近紅外光譜技術(shù)快速檢測(cè)狹鱈水分、脂肪和蛋白質(zhì)的含量

左克利，史 巖，*，徐 坤，趙田田

(1.青島農(nóng)業(yè)大學(xué)食品科學(xué)與工程學(xué)院，山東青島266109;2.青島農(nóng)業(yè)大學(xué)中心實(shí)驗(yàn)室，山東青島266109)

狹鱈(Alaska Pollack，wall-eye pollack)，俗稱明太魚(yú)或朝鮮明太魚(yú)，是鱈魚(yú)中的重要種類，隸屬鱈形目，鱈科，狹鱈屬，廣泛分布于太平洋北部［1］。其蛋白質(zhì)含量高，脂肪含量低，特別適宜大規(guī)模工廠化、標(biāo)準(zhǔn)化加工生產(chǎn)，可加工成魚(yú)片、魚(yú)糜、魚(yú)粉、魚(yú)油等多種產(chǎn)品，具有很高的經(jīng)濟(jì)價(jià)值。由于地域、生長(zhǎng)壞境以及生長(zhǎng)時(shí)間的不同，造成魚(yú)體內(nèi)的水分、脂肪、蛋白質(zhì)存在較大差異，所以加工前需要對(duì)其成分進(jìn)行測(cè)定，同時(shí)還可以辨別鱈魚(yú)的真?zhèn)?，但傳統(tǒng)方法比較復(fù)雜，且時(shí)間長(zhǎng)。因此，建立合理、快速地測(cè)定組成成分的方法對(duì)評(píng)價(jià)狹鱈的加工尤為重要。近紅外光譜技術(shù)(NIRS)是近年來(lái)迅速發(fā)展起來(lái)的一種綠色檢測(cè)技術(shù)，因其快速、無(wú)損、操作簡(jiǎn)便、環(huán)保等特點(diǎn)廣泛應(yīng)用于石油化工、醫(yī)藥、農(nóng)藥等領(lǐng)域［2］。欒東磊［3］研究養(yǎng)殖大黃魚(yú)脂肪含量及鮮度K值的近紅外快速檢測(cè)模型，結(jié)果表明大黃魚(yú)脂肪含量的近紅外分析模型相關(guān)系數(shù)為0.901，RPD值為3.03，可以用于實(shí)際檢測(cè)。黃艷等［4］在利用近紅外漫反射光譜對(duì)白鰱魚(yú)糜的研究中得到相關(guān)系數(shù)大于0.98的較好結(jié)果。Uddinm等［5］利用配有光纖探頭的近紅外儀通過(guò)透射光譜測(cè)定魚(yú)糜的水分和蛋白質(zhì)含量。但是，透射對(duì)樣品的厚度有較高的要求，在實(shí)際應(yīng)用時(shí)也容易造成誤差。本實(shí)驗(yàn)擬通過(guò)擬合狹鱈魚(yú)的漫反射光譜和化學(xué)值建立近紅外模型，無(wú)需對(duì)樣品進(jìn)行預(yù)處理，只需采集待測(cè)樣品的近紅外光譜即可快速預(yù)測(cè)狹鱈魚(yú)水分、蛋白質(zhì)、脂肪的含量，以期為檢測(cè)狹鱈組成成分提供方法。

1 材料與方法

1.1 材料與儀器

冷凍北太平洋狹鱈魚(yú)肉，體重范圍(1±0.05)kg，取自63條具有代表性的狹鱈背部 購(gòu)于青島旭日食品有限公司，實(shí)驗(yàn)前于(-18±2)℃冰箱中貯藏;濃硫酸、氫氧化鈉、硫酸鉀、硫酸銅、硼酸、乙醚 均為分析純，萊陽(yáng)市康德化工有限公司。

MATRIX-I傅立葉變換近紅外光譜儀 德國(guó)布魯克光譜儀器公司，Bruker Optics Inc.，配OPUS 6.5光譜采集及分析軟件和漫反射樣品腔。

1.2 實(shí)驗(yàn)方法

1.2.1 原料處理 將冷凍狹鱈魚(yú)肉樣品放在18℃室溫下解凍10h，每個(gè)樣品各取1.5cm3左右，進(jìn)行光譜掃描。

1.2.2 化學(xué)值的測(cè)定 根據(jù)GB 5009.3-2010，采用直接干燥法對(duì)水分含量進(jìn)行測(cè)定［6］;根據(jù)GB/T 5512-2008采用索氏抽提法對(duì)脂肪進(jìn)行測(cè)定［7］;根據(jù)GB 5009.3-2010采用凱氏定氮法對(duì)蛋白質(zhì)進(jìn)行測(cè)定［8］。三種方法均取做三次平行均值。

1.2.3 近紅外光譜的掃描 將樣品放入漫反射樣品池中進(jìn)行近紅外漫反射光譜掃描，測(cè)試溫度15～18℃之間，掃描波數(shù)范圍4000～12000cm-1，掃描次數(shù)64次，分辨率16cm-1。以Spectralon為參照背景。采集反射強(qiáng)度，每 4cm-1采集一個(gè)數(shù)據(jù)點(diǎn)，共采集1301個(gè)。

1.2.4 模型的建立與優(yōu)化 利用OPUS 6.5軟件，采用偏最小二乘法分別對(duì)采用不同預(yù)處理方法的光譜進(jìn)行分析，尋找建立數(shù)學(xué)模型的最佳光譜預(yù)處理方法、最佳校正范圍、最佳因子數(shù)，為進(jìn)一步得到最佳建模方法提供依據(jù)。本實(shí)驗(yàn)采用內(nèi)部交叉檢驗(yàn)的方法建立模型。

1.2.5 化學(xué)檢測(cè)的基本參數(shù) 表1是用傳統(tǒng)方法對(duì)63個(gè)狹鱈魚(yú)肉樣本進(jìn)行檢測(cè)的結(jié)果，由水分、脂肪和蛋白質(zhì)的最大值、最小值、平均值以及樣本偏差可以看出，樣品選取范圍比較均勻，其中脂肪的含量相對(duì)較低，樣本偏差較小。

表1 狹鱈魚(yú)肉中水分、脂肪和蛋白質(zhì)的含量范圍、平均值和標(biāo)準(zhǔn)差Table 1 Ranges，mean values and standard deviations(SD)of moisture fat and protein contents in Alaska pollock

1.2.6 建模評(píng)價(jià)的依據(jù) 近紅外光譜的模型以決定系數(shù)(R2)、預(yù)測(cè)相關(guān)系數(shù)(Rv)、交叉檢驗(yàn)標(biāo)準(zhǔn)差(RMSEV)、相對(duì)分析誤差(RPD)為評(píng)價(jià)依據(jù)。

2 結(jié)果與分析

2.1 近紅外光譜掃描結(jié)果

狹鱈魚(yú)肉掃描光譜見(jiàn)圖1。橫坐標(biāo)為波數(shù)(cm-1)，縱坐標(biāo)為相對(duì)吸光度A。

2.2 模型的建立

表2 不同預(yù)處理方法對(duì)四個(gè)指標(biāo)的影響Table 2 The impact of different pretreatment methods on the four indicators

圖1 狹鱈魚(yú)魚(yú)肉近紅外掃描光譜Fig.1 Near-infrared scanning spectroscopy of pollock fish

2.2.1 最佳預(yù)處理方法的確立 近紅外光譜采集時(shí)，存在高頻隨機(jī)噪聲、基線漂移、光散射等非線性因素，這將影響有效特征信息的提取，對(duì)光譜進(jìn)行預(yù)處理，能夠有效減輕這些因素的影響。采用Bruker公司NIR OPUS 6.5軟件的光譜預(yù)處理功能，比較不同光譜預(yù)處理方法建模效果。表2列出了不同光譜預(yù)處理方法對(duì)決定系數(shù)(R2)、預(yù)測(cè)相關(guān)系數(shù)(Rv)、交叉檢驗(yàn)標(biāo)準(zhǔn)誤差(RMSECV)、相對(duì)分析誤差(RPD)四個(gè)指標(biāo)的影響。

可以看出，水分和蛋白質(zhì)在經(jīng)過(guò)最小-最大歸一化處理后，水分模型的R2、Rv、RPD分別比無(wú)光譜預(yù)處理提高了 5.02%、2.71%、0.43，蛋白質(zhì)提高了10.26%、5.82%、0.51，顯著高于其他幾種方法，表明此方法對(duì)光譜的預(yù)處理效果是最佳的。但這些方法對(duì)脂肪模型的改善效果不顯著，其中消除常數(shù)偏移量、一階倒數(shù)+矢量歸一化、最小—最大歸一化、減去一條直線四種方法均能改善模型的預(yù)測(cè)效果，對(duì)這四種處理方法采用組合的方式再次對(duì)脂肪模型進(jìn)行預(yù)處理，得到脂肪模型的最佳預(yù)處理組合—矢量歸一化+消除常數(shù)偏移量。

2.2.2 最佳因子數(shù)的確立 合理確定參加建模的主因子數(shù)是充分利用光譜信息和濾除噪音的有效方法之一。建模時(shí)使用的主因子數(shù)過(guò)少，則會(huì)出現(xiàn)擬合不充分，過(guò)多則會(huì)出現(xiàn)過(guò)擬合，這兩種情況分別會(huì)造成模型準(zhǔn)確度降低和預(yù)測(cè)能力下降。本研究采用交互驗(yàn)證的方法，以校正均方根誤差(RMSECV)、決定系數(shù)(R2)和預(yù)測(cè)相關(guān)系數(shù)(Rv)為評(píng)價(jià)指標(biāo)，設(shè)置的最高因子數(shù)是12，經(jīng)過(guò)驗(yàn)證后，最終確定水分、脂肪、蛋白質(zhì)的最佳因子數(shù)分別是9、8、9。

2.2.3 波數(shù)范圍和擬合方法選擇 大多數(shù)情況下PLS法校正結(jié)果明顯優(yōu)于PCR法［9］，本實(shí)驗(yàn)采用PLS法和全光譜波段進(jìn)行建模。最后模型的最佳處理?xiàng)l件見(jiàn)表3。

表3 建立水分、脂肪和蛋白質(zhì)的最佳處理?xiàng)l件Table 3 Best conditions for establishment of water，fat and protein

R2和RV值越大說(shuō)明模型越準(zhǔn)確，RPD值越大，說(shuō)明模型穩(wěn)定性越好。利用表3所確定的最佳預(yù)處理方法、最佳波數(shù)范圍和最佳因子數(shù)，建立水分、脂肪、蛋白質(zhì)的光譜檢驗(yàn)?zāi)Ｐ?，由此條件建立的模型決定系數(shù)(R2)和預(yù)測(cè)相關(guān)系數(shù)(RV)最高，定標(biāo)標(biāo)準(zhǔn)差最小，RPD值最大。

2.2.4 異常值的剔除 采用馬氏距離法(GH)判斷和分析校正模型中的異常點(diǎn)，即用光譜影響值對(duì)光譜進(jìn)行異常值檢驗(yàn)和分析，如果GH較大，表明該回歸模型對(duì)樣本值的依賴性較大［10］，以GH值等于3.0作為臨界值，大于3.0為異常值。本研究中共剔除三條檢驗(yàn)光譜。

每次剔除異常值后模型的性能都會(huì)有一定的提高，最終經(jīng)過(guò)優(yōu)化后的水分、脂肪和蛋白質(zhì)模型的各項(xiàng)統(tǒng)計(jì)參數(shù)值見(jiàn)表4。

表4 水分、脂肪、蛋白質(zhì)參數(shù)表Table 4 Water，fat and protein parameters table

從表4中可以看出，模型經(jīng)過(guò)對(duì)異常值的剔除和維數(shù)的選擇效果有顯著改善。水分和蛋白質(zhì)的預(yù)測(cè)值比真值的相關(guān)系數(shù)均能達(dá)到91%以上，交叉檢驗(yàn)標(biāo)準(zhǔn)差達(dá)到0.10，RPD分別為3.4和3.1，均大于3，表明預(yù)測(cè)值與真值之間具有較高的相關(guān)性和預(yù)測(cè)精度(圖2、圖4)。脂肪的相關(guān)系數(shù)只有81%，RMSEV和RPD分別為0.0748和2.3，表明模型的相關(guān)系數(shù)和預(yù)測(cè)精度不如水分和蛋白質(zhì)(圖3)。

圖2 內(nèi)部交叉檢驗(yàn)后水分的預(yù)測(cè)值比化學(xué)值散點(diǎn)圖Fig.2 Predictive value of the moisture than the chemical values Scattert after internal cross-examination

圖3 內(nèi)部交叉檢驗(yàn)后脂肪的預(yù)測(cè)值比化學(xué)值散點(diǎn)圖Fig.3 Predictive value of the fat than the true value Scatter after internal cross-examination

圖4 內(nèi)部交叉檢驗(yàn)后蛋白質(zhì)的預(yù)測(cè)值比化學(xué)值散點(diǎn)圖Fig.4 Predictive value of the protein than the chemical values Scatter after internal cross-examination

由圖2～圖4，能夠明顯發(fā)現(xiàn)水分和蛋白質(zhì)的散點(diǎn)圖分布比較均勻，脂肪的散點(diǎn)圖比較分散。水分與蛋白質(zhì)的斜率達(dá)到0.87以上，化學(xué)值與預(yù)測(cè)值的相關(guān)系數(shù)達(dá)到90%以上，能夠直觀的看出模型的樣品采集均勻程度。脂肪的相關(guān)系數(shù)與水分和蛋白質(zhì)的相關(guān)系數(shù)相比，差異顯著，分析原因主要有以下兩點(diǎn):一是蛋白質(zhì)測(cè)量使用的UDK142型凱氏定氮儀，精確度比較高，測(cè)得化學(xué)值比脂肪使用索氏抽提器測(cè)得化學(xué)值準(zhǔn)確。二是水分和蛋白質(zhì)含量平均值分別為81.6%和17.6%，脂肪為0.58%，使得脂肪的測(cè)量誤差相對(duì)較大，同時(shí)，狹鱈的脂肪含量接近近紅外的最低檢測(cè)線(10-3～10-4)［10］。

Ripoll等［11］利用近紅外指紋圖技術(shù)在對(duì)牛肉的主要成分的研究中，水分和蛋白質(zhì)的相關(guān)系數(shù)分別為0.86和0.74，相對(duì)比較低，主要由于牛肉中不同部位以及不同牛之間的成分差異比較大。黃艷等［4］在利用近紅外漫反射光譜對(duì)白鰱魚(yú)糜的研究得到相關(guān)系數(shù)大于0.98的較好結(jié)果，王錫昌等［12］也對(duì)狹鱈魚(yú)糜進(jìn)行過(guò)研究，也得到了大于0.98的結(jié)果，證明魚(yú)糜是一種成分均一的再加工產(chǎn)品，可以用近紅外指紋圖譜技術(shù)進(jìn)行含量測(cè)量。但對(duì)于整體魚(yú)肉的研究，報(bào)導(dǎo)尚少。

3 結(jié)論

本研究以近紅外光譜技術(shù)為基礎(chǔ)，對(duì)解凍去皮狹鱈魚(yú)肉建立水分、脂肪和蛋白質(zhì)含量模型。通過(guò)對(duì)光譜預(yù)處理方法和最佳因子數(shù)的篩選，使其相關(guān)系數(shù)分別達(dá)到 0.9342、0.8125、0.9113，RPD 值為 3.4、2.3、3.1。水分和蛋白質(zhì)的相關(guān)系數(shù)都達(dá)到90%以上，RPD大于3，證明模型比較穩(wěn)定。雖然魚(yú)肉比魚(yú)糜的相關(guān)系數(shù)低，但利用近紅外對(duì)魚(yú)肉的檢測(cè)也是可行的。脂肪的預(yù)測(cè)相關(guān)系數(shù)RV＜0.9，RPD＜3，模型的準(zhǔn)確性和穩(wěn)定性均不如水分和蛋白質(zhì)。綜上所述，近紅外檢測(cè)狹鱈魚(yú)肉中水分、脂肪和蛋白質(zhì)的含量是完全可行的。

［1］高天翔，張肖榮，王丹，等.幾種鱈魚(yú)的生物學(xué)研究［M］.海洋湖沼通報(bào)，2003:35-42.

［2］王小燕，顧賽麒，劉源，等.近紅外光譜法快速檢測(cè)帶魚(yú)肉中的水分和蛋白質(zhì)含量［J］.食品工業(yè)科技，2012，33(5):317-319.

［3］欒東磊.近紅外光譜技術(shù)在幾種水產(chǎn)品中的應(yīng)用研究［D］.青島:中國(guó)海洋大學(xué)，2009.

［4］黃艷，王錫昌，鄧德文.利用近紅外光譜技術(shù)快速測(cè)定白鰱魚(yú)糜中的水分含量［J］.食品工業(yè)科技，2008，29(2):282-284.

［5］UDDINM，OKAZAKIE，F(xiàn)UKUSHIMA H，et al.Nondestructive determinationof water and protein in surimi by near-infrared spectroscopy［J］.Food Chemistry，2006，96:491-495.

［6］GB 5009.3-2010食品安全國(guó)家標(biāo)準(zhǔn) 食品中水分的測(cè)定［S］.

［7］GB/T 5413.36-2008糧食中粗脂肪含量測(cè)定［S］.

［8］GB 5009.3-2010食品安全國(guó)家標(biāo)準(zhǔn)食品中蛋白質(zhì)的測(cè)定［S］.

［9］薛利紅，楊林章.基于可見(jiàn)近紅外高光譜的菠菜硝酸鹽快速無(wú)損測(cè)定研究［J］.光譜學(xué)與光譜分析，2009(4):926-930.

［10］Whitfield R G，GergerM K，Sharp R L.Near infraredspectrum qualification via mahalanobis distance determination［J］.Applied Spectroscopy，1987，41(7):1204-1213.

［11］RIPOLL G，ALBERTI P，PANEA B，et al.Near-infrared reflectance spectroscopy for predicting chemical，instrumental and sensory qualityof beef［J］.Meat Science，2008，80:697-702.

［12］王錫昌，陸燁，劉源.近紅外光譜技術(shù)快速無(wú)損測(cè)定狹鱈魚(yú)糜水分和蛋白質(zhì)含量［J］.食品科學(xué)，2010(16):168-171.