【技术实现步骤摘要】
本专利技术涉及食品检测领域，具体涉及一种基于低场核磁共振技术预测猪肉保水性的方法。
技术介绍
1、
2、
3、冷冻贮藏猪肉的保水性是影响肉类品质的关键因素之一，也是衡量冷冻肉在肉类食品加工、贮藏过程中重要的品质指标。因此深入研究反复冻融对猪肉保水性的影响，并探索有效的检测和评价方法，对于生猪产业体系提质增效具有重要意义。
4、低场核磁共振技术（low-field nuclear magnetic resonance，lf-nmr）是一种新兴的技术手段，用于研究水分分布、脂质氧化状态、蛋白质构象等。由于lf-nmr无损伤、非侵入性的优秀特点，被广泛应用于食品、生物及物理化学等诸多领域，为检测领域带来了全新的视角和应用可能性。
5、lf-nmr技术具备成本低、速度快、检测精度高等优点，在肉中水分含量测定方面具有其独特的优势，不仅可以准确测定肉中水分的总体含量，还可以检测肉中水分（不易流动水、结合水以及自由水）的分布情况及状态变化。但是目前lf-nmr技术针对肉类保水性的多元统计方法相对简单，且主要是通过其特征数据与保水性建立简单的相关性分析，或是在少量样本量的基础利用核磁信号衰减曲线进行预测模型的建立，这种情况所建立的预测模型泛化能力差，在实际应用中易出现系统性错误，并不具备广泛实用性，无法实现对猪肉保水性进行精准预测。当前将lf-nmr技术应用于保水性精准预测的相关研究还相对较少，对其进行深入研究仍存在较大的探索空间。
技术实现思路
1
2、本专利技术的第一方面提供一种基于低场核磁共振技术的猪肉保水性预测模型构建方法，所述方法包括以下步骤：
3、（1）样品制备：选取新鲜猪肉作为试验样品，将新鲜猪肉中的一部分进行冻融循环处理，得到新鲜猪肉和不同冻融循环次数的猪肉试验样品；
4、（2）样品低场核磁共振信号采集与反演：将步骤（1）得到的猪肉试验样品置于核磁样品管中，设置仪器检测参数，开始采集样品低场核磁共振（lf-nmr）信号，用软件对cpmg序列采集样品进行多组分反演拟合，得到样品的横向弛豫时间t2曲线图谱，提取图谱中特征参数的数据；
5、（3）样品保水性参数测定：步骤（2）中的猪肉试验样品在完成lf-nmr扫描之后，立即取出测定猪肉样品的保水性参数数据，所述保水性参数为加压损失率；
6、（4）模型构建及评价：以步骤（2）得到的试验样品横向弛豫时间t2曲线图谱的特征参数数据作为建模输入参数，以步骤（3）得到的试验样品的保水性参数数据作为建模输出参数，将所述输入参数和所述输出参数代入matlab软件，建立预测猪肉保水性的回归模型，并对回归模型的预测效果进行评价。
7、优选的，所述步骤（1）中的新鲜猪肉样品在-18℃低温贮藏，进行冻融循环处理。
8、优选的，所述步骤（1）中冻融循环处理包括循环将猪肉在-18℃下储存12h，然后在4℃条件下完全解冻。
9、优选的，所述步骤（1）中对新鲜猪肉样品分别进行3次、5次和10次冻融循环处理。
10、优选的，所述步骤（2）中设置的仪器检测参数包括等待时间、回波时间和重复扫描次数。
11、优选的，所述等待时间设置为1000-5000ms。更优选的，所述等待时间设置为2000-4000ms。进一步优选的，所述等待时间设置为2000ms。
12、优选的，所述回波时间设置为0.10-0.40ms。更优选的，所述回波时间设置为0.30-0.35ms。进一步优选的，所述回波时间设置为0.30ms。
13、优选的，所述重复扫描次数设置为8-128次。更优选的，所述重复扫描次数设置为16-32次。进一步优选的，所述重复扫描次数设置为32次。
14、优选的，所述步骤（2）中选取不同冻融循环次数的各三个样品的t2衰减曲线作图。
15、优选的，所述步骤（2）中t2曲线图谱的特征参数选自峰起始时间、峰顶点时间、峰结束时间、峰面积和峰面积比例中的一个或多个。
16、优选的，所述峰起始时间参数包括t21s、t22s或t23s，所述峰顶点时间参数包括t21p、t22p或t23p，所述峰结束时间参数包括t21e、t22e或t23e，所述峰面积参数包括s21、s22、s23或st，所述峰面积比例参数包括p21、p22或p23。
17、更优选的，所述步骤（2）中t2曲线图谱的特征参数为峰面积。
18、优选的，所述峰面积参数包括结合水峰面积s21、不易流动水峰面积s22、自由水峰面积s23或总峰面积st。
19、进一步优选的，所述步骤（2）中t2曲线图谱的特征参数为结合水峰面积s21。
20、优选的，所述步骤（3）中的加压损失率采用以下方法测定：选用直径2.5cm的取样器，沿肌纤维垂直方向取1.0cm厚的圆形肉柱样本，进行准确称重，分别用16层滤纸包裹肉样的上下两个面，肉品系水力测定仪以35.0kg的恒定压力进行加压，持续5min后取下并去除滤纸、立即称重，按如下公式计算肉样的加压损失率：
21、；
22、式中pl：加压损失率，单位为%；m1：肉样加压前质量，单位为g；m2：肉样加压后质量，单位为g。
23、优选的，所述步骤（4）中的回归模型为人工神经网络回归模型、支持向量回归模型或随机森林回归模型。更优选的，所述回归模型为支持向量回归模型或随机森林回归模型。进一步优选的，所述回归模型为支持向量回归模型。
24、优选的，所述人工神经网络回归模型利用matlab软件的神经网络工具箱中的levenberg-marquardt法实现。更优选的，所述levenberg-marquardt法的隐含层层数为10。
25、优选的，所述支持向量回归模型利用matlab软件的机器学习工具箱中的fitrsvm函数实现。更优选的，所述支持向量回归模型的核心参数为惩罚因子c=4.0，径向基函数参数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、优选的，所述随机森林回归模型利用matlab中的statistics and machinelearning toolbox实现。更优选的，利用statistics and machine learning toolbox中的treebagger类工具实现，决策树数目trees=50，最小叶子数leaf=5。
27、优选的，所述步骤（4）中的回归预测模型使用2/3的样本构建校正集数据，1/3的样本数据作为外验证建立验证集模型，采用留出法进行交叉验证。
28、优选的，所述步骤（4）中的回归预测模型通过验证集的决定系数、均方根误本文档来自技高网...
【技术保护点】
1.一种基于低场核磁共振技术的猪肉保水性预测模型构建方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤（2）中设置的仪器检测参数包括等待时间、回波时间和重复扫描次数。
3.根据权利要求2所述的方法，其特征在于，所述等待时间设置为1000-5000ms。
4.根据权利要求2所述的方法，其特征在于，所述回波时间设置为0.10-0.40ms。
5.根据权利要求2所述的方法，其特征在于，所述重复扫描次数设置为8-128次。
6.根据权利要求1所述的方法，其特征在于，所述步骤（2）中T2曲线图谱的特征参数选自峰起始时间、峰顶点时间、峰结束时间、峰面积和峰面积比例中的一个或多个。
7.一种基于低场核磁共振技术预测猪肉保水性的方法，其特征在于，所述方法包括以下步骤：
【技术特征摘要】
1.一种基于低场核磁共振技术的猪肉保水性预测模型构建方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤（2）中设置的仪器检测参数包括等待时间、回波时间和重复扫描次数。
3.根据权利要求2所述的方法，其特征在于，所述等待时间设置为1000-5000ms。
4.根据权利要求2所述的方法，其特征在于，所述回波时间设...
【专利技术属性】
技术研发人员：汤晓艳，张宇慧，刘辉，
申请(专利权)人：中国农业科学院农业质量标准与检测技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。