肉类品质包括食用品质、加工品质、营养品质和安全品质等,对肉类品质进行评价是规范肉类市场的有效手段。近红外光谱技术在肉类品质无损检测方面应用潜力巨大,但光谱设备成本高、体积大、稳定性差是阻碍其走向市场的关键因素。
该团队研发了基于深度学习的波长优选智能算法,建立了融合畜禽肉蛋白质、水分、脂肪、色泽、嫩度、不饱和脂肪酸总量等12个指标的生鲜肉多品质近红外无损预测模型,准确率达95%以上;研制了“发射采集一体式”大区域环形检测探头和高光效近红外光源,通过明确每个指标的极小分辨率确定最终极小分辨率参数,进而确定光谱设备的光学元件数,设备体积和成本较传统光谱检测设备降低1倍以上,开发了定时自动黑白校正、模型自动嵌入调用、光谱区域自动选择等算法,极大提高了多品质指标建模效率和预测稳定性;设备基于工业平板实现检测、控制、数据传递一体化,1.4s可实现肉类12个品质指标快速检测,并实时、同步显示结果。
该技术自主研发模型算法、采用国产材料元件,成本是进口检测设备的1/3.在河南、山东、内蒙古等地的畜禽屠宰加工企业应用,实现对肉类品质的实时评价,将肉类品质划分不同级别,规范肉类生产与销售;在宁夏回族自治区等检测机构应用,节省了常规指标检测所需的试剂耗材,也避免了相应的环境污染,节约检测成品的同时大大提高检测效率;在冷链物流公司应用,可实时监测物流过程肉类品质变化,实现品质劣变预警,保证交货品质。该装备便携、操作简单、结果准确,是光谱技术在肉类产业应用的一次成功实践。
2023年2月2月21日
来源:中国农业科学院农产品加工研究所