用直接注射的方式,将猪背最长肌制备成注水比例分别为0、2%、6%、10%和14%的肉样本。利用低场核磁共振(field nuclear magnetic resonance,LF-NMR)技术测量肉样本产生的NMR信号,并将反演后得到的横向弛豫谱参数作为自变量,通过判别分析(...用直接注射的方式,将猪背最长肌制备成注水比例分别为0、2%、6%、10%和14%的肉样本。利用低场核磁共振(field nuclear magnetic resonance,LF-NMR)技术测量肉样本产生的NMR信号,并将反演后得到的横向弛豫谱参数作为自变量,通过判别分析(Discriminant analysis,DA)和偏最小二乘回归(partial least square regression,PLSR)分析,分别建立注水肉检测模型,并尝试多种可能性的PLSR建模,评估分析模型对较低注水比例的注水肉的检测性能。结果表明,对DA模型进行回代验证和留一交叉验证,模型对注水肉分类的总正确率分别为89.4%和88.2%。采用将杠杆值和学生化残差相结合的方式判别和删除异常数据,用变量投影重要性分析法筛选出6个横向弛豫谱参数作为自变量建立的优化PLSR模型的检测性能最优,校准集决定系数(R_(c)^(2))和标准误差(SEV)分别为0.9603和1.0033%,交叉验证的决定系数(R_(cv)^(2))和标准误差(SECV)分别为0.9508和1.1169%,预测集决定系数(R_(p)^(2))和标准误差(SEP)分别为0.9518和1.1280%。在95%的置信概率下,优化PLSR模型能够预测未知样本中注水百分比的置信区间的最好估计值约为2.256%。表明基于LF-NMR横向弛豫谱建立的DA模型和PLSR模型可以对注水肉进行有效的定性和定量检测。展开更多
文摘用直接注射的方式,将猪背最长肌制备成注水比例分别为0、2%、6%、10%和14%的肉样本。利用低场核磁共振(field nuclear magnetic resonance,LF-NMR)技术测量肉样本产生的NMR信号,并将反演后得到的横向弛豫谱参数作为自变量,通过判别分析(Discriminant analysis,DA)和偏最小二乘回归(partial least square regression,PLSR)分析,分别建立注水肉检测模型,并尝试多种可能性的PLSR建模,评估分析模型对较低注水比例的注水肉的检测性能。结果表明,对DA模型进行回代验证和留一交叉验证,模型对注水肉分类的总正确率分别为89.4%和88.2%。采用将杠杆值和学生化残差相结合的方式判别和删除异常数据,用变量投影重要性分析法筛选出6个横向弛豫谱参数作为自变量建立的优化PLSR模型的检测性能最优,校准集决定系数(R_(c)^(2))和标准误差(SEV)分别为0.9603和1.0033%,交叉验证的决定系数(R_(cv)^(2))和标准误差(SECV)分别为0.9508和1.1169%,预测集决定系数(R_(p)^(2))和标准误差(SEP)分别为0.9518和1.1280%。在95%的置信概率下,优化PLSR模型能够预测未知样本中注水百分比的置信区间的最好估计值约为2.256%。表明基于LF-NMR横向弛豫谱建立的DA模型和PLSR模型可以对注水肉进行有效的定性和定量检测。
