以托盘包装冷鲜牛腱为研究对象,选择蓝莓、玫瑰、菠菜、黑豆、黑米、柑橘皮、紫葡萄、姜黄和玫瑰茄共9种天然色素原材料制作3×3矩阵的嗅觉可视化阵列,利用色素气体可视化传感器来提取牛肉储藏期间的挥发性气味信息,同时测定挥发性...以托盘包装冷鲜牛腱为研究对象,选择蓝莓、玫瑰、菠菜、黑豆、黑米、柑橘皮、紫葡萄、姜黄和玫瑰茄共9种天然色素原材料制作3×3矩阵的嗅觉可视化阵列,利用色素气体可视化传感器来提取牛肉储藏期间的挥发性气味信息,同时测定挥发性盐基氮(total volatile base nitrogen,TVB-N)和细菌总数(total viable count,TVC),将天然色素气体可视化传感器阵列与挥发性气体成分反应前后产生的红绿蓝(RGB)颜色变化值作为响应信号,利用偏最小二乘法(partial Least Square,PLS)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)来建立气体可视化传感器阵列响应信号与牛肉TVB-N含量和TVC值的相关回归模型,定量预测牛肉的新鲜度。结果表明,LS-SVM的定量预测模型最佳,TVB-N和TVC含量的LS-SVM模型的预测集均方差RMSEP分别为65.66 mg·kg^(-1)和0.383 log(cfu·g^(-1)),校正集预测值与实测值的相关系数R_p分别为0.863 4和0.854 7。展开更多
文摘以托盘包装冷鲜牛腱为研究对象,选择蓝莓、玫瑰、菠菜、黑豆、黑米、柑橘皮、紫葡萄、姜黄和玫瑰茄共9种天然色素原材料制作3×3矩阵的嗅觉可视化阵列,利用色素气体可视化传感器来提取牛肉储藏期间的挥发性气味信息,同时测定挥发性盐基氮(total volatile base nitrogen,TVB-N)和细菌总数(total viable count,TVC),将天然色素气体可视化传感器阵列与挥发性气体成分反应前后产生的红绿蓝(RGB)颜色变化值作为响应信号,利用偏最小二乘法(partial Least Square,PLS)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)来建立气体可视化传感器阵列响应信号与牛肉TVB-N含量和TVC值的相关回归模型,定量预测牛肉的新鲜度。结果表明,LS-SVM的定量预测模型最佳,TVB-N和TVC含量的LS-SVM模型的预测集均方差RMSEP分别为65.66 mg·kg^(-1)和0.383 log(cfu·g^(-1)),校正集预测值与实测值的相关系数R_p分别为0.863 4和0.854 7。
