1、豬肉新鮮度的快速、無(wú)損檢測(cè)對(duì)肉品質(zhì)量控制、保證消費(fèi)者安全具有重要意義。通常情況下，細(xì)菌總數(shù)(TVC)是評(píng)價(jià)肉品新鮮度的一個(gè)常用指標(biāo)，本研究利用高光譜成像和嗅覺(jué)可視化等無(wú)損檢測(cè)技術(shù)，實(shí)現(xiàn)對(duì)豬肉中TVC快速檢測(cè)和致腐菌分類鑒別。具體的研究?jī)?nèi)容如下:
　　1.基于嗅覺(jué)可視化技術(shù)的豬肉貯藏過(guò)程中細(xì)菌總數(shù)(TVC)的無(wú)損檢測(cè)。試驗(yàn)將12種篩選出的氣敏材料固定到硅膠板上，制成可視化傳感器陣列。利用掃描儀獲取陣列與豬肉樣本揮發(fā)性氣味反應(yīng)前后圖像

2、信息。以前后陣列顏色變化作為特征值。構(gòu)建線性判別分析(LDA)和BP神經(jīng)網(wǎng)絡(luò)(BPANN)定性模型。結(jié)果顯示，BPANN模型識(shí)別結(jié)果優(yōu)于LDA，訓(xùn)練集、預(yù)測(cè)集識(shí)別率分別為100％和96.9％。構(gòu)建BPANN定量模型對(duì)豬肉中TVC進(jìn)行檢測(cè)，結(jié)果顯示，BPANN模型預(yù)測(cè)集相關(guān)性系數(shù)為0.803，預(yù)測(cè)均方根誤差為2.902 lg(CFU/g)。研究結(jié)果為嗅覺(jué)可視化技術(shù)對(duì)肉品中TVC檢測(cè)提供理論依據(jù)。
　　2.基于多信息融合的豬肉貯藏過(guò)程

3、中細(xì)菌總數(shù)(TVC)的無(wú)損檢測(cè)?？紤]到單一檢測(cè)技術(shù)存在的局限性，本文進(jìn)一步采用融合技術(shù)實(shí)現(xiàn)豬肉TVC的無(wú)損檢測(cè)。實(shí)驗(yàn)利用嗅覺(jué)可視化技術(shù)和高光譜圖像技術(shù)分別獲取豬肉的氣味信息和光譜圖像信息，分別提取出36個(gè)顏色和30個(gè)紋理特征變量進(jìn)行特征層數(shù)據(jù)融合，通過(guò)主成分(PCA)提取最佳的因子作為模型輸入，建立BPANN和BP-Adaboost預(yù)測(cè)模型，結(jié)果表明，兩種技術(shù)融合的模型要優(yōu)于單一技術(shù)模型，而基于兩技術(shù)融合的BP-Adaboost模型對(duì)豬

4、肉TVC含量預(yù)測(cè)結(jié)果最佳，預(yù)測(cè)集相關(guān)性系數(shù)為0.914，預(yù)測(cè)均方根誤差為0.7954 lg(CFU/g)。結(jié)果表明，采用融合技術(shù)模型檢測(cè)豬肉TVC是可行的，且較于單一技術(shù)模型的準(zhǔn)確性和穩(wěn)定性均有所提升。
　　3.基于嗅覺(jué)可視化技術(shù)的豬肉優(yōu)勢(shì)致腐菌分類鑒別。本試驗(yàn)以豬肉中優(yōu)勢(shì)致腐菌PS1、J4、P3 and P5為研究對(duì)象。用色敏型嗅覺(jué)傳感器分別獲取四種菌在培養(yǎng)過(guò)程中產(chǎn)生的揮發(fā)性氣體信息，并借助PCA和LDA方法對(duì)4種致腐菌進(jìn)行分類