论文部分内容阅读
摘要：近年来猪肉注水、瘦肉精等安全问题频发。本文通过研究使用光谱技术检测生鲜猪肉方法的发展现状，包括了近红外光谱技术、高光谱技术、多光谱技术以及猪肉品质的理化检测指标，概述了当前世界对肉类产品的检测研究，最后，针对当前的肉类无损检测技术提出了结合多种检测技术，建立综合评价模型。
关键词：光谱技术;猪肉品质;多元回归模型;总挥发性盐基氮
中图分类号：TS207.3 文献标识码：A
文章编号：1009-3044（2021）30-0155-02
开放科学（资源服务）标识码（OSID）：
随着我国全面建成小康社会以及新冠肺炎防控形势的变化，一方面人民群众对于高品质肉类食品的需求不断加大，另一方面冷链食品尤其是进口肉类的冷链产品的安全性成为疫情防控的重中之重。我国已经成为世界上每年猪肉食物总消费量最大的一个国家，同时也是生产猪肉最多的国家，因此，研究快速便捷的猪肉检测对我国及人民都具有重大意义。
1 猪肉新鲜度检测的意义
猪肉品质的评价应该是多方面的， 在检测过程中要涵盖多方面的评价指标[1]，主要的指标有酸碱度、系水力、肉色、嫩度、气味、肌肉组织状态等。较为成熟的猪肉品质检测方法主要有感官、理化和微生物三大检测方法。感官检测虽然便捷，但是可靠性低，主观性强。理化检测与微生物检测虽然精确，但是操作步骤较多，需要对样品进行破坏性检测，难以达到无损快速检测的目的。尤其在疫情期间，当冷链进口食品成为源头时，防控工作更要依靠检测技术，然而在进口冷链产品数量多的情况下，传统的检测方法已经不足以应对，在一些地方只能采取抽检的方法。因此，研究新的快速无损的猪肉品质检测方法成了当务之急。
猪肉快速检测最早是以理化检测为基础出现的，平均耗时需要两个小时，在该检测方法下，样品不可避免会被破坏。随后，又发展出了PCR快速检测技术，虽然在耗时上与理化检测相差不大，但是通过对不同的DNA片段、聚合酶等条件的变化，可以检测一些特定的指标并建立不同的试剂盒来进行检测。随着物理学的发展，通过核磁共振技术与传感器技术的无损、快速检测方法开始出现，在检测的过程中基本不会破坏样品并且不再需要送检大面积的样品。在光谱成像技术与图像处理技术日渐成熟中分子光谱技术开始广泛应用。分子光谱技术（如近红外光谱）可以利用光子在样品组织内部传播的特性，通过建立吸收、散射特性与化学组分和结构组织的关联性，实现样本成分的无损定性和定量分析[2]。通过样品中不同元素对同一光谱吸收程度的不同以及对不同光谱表现出不同的吸收特性，分析样品中各成分的含量特征，从而对猪肉新鲜度进行判断。该技术相对于传统的方法具有迅速便捷以及多方位的优点。
2 基于光谱技术的猪肉品质检测技术的现状
2.1 近红外光谱技术
由于近红外光谱区（780-2526nm）与有机分子中含氢基团（C-H、N-H、O-H）的振动的合频和各级倍频的吸收区一致，因此可以通过扫描样品的近红外光谱来分析样品的化学成分和品质特性[3-4]。戴小也[5]等详细的总结了近些年来国内外近红外光谱技术在猪肉检测上的研究。
总挥发性盐基氮（TVB-N）是测量肉类食品新鲜的一个重要指标，我国目前主要按照 GB/T 5009.44- 2003《肉与肉制品卫生标准的分析方法》进行测定[6]。总挥发性盐基氮法主要是通过测定肉类食品的腐败过程中，在酶和细菌的作用下将蛋白质分解为氨及胺类等碱性较弱的含氮化学物质，其含量越高表面氨基酸被破坏的越多，肉类食品的新鲜程度越低。郭庆辉[7]等设计了一种肉品无损检测的光学传感器，利用近红外光谱技术采集样品在不同冷藏时间和不同检测距离下的总挥发性盐基氮的含量，通過多元散射校正和标准正态变换进行预处理，建立了猪肉的TVB-N含量的偏最小二乘回归（PLSR）模型，其校正集相关系数和均方根误差分别为0.98和0.92mg/（100 g），预测集相关系数和预测均方根误差分别为0.97和1.56mg/（100 g）。
肉类食品中另一个重要指标就是水分含量，水分含量既体现着肉类食品的新鲜程度，也是判别注水肉的一个关键指标，传统的直接干燥法，蒸馏法测定样品水分含量都会对样品造成破坏。 在张海云[8]等采集生鲜猪肉近红外光谱数据，通过参照国标GB_5009.3—2010测定水分含量后，得出在980nm附近O-H基团吸收峰明显，为水分吸收峰。彭彦昆[9]等通过多元散射校正方法，建立了第一波段（349～1435 nm）和第二波段（1037～1961nm）的偏最小二乘回归模型，其校正集相关系数和交互验证均方根误差分别为0.906和0.598，验证集的R2达到了0.836，其结果正确率为90.48%。
2.2 高光谱技术
高光谱是结合了成像技术与光谱技术的一种影像数据技术，可以同时获取，能够同时获取被测对象的图像及光谱信息，其中不仅包含了被测物的表面物理特征，同时还含有内部结构特征及化学组分信息[10]，并且弥补了近红外光谱没有图像信息，光谱范围小的缺点。因此，使用高光谱技术所得到的猪肉影像数据既可以从表面物理特征进行感官检测，又可以反映其内部成分的含量。
肉类食品的感官检测又可以分为观察外观法和气味识别法，高光谱技术所获取的图像信息可以结合感官检测中观察外观法对样品进行评价，具体的指标有：色泽、嫩度。彭彦昆[11]等使用高光谱成像技术获取了牛肉的高光谱散射图像，建立了预测牛肉嫩度的多元线性回归模型。以嫩度值为6kg作为判别牛肉嫩度的标准，当嫩度值大于6kg时为粗糙牛肉，当嫩度值小于6kg时为嫩牛肉。校正集的相关系数达到了0.98，校正标准残差达到了0.45kg，验证集的相关系数达到了0.96，验证标准残差达到了0.64kg。尚梦玉等[12]使用近红外高光谱技术（900～1700 nm）来获取样品的反射光谱信息，建立了羊肉颜色的NIR高光谱预测模型，模型从白黑（L*）之间、红绿（a*）之间、黄蓝（b*）之间的颜色程度的参数数字化后进行光谱特征的提取以及处理。从预测效果来看，L*和b*的预测效果较好，其校正集系数均为0.90，均方根误差分别为1.11和0.730，验证集系数分别为0.633和0.681，均方根误差分别为2.110和1.303。 猪肉含有15%脂肪、20%的蛋白质、1%的碳水化合物以及必要的维生素[13]。王家云[14]等的研究中使用NIR高光谱成像系统获取的宁夏滩羊中光谱数据分析中分别得到了与羊肉蛋白质含量、羊肉脂肪含量和羊肉pH值呈正负相关的特征波长，再结合近红外光谱总挥发性盐基氮测定法建立了蛋白质含量、脂肪含量、pH值的PLSR模型。最后得到蛋白质含量、脂肪含量的验证集系数均在0.8以上，pH值的验证集系数在0.7以上，蛋白质的均方根误差为0.58，脂肪的均方根误差为0.09，pH值的均方根误差为0.12.
2.3 多光谱技术
多光谱图像也是一种同时具有光谱特征和图像信息的影像数据技术，相比于高光谱来说成像波段较少，波段通常在10～50。因此，多光谱成像所处理的数据量远小于高光谱，基于此，多光谱成像技术更适用于实时监测。
张华峰[14]等在研究中使用多光谱技术分别获取了新鲜猪肉和冷鲜肉的全波长光谱与特征波长光谱。发现波长在470nm处的光谱吸收带与高铁肌红蛋白含量有关，在590nm处的吸收带与氧合肌红蛋白的含量有关，而这二者的含量又与肉色密切相关，750-970nm处的波长光谱与水分含量有关。随后使用了线性判别分析（LDA）、偏最小而成判别分析（PLS-DA）等方法对光谱数据进行预处理。基于此，建立了化学计量学分类模型并根据样品的光谱特征筛选特征波长，基于化学计量学分类模型准确率高于90%。董迪[15]在研究中使用多光谱检测方法测定猪肉的肌红蛋白、pH值、TVB-N、菌落总数四项指标，同时也使用理化检测的方法测定这四项指标的含量，用于预测模型的验证。在获取到样本的影像数据后使用了归一化、多卷积平滑法、多元散射校正法等对数据进行预处理，分别建立了偏最小二乘回归的分析模型和多元线性回归分析模型。其中，偏最小二乘模型在猪肉的肌红蛋白、pH值、TVB-N、菌落总数的相关系数分别为0.7870、0.9023、0.9808、0.9617。
3 基于光谱技术的猪肉品质检测的发展与展望
虽然光谱技术作为一种全新的检测技术，具有无损、快速、准确度高等特点，但在指标的评价上还是不够全面，比如，在对猪肉的黏度，弹性，气味等方面的检测，光谱技术还是基于检测猪肉的成分含量从而确定这些指标。此外，高光谱成像技术获得的影响数据过于庞大，使得信息产生冗余，信息处理也更加费时且高光谱成像设备较为昂贵，不适于开发便携的猪肉实时检测装置。而近红外光谱的光谱范围较窄，所能检测的指标有限且缺少图像信息。因此在猪肉新鲜度的快速，无损检测中应以多光谱技术为主。
在上述介绍到的模型中许多都是针对单一的指标进行建立，对于猪肉新鲜度的总和评判适配性不高，而对指标进行综合考虑的建模难度较大。因此，应主要使用光谱技术来替代对样品有破坏的理化检测方法，在检测中辅以其他快速、无损的检测方法。TVB-N和pH值是衡量猪肉新鲜度的重要理化指标且在光谱检测中较为成熟。而对于猪肉的其他的一些理化指标如水分，硫化氢、甲烷（猪肉腐败时常产生的气体）可以使用专用传感器进行测量。此外，还可以在研究中建立猪肉的腐败程度模型，使得检测者可以更加清楚的了解猪肉的存放时长以及模型的偏差程度，方便将来进行校正。
4 结束语
猪肉新鲜度所需要检测的指标较多，我们应结合多种检测方法，建立综合的评价模型。在实际的应用中，还存在着产生误差的原因，这就需要我们在应用中不断对模型进行校正，不断完善光谱技术对猪肉新鲜度检测的标准和流程，这对我国肉类产品的检测具有重大意义。
参考文献：
[1] 孙朋朋，宋春阳.猪肉品质的评价指标及营养因素对猪肉品质影响的研究进展[J].猪业科学，2014，31（2）：112-114.
[2] Nicola? B M，Beullens K，Bobelyn E，et al.Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy：a review[J].Postharvest Biology and Technology，2007，46（2）：99-118.
[3] 王凡，李永玉，彭彦昆，等.马铃薯多品质参数可见/近红外光谱无损快速检测[J].光谱学与光谱分析，2018，38（12）：3736-3742.
[4] 王文秀，彭彦昆，房晓倩，等.二维相关光谱的猪肉TVB-N特征变量优选研究[J].光谱学与光谱分析，2018，38（7）：2094-2100.
[5] 戴小也.基于近红外光谱分析技术的猪肉品质快速检测方法研究[D].徐州：中国矿业大学，2019.
[6] 中华人民共和国卫生部，中国国家标准化管理委员会.肉与肉制品卫生标准的分析方法：GB/T 5009.44—2003[S].北京：中国标准出版社，2004.
[7] 郭庆辉，彭彦昆，李永玉，等.肉品无损检测光学传感器设计与试验[J].农业机械学报，2020，51（S2）：484-490.
[8] 张海云，彭彦昆，王伟，等.基于光谱技术和支持向量机的生鲜猪肉水分含量快速无损检测[J].光谱学与光谱分析，2012，32（10）：2794-2798.
[9] 彭彦昆，杨清华，王文秀.基于近红外光谱的猪肉水分在线检测与分级[J].农业机械学报，2018，49（3）：347-353.
[10] Kamruzzaman M， EIMasry G， et al. Innovative Food Science & Emerging Technologies，2012，16：218.
[11] 吴建虎，彭彦昆，江发潮，等.牛肉嫩度的高光谱法检测技术[J].农业机械学报，2009，40（12）：135-138，150.
[12] 尚梦玉，王松磊，何建国，等.基于NIR高光谱技术检测滩羊冷鲜肉颜色[J].食品工业，2018，39（9）：287-291.
[13] Nguyen-Viet H，Dang-Xuan S，Pham-Duc P，et al.Rapid integrated assessment of food safety and nutrition related to pork consumption of regular consumers and mothers with young children in Vietnam[J].Global Food Security，2019，20：37-44.
[14] 張华锋.基于多光谱成像无损识别猪肉中碎骨的技术研究[D].合肥：合肥工业大学，2020.
[15] 董迪.基于多光谱分析的包装生鲜肉无损检测技术研究[D].无锡：江南大学，2020.
【通联编辑：梁书】
关键词：光谱技术;猪肉品质;多元回归模型;总挥发性盐基氮
中图分类号：TS207.3 文献标识码：A
文章编号：1009-3044（2021）30-0155-02
开放科学（资源服务）标识码（OSID）：
随着我国全面建成小康社会以及新冠肺炎防控形势的变化，一方面人民群众对于高品质肉类食品的需求不断加大，另一方面冷链食品尤其是进口肉类的冷链产品的安全性成为疫情防控的重中之重。我国已经成为世界上每年猪肉食物总消费量最大的一个国家，同时也是生产猪肉最多的国家，因此，研究快速便捷的猪肉检测对我国及人民都具有重大意义。
1 猪肉新鲜度检测的意义
猪肉品质的评价应该是多方面的， 在检测过程中要涵盖多方面的评价指标[1]，主要的指标有酸碱度、系水力、肉色、嫩度、气味、肌肉组织状态等。较为成熟的猪肉品质检测方法主要有感官、理化和微生物三大检测方法。感官检测虽然便捷，但是可靠性低，主观性强。理化检测与微生物检测虽然精确，但是操作步骤较多，需要对样品进行破坏性检测，难以达到无损快速检测的目的。尤其在疫情期间，当冷链进口食品成为源头时，防控工作更要依靠检测技术，然而在进口冷链产品数量多的情况下，传统的检测方法已经不足以应对，在一些地方只能采取抽检的方法。因此，研究新的快速无损的猪肉品质检测方法成了当务之急。
猪肉快速检测最早是以理化检测为基础出现的，平均耗时需要两个小时，在该检测方法下，样品不可避免会被破坏。随后，又发展出了PCR快速检测技术，虽然在耗时上与理化检测相差不大，但是通过对不同的DNA片段、聚合酶等条件的变化，可以检测一些特定的指标并建立不同的试剂盒来进行检测。随着物理学的发展，通过核磁共振技术与传感器技术的无损、快速检测方法开始出现，在检测的过程中基本不会破坏样品并且不再需要送检大面积的样品。在光谱成像技术与图像处理技术日渐成熟中分子光谱技术开始广泛应用。分子光谱技术（如近红外光谱）可以利用光子在样品组织内部传播的特性，通过建立吸收、散射特性与化学组分和结构组织的关联性，实现样本成分的无损定性和定量分析[2]。通过样品中不同元素对同一光谱吸收程度的不同以及对不同光谱表现出不同的吸收特性，分析样品中各成分的含量特征，从而对猪肉新鲜度进行判断。该技术相对于传统的方法具有迅速便捷以及多方位的优点。
2 基于光谱技术的猪肉品质检测技术的现状
2.1 近红外光谱技术
由于近红外光谱区（780-2526nm）与有机分子中含氢基团（C-H、N-H、O-H）的振动的合频和各级倍频的吸收区一致，因此可以通过扫描样品的近红外光谱来分析样品的化学成分和品质特性[3-4]。戴小也[5]等详细的总结了近些年来国内外近红外光谱技术在猪肉检测上的研究。
总挥发性盐基氮（TVB-N）是测量肉类食品新鲜的一个重要指标，我国目前主要按照 GB/T 5009.44- 2003《肉与肉制品卫生标准的分析方法》进行测定[6]。总挥发性盐基氮法主要是通过测定肉类食品的腐败过程中，在酶和细菌的作用下将蛋白质分解为氨及胺类等碱性较弱的含氮化学物质，其含量越高表面氨基酸被破坏的越多，肉类食品的新鲜程度越低。郭庆辉[7]等设计了一种肉品无损检测的光学传感器，利用近红外光谱技术采集样品在不同冷藏时间和不同检测距离下的总挥发性盐基氮的含量，通過多元散射校正和标准正态变换进行预处理，建立了猪肉的TVB-N含量的偏最小二乘回归（PLSR）模型，其校正集相关系数和均方根误差分别为0.98和0.92mg/（100 g），预测集相关系数和预测均方根误差分别为0.97和1.56mg/（100 g）。
肉类食品中另一个重要指标就是水分含量，水分含量既体现着肉类食品的新鲜程度，也是判别注水肉的一个关键指标，传统的直接干燥法，蒸馏法测定样品水分含量都会对样品造成破坏。 在张海云[8]等采集生鲜猪肉近红外光谱数据，通过参照国标GB_5009.3—2010测定水分含量后，得出在980nm附近O-H基团吸收峰明显，为水分吸收峰。彭彦昆[9]等通过多元散射校正方法，建立了第一波段（349～1435 nm）和第二波段（1037～1961nm）的偏最小二乘回归模型，其校正集相关系数和交互验证均方根误差分别为0.906和0.598，验证集的R2达到了0.836，其结果正确率为90.48%。
2.2 高光谱技术
高光谱是结合了成像技术与光谱技术的一种影像数据技术，可以同时获取，能够同时获取被测对象的图像及光谱信息，其中不仅包含了被测物的表面物理特征，同时还含有内部结构特征及化学组分信息[10]，并且弥补了近红外光谱没有图像信息，光谱范围小的缺点。因此，使用高光谱技术所得到的猪肉影像数据既可以从表面物理特征进行感官检测，又可以反映其内部成分的含量。
肉类食品的感官检测又可以分为观察外观法和气味识别法，高光谱技术所获取的图像信息可以结合感官检测中观察外观法对样品进行评价，具体的指标有：色泽、嫩度。彭彦昆[11]等使用高光谱成像技术获取了牛肉的高光谱散射图像，建立了预测牛肉嫩度的多元线性回归模型。以嫩度值为6kg作为判别牛肉嫩度的标准，当嫩度值大于6kg时为粗糙牛肉，当嫩度值小于6kg时为嫩牛肉。校正集的相关系数达到了0.98，校正标准残差达到了0.45kg，验证集的相关系数达到了0.96，验证标准残差达到了0.64kg。尚梦玉等[12]使用近红外高光谱技术（900～1700 nm）来获取样品的反射光谱信息，建立了羊肉颜色的NIR高光谱预测模型，模型从白黑（L*）之间、红绿（a*）之间、黄蓝（b*）之间的颜色程度的参数数字化后进行光谱特征的提取以及处理。从预测效果来看，L*和b*的预测效果较好，其校正集系数均为0.90，均方根误差分别为1.11和0.730，验证集系数分别为0.633和0.681，均方根误差分别为2.110和1.303。 猪肉含有15%脂肪、20%的蛋白质、1%的碳水化合物以及必要的维生素[13]。王家云[14]等的研究中使用NIR高光谱成像系统获取的宁夏滩羊中光谱数据分析中分别得到了与羊肉蛋白质含量、羊肉脂肪含量和羊肉pH值呈正负相关的特征波长，再结合近红外光谱总挥发性盐基氮测定法建立了蛋白质含量、脂肪含量、pH值的PLSR模型。最后得到蛋白质含量、脂肪含量的验证集系数均在0.8以上，pH值的验证集系数在0.7以上，蛋白质的均方根误差为0.58，脂肪的均方根误差为0.09，pH值的均方根误差为0.12.
2.3 多光谱技术
多光谱图像也是一种同时具有光谱特征和图像信息的影像数据技术，相比于高光谱来说成像波段较少，波段通常在10～50。因此，多光谱成像所处理的数据量远小于高光谱，基于此，多光谱成像技术更适用于实时监测。
张华峰[14]等在研究中使用多光谱技术分别获取了新鲜猪肉和冷鲜肉的全波长光谱与特征波长光谱。发现波长在470nm处的光谱吸收带与高铁肌红蛋白含量有关，在590nm处的吸收带与氧合肌红蛋白的含量有关，而这二者的含量又与肉色密切相关，750-970nm处的波长光谱与水分含量有关。随后使用了线性判别分析（LDA）、偏最小而成判别分析（PLS-DA）等方法对光谱数据进行预处理。基于此，建立了化学计量学分类模型并根据样品的光谱特征筛选特征波长，基于化学计量学分类模型准确率高于90%。董迪[15]在研究中使用多光谱检测方法测定猪肉的肌红蛋白、pH值、TVB-N、菌落总数四项指标，同时也使用理化检测的方法测定这四项指标的含量，用于预测模型的验证。在获取到样本的影像数据后使用了归一化、多卷积平滑法、多元散射校正法等对数据进行预处理，分别建立了偏最小二乘回归的分析模型和多元线性回归分析模型。其中，偏最小二乘模型在猪肉的肌红蛋白、pH值、TVB-N、菌落总数的相关系数分别为0.7870、0.9023、0.9808、0.9617。
3 基于光谱技术的猪肉品质检测的发展与展望
虽然光谱技术作为一种全新的检测技术，具有无损、快速、准确度高等特点，但在指标的评价上还是不够全面，比如，在对猪肉的黏度，弹性，气味等方面的检测，光谱技术还是基于检测猪肉的成分含量从而确定这些指标。此外，高光谱成像技术获得的影响数据过于庞大，使得信息产生冗余，信息处理也更加费时且高光谱成像设备较为昂贵，不适于开发便携的猪肉实时检测装置。而近红外光谱的光谱范围较窄，所能检测的指标有限且缺少图像信息。因此在猪肉新鲜度的快速，无损检测中应以多光谱技术为主。
在上述介绍到的模型中许多都是针对单一的指标进行建立，对于猪肉新鲜度的总和评判适配性不高，而对指标进行综合考虑的建模难度较大。因此，应主要使用光谱技术来替代对样品有破坏的理化检测方法，在检测中辅以其他快速、无损的检测方法。TVB-N和pH值是衡量猪肉新鲜度的重要理化指标且在光谱检测中较为成熟。而对于猪肉的其他的一些理化指标如水分，硫化氢、甲烷（猪肉腐败时常产生的气体）可以使用专用传感器进行测量。此外，还可以在研究中建立猪肉的腐败程度模型，使得检测者可以更加清楚的了解猪肉的存放时长以及模型的偏差程度，方便将来进行校正。
4 结束语
猪肉新鲜度所需要检测的指标较多，我们应结合多种检测方法，建立综合的评价模型。在实际的应用中，还存在着产生误差的原因，这就需要我们在应用中不断对模型进行校正，不断完善光谱技术对猪肉新鲜度检测的标准和流程，这对我国肉类产品的检测具有重大意义。
参考文献：
[1] 孙朋朋，宋春阳.猪肉品质的评价指标及营养因素对猪肉品质影响的研究进展[J].猪业科学，2014，31（2）：112-114.
[2] Nicola? B M，Beullens K，Bobelyn E，et al.Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy：a review[J].Postharvest Biology and Technology，2007，46（2）：99-118.
[3] 王凡，李永玉，彭彦昆，等.马铃薯多品质参数可见/近红外光谱无损快速检测[J].光谱学与光谱分析，2018，38（12）：3736-3742.
[4] 王文秀，彭彦昆，房晓倩，等.二维相关光谱的猪肉TVB-N特征变量优选研究[J].光谱学与光谱分析，2018，38（7）：2094-2100.
[5] 戴小也.基于近红外光谱分析技术的猪肉品质快速检测方法研究[D].徐州：中国矿业大学，2019.
[6] 中华人民共和国卫生部，中国国家标准化管理委员会.肉与肉制品卫生标准的分析方法：GB/T 5009.44—2003[S].北京：中国标准出版社，2004.
[7] 郭庆辉，彭彦昆，李永玉，等.肉品无损检测光学传感器设计与试验[J].农业机械学报，2020，51（S2）：484-490.
[8] 张海云，彭彦昆，王伟，等.基于光谱技术和支持向量机的生鲜猪肉水分含量快速无损检测[J].光谱学与光谱分析，2012，32（10）：2794-2798.
[9] 彭彦昆，杨清华，王文秀.基于近红外光谱的猪肉水分在线检测与分级[J].农业机械学报，2018，49（3）：347-353.
[10] Kamruzzaman M， EIMasry G， et al. Innovative Food Science & Emerging Technologies，2012，16：218.
[11] 吴建虎，彭彦昆，江发潮，等.牛肉嫩度的高光谱法检测技术[J].农业机械学报，2009，40（12）：135-138，150.
[12] 尚梦玉，王松磊，何建国，等.基于NIR高光谱技术检测滩羊冷鲜肉颜色[J].食品工业，2018，39（9）：287-291.
[13] Nguyen-Viet H，Dang-Xuan S，Pham-Duc P，et al.Rapid integrated assessment of food safety and nutrition related to pork consumption of regular consumers and mothers with young children in Vietnam[J].Global Food Security，2019，20：37-44.
[14] 張华锋.基于多光谱成像无损识别猪肉中碎骨的技术研究[D].合肥：合肥工业大学，2020.
[15] 董迪.基于多光谱分析的包装生鲜肉无损检测技术研究[D].无锡：江南大学，2020.
【通联编辑：梁书】