基于嗅觉可视化和近红外光谱技术的鸡肉中假单胞菌快速识别研究

发布时间：2018-10-05 11:49

【摘要】：假单胞菌是导致鸡肉腐败的最主要优势致腐菌。常规的检测方法或前处理繁琐、鉴定结果准确率低、鉴别的菌株种类有限,或操作繁琐、试剂昂贵、测定过程耗时长,都不满足现场快速检测的要求。为了快速识别鸡肉中的假单胞菌,本研究首先从鸡肉中分离筛选出假单胞菌;然后分别利用嗅觉可视化和近红外光谱分析技术,以及将两种技术相融合的方法实现鸡肉中假单胞菌的快速分类鉴别。主要内容如下:(1)鸡肉中优势致腐菌的分离筛选以及鉴定。试验利用不同的选择培养基从腐败鸡肉中分离筛选出18株致腐菌,然后利用聚合酶链反应技术(PCR)对筛选出的致腐菌进行鉴定。根据鉴定结果,选择最主要的优势致腐菌——假单胞菌作为研究对象,为后期鸡肉中假单胞菌的分类鉴别提供可靠的实验样本。(2)基于嗅觉可视化技术的鸡肉中假单胞菌快速鉴别。试验首先筛选出12种对假单胞菌菌液生长代谢过程中散发的挥发性气体敏感的气体色敏材料(9种卟啉类化合物和3种pH指示剂)自制成嗅觉可视化传感系统,然后利用扫描仪采集嗅觉可视化传感系统与五组假单胞菌(盖氏假单胞菌P.gessardii、嗜冷假单胞菌P.psychrophila、莓实假单胞菌P.fragi、荧光假单胞菌P.fluorescens以及四种假单胞菌混合菌)菌液挥发性气体反应前后的图像。根据反应前后图像的RGB颜色变化值,每个假单胞菌菌液样本可对应36个颜色变量(12×3个)。利用主成分分析(PCA)对原始变量进行聚类分析,再分别利用线性的K最近邻法(KNN)和非线性的支持向量机(SVM)与反向传播人工神经网络(BP-ANN)算法建立鸡肉中假单胞菌的分类识别模型。实验结果表明,当主成分数为6时的BP-ANN模型的预测性能最佳,其训练集以及预测集识别率分别为92.5%与90%。(3)基于近红外光谱技术的鸡肉中假单胞菌快速鉴别。试验利用近红外光谱仪采集五组假单胞菌菌液的透射光谱信息,并结合合适的模式识别方法对光谱数据建模分析。首先运用标准正态变量变换(SNV)预处理原始光谱,并结合PCA方法对预处理后的光谱数据聚类分析,然后有比较的采用遗传算法(GA)对预处理后的光谱进行10次特征变量的筛选,以筛选出的变量为输入分别建立鸡肉中假单胞菌的KNN、SVM和BP-ANN分类识别模型。实验结果表明,当变量数为33,主成分数为8时的BP-ANN模型预测性能最佳,其训练集以及预测集识别率分别为98.33%与95%。(4)基于嗅觉可视化和近红外光谱信息融合技术的鸡肉中假单胞菌快速鉴别。考虑到单一检测技术存在的局限性,研究进一步利用多传感器信息融合技术对五组假单胞菌菌液进行分类鉴别。试验首先分别利用嗅觉可视化系统和近红外光谱仪获取五组假单胞菌菌液的气味信息和透射光谱信息,并提取出36个气味信息和33个光谱信息特征变量,然后利用PCA对两种技术获得的特征变量进行主成分数的优化,以优化后的主成分组合为输入变量,在特征层上对提取的特征变量进行融合处理,建立鸡肉中假单胞菌的BP-ANN分类识别模型。结果表明,当气味信息特征变量的主成分数为6,光谱信息特征变量的主成分数为8时,建立的BP-ANN模型识别效果最好,其训练集和预测集的识别率分别为100%和98.75%。研究表明融合技术模型要好于单一技术模型,且模型的准确性以及稳定性都有显著提升。本试验为采用多传感信息融合技术对鸡肉中假单胞菌的分类鉴别提供了理论基础与方法指导,有效实现了快速、准确地监控鸡肉中假单胞菌的菌落组成及动态变化,缩短了检测时间,为鸡肉保质期的延长提供了有效参考。
[Abstract]:......
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：O657.33;TS251.55

【参考文献】