基于血液生化特性变化的屠宰场pse猪肉快速检测方法
【技术领域】
[0001] 本发明属于肉类食品领域，尤指一种基于血液生理生化特性变化的PSE肉（Pale SoftExudativeMeat)在线快速检测方法。
【背景技术】
[0002] 随着养猪现代化、国内生猪屠宰（肉联厂）和鲜肉流通体制的发展和变化，困扰欧 美发达国家多年的生鲜猪肉PSE问题正在我国重演，且越来越严重。据不完全统计，国内宰 后生鲜猪肉PSE的发生率平均在15-30%，有的甚至更高。PSE肉具有发白、松软和表面液 汁渗出的特点，是猪肉最重要的质量因素，严重的蛋白质变性影响蛋白质的水结合能力，导 致低的持水性，其营养价值、商品价值和食用风味均不同程度下降。国内目前仍以热鲜肉销 售为主，肉联厂生产的胴体经过一级二级市场批发进入农贸市场再分割零售，肉联厂由于 缺乏快速的PSE肉预检方法，一般都在次日的零售环节发现PSE肉，从而使肉品的商品价值 和利用率严重下降，经济损失严重。目前国内对PSE猪肉检测的思路主要集中在2个方面， 即宰后生鲜猪肉pH值随时间变化来估计，另一个则是检测相关基因（如氟烷基因），由于准 确率及实际的可操作性，这些方法主要在实验室进行，很少有实际应用。因此，亟需寻找一 种切实有效、方便快捷的基于屠宰厂在线监测的检测技术，能够在生鲜猪肉出厂前检出，避 免使大批携带有PSE肉的生鲜猪肉进入流通领域，造成消费者的普遍不满和经济损失。
[0003] 该屠宰场PSE在线快速检测技术研宄以屠宰放血点的血液为样本，分析血液生理 生化特性的变化（集中体现宰前的各种影响因素及应激反应），利用主成分分析，建立PSE 肉与血液相关指标变化的关联，寻找血液中PSE肉的生物标志，然后建立BP神经网络模型 来检测PSE肉，使得PSE肉在出厂前就被检出，以避免屠宰厂的经济损失。
【发明内容】
[0004] 本发明的目的是针对现有技术的不足，提供一种用于屠宰厂PSE猪肉的快速检测 方法。
[0005] 为解决上述技术问题，本发明采用以下技术方案来实现：
[0006] 步骤（1)、样品前处理
[0007] 对屠宰场待屠宰猪进行采血，将血样标本自发完全凝集，然后从自发完全凝集后 的血样标本中取上清液，该上清液即血清；将上述血清存放于4°C冰箱保存，用于生理生化 指标测定。
[0008] 步骤（2)、血液生化指标的测定
[0009]对步骤（1)前处理后得到的血清进行以下生化指标检测，主要包括：血糖 (GLU)、尿素氮（BUN)、肌酐（CREA)、甘油三酯（TG)、钠离子（Na+)、钾离子（K+)、载脂蛋白 A-I(apoA-I) 〇
[0010] 步骤（3)、建立BP神经网络模型
[0011] 神经网络由一个输入层、一个隐含层和一个输出层组成。其中所述的输入层包 括7个神经元，分别对应步骤（2)所测的血糖（GLU)、尿素氮（BUN)、肌酐（CREA)、甘油三酯 (TG)、钠离子（Na+)、钾离子（K+)和载脂蛋白A-I(apoA-I) 7个指标；
[0012]所述的输出层包括2个神经元，S卩：类别1和类别2分别表示PSE肉与正常肉；输 入层到隐含层的传递函数确定为logsig，隐含层到输出层的传递函数也确定为logsig。
[0013] 所述的隐含层的节点数目可由本领域技术人员人为判断确定。
[0014] 作为优选，隐含层最佳节点数目的确定可以选择参考以下的公式：
[0015]① 1 <n-1;
[0016] ② 1 < (m+n)1/2+a;
[0017] ③ 1 =log2n;
[0018] 式中，m和n分别为输出层和输入层的节点数，1为隐含层的节点数，a为0~10 之间的可以调整的常数。在实际应用过程中，可以首先运用上述的参考公式来确定隐含层 节点数的大概范围（即隐含层节点数的初值），然后采用试凑法来确定最合适的节点数目 (即隐含层节点数的精确值）。
[0019]步骤（4)、对BP神经网络进行训练和测试步骤
[0020] 通过运用误差反传原理不断调整网络权值，从而使得期望值与训练样本输出值之 间的误差平方和达到最小或者小于某一误差阈值（根据实际预测精度要求来设定误差阈 值）。当神经网络模型确定后，将七个生化指标输入网络中进行网络训练，当神经网络在各 组测试数据的预测误差均低于误差阈值时即通过测试，可用于检测工作。
[0021]步骤（5)、利用通过测试的BP神经网络模型对待检测样本进行检测
[0022] 检测时，先将所测得的7个生化指标归一化，归一化后的数据范围在[_1，1]，将 数据输入到通过测试的神经网络中，经过网络运算后，当输出向量为[1 0]，为类别1，即为 PSE肉；当输出的向量为[0 1]，为类别2,即为正常肉。
[0023] 有益效果：本发明以屠宰放血点的血液为样本，分析血液生理生化特性的变化，寻 找出血液中可以表征PSE猪肉的七个生化指标。同时利用BP神经网络良好的非线性逼近 能力，通过构建BP神经网络模型，将7个生化指标分别对应输入层的7个神经元，提供了一 种精准检测PSE猪肉的检测方法。使得PSE肉出厂前被检出，从而避免屠宰场的经济损失。
【附图说明】
[0024] 图1为本发明的流程图；
[0025] 图2为BP神经网络结构图；
[0026] 图3为BP神经网络算法图。
【具体实施方式】
[0027] 下面结合具体实施例和附图对本发明做进一步的分析。
[0028] 实施例1
[0029] 浙江嘉兴某屠宰场PSE猪肉在线快速检测：
[0030] 如图1所示，为本发明的流程图，根据该流程图实施步骤如下：
[0031] 1、样品前处理
[0032] 宰前检验健康合格的杜X长X大三元杂交猪300头，体重100kg左右，对每头 猪在屠宰时进行采血，约25mL，采集于50mL离心管中，先于37°C培养箱中静置2h，然后取 出放在4°C冰箱中静置过夜，使标本自发完全凝集，然后吸取上清液，对个别浑浊的管，离心 (4°C，3000r/min离心lOmin)分离血清。将制得的血清存放于4°C冰箱保存，用于生理生化 指标测定。
[0033] 2、血液生化指标的测定
[0034] 所有血液生化指标均用日立7020全自动生化分析仪测定（试剂购自杭州徳格医 疗设备有限公司）。其中检测的生化指标主要包括：血糖（GLU)、尿素氮（BUN)、肌酐（CREA)、 甘油三酯（TG)、钠离子（Na+)、钾离子（K+)和载脂蛋白A-I(apoA-I)。3、采用Matlab7. 0. 1 统计软件进行BP神经网络建模
[0035] 如图2所示，该图为BP神经网络结构图，神经网络有一个输入层、一个隐含层和 一个输出层组成。其中，输入层有7个神经元，分别对应血糖（GLU)、尿素氮（BUN)、肌酐 (CREA)、甘油三酯（TG)、钠离子（Na+)、钾离子（K+)和载脂蛋白A-I(apoA-I)7个指标；隐 含层的节点数目通过运用试凑法进行多次试验后确定为15;输出变量为2,即：PSE肉与正 常肉分别用类别1和类别2表示；输入层到隐含层的传递函数确定为logsig，隐含层到输 出层的传递函数也确定为logsig。
[0036] 4、利用matlab编程对BP神经网络进行训练和测试
[0037] 如图3所示，为BP神经网络算法图，依据该图流程，随机抽取280个血样对BP神 经网络模型进行训练，运用误差反传原理不断调整网络权值，从而使得模型输出值与训练 样本输出值之间的误差平方和达到最小或者小于某一期望值；当神经网络模型确定后，将 七个应激指标输入网络中进行网络训练，给定目标误差为0.01，在进行训练时，当神经网络 在各组测试数据的预测误差均低于规定水平时即通过测试，用于预测工作；
[0038] 5、利用通过测试的BP神经网络模型对待检测样本进行判定
[0039] 利用通过测试的BP神经网络模型对待检测样本进行预测，先将输入数据归一化， 归一化后的数据范围在[_1，1]。按照样品的类别标识来设定每组样品的期望输出值，标识 类别为1时，则期望输出向量设定为[1 0];标识类别为2时，则期望输出的向量设定为[0 1]，以此类推，通过网络运算后的输出值就可以判定是否为PSE猪肉。
[0040] 6、检测结果
[0041] 当输出向量为[1 0]，则猪肉为类别1，即为PSE肉；当输出向量为[0 1]，则猪肉 为类别2,即为正常肉。BP神经网络的结构为7-15-2。表1表示的为BP神经网络模型对剩 余20组数据的检测结果。
[0042] 表1 BP神经网络模型预测结果
[0043]Tab. 1predictiveresultsofBPneuralnetwork
[0044]
【主权项】
1. 基于血液生化特性变化的屠宰场PSE猪肉快速检测方法，其特征在于包括以下步 骤： 步骤（1)、样品前处理： 对屠宰场待屠宰猪进行采血，将血样标本自发完全凝集，然后从自发完全凝集后的血 样标本中取上清液，该上清液即血清；将上述血清存放于4°C冰箱保存，用于生理生化指标 测定； 步骤（2)、血液生化指标的测定： 对步骤（1)前处理后得到的血清进行以下生化指标检测，主要包括：血糖GLU、尿素氮 BUN、肌酐CREA、甘油三酯TG、钠离子Na+、钾离子K+、载脂蛋白A- I ; 步骤（3)、建立BP神经网络模型： 神经网络由一个输入层、一个隐含层和一个输出层组成；其中输入层包括7个神经元， 分别对应步骤（2)所测的7个指标；输出层包括2个神经元，即类别1和类别2分别表示 PSE肉与正常肉； 所述的输入层到隐含层的传递函数与隐含层到输出层的传递函数均采用Iogsig ; 步骤（4)、对BP神经网络进行训练和测试步骤： 通过误差反传原理调整网络权值，使得期望值与训练样本输出值之间的误差平方和达 到最小或者小于误差阈值，从而确定神经网络模型；然后将步骤（2)测得的7个生化指标输 入到上述神经网络中进行训练，若神经网络在各组测试数据的预测误差均低于误差阈值时 即通过测试，可用于检测工作； 步骤（5)、利用上述通过测试的BP神经网络模型对待检测样品进行检测： 检测时，先将步骤（2)所测得的7个生化指标归一化，归一化后的数据范围在[_1，1]; 然后将归一化后的数据输入到步骤（4)通过测试的神经网络中，经过网络运算后输出向 量；若输出向量为[10]，为类别1，即确定为PSE肉；若输出向量为[01]，为类别2,即确定为 正常肉。
2. 如权利要求1所述的基于血液生化特性变化的屠宰场PSE猪肉快速检测方法，其特 征在于步骤（3)神经网络中所述的隐含层最佳节点数目满足以下公式： ① I < n-1 ; ② I < (m+n) 1/2+a ; ③ I = log2n ; 式中，m和n分别为输出层和输入层的节点数，1为隐含层的节点数，a为0~10之间 的可以调整的常数；运用上述公式①~③确定隐含层节点数的初值，然后采用试凑法确定 隐含层节点数的精确值。
【专利摘要】本发明公开基于血液生化特性变化的屠宰场PSE猪肉快速检测方法。本发明以屠宰放血点的血液为样本，通过分析血液生理生化特性的变化，建立血液生理生化指标与PSE猪肉的关联；然后通过构建BP神经网络模型，将所测的7个生化指标分别对应输入层的7个神经元，利用BP神经网络良好的非线性逼近能力，精准检测PSE猪肉，使得PSE肉出厂前被检出，从而避免屠宰场的经济损失。本发明直接利用血液生理生化指标的测定来检测PSE猪肉，为生鲜猪肉的检测提供了一种新思路。
【IPC分类】G01N33-49
【公开号】CN104849441
【申请号】CN201510282581
【发明人】韩剑众, 曲道峰, 李森, 周旭, 徐新萍
【申请人】浙江工商大学
【公开日】2015年8月19日
【申请日】2015年5月28日