近紅外光譜技術評價肉品新鮮度的應用

楊 瑩，莊曉萌，張欣欣，曲高陽，霍思宇，張 嵐,2*

(1.吉林醫(yī)藥學院公共衛(wèi)生學院，吉林 吉林 132013；2.吉林省中醫(yī)藥管理局二級實驗室,吉林 吉林 132013)

隨著我國的經(jīng)濟實力不斷增強，加工業(yè)與物流業(yè)迅速發(fā)展，食品的種類日益增多，食品安全問題成為消費者關注的焦點[1]。新鮮度是評價食品食用價值最直接、最重要的一項指標。食品隨著貯藏溫度和時間的變化，其新鮮度逐漸下降。尤其對于動物性食品，如何確保其是否新鮮更是不容小覷。一個好的檢測方法對保證食品的安全具有重要意義。傳統(tǒng)檢測新鮮度的方法操作復雜、耗時，而且包含一定的人為因素，不能快速、準確地反映肉類的品質。因此，探尋一種簡便快速、客觀準確的評價方法成為當前必須解決的課題[2]。

近紅外光譜技術是近幾年發(fā)展較為迅猛的一種新興光譜分析方法。近紅外光譜是介于可見光和中紅外光之間的電磁波譜。近紅外光譜技術是通過對樣品光譜和其性質參數(shù)進行關聯(lián)，建立矯正模型，然后通過矯正模型預測樣品的組成和性質，應用于常規(guī)分析的一種技術[3]。近紅外光譜技術具有檢測快速、無損、同時測量多種理化性質、操作簡單等優(yōu)點，受到歐美等發(fā)達國家的重視，研究與制定了近紅外光譜的技術標準和應用標準，并將該技術運用于水產(chǎn)品中蛋白質、脂肪、水分等指標的檢測，使近紅外光譜技術得到普及和發(fā)展[4-6]。20世紀80年代以來,近紅外光譜技術被不斷廣泛應用于農(nóng)業(yè)、制藥、煙草、食品等各個領域。國內外有許多專家使用近紅外技術檢測肉制品。例如，已成功地實現(xiàn)了用近紅外光纖探頭在加熱肉品過程中水分變化的檢測，為肉制品加工提供了一種新的有效、合理的控制方法[7]。此外，由普列托等已證實近紅外是一個評估肉和肉制品質量屬性最有效的方法。

1 近紅外光譜技術在禽類產(chǎn)品新鮮度檢測中的應用

雞、鴨、鵝是人們最常見的食用家禽類肉品，具有很好的營養(yǎng)價值。

劉永亮[8]與其他幾位美國研究者運用近紅外光譜法測定時間、溫度的變化誘導雞肌肉的光譜強度變化。結果表明，近紅外的方法不僅可以建立光譜帶，還可以監(jiān)測肉質中發(fā)生的一系列變化。最終研究了光譜吸收和肉的顏色結構之間的關系，也證明了二維方法在重疊和分析中的意義，這一結果可廣泛用于肉類和食品產(chǎn)品的研究。然而肉質其他特點，如肉的口感不能得到檢測。

楊勇[9]等以獅頭鵝為研究對象，采集近紅外光譜測定鵝肉的揮發(fā)性鹽基氮(total volatile basic nitrogen，TVB-N)和pH值。光譜經(jīng)多種預處理后，應用偏最小二乘法建模，最終得出每個樣品測定時間在2～5 min以內，而傳統(tǒng)檢測方法至少需要30 min以上。因此近紅外光譜法可作為鵝肉新鮮度快速無損檢測的一種方法。

2 近紅外光譜技術在畜產(chǎn)品新鮮度檢測中的應用

林皇[10]等嘗試運用近紅外光譜儀、計算機視覺和電子鼻技術測定豬肉中TVB-N的含量，并通過主成分析法進行數(shù)據(jù)融合、BP人工神經(jīng)網(wǎng)絡進行模型的建立，這3種技術的融合顯著提高了豬肉中TVB-N含量的預測性能。廖易濤[11]等利用近紅外光譜法測定豬肉中的肌內脂肪、蛋白質和水、pH值及剪切力值的含量來預測肉的品質,并利用小波去噪和多個預處理方法進行了外部驗證。結果表明，近紅外光譜是一種很有前途的技術，能夠大致預測完整新鮮豬肉的品質屬性。王麗[12]等將常規(guī)分析測定值作為建?；A數(shù)據(jù)，利用PLS定量分析模型，并檢測了近紅外光譜前期處理方法對模型的影響，以此建立了豬肉新鮮度指標的快速檢測方法。結果表明，樣本的預測值與真實值之間沒有顯著差異(P>0.05)，這一結論對快速評估豬肉新鮮度的指標提供了參考價值。

姜沛宏[13]等以牛后腿肉為研究對象，開發(fā)了檢測牛肉新鮮度的識別系統(tǒng)。他們通過機器視覺和近紅外光譜技術評價肉品的新鮮度，并采用BP人工神經(jīng)網(wǎng)絡建立模型，該模型預測準確率達到98.31%，實現(xiàn)了近紅外光譜技術在肉品新鮮度檢測方面的應用。PANAGOU[14]等通過紅外光譜分析在有氧條件及不同溫度下利用偏最小二乘法和人工神經(jīng)網(wǎng)絡快速檢測牛肉的腐敗進程。這一實驗很好地運用了近紅外技術進行了兩種方法測定肉品腐敗程度的比較，其應用于肉品檢測具有重要的意義?；赟HACKELFORD等發(fā)現(xiàn)的一種高效、可重復的在線光譜評價酮體品質的方法，SHACKELFORD[15]等使用可見光和近紅外反射通過spectroscopy123模型驗證來建立選擇牛肉嫩度的技術。這一實驗進一步證實了SHACKELFORD等的發(fā)現(xiàn)，同時這項技術促進了以嫩度為基礎的牛肉商品化系統(tǒng)的形成。

3 近紅外光譜技術在水產(chǎn)品保鮮中的應用

HE[16]等總結了光譜和成像技術在魚肉及其制品品質評價中的應用。近紅外光譜、計算機視覺和高光譜成像已被用于紋理分析、物理和化學屬性測定及微生物檢測中。與傳統(tǒng)的感官評價和破壞性儀器測量相比，這3種光學技術提高了工作效率和降低了手動檢查的強度,使魚的品質評價變得快速、簡單。雖然計算機視覺表現(xiàn)良好，但在外部特征估計方面沒有提供需要的光譜信息。作為重要的光學檢查和分析技術，預計近紅外光譜、計算機視覺和高光譜成像技術可能逐步成為一種常規(guī)的方法，用于魚產(chǎn)品的安全與質量監(jiān)測。

劉源[17]等建立了測定大黃魚新鮮度最優(yōu)TVB-N定量模型。他們以TVB-N作為冰鮮大黃魚新鮮度的評價指標，使用近紅外光譜技術測定不同貯藏時間下大黃魚的新鮮度，運用多種方法建模并進行了比較。實驗結果顯示，只有當光譜預處理方法采用趨近歸一化結合一階導數(shù)和單位長度歸一化結合一階導數(shù)、建模方法采用偏最小二乘法和波數(shù)范圍為5000～7144 cm-1、7404～10 000 cm-1時可以達到最佳建模效果。在此模型下，定標集相關系數(shù)達到0.992，校正標準偏差達到1.045，驗證集相關系數(shù)達到0.999，預測標準偏差達到0.990。該模型預測準確度較高，能快速、有效檢地測冰鮮大黃魚的TVB-N值，在水產(chǎn)品鮮度評價方面得到了良好的應用前景。

陳偉華[18]等采集了絞碎前后羅非魚背部肉及腹部肉的近紅外光譜,并與總TVB-N含量進行擬合，建立定量預測模型。通過比較三點平滑、九點平滑、九點卷積平滑、一階導數(shù)、趨近歸一化、單位長度歸一化、標準正態(tài)變換、多元散射校正以及它們與一階導數(shù)結合對光譜進行預處理的模型效果，得出九點卷積平滑和一階導數(shù)相比于其他預處理方法可以更好地消除光譜噪音，并且其他方法與一階導數(shù)聯(lián)合使用后，模型預測準確性及建模效率得到了提高。模型預測效果較好、準確度較高，對快速、無損評價羅非魚新鮮度提供了一種可靠的方法。

謝雯雯[19]等測定了鳙魚、鰱魚和草魚3種魚肉不同新鮮度時，其TVB-N、硫代巴比妥酸值、K值和pH值，并采集近紅外光譜，構建了魚肉新鮮度的評價的模型。由內部交互驗證標準差確立了3種魚肉新鮮度指標的光譜預處理方法，運用偏最小二乘法分別建立了鳙魚、鰱魚、草魚新鮮度的近紅外光譜定量分析模型。除鳙魚TVB-N和硫代巴比妥酸值的預測相關系數(shù)較小外，其他指標的校正相關系數(shù)和預測相關系數(shù)均大于0.85。表明該模型具有較好的擬合度和預測性，對魚肉新鮮度的快速評價具有重要的意義。

黃濤[20]等采用自行搭建的淡水魚近紅外光譜在線采集裝置，對淡水魚新鮮度進行了在線檢測，將樣品置于輸送鏈上以0.5 m/s的速度運動，采集其近紅外光譜(900～2500 nm)，建立了淡水魚新鮮度在線檢測模型。采用光譜理化值共生距離算法對樣本集進行劃分，其中校正集111條(新鮮57條、變質54條)，測試集37條(新鮮19條、變質18條)，通過不同的光譜預處理方法對預測結果的影響的比較。得出最優(yōu)光譜預處理方法是一階導結合標準化預處理，其所建模型對校正集的正確識別率為97.96%，對測試集的識別率為95.92%。采用3種不同的選擇方法對特征波長進行篩選，通過建模比較分析明確競爭性自適應重加權算法為最優(yōu)波長選擇方法，用所選的10個特征波長構建淡水魚新鮮度評價模型，對校正集的正確識別率為100%，對測試集的識別率為93.88%。這一研究為近紅外光譜技術應用于淡水魚新鮮度快速檢測提供了在線支持。

張曉敏[21]等以鱸魚為研究對象，運用近紅外光譜技術結合偏最小二乘法、特征波段篩選法構建了鱸魚貯藏時間評估方法。他們還利用簇類獨立軟模式法和主成分判別分析法完成了對解凍魚的鑒別，并初步探討了運用近紅外光譜技術進行鑒別魚肉的原理。

4 展 望

隨著現(xiàn)代儀器研發(fā)技術不斷發(fā)展，近紅外光譜技術的分析系統(tǒng)包括軟硬件系統(tǒng)、數(shù)據(jù)處理及分析功能，均會得到更好地改善。該技術目前已應用于農(nóng)業(yè)、制藥、煙草、食品等領域，在肉品的新鮮度檢測中也充分顯示了其應用價值。近紅外光譜技術具有快速、無損、準確等優(yōu)點，越來越受到重視。與此同時物聯(lián)網(wǎng)技術、云計算、大數(shù)據(jù)正迅速發(fā)展，相信在不久將來幾者將會聯(lián)合起來，建立強大數(shù)據(jù)庫，其應用范圍將更加擴大，在檢測技術方面的誤差也將不斷縮小。