通过图像处理和分析确定碎肉中不同类型作弊行为的种类和程度

《Food Analytical Methods》：Determination of the Kind and Level of Different Cheating in Minced Meat by Image Processing and Analysis

　　本研究的中文摘要：提出结合图像处理与色度分析的肉糜掺假检测方法，通过添加大豆、鸡皮等5种掺假物，建立RGB值与掺假浓度的线性回归模型，发现该方法灵敏度高（平均斜率1.372-0.616），尤其对大豆和鸭肝检测准确（RSD≤10.56%），且在低掺假（0-20%）时仍能显著检测到RGB值偏差，同时烹饪温度升高会降低RGB值。该方法为肉制品掺假筛查提供快速低成本的解决方案。

　　

摘要

本研究提出了一种综合方法，利用图像处理和比色分析技术在生肉和熟肉条件下检测和量化肉制品中的掺假情况。常见的掺假物质包括大豆、鸡皮、羊肺、鸡胗和面包面团，这些物质以不同浓度（0%至80%）被添加到肉末中，并通过基于红、绿、蓝（RGB）的图像分析技术跟踪其随时间的变化。绘制了校准曲线，并为每种掺假物质建立了线性回归模型。该方法表现出高灵敏度，校准曲线的平均斜率分别为：羊肺（1.372）、鸡皮（1.219）、大豆（1.067）、鸡胗（0.704）和面包面团（0.616）。相应的相对标准偏差（RSD）值分别为21.97%、13.22%、7.97%、10.56%和10.70%，表明该方法具有较高的准确性，尤其是对于大豆和鸡胗样品。重要的是，即使在低掺假水平下，也能检测到RGB值的显著差异，从而证实了该方法在早期检测掺假方面的可靠性。此外，研究发现烹饪过程中温度的升高会导致RGB值降低，这突显了温度对颜色特性的影响。研究结果证实，所提出的结合图像分析的混合方法为肉制品的常规掺假筛查提供了一种快速、低成本且高度敏感的解决方案。