基于可见-近红外光谱的虾青素/超氧化物歧化酶饲喂鸡蛋鉴别与品质预测

来源：农业机械学报杂志2026年第2期北京时间：

作者：王巧华，陈燕斌，顾梦圆，范维，肖运才，陈帝斯

单位：华中农业大学;农业农村部长江中下游农业装备重点实验室,华中农业大学,华中农业大学,华中农业大学,华中农业大学,华中农业大学,

摘要：禽蛋是我国农业农村经济支柱产业之一，饲料强化鸡蛋品质快速无损检测对产业发展意义重大。本研究基于可见-近红外光谱技术，探究虾青素(ASTA)和超氧化物歧化酶(SOD)饲料强化鸡蛋的特异性光谱特征，并构建鉴别和品质预测模型。首先，采集ASTA/SOD饲喂鸡蛋与普通鸡蛋在波段500~950nm范围内的透射光谱，并通过理化测定验证其品质差异，结果表明：ASTA组可显著提高鸡蛋蛋白质含量、蛋黄颜色(P<0.05)；在饲喂前期，SOD组可显著提高鸡蛋脂肪含量(P<0.05)，ASTA组和SOD组均能显著降低鸡蛋含水率(P<0.05)。根据透射光谱探究饲喂鸡蛋的特异性光谱特征，通过不同预处理方法结合竞争性自适应重加权(CARS)算法、连续投影法(SPA)及非信息变量剔除(UVE)3种特征选择算法构建了支持向量机(SVM)鉴别模型和偏最小二乘回归(PLSR)模型。结果表明，ASTA/SOD饲喂鸡蛋最优鉴别模型为SG-CARS-SVM，测试集识别率为95.33%。对于ASTA/SOD饲喂鸡蛋蛋白质含量、含水率和脂肪含量这3类关键品质指标,ASTA组最优预测模型分别为FD-CARS-PLSR、Auto-CARS-PLSR和SNV-CARS-PLSR，对应的测试集R2p分别为0.933、0.937和0.889，RMSEP分别为0.250%、0.209%和0.196%；而在SOD组中，最优模型分别为FD-CARS-PLSR、MSC-CARS-PLSR和FD-CARS-PLSR，其测试集R2p分别为0.929、0.824和0.817，RMSEP分别为0.239%、0.310%和0.273%。本研究建立的光谱模型可实现对ASTA/SOD饲喂鸡蛋无损鉴别及品质快速预测，为鸡蛋品质监测与高质量养殖提供支持。

关键词：可见-近红外光谱;虾青素;超氧化物歧化酶;饲喂鸡蛋;品质预测

基金资助：国家重点研发计划项目（2022YFD1300705、2022YFD1300405）、国家自然科学基金项目(32372426)和湖北省重点研发计划项目(2024BBB051)