峰面積。
18、優選的，所述峰面積參數包括結合水峰面積s21、不易流動水峰面積s22、自由水峰面積s23或總峰面積st。
19、進一步優選的，所述步驟（2）中t2曲線圖譜的特征參數為結合水峰面積s21。
20、優選的，所述步驟（3）中的加壓損失率采用以下方法測定：選用直徑2.5cm的取樣器，沿肌纖維垂直方向取1.0cm厚的圓形肉柱樣本，進行準確稱重，分別用16層濾紙包裹肉樣的上下兩個面，肉品系水力測定儀以35.0kg的恒定壓力進行加壓，持續5min后取下并去除濾紙、立即稱重，按如下公式計算肉樣的加壓損失率：
21、；
22、式中pl：加壓損失率，單位為%；m1：肉樣加壓前質量，單位為g；m2：肉樣加壓后質量，單位為g。
23、優選的，所述步驟（4）中的回歸模型為人工神經網絡回歸模型、支持向量回歸模型或隨機森林回歸模型。更優選的，所述回歸模型為支持向量回歸模型或隨機森林回歸模型。進一步優選的，所述回歸模型為支持向量回歸模型。
24、優選的，所述人工神經網絡回歸模型利用matlab軟件的神經網絡工具箱中的levenberg-marquardt法實現。更優選的，所述levenberg-marquardt法的隱含層層數為10。
25、優選的，所述支持向量回歸模型利用matlab軟件的機器學習工具箱中的fitrsvm函數實現。更優選的，所述支持向量回歸模型的核心參數為懲罰因子c=4.0，徑向基函數參數g=0.8，cmd=['?-t?2','?-c?',num2str(c),'?-g?',num2str(g),'?-s?3?-p?0.01']，model=svmtrain(t_train,?p_train,?cmd)。
26、優選的，所述隨機森林回歸模型利用matlab中的statistics?and?machinelearning?toolbox實現。更優選的，利用statistics?and?machine?learning?toolbox中的treebagger類工具實現，決策樹數目trees=50，最小葉子數leaf=5。
27、優選的，所述步驟（4）中的回歸預測模型使用2/3的樣本構建校正集數據，1/3的樣本數據作為外驗證建立驗證集模型，采用留出法進行交叉驗證。
28、優選的，所述步驟（4）中的回歸預測模型通過驗證集的決定系數、均方根誤本文檔來自技高網...
【技術保護點】
1.一種基于低場核磁共振技術的豬肉保水性預測模型構建方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，所述步驟（2）中設置的儀器檢測參數包括等待時間、回波時間和重復掃描次數。
3.根據權利要求2所述的方法，其特征在于，所述等待時間設置為1000-5000ms。
4.根據權利要求2所述的方法，其特征在于，所述回波時間設置為0.10-0.40ms。
5.根據權利要求2所述的方法，其特征在于，所述重復掃描次數設置為8-128次。
6.根據權利要求1所述的方法，其特征在于，所述步驟（2）中T2曲線圖譜的特征參數選自峰起始時間、峰頂點時間、峰結束時間、峰面積和峰面積比例中的一個或多個。
7.一種基于低場核磁共振技術預測豬肉保水性的方法，其特征在于，所述方法包括以下步驟：
【技術特征摘要】
1.一種基于低場核磁共振技術的豬肉保水性預測模型構建方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，所述步驟（2）中設置的儀器檢測參數包括等待時間、回波時間和重復掃描次數。
3.根據權利要求2所述的方法，其特征在于，所述等待時間設置為1000-5000ms。
4.根據權利要求2所述的方法，其特征在于，所述回波時間設...
【專利技術屬性】
技術研發人員：湯曉艷，張宇慧，劉輝，
申請(專利權)人：中國農業科學院農業質量標準與檢測技術研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。