NIR光谱技术预测猪肉品质：pH、嫩度与蒸煮损失

"近红外光谱技术预测猪肉的pH、嫩度和蒸煮损失 (2012年)" 这篇论文探讨了利用近红外光谱(NIR)技术预测冷却猪肉的pH值、嫩度和烹饪损失的可能性，以及不同光谱处理方法和建模技术对预测准确性的具体影响。研究选取了排酸24小时的猪胴体小里脊肉作为样本，采集了4000至10000 cm^-1范围内的光谱数据。通过外部验证的偏最小二乘(PLS)模型，研究人员发现该模型在预测pH值时表现出高度相关性，R^2C（校正决定系数）为0.88，R^2P（预测决定系数）为0.80，标准误差校正(SEC)为0.08，标准预测误差(SEP)为0.084，这表明模型具有良好的预测能力。 对于嫩度和烹饪损失的预测，虽然相关性稍低，但仍然显示出一定的预测价值。嫩度预测的R^2C和R^2P分别为0.50和0.34，而烹饪损失的R^2C和R^2P分别为0.57和0.50。这些数值表明，尽管预测结果不如pH值那么精确，但仍能在一定程度上反映样品的实际特性。 在光谱预处理方法中，研究发现平滑处理结合多元散射校正(MSC)或标准正态变量变换(SNV)能够显著提高预测效果。这两种预处理方法有助于减少噪声，增强光谱信号，从而提升模型的预测精度。 这篇论文属于自然科学领域，具体为生物加工过程的研究，其发表在《生物加工过程》期刊的第10卷第6期，2012年11月刊。关键词包括近红外光谱、物理特性、猪肉和偏最小二乘法。通过这项工作，科研人员不仅验证了NIR技术在肉类品质评估中的应用潜力，也为食品科学领域提供了一种非破坏性的快速检测方法，有助于提升食品安全和质量控制的效率。