肉類品質無損檢測技術研究現(xiàn)狀與發(fā)展趨勢

張玉華，孟 一

(1.山東商業(yè)職業(yè)技術學院，山東省農產(chǎn)品貯運保鮮技術重點實驗室，山東濟南250103;2.國家農產(chǎn)品現(xiàn)代物流工程技術研究中心，山東濟南250103)

肉類品質無損檢測技術研究現(xiàn)狀與發(fā)展趨勢

張玉華，孟 一

(1.山東商業(yè)職業(yè)技術學院，山東省農產(chǎn)品貯運保鮮技術重點實驗室，山東濟南250103;2.國家農產(chǎn)品現(xiàn)代物流工程技術研究中心，山東濟南250103)

介紹了近年來國內外肉類品質無損檢測技術，主要包括近紅外光譜技術、計算機視覺技術和電子鼻技術，可實現(xiàn)對肉品水分、蛋白質、脂肪、pH、新鮮度、剪切力等多個指標的檢測。但單一技術無法實現(xiàn)肉品品質的綜合評價，多源感知信息融合技術和高光譜圖像技術將多種信息融合，可以更好地反映肉品的綜合性狀，在肉品內外部品質檢測方面具有獨特的優(yōu)勢，是肉品品質檢測的發(fā)展趨勢。

肉類，無損檢測技術，品質檢測

Abstract:Non-destructive testing technology of meat quality internationally in recent years was described，including near-infrared spectroscopy，computer vision technology and electronic nose technology.The contents of moisture，protein，fat，pH，freshness，shear force and other indicators of meat could be detected.However，comprehensive evaluation of meat quality could not be achieved by a single technology.Multi-sensor information fusion technology and high-spectral image technology could integrate multiple information，which might reflect the overall characteristics of meat better，and had a unique advantage in internal and external quality of meat inspection.So this was the trend of meat quality inspection.

Key words:meat;non-destructive testing technology;quality inspection

我國是肉類生產(chǎn)、消費大國，其品質關系國民生活質量、營養(yǎng)水平及飲食安全，受到消費者、質量管理者和肉制品工業(yè)的重視。傳統(tǒng)的品質檢測基本上采用感官、理化和微生物分析的方法，感官分析一致性差、主觀性強、不易量化，理化和微生物分析存在樣品預處理操作繁瑣、化學試劑耗費量大、檢測周期長和成本高等問題。目前世界各國對于肉類的質量安全控制愈加嚴格，對于準確、快速、靈敏的監(jiān)測手段的需求也愈加迫切，快速無損檢測技術由此應運而生。無損檢測技術利用檢測對象的聲學、光學、電磁學等物理性質，在無需破壞樣品的情況下對其品質進行快速、客觀、準確的檢測［1］，與其他檢測手段相比，無損檢測具有響應速度快、選擇性和抗干擾能力強、操作成本低、適合多種狀態(tài)分析及在線檢測等優(yōu)點，且在檢測過程中有效地運用了電子技術和信息技術，易實現(xiàn)自動化、智能化的品質檢測，擁有更為廣泛的發(fā)展空間和潛力。本文介紹了肉品品質無損檢測常用的幾種技術和方法，包括近紅外光譜技術、計算機視覺技術、電子鼻技術等。對肉品品質無損檢測發(fā)展趨勢進行了分析，指出多源感知信息融合技術和高光譜圖像技術綜合利用多種信息，進行綜合全面評價，是肉類品質無損檢測的發(fā)展趨勢。

1 肉類品質無損檢測技術研究概況

1.1 近紅外光譜技術

近紅外光譜作為一種現(xiàn)場分析技術，能夠反映有機物含氫基團的振動信息，相對于中紅外光，近紅外光對物質穿透能力較強，近紅外分析不需對樣品作任何處理，便可取得樣品深處的信息，可以進行非破壞性檢測、原位分析和活體分析等，適用于現(xiàn)場和在線實時分析，因此具有廉價、方便、快速和無損傷等優(yōu)點，尤其適合農產(chǎn)品高通量物流過程，被稱為“具有解決全球農業(yè)分析的潛力”［1］。利用近紅外光譜技術可對肉品水分、蛋白質、脂肪、pH、新鮮度、剪切力等多個指標進行檢測。

國內外學者關于近紅外技術分析肉品水分、蛋白質、脂肪等營養(yǎng)品質方面進行了大量的研究。Liao等［2］采用可見/近紅外光譜信息對豬肉內部肌紅蛋白、肌內脂肪、蛋白質、水分、pH等理化品質進行了在線檢測，采用偏最小二乘回歸法建立了各指標的檢測模型。Togersen等［3］利用近紅外光譜對豬肉的脂肪、水分和蛋白質進行了預測，取得了滿意的結果。Geesink等［4］用近紅外對豬肉的品質，如持水率、剪切力、pH和顏色進行了預測。劉煒等［5］采用近紅外光譜測定了鮮雞肉的脂肪、蛋白質和水分含量，建立了定量分析模型，模型的相關系數(shù)分別為0.993、0.994和 0.979，校正均方差分別為 0.126、0.198和0.232;與化學分析值配對t檢驗，兩者差異不顯著。羅香等［6］利用偏最小二乘法將瘦肉的近紅外光譜數(shù)據(jù)分別與其棕櫚酸、棕櫚油酸、硬脂酸、油酸、亞油酸含量建立校正模型，結果良好。劉魁武等［7］采用可見/近紅外光譜分析方法對冷鮮豬肉中的脂肪、蛋白質和水分含量進行了研究，結果表明該法能很好地檢測冷鮮豬肉中的脂肪和水分，蛋白質的檢測結果較差是由冷鮮肉加工工藝引起的。楊建松等［8］應用近紅外反射光譜技術(NIRS)，采用偏最小二乘法(PLS)，建立了不同部位牛肉中水分、脂肪、蛋白質、pH、肉色和剪切力的校正模型，并通過外部驗證法檢驗了模型預測的準確性。結果表明，NIRS能夠快速準確預測牛肉中水分、蛋白質和脂肪等化學指標，對牛肉pH、剪切力和肉色等物理指標的預測也有很大潛力。

肉類在腐敗過程中，由于酶和細菌的作用，蛋白質分解而產(chǎn)生氨、胺類等堿性含氮物質，使TVB-N值、pH等發(fā)生改變，因此利用近紅外光譜檢測TVB-N值、pH，可以表征肉品新鮮度的變化。廖宜濤等［9］應用可見/近紅外光譜檢測新鮮豬肉pH，實驗時樣品以0.25m·s-1的速度運動，采集其可見近紅外漫反射光譜，進行反射距離校正后，應用偏最小二乘回歸法建立豬肉pH在線檢測模型。結果表明，可見/近紅外光譜可用于新鮮豬肉pH在線檢測。Argyri等［10］利用FTIR研究了五種不同溫度下牛肉腐敗變質過程中其表面菌落總數(shù)與相應光譜信息的關系，并將樣品成功判別為新鮮、半新鮮、腐敗變質三類。Leroy等［11］在1200～1300nm波段利用近紅外光譜建立揮發(fā)性鹽基氮的預測模型，實現(xiàn)了肉新鮮度的評價。侯瑞鋒等［12］采用近紅外漫反射光譜法，對肉制品的新鮮度進行分級檢測，采集生鮮肉在7d中的光譜數(shù)據(jù)，建立了揮發(fā)性鹽基氮的預測模型。蔡健榮等［13］利用近紅外光譜檢測豬肉中揮發(fā)性鹽基氮，結果表明，利用近紅外光譜技術和聯(lián)合區(qū)間偏最小二乘算法能快速無損地檢測豬肉揮發(fā)性鹽基氮含量。

近年來，近紅外光譜技術也廣泛應用于肉品嫩度、紋理、保水性等加工品質的檢測分析。Byrne等［14］采用主成分分析法在750～1098nm的光譜范圍內研究了牛肉背最長肌的嫩度、紋理、風味與近紅外光譜的相關性。Park等［15］利用近紅外反射光譜確定牛肉背長肌嫩度，采用主成分分析法分析波長在1100～2498nm處生肉的吸收光譜，發(fā)現(xiàn)其與剪切力測得的熟肉嫩度存在復相關系數(shù)r=0.692，可以建立預測牛肉嫩度的模型。Bowling［16］和 Xia［17］分別利用近紅外光譜對牛肉嫩度進行了預測。趙杰文等［18］在波數(shù)4000～10000cm-1范圍內測定了牛肉近紅外光譜，用多元線性回歸法建立預測模型，結果表明，近紅外光譜技術對牛肉嫩度等級的預測是完全可行的。

1.2 計算機視覺技術

肉的外觀顏色和紋理是其生理、生化和微生物學變化的外部表現(xiàn)，也可以較好地表征其新鮮度，是評價其品質的重要指標之一，在很大程度上決定著消費者的購買欲望。肉的色澤與存放時間和環(huán)境有很大的關系，而脂肪的顏色則能反映出肉的氧化程度，因此，肉的顏色常作為新鮮程度和質量分級的判別依據(jù)之一。肉在貯藏過程中，顏色往往隨著肉的變質而發(fā)生變化，如新鮮牛肉色澤紅潤，次鮮牛肉顏色發(fā)暗，而變質牛肉呈無光澤的紅褐色，且在局部區(qū)域有綠色斑塊產(chǎn)生。

計算機視覺技術是近40年來伴隨著計算機技術發(fā)展應運而生的一門綜合技術，是利用計算機、攝像機及其他數(shù)字處理技術對圖像加以某種運算和處理，以提取圖像中的信息，模擬人的判別準則去理解圖像和識別圖像，進而對產(chǎn)品進行分類或分級［19］。運用計算機視覺技術對農產(chǎn)品品質進行檢測是近十幾年發(fā)展起來的，目前主要用于農產(chǎn)品外觀質量的評價及自動分級，20世紀90年代計算機視覺技術開始應用于牛肉品質檢測和分級。用計算機視覺技術提取肉品外觀顏色和紋理的特征向量，再選用一定的識別方法對肉品進行感官品質檢測，從而克服常規(guī)方法在評價過程中缺乏客觀一致性、繁瑣耗時等諸多缺點。因此，計算機視覺技術在肉類品質檢測上應用前景廣闊。

Mcdonald等［20］首先運用圖像處理的辦法，依據(jù)瘦肉與脂肪不同的反射特性，對背最長肌的瘦肉和脂肪進行了區(qū)分。Schuttle等［21］利用彩色攝像機采集牛眼肌圖像，通過統(tǒng)計RGB分量來確定顏色級別，并將結果與專家評級員的結果進行對比，實驗結果表明兩者間有很高的相關性。孫永海等［22-23］利用神經(jīng)網(wǎng)絡和圖像處理技術，區(qū)分出牛肉圖像中的瘦肉與脂肪，利用冷卻牛肉的圖像和紋理，對冷卻牛肉的新鮮度和嫩度進行了評價。陳坤杰等［24］采用邊界跟蹤、自動取閾值、二值化及圖像形態(tài)學等圖像處理方法，可以實現(xiàn)對牛肌肉區(qū)域的精確分割，所提取的牛肉圖像在RGB和HIS顏色空間分量的均值，反映了牛肉的顏色特征在貯藏期間的變化，可以定量描述牛肉顏色的變化規(guī)律。

1.3 電子鼻技術

在人感官評價肉品的質量時，氣味一直是評判肉品等級的重要指標。肉類貯藏過程中，隨著新鮮度降低，在酶和細菌的作用下，蛋白質先分解為胺類，進一步分解為氨、硫化氫、乙硫醇等;脂肪分解為脂肪酸類，進一步分解為醛類和醛酸類臭氣;碳水化合物分解為醇類、酮類、醛類和羧酸類氣體。這些氣味隨著肉品新鮮度的降低，變得越來越濃烈。當用一組對這些化學物質敏感的傳感器共同檢測肉品時，便可以給出揮發(fā)性氣體的完整氣味信息，類似于人類的鼻子。電子鼻就是這樣一種包含各種傳感器的儀器，電子鼻也稱人工嗅覺，由具有部分選擇性的化學傳感器陣列和適當?shù)哪Ｊ阶R別系統(tǒng)組成，能夠識別簡單或復雜氣味，得到的數(shù)據(jù)是被測樣品中揮發(fā)性成分的整體信息，也稱指紋數(shù)據(jù)［25］。

國內外許多學者利用電子鼻技術檢測肉類氣味變化，從而判斷肉品新鮮度。Rajama等［26］用電子鼻對氣調包裝的烤雞塊進行了檢測，結果表明，微生物污染致使產(chǎn)品變質，其氣味變化較肉質變化更易于觀察，也可更早地被檢測出。Blixt等［27］利用電子鼻分析了真空包裝牛肉的變質程度。Barbrin等［25］用電子鼻分析了4℃條件下牛肉和羊肉的變質情況，連續(xù)測定15d，建立了電子鼻輸出的響應值信號與細菌總數(shù)之間的擬合曲線，以電子鼻響應信號為輸入值，可以預測細菌的數(shù)量。

顧賽麒等［28］采用電子鼻較好地區(qū)分了不同貯藏溫度(-18、0、4、10、20℃)條件下冷卻肉的新鮮度，并可對其貨架期進行預測，且電子鼻與感官評價對4℃和20℃貯藏條件下冷卻肉分析結果一致。柴春祥等［29］采用附帶5根傳感器的電子鼻檢測了5、15、25℃條件下豬肉新鮮度變化，得出不同傳感器輸出信號與采集時間或采集時間的1/2次方呈正比，并以此曲線斜率表示樣品特征值，貯藏溫度越高、時間越長，樣品特征值越大。李剛等［30］用氨類氣體變送器和硫化氫氣體變送器制成的電子鼻，對牛肉樣品進行了檢測，并利用BP神經(jīng)網(wǎng)絡作為模式識別方法，對樣品中的揮發(fā)性鹽基氮含量進行了檢測和預測，結果表明，網(wǎng)絡對樣品的揮發(fā)性鹽基氮含量的預測精度較高。海崢等［31］利用電子鼻對牛肉新鮮度進行檢測，對電子鼻所采集的數(shù)據(jù)進行了統(tǒng)計分析及多種模式識別分析，建立了針對于揮發(fā)性鹽基氮含量、細菌總數(shù)及感官評分預測的神經(jīng)網(wǎng)絡模型，并對電子鼻及網(wǎng)絡模型的預測能力作了驗證。洪雪珍等［32］采用電子鼻對儲藏0～7d的豬肉進行新鮮度檢測，利用線性判別分析研究樣品區(qū)分效果，結果發(fā)現(xiàn)，除了儲藏2d和3d的數(shù)據(jù)有部分重合外，其余都能很好區(qū)分開。用逐步判別分析對儲藏時間進行預測，準確率高。石志標等［33］根據(jù)牛肉產(chǎn)生的氣味和傳感器實驗，合理地選用了氣敏傳感器陣列。為提高電子鼻傳感器靈敏度，對購置的傳感器進行了改進。利用生物嗅覺的研究成果，開發(fā)出仿生嗅覺鼻道結構。應用支持向量機算法對儲藏7d不同新鮮度的牛肉進行了識別實驗，識別率達到99.25%。

此外，肉類無損檢測技術還包括超聲波檢測技術、核磁共振波譜分析技術、拉曼光譜技術、電子舌技術等。

2 肉類品質無損檢測技術發(fā)展趨勢

目前，多數(shù)無損檢測方法僅采用了單一的檢測手段、較傳統(tǒng)的信號預處理技術和模式識別方法。它往往對某一兩項指標有較好的信息響應，但對充分利用多種信息進行綜合全面評價就顯得力不從心。由于肉品組成復雜，其品質涉及多個指標，單靠一個傳感器無法進行綜合品質的檢測。因此將幾種檢測技術有機融合，充分利用多源信息，使肉品的質量得到簡單、快速、準確、全面的評價是今后的研究重點和發(fā)展趨勢。

2.1 多源感知信息融合技術

多源感知信息融合技術是充分利用多個傳感器資源，對觀測到的有關同一目標的信息進行合理支配和使用，把多個傳感器在空間或時間上的冗余或互補信息依據(jù)某種準則進行組合，以獲得對被觀測目標的綜合的最佳估計［34］。將近紅外光譜、計算機視覺和電子鼻等無損檢測技術結合，利用近紅外光譜儀測定TVB-N，通過CCD攝像頭為主的圖像采集系統(tǒng)測量肉品表面灰度值(H、S、I)，通過氣體傳感器陣列測定肉品腐敗過程中釋放的氨氣和硫化氫等揮發(fā)性成分，即利用多源感知技術得到描述肉品不同品質特征的大量信息，采用多信息融合技術，對這些信息進行分析、綜合和平衡，最終得到對肉品品質的綜合評價?；诙嘣锤兄男畔⑷诤霞夹g一方面能通過不同的信息源對某一品質進行檢測以提高檢測結果的精度，提高檢測系統(tǒng)的穩(wěn)健性;另一方面通過互補信息提高品質檢測的廣度，提高系統(tǒng)品質評判的綜合性。具與單一檢測手段相比，有信息量大、容錯性好以及與人類認知過程相似等優(yōu)點，取長補短，提高檢測的全面性、可靠性和靈敏度［34］。

目前，多傳感器信息融合檢測技術已成為研究的熱點。萬新民等［35］利用近紅外光譜和計算機視覺兩種傳感信息融合的方法來評判豬肉新鮮度品質，用BP神經(jīng)網(wǎng)絡方法建立基于近紅外光譜和計算機視覺的融合識別模型，評判的準確性和穩(wěn)定性都較單個信息模型有所提高。郭培源等［36］發(fā)明了豬肉新鮮度智能檢測裝置，該裝置包括氣體采集模塊、圖像采集模塊、神經(jīng)網(wǎng)絡模塊和 PC計算機4個部分。氣體采集模塊可以采集豬肉變質過程中釋放的氨氣和硫化氫氣體，圖像采集模塊可以采集豬肉變質過程中特定元素的特征波長下的相對灰度值特征信息。最后將豬肉變質過程中釋放出的氨氣和硫化氫以及相對灰度值同時輸入神經(jīng)網(wǎng)絡模塊，經(jīng)過多數(shù)據(jù)融合得到豬肉新鮮度等級。劉木華［37］等也將多傳感器信息融合檢測技術運用到牛肉品質檢測中。

2.2 高光譜圖像技術

高光譜圖像技術是由高光譜遙感成像技術發(fā)展起來的一項技術，高光譜圖像是指在紫外、可見光、近紅外或更大波長區(qū)域上采集的一系列間隔波長處的光學圖像集合，對應于某一特定波長就有一特定的二維圖像，而對應于某一特定的像素，在各個波長下表現(xiàn)的灰度值又不一樣。因此，高光譜圖像集樣本的圖像信息與光譜信息于一身［38］。雖然基于近紅外光譜和計算機視覺技術的多傳感信息融合可以大大提高肉品品質判別模型的精度與穩(wěn)定性，但該技術是在兩個相對獨立硬件系統(tǒng)基礎上完成的。高光譜圖像技術融合了傳統(tǒng)的圖像和光譜技術，可同時得到待測物的空間位置信息和光譜信息，兼有這兩種技術的優(yōu)勢，因此可以更好地反映樣品的綜合性狀，該特點決定了高光譜圖像技術在農產(chǎn)品內外部品質檢測方面具有獨特的優(yōu)勢。

目前高光譜圖像技術在肉品品質檢測方面的應用正得到國內外學者的關注［39］。王偉等［40］研究驗證了高光譜成像技術結合相應的建模方法預測生鮮豬肉中細菌總數(shù)的可行性，結果表明，高光譜成像技術結合最小二乘支持向量機預測建模方法可作為快速、非破壞預測生鮮豬肉細菌總數(shù)的有效手段。陶斐斐等［41］研究了4℃冷鏈條件下，冷卻豬肉在1～14d貯藏期間，表面菌落總數(shù)與400～1100nm光譜范圍內相應高光譜圖像的關系，提出了一種基于高光譜技術的冷卻豬肉表面菌落總數(shù)的快速無損檢測方法。結果表明，利用高光譜技術可以較好地定量分析冷卻豬肉表面的菌落總數(shù)，應用該技術對冷卻豬肉品質安全進行快速無損評價是可行的。陳全勝等［42］提出了基于高光譜成像技術的豬肉嫩度檢測方法，結果表明高光譜圖像技術可以用于豬肉嫩度等級水平的檢測。萬新民等［35］嘗試利用高光譜成像技術檢測豬肉的嫩度，結果表明利用高光譜成像技術檢測豬肉嫩度等級是可行的。

3 展望

隨著數(shù)據(jù)處理技術、信息技術、自動控制技術以及計算機技術的發(fā)展，肉類品質的無損檢測技術將向快速化、標準化、數(shù)字化、程序化和規(guī)范化的方向發(fā)展。高靈敏度、高可靠性、高效率的無損檢測儀器和方法也將不斷出現(xiàn)，對于提高我國肉類品質，增強國際競爭能力，促進肉類產(chǎn)業(yè)健康發(fā)展具有重要意義。

［1］David I Ellis，David Broadhurst，Douglas B Kell，et al.Rapid and quantitative detection of the microbial spoilage of meat by fourier transform infrared spectroscopy and Machine Learning［J］.Applied and Environmental Microbilogy，2002，68(6):2822-2828.

［2］Liao YH，F(xiàn)an YX，Cheng F.On-line prediction of fresh pork quality using visible/near-infrared reflectance spectroscopy［J］.Meat Science，2010，86(4):901-907.

［3］Togersen G，Isaksson T，Nilsen B，et al.On-line NIR analysis of fat，water and protein in industrial scale ground meat batches［J］.Meat Sci，1999，51:97-102.

［4］Geesink GH，Schreutelkamp FH，F(xiàn)rankhuizen R，et al.Prediction of pork quality attributes from near infrared reflectance spectra［J］.Meat Science，2003，65:661-668.

［5］劉煒，吳昊旻，孫東東，等.近紅外光譜分析技術在鮮雞肉快速檢測分析中的應用研究［J］.中國家禽，2009，31(2):8-11.

［6］羅香，劉波平，張小林，等.偏最小二乘近紅外光譜法測定瘦肉脂肪酸組成的研究［J］.分析實驗室，2007，26(10):25-29.

［7］劉魁武，成芳，林宏建，等.可見/近紅外光譜檢測冷鮮豬肉中的脂肪、蛋白質和水分含量［J］.光譜學與光譜分析，2009，29(1):102-105.

［8］楊建松，孟慶翔，任麗萍，等.近紅外光譜法快評定牛肉品質［J］.光譜學與光譜分析，2010，30(3):685-687.

［9］廖宜濤，樊玉霞，伍學千，等.豬肉pH的可見近紅外光譜在線檢測研究［J］.光譜學與光譜分析，2010，30(3):681-684.

［10］Argyri A A，Panagou E Z，Tarantilis P A，et al.Rapid qualitative and quantitative detection of beef fillets spoilage based on Fourier transform infrared spectroscopy data and artificial neural networks［J］.Sensors and Actuators B:Chemical，2010，145(1):146-154.

［11］Leroy B，Lambotte S，Dotreppe O，et al.Prediction of technological and organoleptic properties of beef Longissimus thoracis from near-infrared reflectance and transmission spectra［J］.Meat Science，2004，66(1):45-54.

［12］侯瑞鋒，黃嵐，王忠義等.用近紅外漫反射光譜檢測肉品新鮮度的初步研究［J］.光譜學與光譜分析，2006，26(12):2193-2196.

［13］蔡健榮，萬新民，陳全勝.近紅外光譜法快速檢測豬肉中揮發(fā)性鹽基氮的含量［J］.光學學報，2009，29(10):2808-2812.

［14］Byrne C E.Downey G.Troy D J，et al.Nondestructive prediction of selected quality attributes of beef by near infrared reflectance spectroscopy between 750 and 1098nm［J］.Meat Science，1998，49(4):399-409.

［15］Park B，Chen Y R，Hruschka W R，Shackelford S D，et al.Principle component regression of near infrared reflectance spectra for beef tenderness prediction［J］.Transactions of the ASAE，2001，44(3):609-615.

［16］Bowling M B，Vote D J，Belk K E，et al.Using reflectance spectros copy to predict beef ten derness［J］.Meat Science，2009，82(1):1-5.

［17］Xia J J，Berg E P，Lee J W，et al.Characterizing beef muscles with optical scattering and absorption coefficients in VIS-NIR region［J］.Meat Science，2007，75(1):78-83.

［18］趙杰文，翟劍妹，劉木華，等.牛肉嫩度的近紅外光譜法檢測技術研究［J］.光譜學與光譜分析，2006，26(4):640-642.

［19］劉曙光，劉明遠，何鉞.機器視覺及其應用［J］.河北科技大學學報，2000，21(4):11-15.

［20］Mcdonald T，Chen Y R.A geometric model of marbling in beef longissimu do rsi［J］.Trans of the A SA E，1992，35(3):1057-1062.

［21］Schutte B R，Biju N，Kranzler G A，et al.Color video image analysis for augmenting beef carcass grading［J］.Animal Science Research Report，1998，12(7):32-36.

［22］孫永海，鮮于建川，石晶.基于計算機視覺的冷卻牛肉嫩度分析方法［J］.農業(yè)機械學報，2003，34(5):102-105.

［23］孫永海，趙錫維，鮮于建川.基于計算機視覺的冷卻牛肉新鮮度評價方法［J］.農業(yè)機械學報，2004，35(1):104-107.

［24］陳坤杰，尹文慶.機器視覺技術在分析牛肉顏色變化特征中的應用［J］.食品科學，2008，29(9):92-96.

［25］Barbrin EL，Llobet E，Barin EL，et al.Electronic nose based on metal oxide semiconductor sensors as an alternative technique for the spoilage classification of red meat［J］.Sensors，2008，8(1):142-156.

［26］Rajam KI T，Alakomi H L，Ritvanen T，et al.Application of an electronic nose for quality assessment ofmodified atmospherepackaged poultry meat［J］.Food Control，2006，17(1):5-13.

［27］Blixt Y，Borch E.Using an electronic nose for determining the spoilage of vacuum-pachaged beef［J］.International Journal of Food Microbiology，1999，46(2):123-134.

［28］顧賽麒，王錫昌，劉源，等.電子鼻檢測不同貯藏溫度下豬肉新鮮度變化［J］.食品科學，2010，31(6):172-176.

［29］柴春祥，杜利農，范建偉，等.電子鼻檢測豬肉新鮮度的研究［J］.食品科學，2008，29(9):444-447.

［30］李剛，曲世海，郭培源，等.基于神經(jīng)網(wǎng)絡的肉類新鮮度辨識技術［J］.傳感器技，2005，24(3):15-18.

［31］海崢，王俊.基于電子鼻的牛肉新鮮度檢測［D］.杭州:浙江大學，2006:38-49.

［32］洪雪珍，王俊.基于逐步判別分析和BP神經(jīng)網(wǎng)絡的電子鼻豬肉儲藏時間預測［J］.傳感技術學報，2010，23(10):1376-1380.

［33］石志標，佟月英，陳東輝，等.牛肉新鮮度的電子鼻檢測技術［J］.農業(yè)機械學報，2009，40(11):184-188.

［34］鄧巍，丁為民.多傳感器信息融合技術在水果質量評價中的應用［C］.農業(yè)工程學會2005年學術年會論文集，2005:327-333.

［35］萬新民，蔡健榮.基于近紅外光譜分析技術和計算機視覺技術的豬肉品質檢測的研究［D］.鎮(zhèn)江:江蘇大學，2010:48-60.

［36］郭培源，陳巖，薛紅等.豬肉新鮮度智能檢測裝置.中國，101144780A［P］.2008-03-19.

［37］劉木華，江水泉，趙杰文.牛肉品質無損檢測中信息融合技術的應用研究［J］.糧油食品科技，2003，11(6):24-26.

［38］Gowen A A，Donnell C P，Cullen P J，et al.Hyperspectral imaging-an emerging process analytical tool for food quality and safety control［J］.Trends in Food Science ＆ Technology，2007，18(12):590-598.

［39］Jun Qiao， Michael O Ngadi，Ning Wang，et al.Prok quality and marbing level assessment using a hyperspectral imaging system［J］.Journal of Food Engineering，2007，83:10-16.

［40］王偉，彭彥昆，張曉莉，等.基于高光譜成像的生鮮豬肉細菌總數(shù)預測建模方法研究［J］.光譜學與光譜分析，2010，30(2):411-415.

［41］陶斐斐，王偉，李永玉，等.冷卻豬肉表面菌落總數(shù)的快速無損檢測方法研究［J］.光譜學與光譜分析，2010，30(12):3405-3409.

［42］陳全勝，張燕華，萬新民，等.基于高光譜成像技術的豬肉嫩度檢測研究［J］.光學學報，2010，30(9):2602-2607.

Research and progress of non-destructive testing technology of meat quality

ZHANG Yu-hua，MENG Yi
(1.Shandong Institute of Commerce and Technology Shandong Key Laboratory of Storage and Transportation Technology of Agricultural Products，Jinan 250103，China;2.National Engineering Research Center for Agricultural Products Logistics，Jinan 250103，China)

TS251.7

A

1002-0306(2012)12-0392-05

2011-09-07

張玉華(1973-)，女，副教授，研究方向:食品質量安全。

國家“863”計劃項目(2011AA100702);山東省科技發(fā)展計劃(2012GNC11009);濟南市高校院所自主創(chuàng)新計劃(201202060)。