利用近紅外光譜建立牛肉理化品質(zhì)預(yù)測(cè)模型

亐開(kāi)興 ，吳金亮 ，楊 凱 ，王 喆 ，趙 剛 ，張繼才 ，高月娥 ，王安奎 ，楊國(guó)榮 ，金顯棟 *

（1.云南省草地動(dòng)物科學(xué)研究院，昆明 650212；2.云南省肉牛工程技術(shù)研究中心，昆明 650212；3.云南省畜牧獸醫(yī)科學(xué)院，昆明 650224）

牛肉富含蛋白質(zhì)，脂肪含量低，營(yíng)養(yǎng)構(gòu)成更接近人體的均衡需要，能增強(qiáng)體魄和提高人體抗病力，對(duì)促進(jìn)人們生長(zhǎng)發(fā)育及組織修復(fù)好處良多。牛肉是世界第三大消耗肉品，約占肉類市場(chǎng)的25%，低于豬肉（38%）和禽肉（30%）。隨著人們生活水平的提高，牛肉品質(zhì)成為了消費(fèi)者最為關(guān)注的重要因素之一。受品種、日糧、飼養(yǎng)環(huán)境等多方面因素影響，牛肉品質(zhì)有很大差異。在牛肉供應(yīng)市場(chǎng)，不恰當(dāng)?shù)匿N售與加工渠道會(huì)出現(xiàn)摻假牛肉制品謀取利益。因此，有必要采取先進(jìn)的技術(shù)手段，實(shí)現(xiàn)快速高效檢測(cè)和甄別牛肉品質(zhì)與真假。以往常用的感官、理化與微生物檢驗(yàn)方法費(fèi)時(shí)費(fèi)力，而近紅外光譜 （near infrared spectroscopy，NIRS）是近年發(fā)展起來(lái)的一種具有方便、快速、高效、準(zhǔn)確而成本低、不破壞樣品、綠色環(huán)保等優(yōu)點(diǎn)的檢測(cè)技術(shù)，在肉品品質(zhì)快速檢測(cè)中受到越來(lái)越多人的青睞。國(guó)內(nèi)外學(xué)者在通過(guò)NIRS檢測(cè)來(lái)預(yù)測(cè)各種肉類化學(xué)組成方面進(jìn)行了大量研究[1-9]。Berzaghi（2005）等[7]對(duì)雞胸肉脂肪含量進(jìn)行預(yù)測(cè)，其相關(guān)系數(shù)為0.99；劉煒等（2005）[8]采用傅里葉變換近紅外光譜法預(yù)測(cè)豬肉中肌間脂肪、蛋白質(zhì)和水分含量，其相關(guān)系數(shù)分別為0.999、0.979 和 0.989；González-Martín 等（2003）、Savenije 等（2006）[5,6]利用 NIRS 對(duì)豬肉的品質(zhì)進(jìn)行預(yù)測(cè)，Liao等（2010）[9]發(fā)現(xiàn)近紅外光譜與肌間脂肪、水分及蛋白含量均呈正相關(guān)（R2＞0.81）。前期工作表明，NIRS可用于各種肉品品質(zhì)檢測(cè)檢驗(yàn)，多數(shù)用于雞豬等肉類上，在牛肉的研究較少，本文采用NIRS對(duì)牛肉的營(yíng)養(yǎng)成分進(jìn)行預(yù)測(cè)，探索該方法的應(yīng)用前景。

1 材料與方法

1.1 實(shí)驗(yàn)儀器

實(shí)驗(yàn)使用瑞典PERTON DA 7200近紅外光譜儀對(duì)牛肉光譜進(jìn)行掃描分析，其光譜范圍在950～1 650 nm之間。

1.2 樣品采集

樣品采自云南省草地動(dòng)物科學(xué)研究院實(shí)驗(yàn)屠宰場(chǎng)及石林云昊農(nóng)產(chǎn)品有限公司屠宰場(chǎng)，牛只來(lái)自云南省草地動(dòng)物科學(xué)研究院、石林農(nóng)產(chǎn)品有限公司、紅河炆遠(yuǎn)牧業(yè)有限公司和大姚齊和牧業(yè)有限公司的肉牛養(yǎng)殖場(chǎng)，屠宰按GB/T19477-2004方法屠宰，牛只宰前斷水8 h、禁食24 h。宰后胴體二分體于濕度90%～95%排酸間、-2℃～+4℃排酸后熟48 h后進(jìn)行胴體分割，取牛胴體一側(cè)背最長(zhǎng)肌到第6～7肋間上腦200 g，采集后裝入密封袋中于-20℃保存。采集分析樣本數(shù)分別為安本雜（安格斯♂×云南黃?！猓?0頭份、婆羅門(mén)牛12頭份、BMY牛（云嶺牛）10頭份、西本雜（西門(mén)塔爾♂×云南黃?！猓?0頭份和云南黃牛10頭份，共計(jì)52頭份。

1.3 試驗(yàn)方法

1.3.1牛肉化學(xué)成分測(cè)定

水分（MT）按 GB/T9695.15-2008《肉與肉制品水分含量測(cè)定》、蛋白質(zhì)（CP）按 GB/T9695.11-2008《肉與肉制品中氮含量測(cè)定》、脂肪（EE）按GB/T9695.7-2008《肉與肉制品總脂肪含量的測(cè)定》、灰分（Ash）按GB/T9695.18-2008《肉與肉制品總灰分測(cè)定》、氨基酸（AA）按GB/T 5009.124-2003《食品中氨基酸的測(cè)定》方法進(jìn)行測(cè)定。

1.3.2 牛肉光譜采集

牛肉樣品進(jìn)行近紅外光譜采集前，把樣品進(jìn)行微波快速解凍，然后粉碎研磨處理。處理方法如下：取出凍存的肉樣放入微波爐，解凍5 min左右，剔除肉塊表面的筋膜、血管和脂肪后切成薄片，放入榨汁機(jī)粉碎約30 s，再將磨碎的肉末放入樣品旋轉(zhuǎn)盤(pán)，抹平、壓實(shí)待用，該樣品即可直接用于近紅外分析儀掃描。

使用DA 7200近紅外分析儀掃描樣品進(jìn)行光譜采集，隨機(jī)軟件為Simplicity 4.0.2，采集模式為吸收光譜。光譜數(shù)值為4次掃描的平均值，收集光譜范圍為950～1 650 nm，數(shù)據(jù)間隔為1 nm，每個(gè)樣品收集到701個(gè)近紅外光譜數(shù)據(jù)點(diǎn)。要求儀器工作環(huán)境的相對(duì)濕度穩(wěn)定，溫度在25℃左右。

1.4 數(shù)據(jù)處理

采用Unscrambler軟件MSC（多元散射校正，multiplicative scatter correction）和SNV（變量正態(tài)標(biāo)準(zhǔn)化，standardized normal variate）對(duì)光譜進(jìn)行預(yù)處理，通過(guò)PLS（partial least-square，偏最小二乘法）建立近紅外光譜預(yù)測(cè)模型。數(shù)據(jù)使用SPSS 16.0軟件進(jìn)行統(tǒng)計(jì)分析，將樣品設(shè)定為校正集與驗(yàn)證集兩個(gè)數(shù)據(jù)集，采用交叉驗(yàn)證法來(lái)檢驗(yàn)?zāi)Ｐ偷膬?nèi)部穩(wěn)定性和擬合效果，以模型的驗(yàn)證決定系數(shù)（R2驗(yàn)正）、交叉驗(yàn)證均方根及校正決定系數(shù)（R2校正）作為評(píng)價(jià)模型的參數(shù)。使用10個(gè)已測(cè)定的理化指標(biāo)值，對(duì)已建立的牛肉近紅外光譜模型進(jìn)行驗(yàn)證。通過(guò)偏最小二乘法建立光譜預(yù)測(cè)模型，并采用交叉驗(yàn)證法檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性。

2 結(jié)果與分析

2.1 牛肉理化品質(zhì)分析

通過(guò)采用國(guó)標(biāo)測(cè)定52個(gè)樣品的MT、CP、EE、Ash、16種氨基酸等理化品質(zhì)的含量（表1），從表1中可看出，各成分的分布變化均勻，變化范圍較大，符合正態(tài)分布，具有明顯的代表性，樣品集的選擇相對(duì)合理。

表1 牛肉理化值數(shù)據(jù)分布表

2.2 牛肉的近紅外光譜分析

采用DA7200光譜儀掃描樣品，每個(gè)樣品重復(fù)4次，圖1為的平均光譜曲線（52sample）。從圖1可知，所有樣品的光譜曲線形狀基本一致，大量譜圖表現(xiàn)相對(duì)集中，在1 180 nm和1 430 nm出現(xiàn)了明顯的吸收峰，分別為C-H的二級(jí)倍頻吸收、O-H伸縮振動(dòng)的一級(jí)倍頻以及N-H伸縮振動(dòng)的一級(jí)倍頻；而在1 730 nm處吸收峰較低，為C-H的一級(jí)倍頻吸收。

2.3 牛肉理化品質(zhì)的近紅外光譜預(yù)測(cè)模型

通過(guò)偏最小二乘法（PLS）建立近紅外光譜預(yù)測(cè)模型，結(jié)合交叉驗(yàn)證法驗(yàn)證模型的穩(wěn)定性，常用的預(yù)處理方法有數(shù)據(jù)求導(dǎo)、平滑、歸一化和多元散射（MSC）等。采用Unscrambler軟件對(duì)光譜進(jìn)行預(yù)處理，所建立模型的因子數(shù)為6，交叉驗(yàn)證均方根、R2校正、R2驗(yàn)正詳見(jiàn)表2。近紅外光譜模型的測(cè)定值與預(yù)測(cè)值作出的散點(diǎn)圖見(jiàn)圖2～圖21，由此可見(jiàn)模型的測(cè)定值與預(yù)測(cè)值較為接近，構(gòu)建的預(yù)測(cè)模型比較理想。

圖1 52個(gè)樣品近紅外光譜圖

表2 建立牛肉化學(xué)成分含量近紅外光譜預(yù)測(cè)模型表

圖2 牛肉MT含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖3 牛肉EE含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖4 牛肉CP含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖5 牛肉Ash含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖6 牛肉Asp含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖7 牛肉Thr含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖8 牛肉Ser近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖9 牛肉Glu含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖10 牛肉Gly含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖11 牛肉Ala含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖12 牛肉Cys含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖13 牛肉Val含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖14 牛肉Met含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖15 牛肉Ile含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖16 牛肉Leu含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖17 牛肉Tyr含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖18 牛肉Phe含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖19 牛肉Lys含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖20 牛肉His含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

圖21 牛肉Arg含量近紅外光譜預(yù)測(cè)值與測(cè)定值散點(diǎn)圖（單位：%）

3 結(jié) 論

肌肉品質(zhì)與脂肪、蛋白質(zhì)與水分含量緊密關(guān)聯(lián)[10]。本研究采用近紅外光譜對(duì)牛肉樣品的MT、CP、EE等含量進(jìn)行預(yù)測(cè)，達(dá)到了既快速檢測(cè)牛肉理化品質(zhì)，又不破壞肉塊、不污染環(huán)境的目的。對(duì)于近紅外光譜預(yù)測(cè)結(jié)果，其主要影響因素為樣品代表性與光譜預(yù)處理方法，本研究所采集的牛肉有典型的代表性，各化學(xué)成分含量相對(duì)標(biāo)準(zhǔn)偏差最小值為7.93（MT）。

采取MSC和SNV預(yù)處理方法建立了較理想的牛肉理化指標(biāo)近紅外光譜預(yù)測(cè)模型。本研究中，MT、EE、CP、Ash、Asp、Thr、Ala、Val、Ile、Leu、Tyr、Phe、Lys、His、Arg 等含量的近紅外光譜預(yù)測(cè)模型的 R2驗(yàn)正均超過(guò)0.66，其中MT、EE、CP、Ash含量的近紅外光譜預(yù)測(cè)模型的R2驗(yàn)正分別達(dá)到0.866、0.883、0.668和0.812，預(yù)測(cè)模型取得了較理想的效果，但還需進(jìn)一步完善，可能在建模型時(shí)所采集的肌肉應(yīng)當(dāng)涵蓋多個(gè)品種或不同年齡屠宰的肉塊，那么所要求的樣品代表性更強(qiáng)[10-13]；同時(shí)，樣品采集應(yīng)該包含一些未知的樣品，且各組分含量分布變化均勻[14,15]。Ser、Glu、Gly、Cys含量的近紅外光譜預(yù)測(cè)模型的R2驗(yàn)正介于0.286與0.584之間，而Gly含量的近紅外光譜預(yù)測(cè)模型的R2驗(yàn)正最低為0.286，預(yù)測(cè)效果較差。Ash含量的近紅外光譜預(yù)測(cè)模型的R2校正、R2驗(yàn)正分別為0.818、0.812，盡管它作為肉品經(jīng)高溫灼燒后殘留的無(wú)機(jī)鹽和氧化物，在近紅外光譜區(qū)域無(wú)吸收，但它也是通過(guò)與肉樣中有機(jī)物含量存在的相關(guān)性來(lái)獲得預(yù)測(cè)。

本研究采集的樣品數(shù)稍顯有限，同時(shí)樣品的代表性還有待補(bǔ)充，今后的研究中應(yīng)擴(kuò)充肉牛品種、不同年齡階段以及不同部位的樣品，以達(dá)到大樣本所需的代表性，以便建立更加全面的近紅外光譜預(yù)測(cè)模型。