基于近红外光谱技术构建牛羊肉掺假鉴别模型

[目的]为应用近红外光谱技术结合正交偏最小二乘判别分析(orthogonal partial least-squares discrimination analysis,OPLS-DA)方法对牛羊肉掺杂鸡肉和鸭肉的定性鉴别.[方法]采集新鲜的牛里脊肉、羊后腿肉、鸡胸肉、鸭脯肉各41份,用绞肉机绞碎成肉糜,按照0％、25％、50％、75％、100％的掺假比例分别将鸡肉糜和鸭肉糜掺入到牛肉糜和羊肉糜中,得到4种纯肉样品各41份,牛肉掺鸭肉、牛肉掺鸡肉、羊肉掺鸭肉、羊肉掺鸡肉样品各123份,并采集近红外光谱.利用二阶导数(second derivative,2nd Der)、savitzky-golay滤波平滑(savitzky-golay,S-G)、多元散射校正(multiplicative scatter correction,MSC)、标准正态变量校正(standard normal variate correction,SNV)、2nd Der+S-G、2nd Der+MSC、2nd Der+SNV、S-G+MSC、S-G+SNV等方法对原始光谱数据预处理,结合OPLS-DA分别构建牛羊肉掺假定性鉴别模型.根据模型训练集的最高正确判别率以及比较受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)的面积(area under curve,AUC)评价模型的预测性能.[结果]原光谱建立的牛肉掺鸭肉模型和牛肉掺鸡肉模型对训练集鉴别准确率均为97.42％,对预测集的鉴别准确率分别为96％和92％;经S-G+MSC预处理的牛肉掺假模型对训练集和预测集的鉴别准确率分别为97.24％和90％;经SNV预处理的羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为96.13％和92％;经SNV预处理的羊肉掺鸡肉模型对训练集和预测集的鉴别准确率分别为96.77％和94％;经S-G+SNV预处理的羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.24％和97.14％.[结论]研究结果为近红外技术结合OPLS-DA方法对定性鉴别掺假牛羊肉提供了参考.