基于色素氣敏傳感技術(shù)的肴肉新鮮度檢測(cè)研究.pdf

1、水晶肴肉是一種傳統(tǒng)工藝與現(xiàn)代肉制品加工技術(shù)相結(jié)合的凝膠型低溫肉制品。肴肉在加工過(guò)程中原、輔材料種類(lèi)多，營(yíng)養(yǎng)豐富，易滋生微生物;另外由于低溫肉制品在加工過(guò)程中不能經(jīng)過(guò)高溫殺菌，導(dǎo)致產(chǎn)品易變質(zhì)新鮮度下降，嚴(yán)重影響了產(chǎn)品的安全性和企業(yè)的經(jīng)濟(jì)效益。因此如何實(shí)現(xiàn)肴肉新鮮度的快速、無(wú)損檢測(cè)顯得尤為重要。為了克服現(xiàn)有肉制品新鮮度檢測(cè)方法的不足，本研究嘗試?yán)蒙貧饷魝鞲衅鳙@取肴肉貯藏過(guò)程中的氣味信息，并結(jié)合化學(xué)計(jì)量學(xué)的方法定性判別肴肉新鮮度等級(jí)、定量

2、預(yù)測(cè)新鮮度評(píng)價(jià)指標(biāo)，期望得到一種肴肉新鮮度快速無(wú)損檢測(cè)的新方法。
　　本文的主要研究工作如下:
　　(1)肴肉貯藏過(guò)程中新鮮度評(píng)價(jià)指標(biāo)的分析。取生產(chǎn)日期當(dāng)天的96個(gè)肴肉樣本，于4℃貯藏，每隔5天測(cè)定12個(gè)樣本的細(xì)菌總數(shù)(Total viable count，TVC)、揮發(fā)性鹽基氮(Total volatile basic nitrogen，TVB-N)含量、生物胺總量(Biogenic amineindicators，BAI

3、)和三甲胺(Trimethylamine，TMA)含量，共檢測(cè)35天。根據(jù)這4項(xiàng)新鮮度指標(biāo)的檢測(cè)數(shù)據(jù)，結(jié)合國(guó)家標(biāo)準(zhǔn)明確了肴肉貯藏期間新鮮度的變化規(guī)律，為后續(xù)研究提供堅(jiān)實(shí)的基礎(chǔ)。
　　(2)納米型傳統(tǒng)色素陣列傳感器檢測(cè)肴肉新鮮度。為了克服常用基底材料結(jié)構(gòu)不規(guī)整導(dǎo)致的顯色劑分布不均勻問(wèn)題，制備了以TiO2納米多孔膜為基底，卟啉、pH指示劑類(lèi)色素作為顯色劑的納米型傳統(tǒng)色素陣列傳感器。與非納米結(jié)構(gòu)的色素陣列傳感器相比，基于TiO2納米基底

4、的色素陣列傳感器表面結(jié)構(gòu)呈致密的納米微粒、顯色劑分布均勻、達(dá)到反應(yīng)平衡所需時(shí)間從720s縮短到540s，對(duì)TMA的檢出限從0.1 mL/m3降低到0.06mL/m3。將該傳感器用于肴肉新鮮度的檢測(cè)，采集到色素陣列傳感器的顏色信號(hào)即光信號(hào)，在主成分分析(Principal component analysis，PCA)分析的基礎(chǔ)上有比較地利用線性判別(Linear discriminate analysis，LDA)、支持向量機(jī)(Supp

5、ort vector machine，SVM)和反向神經(jīng)網(wǎng)絡(luò)(Back propagation neural network，BPNN)模式識(shí)別方法建立肴肉新鮮度的識(shí)別模型，結(jié)果顯示BPNN識(shí)別效果最好，校正集和預(yù)測(cè)集的識(shí)別率達(dá)到了93.75％和90.63％，利用偏最小二乘法(Partial leastsquares，PLS)、遺傳偏最小二乘法(Genetic algorithm-partial least squares，GA-PLS

6、)和蟻群優(yōu)化偏最小二乘法(Ant colony optimization-partial least squares，ACO-PLS)分別建立4項(xiàng)新鮮度評(píng)價(jià)指標(biāo)的定量預(yù)測(cè)模型，ACO-PLS預(yù)測(cè)模型效果最好，建立的TVC、TVB-N、BAI和TMA濃度預(yù)測(cè)模型的預(yù)測(cè)集相關(guān)系數(shù)分別為0.903、0.874、0.906和0.871。
　　(3)納米型天然色素陣列傳感器檢測(cè)肴肉新鮮度。為了克服卟啉酞菁類(lèi)顯色劑需要用有機(jī)溶劑溶解而不宜用于

7、食品檢測(cè)的問(wèn)題，制備了以TiO2納米多孔膜為基底，天然色素作為顯色劑的納米型天然色素陣列傳感器，該傳感器與納米型傳統(tǒng)色素陣列傳感器相比達(dá)到反應(yīng)平衡的時(shí)間由540s縮短至480s。將該傳感器用于肴肉新鮮度的檢測(cè)，在PCA分析的基礎(chǔ)上有比較地利用LDA、SVM和BPNN模式識(shí)別方法建立肴肉新鮮度的識(shí)別模型，結(jié)果顯示BPNN識(shí)別效果最好，校正集和預(yù)測(cè)集的識(shí)別率達(dá)到了93.75％和87.50％，利用PLS、GA-PLS和ACO-PLS分別建立4

8、項(xiàng)新鮮度評(píng)價(jià)指標(biāo)的定量預(yù)測(cè)模型，ACO-PLS預(yù)測(cè)模型效果最好，建立的TVC、TVB-N、BAI和TMA濃度預(yù)測(cè)模型的預(yù)測(cè)集相關(guān)系數(shù)分別0.871、0.829、0.887和0.909。
　　(4)天然色素敏化TiO2型金屬氧化物傳感器檢測(cè)肴肉新鮮度。金屬氧化物傳感器需要在高溫的條件下才能工作，不適合用于肉制品新鮮度的檢測(cè)。本研究運(yùn)用天然色素敏化的方法制備了室溫下即可工作的TiO2氣敏傳感器，分析了TiO2納米微粒和TiO2納米管傳

9、感器的制備方法、表面結(jié)構(gòu)、晶型和氣敏性能。結(jié)果表明天然色素敏化的TiO2納米管傳感器的性能較好，并將其用于肴肉新鮮度的檢測(cè)，采集到傳感器的電信號(hào)，在PCA分析的基礎(chǔ)上有比較地利用LDA、SVM和BPNN模式識(shí)別方法建立肴肉新鮮度的識(shí)別模型，結(jié)果顯示BPNN識(shí)別效果最好，校正集和預(yù)測(cè)集的識(shí)別率達(dá)到了98.44％和93.75％，利用PLS、GA-PLS和ACO-PLS分別建立4項(xiàng)新鮮度評(píng)價(jià)指標(biāo)的定量預(yù)測(cè)模型，ACO-PLS預(yù)測(cè)模型效果最好，

10、建立的TVC、TVB-N、BAI和TMA濃度預(yù)測(cè)模型的預(yù)測(cè)集相關(guān)系數(shù)分別為0.820、0.842、0.812和0.866。
　　(5)基于色素氣敏傳感器光信號(hào)和電信號(hào)肴肉新鮮度的融合檢測(cè)方法。肴肉氣味分子與色素分子接觸后，色素分子不僅產(chǎn)生了顏色變化也發(fā)生了電子轉(zhuǎn)移，為了更全面表征肴肉新鮮度指標(biāo)的特征信號(hào)，分別提取納米型天然色素陣列傳感器的光信號(hào)和天然色素敏化TiO2型金屬氧化物傳感器的電信號(hào)，將光信號(hào)和電信號(hào)融合后用于肴肉新鮮度等

11、級(jí)的定性判別和肴肉新鮮度評(píng)價(jià)指標(biāo)的定量預(yù)測(cè)。結(jié)果表明，肴肉新鮮度等級(jí)融合判別模型對(duì)校正集和預(yù)測(cè)集的識(shí)別率達(dá)均到100％，與單一信號(hào)最佳判別模型（天然色素敏化TiO2型金屬氧化物傳感器電信號(hào)的BPNN模型）相比識(shí)別率提高了2％左右。肴肉新鮮度指標(biāo)融合模型對(duì)TVC、TVB-N、BAI和TMA濃度的預(yù)測(cè)集相關(guān)系數(shù)分別為0.914、0.922、0.903和0.931，與單一信號(hào)最佳預(yù)測(cè)模型（納米型天然色素陣列傳感器的ACO-PLS模型）相比預(yù)測(cè)