領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
為建立快速檢測(cè)冷凍小龍蝦鮮度的近紅外光譜模型，采集解凍的小龍蝦蝦尾、蝦仁及蝦糜的近紅外光譜，分別利用一階導(dǎo)數(shù)、多元散射校正、小波變換（wavelet transform，WT）和標(biāo)準(zhǔn)正態(tài)變換進(jìn)行預(yù)處理，并利用偏最小二乘（partial least squares，PLS）與卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）算法將預(yù)處理前后的光譜數(shù)據(jù)分別與總揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）含量關(guān)聯(lián)，構(gòu)建定量預(yù)測(cè)模型并比較建模效果，選取較佳模型，探究模型預(yù)測(cè)準(zhǔn)確度和適用性。結(jié)果顯示，預(yù)處理方法明顯影響了建立模型的精度，光譜經(jīng)預(yù)處理建立的CNN模型與PLS模型相比，具備更好地預(yù)測(cè)小龍蝦TVB-N含量的能力。其中，蝦仁光譜經(jīng)WT預(yù)處理建立的CNN模型對(duì)驗(yàn)證集的預(yù)測(cè)準(zhǔn)確度最高，校正集與驗(yàn)證集的相關(guān)系數(shù)分別為0.97、0.96，校正集與驗(yàn)證集的均方根誤差分別為1.26、0.93 mg/100 g。近紅外光譜的準(zhǔn)確度、精密度與靈敏度均在合理范圍內(nèi)，方法學(xué)驗(yàn)證結(jié)果良好。綜合考慮實(shí)際應(yīng)用中快速、準(zhǔn)確、低損傷等需求，確定WT-CNN-蝦仁模型為預(yù)測(cè)冷凍小龍蝦中TVB-N含量的最優(yōu)模型。這些結(jié)果表明，WT-CNN-蝦仁模型在預(yù)測(cè)冷凍小龍蝦TVB-N含量、快速評(píng)價(jià)新鮮度方面具有巨大潛力。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
