[发明专利]基于血液生化特性变化的屠宰场PSE猪肉快速检测方法

说明书

技术领域

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 Soft Exudative Meat)在线快速检测方法。

背景技术

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。

该屠宰场PSE在线快速检测技术研究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

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。

为解决上述技术问题，本发明采用以下技术方案来实现：

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℃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-Ι(apoA-Ι)。

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-Ι(apoA-Ι)7个指标；

所述的输出层包括2个神经元，即：类别1和类别2分别表示PSE肉与正常肉；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。

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。

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：

①l＜n-1；

②l＜(m+n)^1/2+a；

③l＝log2n；

式中，m和n分别为输出层和输入层的节点数，l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)。

步骤(4)、对BP神经网络进行训练和测试步骤

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。

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

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。