[发明专利]一种预测冷冻猪肉在贮藏过程中品质变化的方法有效
| 申请号: | 201810814450.2 | 申请日: | 2018-07-24 |
| 公开(公告)号: | CN109033616B | 公开(公告)日: | 2023-02-10 |
| 发明(设计)人: | 马嫄;袁乙平;张旭风;岳文婷;李靖;张夕佳 | 申请(专利权)人: | 西华大学 |
| 主分类号: | G06F30/20 | 分类号: | G06F30/20;G01N24/08 |
| 代理公司: | 四川君士达律师事务所 51216 | 代理人: | 芶忠义 |
| 地址: | 610039 四川*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | 一种预测冷冻猪肉在贮藏过程中品质变化的方法,以低场核磁共振技术结合肉品品质指标测定方法为主要测量工具,以冷冻猪肉横向弛豫时间T2图谱数据、TVB‑N、TBARS、蛋白质溶解度、汁液流失率、总氨基酸流失率为数据,建立主成分分析模型,再将得到的综合得分与时间之间建立回归模型;以冷冻0、1、3、6、9、12月的猪肉各项测量值为数据库,求解回归模型,并通过预测验证模型的准确性。本发明具有分析过程简单、样品用量小、准确性高、耗时短、成本低、易于普及等优点,可用于准确地预测冷冻猪肉的剩余货架期,掌握和了解冷冻猪肉的营养状态和新鲜度,同时也为其它冷冻肉类的新鲜度和货架期预测模型的研究提供了一定的理论参考。 | ||
| 搜索关键词: | 一种 预测 冷冻 猪肉 贮藏 过程 品质 变化 方法 | ||
【主权项】:
1.一种预测冷冻猪肉在贮藏过程中品质变化的方法,其特征在于,包括以下步骤:一、测定六项评价指标值(1)样品的挥发性盐基氮值的测定:参照GB5009.228‑2016的方法,用自动凯氏定氮法检测冷冻猪肉经过不同储藏时间后的TVB‑N值,测定三组平行值,建立冷冻猪肉的TVB‑N值随储藏时间而变化的样品数据库;(2)冷冻猪肉的低场核磁共振检测:利用低场核磁共振仪的Q‑CPMG脉冲序列测定冷冻猪肉在储藏过程中的横向弛豫时间T2,测定三组平行值,通过数据分析获得低场核磁共振检测数据,所述检测数据包括T21、T22、T23,其中T21表征结合水,T22表征不易流动水,T23表征自由水;选择T22作为研究对象,建立冷冻猪肉的T2值随储藏时间而变化的样品数据库;(3)TBARS的测定:取10g肉样研磨细,加入50ml 7.5%的含DETA0.1%的三氯乙酸,在漩涡震荡仪上震荡30min,用双层滤纸过滤2次,取5ml0.02mol/L TBA溶液,90℃水浴保温40min,冷却至室温,移入试管后离心,转速1600r/min,时间5min,取上清液加入5ml氯仿震荡,静置分层后再次取上清液,在532nm和600nm处分别测量吸光度,与TBA反应的物质的量TBARS测量结果以每100g肉中丙二醛的mg数来表示,建立冷冻猪肉的TBARS值随储藏时间而变化的样品数据库;TBARS(mg/100g)=(A532‑A600)/155×(1/10)×72.6×100(4)蛋白质溶解度的测定:取1g样品切碎,加入0.1mol/L的磷酸盐缓冲液,搅拌30min,于4℃保存20h,2600×g离心30min,取上清液1mL,利用双缩脲法测定蛋白质浓度,以牛血清蛋白做标准曲线,得到的标准曲线公式为:y=0.0364x‑0.0002,R2=0.9996,其中y为吸光度,x为蛋白质溶解度,建立冷冻猪肉的蛋白质溶解度值随储藏时间而变化的样品数据库;(5)汁液流失率:将解冻前肉样称重,解冻后肉样称重,解冻前后重量之差比解冻前肉样重量,得到汁液流失率,建立冷冻猪肉的汁液流失率随储藏时间而变化的样品数据库;(6)总氨基酸流失率:将肉样解冻后的汁液用氨基酸自动分析仪进行测定,建立冷冻猪肉的总氨基酸流失率随储藏时间而变化的样品数据库;二、基于测定的六项指标值建立主成分分析模型(1)设定主成分分析的六个指标变量依次为x1、x2、x3、x4、x5、x6,对于n个评价对象中的第i个,其第j个指标的取值为αij,将各指标值αij转换为标准化指标值
有
其中μj,sj为第j个指标的样本均值和样本标准差;对应地,称
为标准化变量,
(2)计算相关系数矩阵R,R=(rij)6*6,有
其中:rii=1,rij=rji,rij是第i个指标与第j个指标的相关系数;(3)计算特征值和特征向量,计算相关系数矩阵R的特征值λ1≥λ2≥...≥λ6≥0,及对应的特征向量u1,u2,...,u5,u6,其中uj=[u1j,u2j,...,u6j]T,由特征向量组成6个新的指标变量;![]()
..
其中y1第一主成分,y2第二主成分,...,y6是第六主成分;(4)选择p个主成分,计算综合评价值1)计算特征值λj(j=1,2,...,6)的信息贡献率和累计贡献率,称
为主成分yj的信息贡献率,同时有
为主成分y1,y2,...,y6的累积贡献率,当αp接近1时,则选择前p个指标变量y1,y2,...,yp作为p个主成分,代替原来的6个指标变量,从而可对个主成分进行综合分析;2)计算综合得分
其中:bj为第j个主成分的信息贡献率,根据综合得分值即可进行评级;三、建立综合得分与时间之间的关系模型通过综合得分与时间的散点图,得到一元线性回归模型,Z=a+b*t将主成分分析模型算出的每个时间段的综合得分和时间代入模型,通过matlab编程求解出回归系数、相关系数和分布显著性校验值,即F值,然后通过相关系数和F值判断所求回归方程合理。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西华大学,未经西华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810814450.2/,转载请声明来源钻瓜专利网。





