无码精品一区二区三区在线,欲性游乐场(高H),日日橹狠狠爱欧美视频,欧美日韩精品

高光譜成像技術可以快速預測雞蛋液菌落總數嗎？今天，讓萊森小編帶大家一起來看看~

對腐敗雞蛋內容物進行病源微生物分離和鑒定可以發現，假單胞菌屬是優勢菌屬，其中銅綠假單胞菌（又稱綠膿桿菌）參與雞蛋腐敗過程。銅綠假單胞菌作為肉源腐敗的優勢菌種，具有來源范圍廣、耐藥性強等特點，可分解肉中的氨基酸產生硫化物等有害次級代謝產物，并進一步加速肉的腐敗進程。而雞蛋液作為優質蛋白質的豐富來源，是理想的微生物培養基，因此對雞蛋液中腐敗微生物進行預測對保障雞蛋品質安全具有重要意義。

因此，萊森小編通過收集不同程度腐敗雞蛋液的光譜特性和菌落信息，結合多元統計分析方法，為實現高光譜技術對雞蛋液中菌落總數的定量分析提供參考。

1、雞蛋液中菌落總數的變化情況分析

隨貯存時間的延長，兩組樣本蛋清中菌落數量變化趨勢呈現S型曲線，存在明顯的遲緩期和對數生長期，其中對照組變化相對平穩。污染組樣本初始菌落數為3.2（lg（CFU/g）），在初始培養3 d內，菌落數量增幅僅為0.3（lg（CFU/g））；培養至第7天，增幅達到4.5（lg（CFU/g））。由于在接菌的初始階段，蛋清中的抗菌成分（如溶菌酶和卵轉鐵蛋白等）仍對外界病源微生物起到抵抗作用；此外，這也由菌種自身生長特性所決定，在接種至新的環境中，需要通過短暫調節才能實現后期的快速增長和繁殖，類似的研究現象也出現在瓊脂平板和豬肉上。

2、基于高光譜技術的雞蛋液中菌落總數的預測

光譜分析

綜上原因，對于雞蛋液樣本來說，隨微生物數量的增加，蛋清和蛋黃均會發生相應的變化，導致整體雞蛋液樣本對可見-近紅外光（400～1 000 nm）的吸收能力變強，反射率變小。

光譜預處理

對于蛋清和全蛋液，原始光譜經預處理后，除Autoscale預處理外其他預處理方法下PLS模型的RCV均有所下降；交互驗證均方根誤差（RMSECV）均有所上升，表明并不是所有的預處理方法都對模型的預測精度有所提高。

特征波長的提取

根據SPA得出的均方根誤差（RMSE）作為挑選特征變量數的依據。蛋清、蛋黃和全蛋液樣本的變量個數分別為11、12和15時，RMSE最小為0.48、0.54（lg（CFU/g））和0.69（lg（CFU/g）），此后隨著變量數增加，RMSE不再減小，因此蛋清樣本的特征波段數為11 個，蛋黃樣本的特征波長數為12 個，雞蛋樣本的特征波段數為15 個。

模型的建立

對于蛋清樣本，比較全波段-PLS和全波段-SVM模型，全波段-PLS模型中RC和RP（0.84和0.79）低于全波段-SVM模型中的RC和RP（0.85和0.80），RMSEP（0.67（lg（CFU/g）））高于SVM模型中的RMSEP（0.64（lg（CFU/g）））；經SPA算法篩選特征波段后所建的SPA-PLS模型中RP下降0.01，RMSEP上升0.02（lg（CFU/g）），SPA-SVM模型中RP上升0.01，RMSEP下降0.01（lg（CFU/g））。

結 論

在雞蛋液污染過程中，微生物經歷短暫適應期后快速繁殖擴增，并對蛋黃膜造成破壞，致使雞蛋出現散黃腐敗現象，侵染全過程均會嚴重影響光譜的吸收和反射特性。

對原始光譜進行預處理后建立PLS預測模型發現：Autoscale預處理效果相對最佳，對應蛋清樣本的RCV和RMSECV為0.83和0.51（lg（CFU/g）），蛋黃樣本的RCV和RMSECV為0.78和0.51（lg（CFU/g）），全蛋液樣本的RCV和RMSECV為0.79和0.65（lg（CFU/g））。

對比全波段與特征波段下的蛋清、蛋黃和全蛋液樣本的PLS和SVM預測模型發現，SPA-SVM預測效果最優。蛋清樣本的RC和RP為0.85和0.81，RMSEC和RMSEP為0.50（lg（CFU/g））和0.63（lg（CFU/g））；蛋黃樣本的RC和RP為0.86和0.82，RMSEC和RMSEP為0.42（lg（CFU/g））和0.47（lg（CFU/g））；全蛋液樣本RC和RP為0.83和0.75，RMSEC和RMSEP為0.60（lg（CFU/g））和0.75（lg（CFU/g））；其中蛋清和蛋黃樣本所建模型預測效果均高于全蛋樣本所建模型。

在整個污染過程中，分析微生物在蛋液中生長情況和建模的效果表明，實際生產過程中建議選擇蛋清的平均光譜對微生物進行預測。對于單個樣本來說，整個預測過程只需幾分鐘便可完成，證實高光譜成像技術可以用于雞蛋液中菌落污染程度的快速預測，為后續雞蛋質量安全控制提供新的方案和思路。

好了，以上就是有關高光譜成像技術可以快速預測雞蛋液菌落總數嗎的解答，希望可以幫助到大家~