扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
农产品品质无损检测的人工智能技术 版权信息
- ISBN：9787030701114
- 条形码：9787030701114 ; 978-7-03-070111-4
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
农产品品质无损检测的人工智能技术 内容简介
本书系统地分析了农产品无损检测现状和技术瓶颈，以及人工智能在农产品无损检测中的重要作用，详细地介绍了几种代表性的农产品无损检测技术，包括机器视觉无损检测、可见-近红外光谱及荧光光谱检测、拉曼光谱检测以及其他典型无损检测技术，系统地著述了现阶段人工智能在农产品无损检测领域的应用，以及进一步融合于农产品无损检测评价中的可行性，特别是提出了具备多种感知能力的农产品智能检测机器人这一新概念，并围绕人工智能与农产品无损检测在未来农业发展模式下的深度结合提出了展望和期待。
农产品品质无损检测的人工智能技术 目录
目录
第1章农产品品质无损检测技术1
1.1农产品品质无损检测的现状1
1.1.1农产品品质安全问题2
1.1.2农产品品质安全检测指标5
1.2农产品品质无损检测技术的概述9
1.2.1基于光谱特性的无损检测技术9
1.2.2基于图像分析的无损检测技术10
1.2.3基于声学特性的无损检测技术10
1.2.4基于气味原理的无损检测技术10
1.2.5基于生物活性的无损检测技术11
1.3农产品品质无损检测的主要瓶颈12
1.3.1基于光谱特性无损检测技术存在的问题12
1.3.2基于图像分析无损检测技术存在的问题16
1.3.3其他无损检测技术存在的问题22
1.3.4农产品品质无损检测的瓶颈和发展趋势24
参考文献25
第2章人工智能技术30
2.1人工智能概述30
2.1.1人工智能发展史30
2.1.2人工智能的开发环境34
2.1.3Python常用库35
2.2人工智能在农产品品质无损检测中的作用36
2.2.1人工智能与无损检测36
2.2.2机器学习44
2.2.3知识获取51
2.3机器学习算法及应用54
2.3.1回归算法54
2.3.2K-NN分类算法58
2.3.3Adaboost算法60
2.3.4决策树算法61
2.3.5朴素贝叶斯算法63
2.3.6随机森林算法65
2.3.7K均值聚类算法67
2.3.8支持向量机算法69
2.3.9深度学习算法73
2.3.10卷积神经网络算法76
参考文献79
第3章农产品品质机器视觉检测的人工智能技术83
3.1农产品外部品质检测83
3.1.1农产品外部品质检测现状83
3.1.2果蔬外部品质检测的技术难点与人工智能86
3.2品质评价及分级98
3.2.1农产品的品质评价99
3.2.2农产品的分级标准与分级装备101
3.3立体图像深度检测104
3.3.1基于RGB-D技术的图像深度检测105
3.3.2基于双目视觉的图像深度检测107
3.3.3基于运动视觉的图像深度检测111
3.3.4基于深度学习的图像深度检测113
3.4运动目标跟踪116
3.4.1基于光流算法的运动目标追踪117
3.4.2基于帧差法的运动目标追踪121
3.4.3基于背景建模的运动目标追踪124
3.4.4基于深度学习的运动目标追踪126
参考文献127
第4章农产品品质可见/近红外光谱及荧光光谱检测的人工智能技术133
4.1光谱学习及模型更新133
4.1.1可见/近红外光谱技术133
4.1.2高光谱技术145
4.1.3荧光光谱技术153
4.2云服务及大数据的应用161
4.2.1大数据及其特点161
4.2.2大数据应用162
4.2.3近红外光谱大数据分析与应用163
4.2.4化学计量学中的大数据难点问题167
4.2.5近红外光谱云分析系统的基本构成169
4.2.6云计算的应用176
4.2.7近红外光谱大数据与云计算的发展及其应用前景179
参考文献180
第5章农产品品质拉曼光谱检测的人工智能技术186
5.1拉曼光谱特征学习186
5.1.1拉曼光谱技术特征186
5.1.2拉曼光谱特征识别190
5.2拉曼光谱建模方法与SERS免疫分析技术198
5.2.1使用人工神经网络进行建模198
5.2.2SERS与免疫层析技术202
5.3拉曼光谱与大数据205
5.3.1农产品拉曼光谱数据的获取205
5.3.2农产品拉曼光谱数据的储存与管理208
5.3.3农产品拉曼光谱数据的分析与应用211
参考文献218
第6章农产品品质其他检测方法的人工智能技术222
6.1介电特性检测方法222
6.1.1介电参数电学性质222
6.1.2介电特性测量方法223
6.1.3影响农产品介电特性的因素225
6.1.4介电特性检测技术在农产品品质检测中的应用227
6.1.5介电特性与人工智能的结合236
6.1.6介电特性在农产品品质检测中的应用236
6.2生物传感器检测技术237
6.2.1定义237
6.2.2生物传感器的组成238
6.2.3生物传感器的分类239
6.2.4生物传感器的特点240
6.2.5智能传感器技术240
6.2.6生物传感器的应用241
6.2.7生物传感器在农产品品质检测中的应用前景243
6.3声音感知技术244
6.3.1声学特性检测原理及基本结构245
6.3.2声学技术检测模式246
6.3.3声学技术与人工智能248
6.3.4声学技术在农产品品质检测中的应用248
6.4X射线透射检测技术255
6.4.1X射线的发现255
6.4.2X射线的波长256
6.4.3X射线的产生256
6.4.4X射线的性质257
6.4.5X射线与物质的相互作用259
6.4.6利用X射线进行检测的原理、方法及设备装置260
6.4.7X射线技术在农产品品质检测中的应用262
6.4.8X射线技术在农产品应用中的展望267
参考文献268
第7章农产品品质智能检测机器人273
7.1触觉感知273
7.1.1压电式触觉传感器274
7.1.2压阻式触觉传感器276
7.1.3光电式触觉传感器277
7.1.4电容式触觉传感器278
7.1.5电感式触觉传感器279
7.2听觉感知279
7.2.1声音与听觉279
7.2.2机器人如何“听到”声音281
7.2.3人工智能如何帮助机器人理解信息284
7.3嗅觉感知287
7.3.1嗅觉感知概述287
7.3.2电子鼻的发展历程288
7.3.3电子鼻工作原理及其组成289
7.3.4电子鼻的应用290
7.4视觉感知294
7.4.1人脸识别技术295
7.4.2视觉感知技术在智能养殖领域的应用296
7.4.3视觉感知技术与农业机器人298
7.5味觉感知302
7.5.1味觉传感器303
7.5.2味觉传感器类型303
7.5.3味觉感知在农产品检测中的应用304
7.6智能控制306
7.6.1智能控制的概述307
7.6.2智能控制方法309
7.6.3智能控制在农产品检测中的应用312
7.7专家系统313
7.7.1专家系统的概述313
7.7.2专家系统和传统程序的区别314
7.7.3专家系统的类型314
7.7.4专家系统的结构315
7.7.5专家系统在农产品检测中的应用317
参考文献319
第8章农产品品质无损检测中人工智能的展望325
8.1智慧农业下的农产品品质无损检测325
8.1.1智慧农业概述325
8.1.2智能选种327
8.1.3农产品生长环境智能监控328
8.1.4智能机器人331
8.1.5智慧农业的实施模式334
8.1.6智慧农业与无损检测技术展望335
8.2大数据支持下的农产品品质无损检测336
8.2.1农业大数据337
8.2.2数据挖掘341
8.2.3农产品质量安全中的大数据342
8.2.4无损检测中的大数据343
8.3农业物联网与农产品品质无损检测346
8.3.1农业物联网的构成347
8.3.2农业物联网无损检测应用349
8.3.3农业物联网技术待解决的问题352
8.3.4农业物联网技术发展趋势354
8.4无人农场与农产品品质无损检测355
8.4.1无人农场355
8.4.2农产品无损检测对无人农场的作用358
8.4.3无人农场未来展望360
参考文献363
第1章农产品品质无损检测技术1
1.1农产品品质无损检测的现状1
1.1.1农产品品质安全问题2
1.1.2农产品品质安全检测指标5
1.2农产品品质无损检测技术的概述9
1.2.1基于光谱特性的无损检测技术9
1.2.2基于图像分析的无损检测技术10
1.2.3基于声学特性的无损检测技术10
1.2.4基于气味原理的无损检测技术10
1.2.5基于生物活性的无损检测技术11
1.3农产品品质无损检测的主要瓶颈12
1.3.1基于光谱特性无损检测技术存在的问题12
1.3.2基于图像分析无损检测技术存在的问题16
1.3.3其他无损检测技术存在的问题22
1.3.4农产品品质无损检测的瓶颈和发展趋势24
参考文献25
第2章人工智能技术30
2.1人工智能概述30
2.1.1人工智能发展史30
2.1.2人工智能的开发环境34
2.1.3Python常用库35
2.2人工智能在农产品品质无损检测中的作用36
2.2.1人工智能与无损检测36
2.2.2机器学习44
2.2.3知识获取51
2.3机器学习算法及应用54
2.3.1回归算法54
2.3.2K-NN分类算法58
2.3.3Adaboost算法60
2.3.4决策树算法61
2.3.5朴素贝叶斯算法63
2.3.6随机森林算法65
2.3.7K均值聚类算法67
2.3.8支持向量机算法69
2.3.9深度学习算法73
2.3.10卷积神经网络算法76
参考文献79
第3章农产品品质机器视觉检测的人工智能技术83
3.1农产品外部品质检测83
3.1.1农产品外部品质检测现状83
3.1.2果蔬外部品质检测的技术难点与人工智能86
3.2品质评价及分级98
3.2.1农产品的品质评价99
3.2.2农产品的分级标准与分级装备101
3.3立体图像深度检测104
3.3.1基于RGB-D技术的图像深度检测105
3.3.2基于双目视觉的图像深度检测107
3.3.3基于运动视觉的图像深度检测111
3.3.4基于深度学习的图像深度检测113
3.4运动目标跟踪116
3.4.1基于光流算法的运动目标追踪117
3.4.2基于帧差法的运动目标追踪121
3.4.3基于背景建模的运动目标追踪124
3.4.4基于深度学习的运动目标追踪126
参考文献127
第4章农产品品质可见/近红外光谱及荧光光谱检测的人工智能技术133
4.1光谱学习及模型更新133
4.1.1可见/近红外光谱技术133
4.1.2高光谱技术145
4.1.3荧光光谱技术153
4.2云服务及大数据的应用161
4.2.1大数据及其特点161
4.2.2大数据应用162
4.2.3近红外光谱大数据分析与应用163
4.2.4化学计量学中的大数据难点问题167
4.2.5近红外光谱云分析系统的基本构成169
4.2.6云计算的应用176
4.2.7近红外光谱大数据与云计算的发展及其应用前景179
参考文献180
第5章农产品品质拉曼光谱检测的人工智能技术186
5.1拉曼光谱特征学习186
5.1.1拉曼光谱技术特征186
5.1.2拉曼光谱特征识别190
5.2拉曼光谱建模方法与SERS免疫分析技术198
5.2.1使用人工神经网络进行建模198
5.2.2SERS与免疫层析技术202
5.3拉曼光谱与大数据205
5.3.1农产品拉曼光谱数据的获取205
5.3.2农产品拉曼光谱数据的储存与管理208
5.3.3农产品拉曼光谱数据的分析与应用211
参考文献218
第6章农产品品质其他检测方法的人工智能技术222
6.1介电特性检测方法222
6.1.1介电参数电学性质222
6.1.2介电特性测量方法223
6.1.3影响农产品介电特性的因素225
6.1.4介电特性检测技术在农产品品质检测中的应用227
6.1.5介电特性与人工智能的结合236
6.1.6介电特性在农产品品质检测中的应用236
6.2生物传感器检测技术237
6.2.1定义237
6.2.2生物传感器的组成238
6.2.3生物传感器的分类239
6.2.4生物传感器的特点240
6.2.5智能传感器技术240
6.2.6生物传感器的应用241
6.2.7生物传感器在农产品品质检测中的应用前景243
6.3声音感知技术244
6.3.1声学特性检测原理及基本结构245
6.3.2声学技术检测模式246
6.3.3声学技术与人工智能248
6.3.4声学技术在农产品品质检测中的应用248
6.4X射线透射检测技术255
6.4.1X射线的发现255
6.4.2X射线的波长256
6.4.3X射线的产生256
6.4.4X射线的性质257
6.4.5X射线与物质的相互作用259
6.4.6利用X射线进行检测的原理、方法及设备装置260
6.4.7X射线技术在农产品品质检测中的应用262
6.4.8X射线技术在农产品应用中的展望267
参考文献268
第7章农产品品质智能检测机器人273
7.1触觉感知273
7.1.1压电式触觉传感器274
7.1.2压阻式触觉传感器276
7.1.3光电式触觉传感器277
7.1.4电容式触觉传感器278
7.1.5电感式触觉传感器279
7.2听觉感知279
7.2.1声音与听觉279
7.2.2机器人如何“听到”声音281
7.2.3人工智能如何帮助机器人理解信息284
7.3嗅觉感知287
7.3.1嗅觉感知概述287
7.3.2电子鼻的发展历程288
7.3.3电子鼻工作原理及其组成289
7.3.4电子鼻的应用290
7.4视觉感知294
7.4.1人脸识别技术295
7.4.2视觉感知技术在智能养殖领域的应用296
7.4.3视觉感知技术与农业机器人298
7.5味觉感知302
7.5.1味觉传感器303
7.5.2味觉传感器类型303
7.5.3味觉感知在农产品检测中的应用304
7.6智能控制306
7.6.1智能控制的概述307
7.6.2智能控制方法309
7.6.3智能控制在农产品检测中的应用312
7.7专家系统313
7.7.1专家系统的概述313
7.7.2专家系统和传统程序的区别314
7.7.3专家系统的类型314
7.7.4专家系统的结构315
7.7.5专家系统在农产品检测中的应用317
参考文献319
第8章农产品品质无损检测中人工智能的展望325
8.1智慧农业下的农产品品质无损检测325
8.1.1智慧农业概述325
8.1.2智能选种327
8.1.3农产品生长环境智能监控328
8.1.4智能机器人331
8.1.5智慧农业的实施模式334
8.1.6智慧农业与无损检测技术展望335
8.2大数据支持下的农产品品质无损检测336
8.2.1农业大数据337
8.2.2数据挖掘341
8.2.3农产品质量安全中的大数据342
8.2.4无损检测中的大数据343
8.3农业物联网与农产品品质无损检测346
8.3.1农业物联网的构成347
8.3.2农业物联网无损检测应用349
8.3.3农业物联网技术待解决的问题352
8.3.4农业物联网技术发展趋势354
8.4无人农场与农产品品质无损检测355
8.4.1无人农场355
8.4.2农产品无损检测对无人农场的作用358
8.4.3无人农场未来展望360
参考文献363
展开全部
农产品品质无损检测的人工智能技术 节选
第1章农产品品质无损检测技术 农产品是指来源于农业生产的初级产品，即通过农业生产活动获得的植物、动物、微生物及产品，包括水果、蔬菜、茶叶、粮油等种植业产品，畜禽肉、禽蛋等畜牧业产品及渔业产品。据统计， 2019年我国食用农产品年产量. 10.6. t。然而，农产品在生产、加工、储运等产销链主要环节中存在腐败变质、农残超标、添加物过量等现象，从而导致食品安全事件的发生。如何保障农产品的品质和安全仍是一个难题。农产品品质与安全传统的检测方法需采用精密检测仪器，如高效液相色谱、气相色谱和酶联免疫吸附试验等，而这些检测方法需要较复杂的样品前处理过程及较长的检测时间。另外，传统检测方法需要专业的人员进行操作，并且需要对样品进行破坏处理，因此，传统检测方法不能用于农产品在生产、运输、销售等环节的品质安全实时监控，只能进行抽样检测，而且造成了一定程度的浪费。近年来，科学技术促进了光学、电磁等无损检测技术的发展，无损检测装置操作简单、响应快、检测结果无损且可靠。例如，机器视觉、电子鼻、超声波、近红外光谱、高光谱、拉曼光谱、太赫兹等，现阶段无损检测技术在农产品品质与安全检测领域的应用已成为研究热点。 农产品无损检测技术是在农产品产业链中无损伤、实时地对农产品的品质、安全、营养参数进行检测、评价、分级、筛选的数字和智能装备技术；是农产品质量安全物联网监控体系的关键技术；是农产品传统人工抽检测试方法的补充和发展。 无损检测采集的信息非常复杂，通常无法直接用于分析。多数情况下，获取的信息除了分析物本身的信息外还包含噪声成分，建模时通常不希望无效信息对模型产生干扰。化学计量学方法是无损检测研究领域常用的分析方法，用于提升模型的预测能力。常用于提高模型预测能力的方法包括预处理技术、特征提取算法、机器学习方法、深度学习方法及模型传递等。现阶段人工智能技术和大数据的发展进一步推动了无损检测技术的进步及应用。 1.1 农产品品质无损检测的现状 农产品品质安全是食品安全的基础，其品质属性包括物理属性、化学属性、生物属性等。物理属性主要有大小、形状、重量、色泽和硬度；化学属性主要有营养成分、新鲜度、成熟度等；生物属性主要有致病菌引起腐败变质、重金属、农药残留等。 1.1.1 农产品品质安全问题 农产品品质是指产品的优质程度，不仅包括风味、质地、外观和营养成分，还包括加工品质和安全品质等。外部品质主要包括大小、色泽、重量、损伤、病虫害、动物粪便等。内部品质也称为营养品质，是指产品中含有的各种营养物质的总和。不同种类的产品含有不同种类和数量的营养要素，主要包括碳水化合物、脂类、蛋白质、矿物质、水分含量等。其中，脂类物质主要是指中性脂肪酸和胆固醇，具有较高的营养价值。蛋白质含有人体所必需的氨基酸，很容易被人体吸收。安全品质是指直接关系到人体健康的品质指标的总和，主要包括农药残留、重金属含量超标、硝酸盐超标、亚硝酸盐超标及致病微生物超标等。 水果、蔬菜、茶叶、粮食、畜禽肉、水产品在中国现代农业经济中占有重要地位，是农业经济的重要组成部分，其发展可促进农业结构的调整、优化居民的饮食结构、增加农民的收入，提供丰富营养健康的食物是满足人民对美好生活向往的物质基础（何琳纯， 2020）。我国的水果、蔬菜、茶叶、粮食、肉品长期占据据 2010～2019年国家统计局统计年鉴资料数据，水果、蔬菜、粮食、肉类的年产量数据如. 1-1所示。从图中可以看出，我国的水果、蔬菜、粮食产量每年均保持稳步增长态势。消费者对水果、蔬菜、粮食、肉类等农产品的质量和安全性要求越来越高，已由低水平的价格竞争上升到质量、品牌和价格的综合竞争，质量已经成为消费者昀为关注的方面，尤其是内在品质越来越受到消费者重视。优质、高产、高效、生态、安全是当今世界农产品生产和消费的总趋势，受到各国广泛关注（于建春， 2020）。“健康中国 2030 ”和“中国制造 2025”等国家重大战略的部署和实施，引导了食品向安全、营养、健康方向发展，为水果、蔬菜的产后商品化处理指明了方向。 近年来，食品安全问题给消费者健康带来影响，很大程度上是初级农产品源头污染及流通过程中监管控制力度不到位造成的。对于消费者和生产者而言，农产品安全是至关重要的全球性问题，决定了农产品是否可以在市场上销售。因此，学术界和产业界的许多研究人员一直把精力集中在这一重要的公共卫生问题上，旨在减少或避免食源性疾病暴发（Hu et al.，2019）。农产品的常见污染源包括病原体、重金属、真菌毒素、农药、除草剂、兽药和非法添加剂，食源性病原体包括病原细菌、真菌、病毒和寄生虫。 粮食是人类饮食中昀重要的营养和能量来源，是人类生活必需矿物质、维生素、粗脂肪、纤维、必需脂肪酸和蛋白质的良好来源。广泛种植和消费的粮食包括小麦、水稻、玉米和大麦、大豆等，然而粮食在储存期间容易受到真菌感染而产生真菌毒素，对人体构成重大威胁（Hussain et al.，2019）。联合国粮食及农业组织（FAO）估计，世界上. 25%的谷物被真菌毒素污染。此外，其他食物和各种副产品也受到真菌毒素污染。目前，真菌毒素对农业产业构成严重威胁，极大地影响全球经济和贸易。例如， 1998年匈牙利暴发的小麦流行病造成. 1亿欧元的损失。真菌毒素是曲霉、镰刀菌、链霉菌和青霉在生长和繁殖过程中产生的天然次生代谢产物，对人、动物和植物有毒。由于这些产物中的某些真菌会产生真（ DON）、T-2毒素、赤霉烯酮、曲霉毒素和黄曲霉毒素，以及其他一些被认为是次生的真菌或真菌毒素，且它们分子结构变化很大（Kebede et al.，2020）。自然界中存在的真菌毒素数量在 300～20 000CFU/g，通常具毒性、致畸性、致癌性、致突变性和遗传毒性。真菌毒素易于出现在食品生产的各个环节，当食用被真菌毒素污染超过一定量的食品时，对人类和动物自身的器官和系统会产生严重的急性和慢性负面影响。这些真菌可以在作物的生长、收获和储存过程中生长和代谢，破坏其营养并造成污染，严重损害人体健康。例如，2010年，塞尔维亚对国. 128个小麦样品进行分析，观察到其中 100个样品受到 DON污染，污染率高. 78.1%。虫害是造成收获后粮食损失的主要原因，据报道全球谷物有 10%～40%的损失是由虫害造成的（Johnson，2020）。此外，害虫不仅直接食用粮食，其排泄物及死虫也会影响剩余谷物的质量。因此，对粮食在生产链各个环节的检测极为重要（Kumar et al.，2017）。 粮食品质安全的传统检测方法有高效液相色谱、气相色谱、酶联免疫吸附测定、聚合酶链反应、气相色谱质谱和液相色谱质谱。高效液相色谱、气相色谱广泛用于粮食的定性和定量检测，酶联免疫吸附测定技术用于筛选农产品中的有毒污染物（Hussain et al.，2019），但这些检测方法具有破坏性、耗时且费力。在当前新兴的无损技术中，光谱和成像技术显示出巨大的在线应用潜力。基于近红外、荧光成像、拉曼光谱成像和高光谱成像技术在真菌污染评价质量鉴别和掺假检测等方面具有广阔的应用前景（Tao et al.，2018）。 农药残留是食品生产中的主要安全问题之一，农业上的药物滥用造成的化学污染长期威胁着世界各地的农业生产和粮食供应。种植者为追求产量和利润滥用农药对食品安全构成了长期风险，影响了出口和生产的可持续发展。农药施用于农作物后在环境和加工过程中产生各种转化产物，农药转化产物被列为“新兴污染物”，严重威胁生物健康。水果和蔬菜是人们生活中不可或缺的一部分，也是农药残留问题的“高发区”。据报道， 2015～2020年，欧洲共发. 2473份涉及水果（ Pan et al.，2021）。发展中国家也报道了类似的问题，农药残留远远超过了国家规定的限量的昀高值，严重损害了农业经济的发展。我国也面临农药残留带来的危害，学者从我. 45个重点城市调查. 4万多批次 135种水果、蔬菜的农药残留情况，结果发现其中农药残留种类 532种，检出次数为 115 981次，农药残留检出率为 81.6%（Li et al.，2021）。近些年，日本、加拿大和其他国家的农产品因农药残留量高或使用有毒农药而被拒绝出口的事件时有发生。在我国，尽管政府加强了对农产品生产过程中农药使用的控制，但非法使用农药现象仍然存在。 如何从复杂的食品中对这些有害物质进行定性鉴定和定量检测是食品安全分析和检测的关键。传统的农药残留检测方法，诸如高效液相色谱法、气相色谱法是农药残留常用的检测方法，但是检测效率低。随着生物、化学和计算机技术的飞速发展，拉曼光谱法或红外光谱法等成熟的无损检测技术不断地应用于农药残留检测，而且具有无损测量、稳定性高、检测速度快、成本低和样品操作简单等一系列优点，可以获取许多有用的信息（Wang et al.，2021）。 肉类富含丰富的营养物质，为人类生存提供必需的营养成分。因此，肉类的品质受到广泛关注。然而肉类易受到储存环境和温度的影响，在运输和销售过程中容易腐败变质，导致肉类品质下降，甚至危害消费者健康。此外，肉类在腐败过程中，容易滋生各种微生物，甚至产生致病菌，如弯曲杆菌、沙门氏菌等。例如，欧洲. 2005年以来，每年因弯曲杆菌造成的病例占人兽共患病例. 70%，超. 200 000例（Iannetti et al.，2020）。畜禽在屠宰过程中通常带有人兽共患的疾病，如弯曲杆菌、肠炎沙门氏菌、人类致病性大肠杆菌和肠结肠炎耶尔森氏菌等，而且这些危害使用传统的肉类检测技术难以实时检测（Blagojevic et al.，2021）。此外，随着现代养殖业日趋集约化、规模化地快速发展，为了追求更大的商业利益和减少高密度饲养带来的风险，常常出现养殖户滥用兽药的情况。如果动物源食品中残留有兽药，就会通过食物链对人体产生不同程度的毒害作用。由于动物源食品基质复杂，含有蛋白质、脂肪、糖类等多种化合物，而残留其中的兽药含量甚微，这就增加了动物源食品中兽药残留的检测难度。肉品含有丰富的营养物质，在储存过程中容易受到环境和温度的影响而腐败变质，品质不好的肉品不仅影响其价格，甚至威胁到人的健康。据报道，全球超过一半的抗生素生产用于动物保健，甚至预测到 2030年，这一数字将增长. 67%。为人类提供食物而饲养的动物中，约有 80%的动物在其生命的部分或大部分时间里都会接受处方药物（Girmatsion et al.，2021）。因此，不合理的使用处方药都是兽药的主要来源，人类长期食用携带兽药的肉品，会对身体产生重大危害（Liu et al.，2018）。另外，在普通肉制品中掺入廉价肉或者其他品种的肉，以谋取更多的利润，是社会关注的肉品品质的另外一个重要问题。过. 10年，欧洲抽检的牛肉样品中发现约有 61%的产品中含有马肉。此外，从爱尔兰和英国的几家超级市场的冷冻牛肉汉堡中检测到猪. DNA（Nakyinsige et al.，2012）。在南非，约有 68%的抽样肉品中检测到未申报的肉品（Cawthorn et al.，2013）。在马来西亚，约有 78%的抽样样品中发现带有虚假申报或未申报的肉品（Rahmati et al.，2016），其他国家也存在类似的情况。 目前与肉品消费相关的挑战和担忧可分为与微生物病原体相关的挑战和其他肉品安全问题，微生物病原体的主要挑战包括食源性的暴发和病原体的控制。例如毒性更强且感染剂量低的病原体的出现，病原体对抗生素或与食物相关的药物产生耐药性，与肉类产品以外的食物和水的交叉污染（Sofos and Geornaras，2010）。其他肉类安全问题包括食品添加剂、化学残留物、动物识别和溯源问题。 近年来，兽药残留检测领域出现了固相萃取、基质固相分散萃取、微波辅助萃取、分子印迹技术等样品提取和净化新技术及液质联用技术。然而这些传统检测技术的样品制备及检测方法大多存在检测样品基质种类单一、检测兽药种类范围小、耗
书友推荐
- >
山海经
山海经
¥20.4¥68.0 - >
月亮与六便士
月亮与六便士
¥18.1¥42.0 - >
二体千字文
二体千字文
¥21.6¥40.0 - >
经典常谈
经典常谈
¥16.3¥39.8 - >
烟与镜
烟与镜
¥15.4¥48.0 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥9.7¥14.0 - >
推拿
推拿
¥12.2¥32.0 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥30.5¥35.0
本类畅销
-
农产品深加工技术2000例(上册)-专利信息精选
¥7.1¥14 -
大豆标准化生产技术
¥4.7¥6 -
泡菜生产技术
¥44.5¥69 -
农产品深加工技术2000问
¥8¥20 -
食品化学(第4版)
¥49.3¥69 -
国内外食品添加剂限量
¥80¥100
