應(yīng)用近紅外技術(shù)快速預(yù)判生豬血液指標(biāo)及劣質(zhì)肉

鄒昊+田寒友+劉飛+王輝+李文采+李家鵬+陳文華+喬曉玲

摘 要：為了實現(xiàn)白?。╬ale soft exudative，PSE）肉和黑干（dark firm dry，DFD）肉等劣質(zhì)豬肉的預(yù)判，實驗收集了生豬屠宰時的血液樣品，其中64 個樣品用于建立血液皮質(zhì)醇濃度預(yù)測模型，89 個樣品用于建立血液葡萄糖濃度預(yù)測模型。應(yīng)用便攜式近紅外儀采集樣品的近紅外光譜信息并使用不同算法和算法組合對樣品的光譜信息進(jìn)行預(yù)處理后利用偏最小二乘回歸算法進(jìn)行建模。通過模型評價參數(shù)對預(yù)處理方法進(jìn)行篩選后發(fā)現(xiàn)，針對預(yù)測生豬血液中的葡萄糖濃度，對樣品的近紅外光譜信息進(jìn)行Savitzky-Golay求導(dǎo)和基線校正后建模，模型性能最佳。模型的校正標(biāo)準(zhǔn)差和驗證標(biāo)準(zhǔn)差分別為2.07和2.48，主因子數(shù)為6，校正集相關(guān)系數(shù)和驗證集相關(guān)系數(shù)分別為0.88和0.85。針對預(yù)測生豬血液中的皮質(zhì)醇濃度，對樣品的近紅外光譜信息進(jìn)行標(biāo)準(zhǔn)化、差分求導(dǎo)、Savitzky-Golay平滑和凈分析信號后建模，模型性能最佳。模型的校正標(biāo)準(zhǔn)差和驗證標(biāo)準(zhǔn)差分別為0.05和0.15，主因子數(shù)為6，校正集相關(guān)系數(shù)和驗證集相關(guān)系數(shù)分別為0.97和0.67。應(yīng)用篩選出的模型對另外采集的未用于建模的25 個生豬血液樣品中的葡萄糖和皮質(zhì)醇濃度進(jìn)行檢測，從而進(jìn)行劣質(zhì)豬肉預(yù)警，PSE和DFD肉的預(yù)判準(zhǔn)確率分別達(dá)到92%和96%。說明應(yīng)用便攜式近紅外儀檢測生豬血液中的葡萄糖和皮質(zhì)醇濃度，從而預(yù)判劣質(zhì)豬肉的方法是可行的。

關(guān)鍵詞：豬；劣質(zhì)肉；近紅外技術(shù)；血液指標(biāo)

Fast Prediction of Pig Blood Parameters Using Near-Infrared Spectroscopy for Discrimination of Inferior Quality Pork

ZOU Hao， TIAN Hanyou， LIU Fei， WANG Hui， LI Wencai， LI Jiapeng， CHEN Wenhua， QIAO Xiaoling*

（Beijing Key Laboratory of Meat Processing Technology， China Meat Research Center， Beijing Academy of Food Sciences，

Beijing 100068， China）

Abstract： In order to quickly discriminate pale， soft and exudative （PSE） pork and dark， firm， and dry （DFD） pork， 64 blood samples were collected at slaughter and tested by near-infrared （NIR） spectroscopy for the establishment of a predictive model for serum cortisol concentration， and 89 additional sample were collected and also detected by NIR spectroscopy for the development of a model to predict serum glucose concentration. Spectral information was acquired employing a portable NIR spectrometer and preprocessed using individual and combined algorithms for modeling using partial least square regression. Based on evaluation of the model parameters， the predictive model for serum glucose concentration developed by spectral pretreatment using Savitzky-Golay derivative + baseline correction had the best performance. The standard error of calibration and standard error of prediction of the model were 2.07 and 2.48， respectively and the number of principal components was 6. The correlation coefficients of calibration and prediction sets were 0.88 and 0.85， respectively. The optimal spectral pretreatment method for predictive modeling of serum cortisol concentration was autoscaling + difference derivative + Savitzky-Golay smoothing + net analyte signal. The standard error of calibration and standard error of prediction of the predictive model for serum cortisol concentration were 0.05 and 0.15， respectively and the number of principal components was 6. The correlation coefficients of calibration and prediction sets were 0.97 and 0.67， respectively. The built models were respectively used to predict serum glucose and cortisol concentrations of 25 unknown samples and consequently recognize PSE and DFD meat with an accuracy of 92% and 96%， respectively.

Hence， it is feasible to predict serum glucose and cortisol concentrations of pig blood using NIR spectroscopy in order to identify PSE and DFD meat.

Key words： pig； inferior quality pork； near-infrared spectroscopy； blood parameters

DOI： 10.15922/j.cnki.rlyj.2016.04.009

中圖分類號：O657.3 文獻(xiàn)標(biāo)志碼：A 文章編號：1001-8123（2016）04-0041-05

引文格式：

鄒昊， 田寒友， 劉飛， 等. 應(yīng)用近紅外技術(shù)快速預(yù)判生豬血液指標(biāo)及劣質(zhì)肉[J]. 肉類研究， 2016， 30（4）： 41-45. DOI： 10.15922/j.cnki.rlyj.2016.04.009. http：//rlyj.cbpt.cnki.net

ZOU Hao， TIAN Hanyou， LIU Fei， et al. Fast prediction of pig blood parameters using near-infrared spectroscopy for discrimination of inferior quality pork[J]. Meat Research， 2016， 30（4）： 41-45. （in Chinese with English abstract） DOI： 10.15922/j.cnki.rlyj.2016.04.009. http：//rlyj.cbpt.cnki.net

我國是豬肉生產(chǎn)和消費大國，近些年，隨著國內(nèi)經(jīng)濟(jì)的發(fā)展，人們生活水平的提高，對高質(zhì)量冷鮮豬肉需求越來越高[1]。冷鮮豬肉生產(chǎn)的各個環(huán)節(jié)中，生豬的屠宰對冷鮮肉的品質(zhì)影響很大[2-4]。由于宰前運(yùn)輸條件、天氣、擊暈方式等原因?qū)е律i出現(xiàn)應(yīng)激反應(yīng)，產(chǎn)生白?。╬ale soft exudative，PSE）肉和黑干（dark firm dry，DFD）肉等劣質(zhì)豬肉的情況屢屢發(fā)生，已經(jīng)成為冷鮮豬肉產(chǎn)業(yè)的一大難題[5-12]。

生豬血液中的肌酸激酶、乳酸脫氫酶、葡萄糖濃度等指標(biāo)是反映動物生理狀態(tài)的重要指標(biāo)[13-19]，田寒友等[20]發(fā)現(xiàn)產(chǎn)生PSE肉的生豬在屠宰時血液中葡萄糖濃度顯著高于正常肉，而產(chǎn)生DFD肉的生豬在屠宰時血液中皮質(zhì)醇濃度顯著高于正常肉，其中，當(dāng)生豬屠宰時血液中的葡萄糖濃度高于17.21 mmol/L時，很可能產(chǎn)生PSE肉；當(dāng)皮質(zhì)醇濃度高于0.51 mmol/L時，很可能產(chǎn)生DFD肉。

本實驗在屠宰場收集生豬血液樣品，應(yīng)用便攜式近紅外儀采集樣品的近紅外光譜，利用試劑盒檢測葡萄糖和皮質(zhì)醇濃度，利用化學(xué)計量學(xué)方法建立生豬血液中的葡萄糖和皮質(zhì)醇濃度預(yù)測模型，實現(xiàn)現(xiàn)場快速檢測生豬屠宰時血液中的葡萄糖和皮質(zhì)醇濃度，從而預(yù)判PSE肉和DFD肉的產(chǎn)生，為生豬應(yīng)激預(yù)警技術(shù)及防控方法打下一定基礎(chǔ)。

1 材料與方法

1.1 材料與試劑

生豬品種包括杜長大和杜洛克，體質(zhì)量為（100±5） kg，年齡約6 個月。

5 mL促凝劑分離膠采血管 湖南三立實業(yè)有限公司；皮質(zhì)醇檢測試劑盒 德國羅氏診斷有限公司；葡萄糖測定試劑盒（GLU葡萄糖氧化酶終點法） 北京利德曼生化股份有限公司。

1.2 儀器與設(shè)備

SupNIR-1520型便攜式近紅外儀及比色皿配件

聚光科技（杭州）股份有限公司；05P-22離心機(jī)、7080全自動生化儀器 日本日立公司；Cobas E601全自動免疫分析儀 德國羅氏公司；SevenGo?手持肉用pH計

瑞士梅特勒-托利多有限公司；肉色等級標(biāo)準(zhǔn)比色板 日本食用肉類規(guī)范協(xié)會。

1.3 方法

1.3.1 血液樣品的采集與制備

使用5 mL促凝劑分離膠采血管在屠宰車間內(nèi)給生豬放血時對每頭生豬的血液進(jìn)行收集，靜置2 h后以3 000 r/m

離心15 min，吸取血清并置于0～4 ℃冰箱保存。

1.3.2 血清中皮質(zhì)醇濃度的測定

采用電化學(xué)發(fā)光法，使用皮質(zhì)醇檢測試劑盒在Cobas E601全自動免疫分析儀上進(jìn)行檢測。

1.3.3 血清中葡萄糖濃度的測定

采用GLU葡萄糖氧化酶終點法，使用葡萄糖測定試劑盒在7080全自動生化儀上進(jìn)行檢測。

1.3.4 樣品光譜信息的采集

實驗前將便攜式近紅外儀預(yù)熱30 min，首先使用超純水作為參比。所有樣品被保存于冰箱中以確保樣品溫度保持在0～4 ℃。光譜采集方式為透射，每個樣品進(jìn)行兩次光譜信息采集，之間間隔10 s。每次采集，光譜掃描次數(shù)為10 次，采集的近紅外光譜波數(shù)范圍為1 000～1 800 nm，分辨率為10 nm。

1.3.5 光譜的預(yù)處理與模型建立

使用不同算法和算法組合對樣品的光譜信息進(jìn)行預(yù)處理以去除其中的無關(guān)干擾信息、降低隨機(jī)噪聲和強(qiáng)化譜帶特征。然后使用偏最小二乘回歸算法進(jìn)行建模，建模所用的近紅外光譜信息波數(shù)范圍為1 000～1 800 nm。根據(jù)模型得校正標(biāo)準(zhǔn)差（standard error of calibration，sEC）、驗證標(biāo)準(zhǔn)差（standard error of prediction，sEP）、校正集相關(guān)系數(shù)（correlation coefficient of calibration set，Rc）、

驗證集相關(guān)系數(shù)（correlation coefficient of prediction set，Rp）和主因子數(shù)對模型性能進(jìn)行評價，從而選出針對生豬血液中的皮質(zhì)醇和葡萄糖濃度的最佳預(yù)測模型和最佳預(yù)處理方法。

選擇的預(yù)處理算法包括：1）數(shù)據(jù)增強(qiáng)類算法：均值中心化（mean centering，MC）和標(biāo)準(zhǔn)化（autoscaling，AS）；2）導(dǎo)數(shù)類算法：Savitzky-Golay求導(dǎo)（Savitzky-Golay derivative，SGD）和差分求導(dǎo)（difference derivative，DD）；3）平滑類算法：Savitzky-Golay平滑（Savitzky-Golay smoothing，SGS）；4）信號校正類算法：標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variatetransformation，SNV）、多元散射校正（multiplication scatter correction，MSC）、靜分析信號（net analyte signal，NAS）、正交信號校正（orthogonal signal correction，OSC）、去趨勢校正（de-trending，DT）

和基線校正（baseline correction，BLC）。

1.3.6 模型的驗證

將篩選出的最佳預(yù)測模型導(dǎo)入到便攜式近紅外儀中，對另外采集的未用于建模的25 個生豬血液樣品中的葡萄糖和皮質(zhì)醇濃度進(jìn)行檢測，同時按照葡萄糖氧化酶終點法和電化學(xué)發(fā)光法對樣品的葡萄糖和皮質(zhì)醇濃度進(jìn)行檢測，根據(jù)文獻(xiàn)方法，分別以葡萄糖濃度大于17.21 mmol/L和皮質(zhì)醇濃度大于0.51 mmol/L作為預(yù)判PSE肉和DFD肉的標(biāo)準(zhǔn)，驗證模型預(yù)判的準(zhǔn)確性。

2 結(jié)果與分析

2.1 樣品化學(xué)值測定結(jié)果分析

生豬血液樣品中葡萄糖和皮質(zhì)醇濃度化學(xué)測量值的統(tǒng)計結(jié)果如表1～2所示。用于建立葡萄糖濃度預(yù)測模型的樣品共89 個，范圍為3.38～22.63 mmol/L；用于建立皮質(zhì)醇濃度預(yù)測模型的樣品共64 個，范圍為0.04～0.76 mmol/L，樣品的化學(xué)測量值分布范圍較廣，具有較好的代表性。

2.2 樣品近紅外光譜信息采集結(jié)果分析

由圖1可知，在近紅外區(qū)（1 000～1 799 nm）生豬血液樣品有很好的光譜響應(yīng)，不同葡萄糖濃度或皮質(zhì)醇濃度的生豬血液樣品的近紅外光譜波形相似，但又不完全重合，既體現(xiàn)了樣本間的差異，又顯示了整個樣品群體的連續(xù)性。圖2為單一生豬血液樣品掃描兩次所得的樣品近紅外光譜曲線，2 次掃描所得的光譜曲線基本完全重合，說明本實驗應(yīng)用的便攜式近紅外光譜儀采集的樣品的近紅外光譜信息重復(fù)性很高。

2.3 近紅外模型的建立與優(yōu)化

應(yīng)用不同算法組合對樣品的光譜信息進(jìn)行預(yù)處理后，部分葡萄糖和皮質(zhì)醇濃度預(yù)測模型的性能評價參數(shù)如表3～4所示。

由表3～4可知，不同的算法或算法組合對模型的預(yù)測準(zhǔn)確性和穩(wěn)健性有很大影響，適當(dāng)?shù)念A(yù)處理可以提高模型性能，不當(dāng)?shù)念A(yù)處理甚至?xí)档湍Ｐ托阅?；增加預(yù)處理算法的數(shù)量不一定能提高模型性能，有時甚至?xí)斐深A(yù)處理過度，導(dǎo)致樣品的光譜信息中大量的細(xì)節(jié)信息丟失。針對預(yù)測生豬血液中的葡萄糖濃度，對樣品的近紅外光譜信息進(jìn)行Savitzky-Golay求導(dǎo)和基線校正后建模，模型性能最佳；模型sEC和sEP分別為2.07和2.48，主因子數(shù)為6，Rc和Rp分別為0.88和0.85。針對預(yù)測生豬血液中的皮質(zhì)醇濃度，對樣品的近紅外光譜信息進(jìn)行標(biāo)準(zhǔn)化、差分求導(dǎo)、Savitzky-Golay平滑和凈分析信號后建模，模型性能最佳；模型的sEC和sEP分別為0.05和0.15，主因子數(shù)為6，Rc和Rp分別為0.97和0.67。

2.4 模型的內(nèi)部驗證

分別以葡萄糖或皮質(zhì)醇濃度的化學(xué)測量值為橫坐標(biāo)，模型的預(yù)測值為縱坐標(biāo)作圖，結(jié)果如圖3～4。

由圖3～4可知，實驗點很好地分布在回歸線的兩側(cè)，模型的預(yù)測值與校正集樣品的化學(xué)測量值吻合度較高，說明建模前對樣品的光譜信息進(jìn)行預(yù)處理后，模型較好地擬合了光譜信息中反映樣品中葡萄糖或皮質(zhì)醇濃度的信息。

2.5 模型的外部驗證

應(yīng)用篩選出的模型對另外采集的未用于建模的25 個生豬血液樣品中的葡萄糖和皮質(zhì)醇濃度進(jìn)行檢測，從而進(jìn)行劣質(zhì)豬肉的預(yù)判，預(yù)判結(jié)果如表5～6所示，篩選出來的預(yù)測模型對未知樣品的葡萄糖或皮質(zhì)醇濃度的預(yù)測值與化學(xué)測量值較接近，對PSE肉和DFD肉的預(yù)判準(zhǔn)確率分別達(dá)到92%和96%，說明所選模型預(yù)判劣質(zhì)豬肉的準(zhǔn)確性很高。

3 結(jié) 論

為了快速預(yù)判PSE肉和DFD肉，本實驗從屠宰場收集屠宰時的生豬血液樣品。其中，用于建立葡萄糖預(yù)測模型的樣品共89 個，范圍為3.38～22.63 mmol/L，用于建立皮質(zhì)醇預(yù)測模型的樣品共64 個，范圍為0.04～0.76 mmol/L。

使用不同算法和算法組合對樣品的光譜信息進(jìn)行預(yù)處理后利用偏最小二乘回歸算法進(jìn)行建模。通過模型評價參數(shù)對預(yù)處理方法進(jìn)行篩選后發(fā)現(xiàn)針對預(yù)測生豬血液中的葡萄糖濃度，對樣品的近紅外光譜信息進(jìn)行Savitzky-Golay求導(dǎo)和基線校正后建模，模型性能最佳；模型的sEC和sEP分別為2.07和2.48，主因子數(shù)為6，Rc和Rp分別為0.88和0.85。針對預(yù)測生豬血液中的皮質(zhì)醇濃度，對樣品的近紅外光譜信息進(jìn)行標(biāo)準(zhǔn)化、差分求導(dǎo)、Savitzky-Golay平滑和凈分析信號后建模，模型性能最佳；模型的sEC和sEP分別為0.05和0.15，主因子數(shù)為6，Rc和Rp分別為0.97和0.67。應(yīng)用篩選出的模型對另外采集的未用于建模的25 個生豬血液樣品中的葡萄糖和皮質(zhì)醇濃度進(jìn)行檢測，然后進(jìn)行劣質(zhì)豬肉的預(yù)判，PSE和DFD肉的預(yù)判準(zhǔn)確率分別達(dá)到92%和96%。說明應(yīng)用便攜式近紅外儀檢測生豬血液中的葡萄糖和皮質(zhì)醇濃度，從而預(yù)判劣質(zhì)豬肉的方法是可行的。

參考文獻(xiàn)：

[1] 胡向東. 基于市場模型的我國豬肉供需研究[D]. 北京： 中國農(nóng)業(yè)科學(xué)院， 2011.

[2] 劉雁軍， 申兵， 和東來. 生豬應(yīng)激綜合癥的預(yù)防措施[J]. 農(nóng)業(yè)養(yǎng)殖技術(shù)， 2007（3）： 24-25. DOI： 10.3969/j.issn.1007-0869.2007.03.018.

[3] 高興成. 淺談我國生豬屠宰行業(yè)管理[J]. 商業(yè)經(jīng)濟(jì)， 2012（4）： 87-88. DOI：10.3969/j.issn.1009-6043.2012.07.037.

[4] 畢然， 王家敏， 張建喜， 等. 生豬屠宰監(jiān)管技術(shù)系統(tǒng)設(shè)計與實現(xiàn)研究[J]. 中國農(nóng)學(xué)通報， 2012， 28（17）： 57-62. DOI： 10.3969/j.issn.1000-6850.2012.17.011.

[5] 朱藹. 應(yīng)激因素作用產(chǎn)生的肉質(zhì)異常變化[J]. 肉類工業(yè)， 1996（6）： 12.

[6] PEREZ M P， PALACIO J， SANTOLARIA M P， et al. Effect of transport time on welfare and meat quality in pigs[J]. Meat Science， 2002， 61（4）： 425-433.

[7] TARRANT P V. The effects of handling， transport， slaughter and chilling on meat quality and yield in pigs： a review[J]. Irish Journal of Food Science and Technology， 1989， 13： 70-107.

[8] JEFFREY Z， LOCKE K， ALEJANDRO R， et al. Diseases of swine[M]. Ames Iowa： Iowa State University， 2012： 763-771.

[9] ONEILL D J， LYNCH P B， BUCKLEY D J， et al. Influence of the time of year on the incidence of PSE and DFD in Irish pig meat[J]. Meat Science， 2003， 64： 105-111.

[10] BRISKEY E J. Etiological status and associated studies of pale， soft， exudative porcine musculature[J]. Advances in Food Research， 1964， 13： 89-178.

[11] 張文紅. 電擊暈、電刺激和冷卻方式對豬肉品質(zhì)的影響研究[D]. 南京： 南京農(nóng)業(yè)大學(xué)， 2003.

[12] 甄少波. 待宰對豬應(yīng)激及冷卻肉品質(zhì)影響機(jī)理研究[D]. 北京： 中國農(nóng)業(yè)大學(xué)， 2013.

[13] 陳斌. 劣質(zhì)豬肉PSE及DFD研究概述[J]. 甘肅畜牧獸醫(yī)， 1994（8）： 24-26.

[14] BARCELLOS L J G， KREUT Z L C， RODRIGUES L B， et al. Haematological and biochemical characteristics of male jundia （Rhamdia quelen Quoy & Gaimard Pimelodidae）： changes after acute stress[J]. Aquaculture Research， 2003， 34（15）： 1465-1469.

[15] 彭曉青， 劉鳳華， 顏培實. 中草藥復(fù)合制劑對熱應(yīng)激條件下豬生產(chǎn)性能和血液生化指標(biāo)的影響[J]. 畜牧與獸醫(yī)， 2011（6）： 22-27.

[16] 王淼， 周楠， 溫潔霞， 等. 劣質(zhì)豬肉形成機(jī)理以及對豬肉品質(zhì)的改進(jìn)措施[J]. 畜牧與獸醫(yī)， 2012， 44： 93-97.

[17] 張永泰. 豬應(yīng)激綜合征（PSS）與劣質(zhì)豬肉（PSE）[J]. 養(yǎng)豬， 2003（2）： 51.

[18] 丁玉亭， 劉化章， 周曉云. 豬PSE肉與正常肉的及原纖維形態(tài)學(xué)比較研究[J]. 中國食品學(xué)報， 2005， 5（2）： 28-33.

[19] 楊興章. PSE肉的形成機(jī)理和控制措施[J]. 肉類工業(yè)， 2006（5）： 33-35. DOI：10.3969/j.issn.1008-5467.2006.05.017.

[20] 田寒友， 鄒昊， 劉文營， 等. 皮質(zhì)醇激素和血液生化指標(biāo)變化對豬肉劣質(zhì)豬肉的指示作用[J]. 肉類研究， 2013， 27（10）： 6-8.