70 - 食品科学技术学报页

的范围内,实验样品采用在市场中购买的新鲜鸡肉,
对其进行光谱扫描, 采集不同种类的鸡肉样品光谱
图, 并对其进行了聚类分析和建模研究,研究了聚类
分析技术应用于检测鸡肉分类的可行性[7 - 14] .
1摇 材料与方法
1郾 1摇 材料与试剂
采样肉鸡品种为白羽肉鸡, 土鸡品种为北京本
地散养柴鸡. 样品取自新鲜胴体的一侧胸肉, 剔除
可见脂肪和结缔组织,新鲜鸡肉样品来自北京市农
贸市场和超市. 本实验分别采集了 20 份新鲜肉鸡
鸡胸样品和 20 份新鲜土鸡鸡胸样品 , 其中每 15 份
样品作为校正样本集用来建立聚类模型,5 份样品
作为验证样本集用来检测.
1郾 2摇 仪器与设备
采用瑞士 FoodScanFoss 公司的 FoodScan 近红
外全光栅透射光谱分析仪;光谱范围为 850 ~ 1 050
nm,分辨率为 2 cm - 1 , 每个扫描采集数据点数为
100, 该仪器采用硅 (Si) 检测器和固体测量容器, 透
反射测量有效光程为 2 mm, 采用光栅投射和相关固
体测量柱形杯具, 杯具直径为 6 cm. 采用 Win ISI 软
件对光谱数据进行预处理分析, 使用 MatLab 2012b
工具对其进行聚类分析.
1郾 3摇 方法
1郾 3郾 1摇 样品制备
在扫描前,仪器需预热 0郾 5 h,样品粉碎成肉糜
状. 18 益 恒温箱保存, 扫描过程中严格控制室内湿
度, 保持环境的一致性. 按标号依次将样品杯中的
鸡肉样品倒入样品盘,鸡肉样品均匀铺满整个样品
盘并保证厚度一致 . 每个样品扫描 3 次, 采样间隔
为 2 nm, 分辨率为 5 nm, 剔除异常样本后 , 取平均
值. 采集到的光谱图像如图 1 和图 2.
1郾 3郾 2摇 特征波段选取
本实验分别在无预处理和采用不同预处理方法
的情况下对肉鸡和土鸡的光谱图使用标准方法进行
聚类分析. 在聚类过程中,首先导入校正集肉鸡鸡
胸光谱 1 ~ 15 和土鸡鸡胸光谱 1 ~ 15. 通过交互式
选择光谱的频率范围,如图 3. 由图 3 看出, 在 900 ~
1 022 nm 光谱内存在较明显的吸收峰, 而其余光谱
范围内几乎没有吸收信号. 因此本实验选择 900 ~
1 022 nm 为光谱分析区间 . 在比较不同预处理方法
产生的聚类结果后, 选择合适的预处理方法建立聚
图 1摇 土鸡样品近红外光谱图
Fig. 1摇 Near infrared spectra of domestic chickens samples
图 2摇 肉鸡样品近红外光谱图
Fig. 2摇 Near infrared spectra of broiler chicken samples
类预测模型 ,从而准确鉴别验证集肉鸡光谱 16 ~ 20
样品和土鸡光谱 16 ~ 20 样品. 本实验采用较为直
观的树形图来呈现所得聚类结果 .
图 3摇 交互式频率范围选择
Fig. 3摇 Range selection of interactive frequency
1郾 3郾 3摇 光谱预处理
因为肉鸡肉与土鸡肉的物质组成和化学结构几
乎相同 ,且其内部的化学基团在近红外中的吸光度
相近 ,在同一谱图上谱相似 ,吸收峰值一致. 因此 ,
直接通过谱图很难区分肉鸡肉和土鸡肉 [15] . 因此,
76
第 32 卷 第 6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 向灵孜等: 近红外光谱分析技术在鸡肉分类检测中的应用