北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 13910499761 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

ASD | 草饲牛肉真不真?“光谱识肉术”来辨别!——草饲?谷饲?光谱一看便知!

日期: 2025-06-16
浏览次数: 185

ASD | 草饲牛肉真不真?“光谱识肉术”来辨别!——草饲?谷饲?光谱一看便知!

ASD | 草饲牛肉真不真?“光谱识肉术”来辨别!——草饲?谷饲?光谱一看便知!

你买的牛肉,真的是“草饲”的吗?

在如今“绿色”“有机”越来越受欢迎的消费趋势下,草饲牛肉因其脂肪含量更低、Omega-3更高、抗氧化能力强,还能兼顾生态环境保护,成了不少人的首选。

但问题来了:“草饲”标签靠谱吗?真的能靠外观判断?本研究带来一项新突破:利用可见光-近红外光谱技术(Vis–NIRS),就能快速、无损地识别出牛的实际饲养方式!


研究背景:样品来自加拿大牛肉主产区

在加拿大阿尔伯塔省和萨斯喀彻温省,养牛是重要产业。到2024年初,这两个省共饲养超过100万头牛,其中大多数采用谷物饲养,谷物类型主要为西部大麦和东部玉米,旨在提升增重速度、肉质大理石花纹和脂肪颜色。

研究团队选用了45头安格斯×西门塔尔杂交牛,按饲喂方式分成三组:

草饲组:8个月放牧+30天苜蓿+79天黑麦草

大麦饲组:先30–40天过渡饲粮,再进入148–197天高精料大麦日粮

玉米饲组:类似大麦组,但主粮为玉米

牛在平均16.7月龄、体重约638 kg时屠宰,胴体冷藏3天后取样分析。

ASD | 草饲牛肉真不真?“光谱识肉术”来辨别!——草饲?谷饲?光谱一看便知!

光谱技术怎么“看出牛吃过什么”?

本研究使用的是ASD LabSpec®4 地物光谱仪,搭载20mm接触式光纤探头,扫描范围为350–2500nm,每个样本光谱由50次扫描平均而得,采样时间仅约5秒!

采集部位包括:

完整肉块(Longissimus thoracis)

皮下脂肪

绞碎后的肉样

数据处理方式:

使用偏最小二乘判别分析(PLS-DA)模型

对光谱进行多种预处理(如二阶导数、标准正态变换SM、均值中心化MC等)

每个模型提取关键波段并生成VIP图(变量重要性投影)

ASD | 草饲牛肉真不真?“光谱识肉术”来辨别!——草饲?谷饲?光谱一看便知!

图 1. 草饲(n =15)、玉米饲喂(n =15)或大麦饲喂(n =15)的牛的(a)脂肪、(b)完整肉和(c)碎肉样品的原始 Vis-NIR 平均吸光度光谱。


表 1. 根据所分析的组织,大麦、玉米和草饲脂肪和肉类样品的 PLS-DA 结果。

ASD | 草饲牛肉真不真?“光谱识肉术”来辨别!——草饲?谷饲?光谱一看便知!
ASD | 草饲牛肉真不真?“光谱识肉术”来辨别!——草饲?谷饲?光谱一看便知!

图 3. 基于可见光和/或近红外光谱的脂肪、完整肉和碎肉的偏最小二乘判别分析模型,用于区分草饲、大麦饲喂和玉米饲喂的牛,得出的投影变量重要性 (VIP):(a) 可见光,2ndder + SM + MC,脂肪 5 LV;(b) 近红外,1stder + MSC + MC,脂肪 5 LV;(c) 可见光-近红外,2ndder + SM + MC,完整肉 6 LV;(d) 近红外,SM,碎肉 5 LV。红线表示 VIP 波段的阈值 (VIP≥1)。


ASD | 草饲牛肉真不真?“光谱识肉术”来辨别!——草饲?谷饲?光谱一看便知!

图 4. (a)大麦饲、(b)玉米饲和(c)草饲牛的完整肉块。


研究结果如何?

✅ 不同饲养方式下的牛,其肉类与脂肪的光谱图表现出显著差异

✅ 绞碎肉样本的识别效果最佳,说明在实际生产中的应用潜力更强

✅ 可见光和近红外光组合使用能进一步提升判别准确率

通过这些光谱数据,模型可以精准判断牛在生前是以草饲还是谷饲为主,等于为牛肉建立了一套“饲养溯源系统”!

参考文献:https://doi.org/10.1016/j.foodres.2024.115327



News / 相关新闻 More
2026 - 09 - 16
研究背景植物胁迫会引起叶片细胞结构和色素组成的改变,但现有检测方法难以兼顾无损分析、组织分层与光谱表征。传统视觉和RGB成像灵敏度有限,生化与分子检测具有破坏性,常规高光谱成像缺乏深层结构信息,而高分辨率显微技术又难以同步获取连续光谱。因此,亟需构建兼具高空间分辨率、高光谱分辨率和光学层析能力的成像平台,实现完整叶片结构与色素变化的同步、分层和无损检测。近日,新加坡南洋理工大学与曼尼帕尔高等教育学院曼尼帕尔理工学院的研究人员开发了一套结构光照明高光谱显微镜。该系统将结构光照明显微成像的光学层析能力与高光谱成像的精细光谱识别能力结合,可对完整叶片开展分层、无损的结构与色素表征。相关成果发表于《Information Processing in Agriculture》。图1.结构光照明高光谱显微镜实验方案。研究方法研究团队构建了结构光照明高光谱显微镜(SIHM),以超连续谱激光器为光源,通过...
2026 - 09 - 16
在“双碳”目标与海洋负排放(mCDR)备受关注的今天,近海贝类的碳汇功能是学术界讨论的焦点。然而,现有研究多聚焦于滤食性双壳贝类(如牡蛎)在有外源营养输入下的碳汇贡献,而对于无持续外源营养输入的自然或养殖场景,以及不同食性底栖动物(如沉积食性的泥螺)的角色,仍存在关键认知空白。近日,中国海洋大学董双林老师团队在《Journal of Environmental Management》发表研究论文,通过为期120天的中宇宙(Mesocosm)围格实验,揭示了太平洋牡蛎(Crassostrea gigas)与泥螺(Bullacta exarata)在调节海洋碳固存方向上的显著差异。评价贝类碳汇,为什么不能只看“壳碳”?关于贝类能否形成碳汇,目前主要存在个体与生态系统两种评价视角。个体层面,贝类呼吸和钙化可能释放CO₂,仅以壳碳衡量固碳贡献并不充分;生态系统层面,滤食、营养盐排泄、生物沉积和收获...
2026 - 09 - 07
研究背景黍子是我国最早驯化的谷物之一,栽培历史超过1万年,至今仍是长城沿线地区的重要粮食作物。氮素直接影响黍子的生长、产量和籽粒品质,但过量施氮会降低肥料利用效率,并增加资源浪费和环境负荷。传统黍子叶片氮含量主要采用凯氏定氮法测定,虽然结果准确,但需要破坏性采样,且难以满足大田快速监测需求。无人机遥感与深度学习为作物氮素无损监测提供了新途径,但相关研究多集中于主粮作物,针对黍子的高精度估测方法仍较缺乏。近日,山西农业大学农业遗传资源研究中心王君杰老师团队在《Agronomy》发表研究,融合ASD冠层光谱、无人机RGB影像、植被指数和纹理特征,并结合机器学习与深度学习估算黍子叶片氮含量,为黍子氮素无损诊断和小杂粮表型监测提供了新的技术方法。 图1.实验区域、无人机影像和实验数据采集。(a) 中国山西省位置。(b) 山西省忻州市繁峙县位置。(c) 实验场地布局。(d) 使用ASD FieldS...
2026 - 08 - 31
研究背景干旱区森林的植物水文过程是区域水循环的重要组成部分,不仅影响群落结构、生态功能和生产力,也关系到区域物质与能量平衡。作为干旱生态系统最主要的水分输入,降水具有显著的季节差异和有限的时间可利用性。天山北麓针叶林是典型的寒温带森林,春夏降雨较为充沛,冬季寒冷漫长,降雪量较大且积雪持续时间较长,形成了独特的季节性水分供给格局。然而,在这一降水时空格局下,植物在生长季对夏季降雨与冬季来源水分的相对利用程度仍不清楚。基于此,新疆大学常顺利老师团队联合新疆生产建设兵团等团队,以天山北坡的异果小檗和黑果栒子为研究对象,借助稳定同位素技术,解析不同季节降水对土壤补给及灌木用水的贡献,为认识干旱区山地森林的水分利用策略及其对气候变化的响应提供了数据支撑。相关成果发表于《Journal of Hydrology: Regional Studies》。 图1.研究区及采样样地的位置。a为中国及天山山脉的...
关闭窗口】【打印
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:13910499761 13910124070  010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

 



 


 


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开