近红外光谱法快速检测猪肉中挥发性盐基氮的含量

为了实现快速无损地检测猪肉新鲜度的目的,应用近红外光谱法测定猪肉新鲜度重要指标一挥发性盐基氮(TVB-N)的含量.猪肉原始光谱经标准偏差归一化方法(SNV)预处理后,用联合区间偏最小二乘法(siPLS)建立猪肉预处理后光谱和TVB-N含量的校正模型并与经典偏最小二乘法(PLS)模型、间隔偏最小二乘法(iPLS)模型作比较.试验结果表明,利用联合区间偏最小二乘法所建的预测模型最佳,其校正集相关系数(Rc)和交瓦验证均方根误差(fRv)分别为0.8332和3.75,预测集的相关系数(Rp)和预测均方根误差(fRP)分别为0.8238和4.17.研究结果表明利用近红外光谱和联合区间偏最小二乘法可以快速地测定猪肉中挥发性盐基氮的含量.     

挥发性盐基氮的光谱分析方法

报道了一种挥发性盐基氮(TVB-N)测定方法.通过奈斯勒试剂处理的分子筛吸收挥发性盐基氮,形成NH2Hg2IO固相显色体,采用漫反射光谱装置直接测定.探讨了测量原理、条件及影响因素,表明该方法具有操作方便,灵敏度高,试剂用量少等优点.方法的线性范围为1～8μg·mL-1,检测限达0.1 g·mL-1.用于鱼、肉食品新鲜度的监测,发现鱼肉随放置时间的延长,挥发性盐基氮迅速增加,表明鱼肉的腐败变质是一个加速过程,并且鱼的变质速率相对猪肉更快一些.     

羊肉挥发性盐基氮的高光谱图像快速检测研究

挥发性盐基氮(TVB-N)通常被作为评价羊肉新鲜度的理化参考指标。为了揭示高光谱图像技术(HSI)快速检测羊肉新鲜度的可行性,采集了71个新鲜度具有代表性的羊肉样品的漫反射高光谱图像(400～1 000 nm),并利用半微量定氮法测定了其挥发性盐基氮(TVB-N)的化学值。选择感兴趣区域(ROIs)提取样品的代表性光谱,采用含量梯度法划分校正集和预测集,比较不同的光谱预处理方法,比较逐步多元线性回归(SMLR)、偏最小二乘(PLSR)和主成分分析(PCR)建模方法,建立并验证了TVB-N的校正模型。结果表明,利用多元散射校正(MSC)、一阶导数、Savitzky-Golay(S-G)平滑及中心化处理结合的预处理方法,PLSR和PCR模型都可以实现对羊肉TVB-N的定量检测。对于建立的PLSR模型,采用的预处理方法为MSC、15点2次S-G平滑、1阶导数和中心化相结合的方法,选择的潜变量因子数为11,获得的校正集的相关系数(R)和校正均方根误差(RMSEC)分别为0.92和3.00 mg·(100 g)-1,预测集的相关系数(r)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别为0.92,3.46 mg·(100 g)-1和2.35。研究表明,高光谱图像技术可用于准确快速地检测分析羊肉中新鲜度关键指标TVB-N的含量。该研究为采用高光谱图像技术进一步分析羊肉新鲜度其他指标、改善TVB-N的建模效果及在实际生产中应用该技术提供了基础。     

MIV波长优选改善VIS/NIR光谱TVB-N模型性能研究

挥发性盐基氮(TVB-N)是衡量肉品新鲜的重要理化指标,利用可见/近红外(VIS/NIR)光谱对TVB-N含量进行定量检测具有重要意义。预测模型是VIS/NIR光谱检测TVB-N含量性能的关键要素,使其兼顾准确性与稳健性可有效改善TVB-N的定量分析结果。以猪肉为例,采集51组不同新鲜度样本的VIS/NIR光谱数据,去除低信噪比区间200～450和900～1 000 nm,选取有效波段450～900 nm的光谱数据用于建模。随后利用主成分分析(PCA)对光谱信息降维,构建一个反向传播神经网络(BPNN)模型。在此基础上,提出用平均影响值(MIV)方法从有效波段中优选与肉质TVB-N含量强相关的特征波长,最终基于221个优选波长,构建一个MIV-PCA-BPNN预测模型。实验表明,初步构建的PCA-BPNN非线性预测模型,校正相关系数(R_C)和校正均方根误差(RMSEC)分别为0.96和1.47 mg/100 g,预测相关系数(R_P)和预测均方根误差(RMSEP)分别为0.93和1.74 mg/100 g,模型稳健性指标为1.18,优于经典的线性预测模型主成分分析回归和偏最小二乘回归,证明TVB-N具有较强的非线性效应。最终构建的MIV-PCA-BPNN预测模型的R_C和RMSEC分别为0.98和1.21 mg/100 g, R_P和RMSEP分别为0.96和1.12 mg/100 g,模型稳健性指标为1.08,在所构建的预测模型中, RMSEC和RMSEP最小,R_C和R_P最大,模型的准确性和稳健性最佳。另外, MIV方法筛选出的特征波长集中在7个波峰附近,皆分布于肉品中化学成分的吸收区内,且与TVB-N中的含氢基团的特征吸收峰表现出高度一致性,为利用MIV方法筛选波长变量提供了理论依据。研究结果显示, MIV波长优选可有效改善预测模型的性能,为利用神经网络剔除无关波长变量提供了新思路,所构建的MIV-PCA-BPNN预测模型满足了肉质中TVB-N定量分析的需求。     

二维相关光谱的猪肉TVB-N特征变量优选研究

为了探讨利用二维相关可见/近红外光谱法优选猪肉挥发性盐基氮(TVB-N)特征变量的可行性,以贮藏时间为外扰,研究了不同新鲜程度猪肉样本的二维相关光谱特性。首先,获取56个猪肉样本在贮藏1～14 d的400~1 000 nm范围的可见/近红外反射光谱,经过标准正态变量变换(SNV)处理后,基于全波段光谱建立TVB-N的偏最小二乘回归(PLSR)模型。然后,依据TVB-N实测值,从中挑选出10个具有一定浓度梯度的样本(贮藏时间分别为0,36,72,108,144,180,216,252,288和324 h),利用一阶导数对光谱进行预处理后,根据不同样本之间的光谱差异,选取7个波段用于二维相关光谱解析。分析各个波段的二维相关同步谱和自相关谱,从7个波段范围内共选取23个变量作为不同贮藏时间下与TVB-N相关的敏感波长,并建立简化的PLSR模型。相较于全波段光谱数据所建模型,模型效果有所改善,预测集决定系数R2_p由0.792 1上升至0.865 8,误差从3.658 2 mg·(100 g)-1下降至3.246 0 mg·(100 g)-1。表明基于二维相关光谱对猪肉TVB-N特征变量进行优选的思路是可行的,该方法能够从全光谱数据中筛选出与目标物质相关的敏感变量,这也为近红外光谱特征波长选择提供了一个新的方法。     

近红外光谱法快速检测烟草中总多酚含量

应用傅立叶变换近红外漫反射光谱仪,采集340个样品光谱图,经优化挑选出具代表性的244个烟草样品建立了近红外光谱与烟草中的多酚含量间的数学模型,用建立的模型对20个样品进行预测,结果表明,各成分近红外预测值与实测值之间的平均标准偏差为0.10;且近红外预测值与化学法不存在显著性差异,可用近红外光谱快速检测烟草中的多酚含量,具有简便、快速、低成本、无污染以及样品的非破坏性等优点.     

应用高光谱图像检测鱼肉挥发性盐基总氮含量研究

鱼类产品的新鲜程度研究一直是重要的课题,其中挥发性盐基总氮（TVB-N）是一项重要指标,该指标已列入我国食品卫生标准, 一般在低温条件下, 鱼类挥发性盐基氮的量达到30 mg/100 g时,即认为是肉质变质的标志。传统的物理检测方法不能够实现定量检测,化学检测法则耗时长,且需要专业人员进行破坏式检测。为了克服传统光谱检测技术无法检测分析外部空间属性的缺点,该实验采用波长范围在900～1 700 nm高光谱成像结合化学计量法实现了三文鱼的TVB-N含量检测。首先对从市场买的新鲜三文鱼按照背面和反面（腹部）进行分割处理,背面和反面（腹部）再10等分,每条三文鱼制作成20个样本,一共100个样本,其中75个样本用于校正集,25个样本用于预测集。然后用高光谱成像系统采集三文鱼鱼样本的光谱数据,再通过蒸馏法测定三文鱼TVB-N的含量,并建立其理化值样本,然后分别采用最小二乘支持向量机（LS-SVM）和偏最小二乘（PLS）模型对100个样本光谱全波长数据进行三文鱼TVB-N建模分析。LS-SVM模型和PLS模型预测决定系数(R2)分别为0.918和0.907,预测均方根误差(RMSEP)分别为2.312%和2.751%。为了进一步提高运算效率和优化模型,对全谱数据利用连续投影算法（SPA）提取到8个特征波长（956,1 013,1 152,1 210,1 286,1 301,1 397和1 464 nm）,基于8个特征波长分别建立SPA-LS-SVM和SPA-PLS模型,模型预测决定系数(R2)分别为0.903和0.901,RMSEP分别为2.761%和2.801%,SPA-LS-SVM模型的结果优于SPA-PLS。最后SPA-LS-SVM模型因其可靠性和有效性而被选择为最适合TVB-N预测模型,基于图像处理编程技术将高光谱图像中的每个像素转换成相应的TVB-N值并以不同颜色表示,实现了三文鱼肉TVB-N含量的可视化,可以很形象的表达三文鱼的TVB-N的含量分布情况。实验说明,可利用高光谱成像技术预测三文鱼的TVB-N含量预测,这为水产品的自动加工和分类奠定了基础,渔业可以从高光谱技术中获益。     

基于近红外光谱技术的小龙虾新鲜度快速检测研究

小龙虾是近年来广受消费者欢迎的淡水产品，相关产业迅猛发展，产生巨大的经济利益。小龙虾整虾及虾仁、虾尾在运输过程中极易腐败变质，产生有害物质。如果不能对小龙虾新鲜度进行及时检测，任由腐败小龙虾进入食品流通环节，极易酿成食品安全事故，危害消费者生命安全，对整个产业链造成不良影响。挥发性盐基氮(TVBN)是衡量水产品新鲜度的主要指标，也可以用于衡量小龙虾的新鲜度，但传统的挥发性盐基氮检测方法存在步骤复杂、检测时间长和化学试剂污染的等问题，无法满足小龙虾庞大产业链的检测需求。近红外光谱技术是一种快速、无损、环境友好的分析技术，在食品分析领域中已有较为广泛的应用。本研究基于近红外光谱分析技术(NIR),结合化学计量学方法提出一种小龙虾新鲜度的快速检测方法。使用偏最小二乘算法(PLS)建立小龙虾虾尾挥发性盐基氮定量分析模型。为了提高模型的预测能力，使用多元散射校正(MSC)、标准正态变换(SNV)、连续小波变换(CWT)和1阶导数(1st)法对光谱进行预处理，扣除光谱背景；使用蒙特卡洛-无信息消除(MC-UVE)和随机检测(RT)算法进行波长筛选，选择光谱中有效变量。结果显示，光谱预处理和波长筛选...     

基于近红外光谱检测猪肉系水力的研究

为了快速无损无污染得测定猪眼肌的系水力,提出了用近红外漫反射光谱检测真空包装猪肉的系水力的新方法.采用常规的滴水损失法和压力法标定猪肉的系水力.利用光谱专用分析软件Unscramb-ler9.6,对采集的光谱进行平滑,二阶微分预处理,用偏最小二乘法(PIS)建立其定量检测模型.该实验的样本总数为106,将样品分为校正集和检验集.用校正集建立定标方程,用检验集检验定标方程的预测精度.常规方法与近红外光谱漫反射法的预测植的相火系数为0.73～0.79,结果明显要好于近红外透射法和反射光谱法.该研究验证了近红外光谱漫反射法对真空包装后鲜猪肉的系水力的无损检测的可行性.     

近红外光谱的河蟹新鲜度快速检测研究

河蟹的新鲜度是大多数消费者在购买时所考虑的最重要的因素,挥发性盐基氮(TVB-N)是当前国际通用的评价肉类新鲜度的指标,但其检测工序繁琐、耗费时间长,无法满足当前市场对河蟹新鲜度评价的迫切需求。因此,建立一种快速检测河蟹新鲜度的方法是当前急需解决的一大难题。将购于水产市场的河蟹,采用聚乙烯充氧袋快速运至实验室,样本数共126只。在洁净的工作台上处理后,将螃蟹分为42个实验样品,每个样品3只鲜活螃蟹;42个实验样品放在低温4℃的恒温生化培养箱中贮藏,每天从培养箱中按时取出6个螃蟹样品进行光谱数据采集及新鲜度指标TVB-N的测定,历时7 d。采用近红外光谱(NIRS)对贮藏在不同时间下的河蟹新鲜度进行评价,使用挥发性盐基氮(TVB-N)作为评价河蟹新鲜度的指标,首先通过比较经五折交叉验证(5-fold CrossValidation)算法、 kennard-stone(KS)算法、光谱-理化值共生距离(SPXY)算法三种样本划分方法处理后所建模型的预测效果确定最优样本划分方法,最终采用五折交叉验证(5-fold CrossValidation)算法对样本进行划分。其中的32个样品被划分为训练集进行模型构建,其余的10个样品被划分为测试集用于模型检验。然后在经过五折交叉验证法对样本进行划分的基础上,分别采用小波变换(WT)、 Savitzky-Golay平滑、一阶导数法(Db1)、二阶导数法(Db2)这4种单一算法以及小波变换(WT)与Savitzky-Golay平滑相结合的算法进行预处理,通过比较预处理后所建模型的预测效果,确定了小波变换(WT)预处理为最优光谱预处理方法,从而消除了光谱中的无用信息并提高了信噪比。再次,在WT预处理的基础上,分别采用主成分分析(PCA)法和连续投影(SPA)算法提取光谱特征波段,通过建模比较确定主成分分析(PCA)法为最优波长选择方法,以所选的16个特征波长作为模型的输入,不仅提高了模型的运行速度还可以提高模型的稳定性。最后,在经过PCA特征提取后,分别采用偏最小二乘回归(PLSR)算法和多元线性回归(MLR)算法构建TVB-N定量预测模型,通过比较两种模型的预测效果,确定了偏最小二乘回归(PLSR)模型为最优建模方法,最终确定的最优模型为基于WT-PCA-PLSR建立的模型,模型预测决定系数R^2为0.89,预测均方根误差RMSEP为3.00。综上所述,所建立的预测模型具有较高的精度,可以实现对河蟹新鲜度的快速检测,具有较好的市场应用前景。     

凡纳滨对虾新鲜度的高光谱检测方法

以凡纳滨对虾为研究对象,探索一种高效快速无损的新鲜度检测方法。挥发性盐基氮(TVB-N)是判断虾新鲜度的重要化学指标,然而传统方法耗时耗力,限制了大批量的实时检测。高光谱技术是一种集成图像和光谱信息的分析技术,高光谱图像上的每个像素包含整个波段的光谱信息,近年来,该技术已经被应用于肉类新鲜度检测。连续8 d采集了样品的860～1 700 nm高光谱数据,在去除异常样本后确定150组试验样本,每组采集254维光谱数据,对原始的高光谱图像进行黑白校正,并从高光谱图像中提取光谱数据。为确保所提取的光谱数据和TVB-N指数之间有对应关系,所选择的感兴趣区域的位置保持固定在虾样本的第二和第四肢。计算了感兴趣区域的平均光谱以获得光谱数据矩阵,该矩阵被转换成ASCII码并保存。同时,通过凯氏定氮法获得TVB-N真实值含量。为减少环境和虾表面的高含水量的干扰,有效地消除不相关的信息和噪声,预处理方法是多元散射校正(MSC)算法,并选择出7个敏感波段,分别为875, 894, 919, 953, 983, 1 024和1 094 nm。最后,以120组训练集样本,建立了凡纳滨对虾TVB-N总量的定量预测...     

基于光谱技术的原料肉新鲜度指标在线检测系统开发及试验

为了实现原料肉新鲜度参数的无损在线实时评估,基于双波段可见/近红外反射光谱（350~1 100和1 000~2 500 nm）技术建立了原料肉新鲜度主要指标的在线检测系统。研究设计了装置的光源单元、光谱采集单元、控制单元和驱动单元,优化设计了光源固定支架和安放角度,编写了相应的控制程序,开发了实验室用和便于在不同生产线应用的两套在线检测系统。首先,对试验参数（传送带速度和样品到透镜入光口距离）进行了优化研究,通过光谱相似度比较和显著性分析,确定传送带速度是275 mm·s-1、距离是12 cm时能够获得更加稳定的光谱信号。然后,基于该试验参数,分别在静止和在线条件下采集了贮藏时间为1~13 d共50个猪肉样本的反射光谱,并利用抛物线拟合法对双波段光谱进行融合,以获取整条覆盖可见及近红外区域的完整光谱。为了使两个波段范围内的光谱数据点权重相同,在整个波段范围内均匀分布,借助三次样条插值法将所有光谱数据点以2 nm为间隔进行重新排布。采用窗口移动多项式最小二乘拟合法对光谱作平滑处理,采用标准正态变量变换对每条光谱进行标准化预处理,分别建立了静止和在线条件下新鲜度主要表征指标-颜色（L*,a*和b*）、pH和挥发性盐基氮的预测模型,以此验证所搭建系统的可靠性。经过对比分析,发现在线条件下的建模结果不如静止状态下的建模结果,这可能与在线采集时光谱存在漂移现象有关。进一步尝试利用一阶导数处理来消除基线漂移强化谱带特征,并对一阶导数和标准化处理顺序对建模结果的影响进行了探讨。结果发现先经过一阶导数再经过标准化处理,能更好地消除外部干扰造成的影响,建模结果更佳。在该处理方式下,基于第一波段光谱建立了颜色参数（L*,a*,b*）的预测模型,基于双波段光谱建立了pH和挥发性盐基氮的在线检测模型,预测相关系数分别为0.955 3,0.924 7,0.955 1,0.961 5和0.966 8。最后,为了验证模型的适用性,基于开发的便于在不同生产线应用的在线检测系统,利用独立的20个样本对在线模型进行外部验证,对颜色参数（L*,a*,b*）,pH和挥发性盐基氮的预测相关系数分别为0.918 9,0.914 1,0.947 7,0.950 4和0.960 6。研究结果表明,该系统通过双波段光谱的实时采集和融合,可以获取更多反应样本内部信息的光学信号,具有更强的检测能力。结合设计的光路等其他硬件单元,可以同时获取样本表面更大区域的反射光谱信息,从而实现对原料肉新鲜度主要表征参数的无损、在线、实时评估。该系统便于组装和拆卸,可以适应不同企业生产线的实际需要,具有较强的实用价值和较好的市场前景。     

高光谱图像与稀疏核典型相关分析冷鲜羊肉新鲜度无损检测

羊肉新鲜度受多种因素影响，通常由多个指标来综合评价，常规试验操作复杂不适合在线检测。高光谱成像数据能够反映羊肉新鲜度变化过程中多种成分的变化信息，但是光谱特征提取与评价模型的建立对最终结果影响较大。为了研究高光谱成像与多指标的快速检测羊肉新鲜度的可行性，提出一种稀疏核典型相关分析方法，借助实验室测定的多个标准值，研究多指标的羊肉新鲜度无损检测。采集了70个代表各级新鲜程度的羊肉样本400~1 000 nm高光谱图像，采用实验室方法测定了挥发性盐基氮(TVB-N)和菌落总数(TAC)标准值，选择感兴趣区域(ROIs)提取代表性光谱图像，利用所提出的特征提取方法提取光谱特征信息，并按照3:1划分校正集和预测集，利用三层神经网络进行分类识别试验。结果表明，新鲜度等级分类总体精度(OA)为0.939 3，Kappa系数为0.906 0，均方根误差(RMSEC)为0.297。研究表明，所提出的多指标光谱特征提取方法可用于快速无损检测羊肉新鲜程度，为采用高光谱成像综合多个新鲜度检测指标，改善由于单一检测指标造成评价模型的适用性和鲁棒性提供了基础。     

动物粪便近红外光谱的应用潜力

近红外光谱技术(NIRS)以其低成本、高效、环保、无损的优势在日粮和畜产品品质分析中得到广泛应用。饲料品质参数(如粗蛋白)的获取对于日粮营养的合理搭配不可或缺,传统的近红外光谱技术将日粮的近红外光谱与日粮品质参数的化学测定值进行回归,建立预测模型对日粮品质参数进行检测。然而,在放牧条件下日粮近红外光谱的难以获取限制了这一传统建模方法在动物营养中的应用。作为动物代谢性产物,动物粪便不仅包含有日粮信息也携带有动物自身信息。近年来,基于动物粪便近红外光谱和日粮信息(日粮植物学成分、化学成分及其消化率)建立的回归模型,也已被用于动物日粮信息的检测。简要介绍F.NIRS在动物性别、品种鉴定及繁殖和寄生虫感染状态检测中的应用。NIRS在动物粪肥分析中的应用结果表明NIRS能够对粪肥中主要成分含量进行快速分析。尽管F.NIRS预测准确性有待提高,但已显示出其作为快速、有效的分析工具用于检测日粮品质参数及动物生理状态的潜力。相关的英文评述性文章业已出版,但在中国F.NIRS的研究和应用非常欠缺。期望本文的呈现有助于F.NIRS在国内的发展。推荐将NIRS作为快速分析工具用于对粪肥主要成分(DM,OM,TS,VS,TN,TKN和NH₃-N)含量进行检测。     

近红外光谱技术在肉品检测中的应用和研究进展

近红外光谱（NIRS）作为新型光学检测技术在食品行业中得到广泛应用。该技术能实现肉品在线、快速、无损检测,是肉和肉制品品质分析的重要技术之一。文章综述了近红外光谱技术在肉类行业中的重要应用以及近年来的研究进展,主要包括蛋白质、脂肪及水分等影响肉类品质的化学组成成分分析,肉品感官品质如嫩度、保水性、肉色及新鲜度等指标的评价以及肉品的产地、品种等方面的鉴定。同时列举了近红外光谱技术在几种常见肉制品品质检测中的应用实例,并针对目前发展趋势展望了该技术的前景：近红外光谱技术在进一步深入研究提高肉品检测精度的基础上,通过与机器视觉技术等新型无损检测技术的融合以实现全面评价肉类品质的目标。     

基于近红外光谱技术的秸秆工业分析

工业分析是生物质热化学工程技术中的一项常规应用分析.文章探讨了近红外光谱技术(NIRS)在秸秆工业组成分析上的应用,并利用近红外光谱技术预测了秸秆中挥发分和固定碳含量.利用Foss 6500光栅型近红外光谱仪在1 108～2 492 nm光谱范围内分别对直接切短秸秆样品中水分、灰分、挥发分和固定碳以及干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱建立了预测模型.对于直接切短秸秆样品,水分、灰分、挥发分和固定碳校正模型外部验证的R2v(SEP)分别为0.92(0.76%),0.94(0.84%),0.88(0.82%)和0.75(0.65%).干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱模型外部验证的R2v(SEP)分别为0.98(0.54%),0.95(0.57%)和0.78(0.61%).实验结果表明,近红外光谱技术能实现秸秆的快速分析和多组分同时测定,从而可降低秸秆工业分析的成本.     

基于可见-近红外光谱与稀疏表示的注水肉识别

为了能快速准确的识别原料肉与注水肉,提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型,采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果,对光谱数据进行光调制和归一化等预处理并截取有效波段,根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典),通过ｌ1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差,将最小投影误差对应的类作为测试样本的所属类别,并应用留一法进行交叉检验,比较了稀疏表示法与支持向量机的识别结果。实验结果表明,利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上,获得了较好的分类效果,优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取,适用于高维、小样本量数据的处理,计算成本低,将其用于注水肉的光谱数据识别具有一定的创新性,并取得了较满意的结果,为原料肉和注水肉的无损识别提供了一种有效方法。