因此，南京农业大学食品科技学院的赵 楠、刘 强、屠 康*和南京晓庄学院食品科学学院的张 伟*等人拟通过收集不同程度腐败鸡蛋液的光谱特性和菌落信息，结合多元统计分析方法，为实现高光谱技术对鸡蛋液中菌落总数的定量分析提供参考。
1、鸡蛋液中菌落总数的变化情况分析
随贮存时间的延长，两组样本蛋清中菌落数量变化趋势呈现S型曲线，存在明显的迟缓期和对数生长期，其中对照组变化相对平稳。污染组样本初始菌落数为3.2（lg（CFU/g）），在初始培养3 d内，菌落数量增幅仅为0.3（lg（CFU/g））；培养至第7天，增幅达到4.5（lg（CFU/g））。由于在接菌的初始阶段，蛋清中的抗菌成分（如溶菌酶和卵转铁蛋白等）仍对外界病源微生物起到抵抗作用；此外，这也由菌种自身生长特性所决定，在接种至新的环境中，需要通过短暂调节才能实现后期的快速增长和繁殖，类似的研究现象也出现在琼脂平板和猪肉上。
2、基于高光谱技术的鸡蛋液中菌落总数的预测
光谱分析
综上原因，对于鸡蛋液样本来说，随微生物数量的增加，蛋清和蛋黄均会发生相应的变化，导致整体鸡蛋液样本对可见-近红外光（400～1 000 nm）的吸收能力变强，反射率变小。
光谱预处理
对于蛋清和全蛋液，原始光谱经预处理后，除Autoscale预处理外其他预处理方法下PLS模型的RCV均有所下降；交互验证均方根误差（RMSECV）均有所上升，表明并不是所有的预处理方法都对模型的预测精度有所提高。
特征波长的提取
根据SPA得出的均方根误差（RMSE）作为挑选特征变量数的依据。蛋清、蛋黄和全蛋液样本的变量个数分别为11、12和15时，RMSE最小为0.48、0.54（lg（CFU/g））和0.69（lg（CFU/g）），此后随着变量数增加，RMSE不再减小，因此蛋清样本的特征波段数为11 个，蛋黄样本的特征波长数为12 个，鸡蛋样本的特征波段数为15 个。
模型的建立
对于蛋清样本，比较全波段-PLS和全波段-SVM模型，全波段-PLS模型中RC和RP（0.84和0.79）低于全波段-SVM模型中的RC和RP（0.85和0.80），RMSEP（0.67（lg（CFU/g）））高于SVM模型中的RMSEP（0.64（lg（CFU/g）））；经SPA算法筛选特征波段后所建的SPA-PLS模型中RP下降0.01，RMSEP上升0.02（lg（CFU/g）），SPA-SVM模型中RP上升0.01，RMSEP下降0.01（lg（CFU/g））。
结 论
在鸡蛋液污染过程中，微生物经历短暂适应期后快速繁殖扩增，并对蛋黄膜造成破坏，致使鸡蛋出现散黄腐败现象，侵染全过程均会严重影响光谱的吸收和反射特性。
对原始光谱进行预处理后建立PLS预测模型发现：Autoscale预处理效果相对最佳，对应蛋清样本的RCV和RMSECV为0.83和0.51（lg（CFU/g）），蛋黄样本的RCV和RMSECV为0.78和0.51（lg（CFU/g）），全蛋液样本的RCV和RMSECV为0.79和0.65（lg（CFU/g））。
对比全波段与特征波段下的蛋清、蛋黄和全蛋液样本的PLS和SVM预测模型发现，SPA-SVM预测效果最优。蛋清样本的RC和RP为0.85和0.81，RMSEC和RMSEP为0.50（lg（CFU/g））和0.63（lg（CFU/g））；蛋黄样本的RC和RP为0.86和0.82，RMSEC和RMSEP为0.42（lg（CFU/g））和0.47（lg（CFU/g））；全蛋液样本RC和RP为0.83和0.75，RMSEC和RMSEP为0.60（lg（CFU/g））和0.75（lg（CFU/g））；其中蛋清和蛋黄样本所建模型预测效果均高于全蛋样本所建模型。
在整个污染过程中，分析微生物在蛋液中生长情况和建模的效果表明，实际生产过程中建议选择蛋清的平均光谱对微生物进行预测。对于单个样本来说，整个预测过程只需几分钟便可完成，证实高光谱成像技术可以用于鸡蛋液中菌落污染程度的快速预测，为后续鸡蛋质量安全控制提供新的方案和思路。
