欧亚国际

番茄酱是人们喜爱的调味食品之一,其品质和有效性不仅影响了广大消费者的健康状况,也关系到番茄酱产业的发展。因此,对番茄酱的品质和有效进行检测十分重要。目前,番茄酱品质和有效性检测方法主要包括感官评价、理化指标检测和微生物检测等。但这些方法操作繁琐,耗时耗力,具有检测效率低、样品破坏性大和检测成本高等缺点,无法满足政府监管部门和食品企业对番茄酱品质和有效实时监测的要求,因而寻找快速、无损的番茄酱品质与有效检测方法变得非常迫切。本文应用多光谱成像系统获取番茄酱样品在405-970 nm波长范围内的多光谱图像信息,结合主成分分析(PCA)、偏较小二乘(PLS)、较小二乘支持向量机(LS-SVM)和反向传播神经网络(BPNN)四种多元数据分析方法,探究了番茄酱品质和有效的快速检测方法。本研究的主要内容和结果如下:(1)采用PLS、LS-SVM和BPNN三种化学计量学法建立番茄酱中可溶性固形物与番茄红素含量的预测模型。在可溶性固形物含量的预测中,LS-SVM与BPNN模型的预测效果相似,优于PLS模型的预测效果。LS-SVM和BPNN模型对可溶性固形物含量的预测决定系数()分别为0.901和0.950,预测均方根误差(RMSEP)分别为0.979%和1.027%,相应的剩余预测偏差(RPD)分别为3.044和3.248。在番茄红素含量的预测中,相对于LS-SVM和BPNN模型,PLS模型对番茄红素含量的预测效果较好,其、RMSEP和RPD分别为0.930、0.567mg/100g和3.906。(2)采用PLS、LS-SVM和BPNN三种化学计量学方法研究了掺入1%、2%、3%、4%、5%、6%、7%、8%和9%蔗糖的掺假番茄酱定性鉴别和定量预测模型。结果表明,相对于PLS和BPNN模型,LS-SVM模型的预测效果较好,其两批番茄酱样本的分别为0.936和0.966,RMSEP分别为0.521%和0.445%,RPD分别为5.014和5.865。此外,采用PLS、LS-SVM和BPNN三种方法检测掺有1%蔗糖的番茄酱,结果表明,三种算法都能将纯番茄酱样品与掺有1%蔗糖的番茄酱样品很好的区分开,且鉴别准确率均达到100%。本研究结果表明多光谱成像技术结合化学计量学方法可以满足番茄酱的品质和有效检测要求,为多光谱成像检测技术在番茄酱工业上的实际运用提供了理论支撑。

北京欧亚国际科技有限公司是丹麦Videometer公司中国区总代理，全面负责其系列产品在中国市场的市场推广、销售和售后服务，VideometerLab 4多光谱成像系统是上较成熟的商业化系统，可用于种子、种质资源库建设，小植株植物表型成像，食品品质可视化以及食品品质无损检测等领域。