近紅外光譜技術(shù)建立鏡鯉新鮮度定量預(yù)測模型

張欣欣，曲高陽，楊 瑩，莊曉萌，張 嵐

（吉林醫(yī)藥學(xué)院公共衛(wèi)生學(xué)院，吉林 吉林 132013）

我國是一個(gè)大量食用水產(chǎn)品的大國［1］，水產(chǎn)品已成為人類食物的重要組成部分。我國淡水魚產(chǎn)量占魚類產(chǎn)量的一半，是居民蛋白質(zhì)的主要來源。近年來，淡水魚占據(jù)了居民消費(fèi)比例的大部分［2-3］，其中，鏡鯉易繁殖，在我國產(chǎn)量極為豐富，因其滋味鮮美、營養(yǎng)成分豐富，蛋白質(zhì)含量高于其他鯉魚品種而使大眾消費(fèi)大大增加。目前，水產(chǎn)品加工、營養(yǎng)價(jià)值以及安全方面都成為消費(fèi)者關(guān)注的焦點(diǎn)［4］。

魚體死亡后，其新鮮度在不同貯藏溫度和時(shí)間下發(fā)生變化［5］。pH、TVB-N（揮發(fā)性鹽基氮）、TBA（硫代巴比妥酸）等一系列評(píng)價(jià)魚肉新鮮度的指標(biāo)，隨著魚體逐漸腐敗，微生物分解蛋白質(zhì)產(chǎn)生一系列物質(zhì)，魚肉的pH也相應(yīng)的發(fā)生變化，與此同時(shí)，在腐敗變質(zhì)時(shí)魚肉中會(huì)形成一種氨和胺類等堿性含氮物質(zhì)［6］。TVB-N與肉品的新鮮度有一定的關(guān)系，它是反映魚肉新鮮度的重要組分之一［7］。

傳統(tǒng)新鮮度測定的流程中，摻雜了一些個(gè)人因素并且花費(fèi)大量的時(shí)間和精力，事倍功半，未能高效、精確地反映魚肉的新鮮度。這就急需開發(fā)一種簡單省時(shí)、客觀準(zhǔn)確的分析方法對(duì)魚類保鮮、深加工和食品安全具有非常重要的作用［8］。魚肉中大量的有機(jī)組分在近紅外光中可以檢測得到，這一條件為應(yīng)用近紅外光譜檢測魚肉新鮮度提供了可信的技術(shù)保障。

近紅外光譜分析技術(shù)（NIRS）的原理是運(yùn)用物質(zhì)對(duì)近紅外光的選擇性吸收及吸收強(qiáng)度來預(yù)測其成分及含量，主要用于有機(jī)物質(zhì)定性和定量分析［9-11］。近紅外光譜分析技術(shù)操作簡潔，檢測迅速，對(duì)檢測人員沒有嚴(yán)格的技術(shù)要求，檢測時(shí)無污染，在石化、農(nóng)業(yè)、食品、工業(yè)控制、醫(yī)學(xué)等多個(gè)范疇均得到了普遍應(yīng)用且結(jié)果良好，其應(yīng)用范圍正在不斷擴(kuò)展［12-19］。

我國應(yīng)用近紅外光譜技術(shù)對(duì)淡水魚新鮮度檢測的探究較少，僅見對(duì)草魚、鳙魚、鰱魚、鯽魚、鱸魚5種淡水魚的相關(guān)研究［20-22］。因此，本項(xiàng)目以北方市場常見的淡水魚品種鏡鯉為研究對(duì)象，通過近紅外光譜儀掃描魚肉得到的光譜圖與運(yùn)用化學(xué)計(jì)量方法得到的反映魚肉新鮮度的pH、TVB-N、TBA值，最后利用NIRS建立魚肉新鮮度快速評(píng)價(jià)模型。

1 材料與方法

1.1 試驗(yàn)材料

鮮活鏡鯉，市購。分不同批次購買新鮮鏡鯉（記錄日期），剖取魚背腹部肌肉，絞碎,置于4℃冰箱中保存，每次購買的魚放置時(shí)間不超過5 d，每個(gè)指標(biāo)測定數(shù)據(jù)150個(gè)。

儀器與設(shè)備：SupNIR-2720型近紅外光譜儀，聚光科技（杭州）股份有限公司；FE20/EL20型pH計(jì)，梅特勒-儀器（上海）有限公司；HZL-F100全溫振蕩培養(yǎng)箱，太倉市強(qiáng)樂實(shí)驗(yàn)設(shè)備有限公司；201-1型電熱恒溫干燥箱，天津市泰斯特儀器有限公司；MJP-150型培養(yǎng)箱，上海精宏實(shí)驗(yàn)設(shè)備有限公司。

1.2 光譜采集

取絞碎的魚肉樣品10 g，使其均勻地鋪滿樣品盒，并將底部氣泡排出。啟動(dòng)近紅外光譜儀后需實(shí)施30 min的預(yù)熱操作，光譜儀在白板參比和功能測試后方可進(jìn)行掃描。近紅外光譜儀以與其配套的5 V鹵鎢燈作為光源，光源旁邊為探頭，將魚肉樣品置于光源正下方200 mm處進(jìn)行掃描。魚肉樣品經(jīng)3次掃描，3次光譜取平均值作為最終的光譜并進(jìn)行分析。

1.3 化學(xué)指標(biāo)的測定

1.3.1 pH值 取絞碎的魚肉樣品10 g，并入新煮沸后冷卻的蒸餾水100 mL，搖勻，靜置30 min后過濾，取約50 mL濾液于燒杯中，用pH計(jì)測定。

1.3.2 TVB-N值 參照《食品中揮發(fā)性鹽基氮的測定》（GB 5009.228-2016），運(yùn)用微量擴(kuò)散法測定TVB-N值。測量3次取平均值。

式中，V1為實(shí)驗(yàn)樣品用掉鹽酸的體積，mL；V2為空白樣品用掉鹽酸標(biāo)準(zhǔn)滴定液體積，mL；C為鹽酸的實(shí)際濃度，mol/L；m為試樣質(zhì)量，g。

1.3.3 TBA值 取絞碎的魚肉樣品10 g放置于錐形瓶中，加入25 mL蒸餾水，攪拌至均勻，再加入5%三氯乙酸25 mL，振蕩完全后靜置30 min,過濾，在50 mL容量瓶中用5%三氯乙酸定容。取5 mL上清液于具塞試管中，并入0.02 mol/L的TBA溶液5 mL混合，將具塞試管放于80℃的恒溫水浴鍋中加熱40 min，冷卻至室溫后，在532 nm波長下測定吸光度，測定3次取平均值［23］。

式中，A為樣品吸光度值。

1.4 模型建立方法

運(yùn)用近紅外光譜儀自帶的RIMP 軟件對(duì)光譜數(shù)據(jù)進(jìn)行分析，首先將150個(gè)數(shù)據(jù)進(jìn)行K-S分組，定標(biāo)集為80%，驗(yàn)證集為20%，分別采用偏最小二乘法、偏最小二乘法和BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)兩種方法對(duì)3個(gè)指標(biāo)分別建立模型，內(nèi)部驗(yàn)證通過定標(biāo)相關(guān)系數(shù)（Rc）、驗(yàn)證相關(guān)系數(shù)（Rp）、定標(biāo)標(biāo)準(zhǔn)偏差（SEC）、驗(yàn)證標(biāo)準(zhǔn)偏差（SEP）、交互驗(yàn)證標(biāo)準(zhǔn)誤差（SECV）等參數(shù)進(jìn)行，經(jīng)兩種方法建模效果的比較，選取最佳方法，確定最優(yōu)模型后，繼而通過外部驗(yàn)證模型的靈敏度和準(zhǔn)確度［24］。

2 結(jié)果與分析

2.1 光譜掃描結(jié)果

150個(gè)鏡鯉魚肉樣品的光譜圖（圖1）顯示在1 000～1 799 nm光譜曲線分布連續(xù)且集中，這與魚肉中含有的與營養(yǎng)物質(zhì)相關(guān)的C-H、N-H、O-H、C=O等化學(xué)鍵的倍頻及合頻吸收譜帶有關(guān)，表明魚肉樣品在1 000～1 799 nm波長范圍內(nèi)有大量的組分信息，再加上新鮮魚肉儲(chǔ)存時(shí)間短，肉品中含有的組分基本相似，因而光譜圖較為集中。這一結(jié)果為利用近紅外光譜技術(shù)建立鏡鯉新鮮度提供了前提條件。

圖1 150個(gè)鏡鯉樣品近紅外光譜

2.2 化學(xué)指標(biāo)測定結(jié)果

3個(gè)評(píng)定鏡鯉新鮮度指標(biāo)的測定結(jié)果見表1，通過3個(gè)指標(biāo)測定結(jié)果的極差以及標(biāo)準(zhǔn)差可知，pH值、TVB-N值和TBA值的變異程度均較大，各個(gè)指標(biāo)的數(shù)值分布離散程度較大，為進(jìn)一步建立鏡鯉新鮮度模型提供了保障。

表1 鏡鯉新鮮度化學(xué)指標(biāo)統(tǒng)計(jì)結(jié)果

2.3 偏最小二乘法模型的建立

2.3.1 偏最小二乘法 偏最小二乘法是NIRS定量分析中應(yīng)用范圍最廣且最多的多元校正方法，既可以對(duì)光譜矩陣實(shí)行拆分，還可以對(duì)濃度矩陣實(shí)施拆分［25-28］。Rc與Rp越靠近1，SECV、SEC 與SEP越接近0，表示所建立的模型精確度越高［29］。

2.3.2 建立模型 魚肉樣品掃描光譜經(jīng)基線校正方法結(jié)合標(biāo)準(zhǔn)正態(tài)變量變換方法預(yù)處理后，所建立的pH模型的Rc和Rp較高，SEC、SECV和SEP較靠近0，故在PLS法中，采用基線校正、標(biāo)準(zhǔn)正態(tài)變量變換方法所建立的pH模型最佳。應(yīng)用21種光譜預(yù)處理方式建立的pH模型的統(tǒng)計(jì)參數(shù)如表2所示。

2.3.3 最優(yōu)波段的確定 在最佳預(yù)處理方式下，運(yùn)用10種波段所形成的模型參數(shù)如表3所示。由表3可知，在10個(gè)波段范圍下，經(jīng)統(tǒng)計(jì)參數(shù)的相互比較，當(dāng)波長為1 000～1 300 nm或1 700～1 799 nm時(shí)，Rc最高，SEC接近0，此時(shí)的建模條件最佳。應(yīng)用此種方式對(duì)TVB-N、TBA分別創(chuàng)建模型。

2.3.4 化學(xué)指標(biāo)的最佳處理 從表4可以看出，pH模型在基線校正、標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理方式及 1 000～1 300、1 700～1 799 nm 波段下建立的模型最優(yōu)；TVB-N模型在凈分析信號(hào)預(yù)處理方式及 1 000～1 200、1 300～1 650 nm 波段下建立的模型最優(yōu)；TBA模型同時(shí)滿足預(yù)處理方式為Savitzky-Golay導(dǎo)數(shù)、基線校正及波段為1 000～1 799 nm時(shí)，模型最優(yōu)。偏最小二乘法創(chuàng)建的鏡鯉新鮮度模型的內(nèi)部驗(yàn)證效果見表5。

表2 鏡鯉pH模型最佳預(yù)處理方法的確定

表3 pH模型最優(yōu)波段的選擇

表4 鏡鯉新鮮度偏最小二乘法建模的最優(yōu)條件

表5 鏡鯉新鮮度偏最小二乘法模型的內(nèi)部驗(yàn)證結(jié)果

2.4 偏最小二乘法和BP人工神經(jīng)網(wǎng)絡(luò)模型的建立

2.4.1 建立模型 應(yīng)用偏最小二乘法與BP人工神經(jīng)網(wǎng)絡(luò)聯(lián)合技術(shù)建立模型［26］，通過21種光譜預(yù)處理方式的比較得出最優(yōu)預(yù)處理方式，在最優(yōu)預(yù)處理方式下經(jīng)由10種波段所得到參數(shù)的對(duì)比，最后得出最好波段。

最優(yōu)預(yù)處理方式與最優(yōu)波段相結(jié)合即為鏡鯉新鮮度定量檢測的最優(yōu)模型。表6為pH模型的統(tǒng)計(jì)參數(shù)。由表6可知，在多元散射校正、Savitzky-Golay 平滑預(yù)處理方式下，模型的Rc和Rp較高，SEC和SEP靠近0，因而應(yīng)用偏最小二乘法和BP人工神經(jīng)網(wǎng)絡(luò)在多元散射校正、Savitzky-Golay 平滑預(yù)處理方式下獲得的模型最優(yōu)。同樣，確定TVB-N、TBA的最佳預(yù)處理方法。

2.4.2 最優(yōu)波段的確定 在多元散射校正方法結(jié)合Savitzky-Golay平滑方法這一預(yù)處理方法下，根據(jù)表7確定最優(yōu)波段。當(dāng)波長范圍為1 000～1 650 nm時(shí)，Rc和Rp相對(duì)較高，SEC和SEP相對(duì)較小，接近0，此時(shí)所建立的模型最優(yōu)。故應(yīng)用偏最小二乘法和BP人工神經(jīng)網(wǎng)絡(luò)建立的pH模型，在波長為1 000～1 650 nm，預(yù)處理為多元散射校正方法結(jié)合Savitzky-Golay平滑方法下得到最優(yōu)模型。采取相同的方式可得到TVB-N、TBA的最優(yōu)波段。

表6 鏡鯉pH模型最佳預(yù)處理方法的確定

表7 pH模型在不同光譜波段條件下的參數(shù)統(tǒng)計(jì)

2.4.3 化學(xué)指標(biāo)的最佳處理 從表8可以看出，pH模型在多元散射校正、Savitzky-Golay平滑預(yù)處理方式及1 000～1 650 nm波段下建立的模型最優(yōu)；TVB-N模型在Savitzky-Golay導(dǎo)數(shù)預(yù)處理方法及1 000～1 799 nm波段下建立的模型最優(yōu)；TBA模型同時(shí)滿足預(yù)處理方法為Savitzky-Golay導(dǎo)數(shù)、Savitzky-Golay平滑及波段為1 000～1 799 nm時(shí)，模型最優(yōu)。3種指標(biāo)在各自最優(yōu)條件下的內(nèi)部驗(yàn)證效果見表9。

表8 偏最小二乘法和BP人工神經(jīng)網(wǎng)絡(luò)建立鯉魚新鮮度定量預(yù)測模型的最優(yōu)條件

表9 鯉魚新鮮度定量預(yù)測模型的內(nèi)部驗(yàn)證結(jié)果

2.5 鏡鋰最佳定量預(yù)測模型的建立

按照兩種方法對(duì)3個(gè)指標(biāo)創(chuàng)建模型的統(tǒng)計(jì)結(jié)果，利用偏最小二乘法建立的模型比偏最小二乘法與BP人工神經(jīng)網(wǎng)絡(luò)結(jié)合建立的模型結(jié)果好。鏡鯉新鮮度最佳建模方法和內(nèi)部驗(yàn)證結(jié)果見表10。

表10 鯉魚新鮮度最佳建模方法及內(nèi)部驗(yàn)證結(jié)果

3個(gè)指標(biāo)建立的模型的Rc均較高，表示所建立的模型對(duì)鏡鯉的新鮮度有很好的預(yù)測力，經(jīng)近紅外光譜儀的RIMP分析軟件，將模型所得數(shù)據(jù)與實(shí)際檢測的指標(biāo)含量配對(duì)，得到二者的線性關(guān)系，pH值、TVB-N值和TBA值3個(gè)指標(biāo)分別在魚肉中含量的真實(shí)值與經(jīng)模型得出的預(yù)測值之間的線性關(guān)系如圖2所示。

圖2 基于近紅外光譜參數(shù)的鯉魚新鮮度預(yù)測模型

2.6 鯉魚新鮮度模型的檢驗(yàn)

為驗(yàn)證所建立模型的準(zhǔn)確性，將建立定量模型以外的化學(xué)指標(biāo)與其對(duì)應(yīng)的預(yù)測值進(jìn)行比較，結(jié)果見表11。隨后對(duì)真實(shí)值與預(yù)測值進(jìn)行t檢驗(yàn)，鏡鯉新鮮度3項(xiàng)指標(biāo)所得的t值分別為 -0.231、1.836、-1.159，均小于 t （0.05,30）=2.042，表明真實(shí)值與預(yù)測值的差異無統(tǒng)計(jì)學(xué)意義，可認(rèn)為真實(shí)值與預(yù)測值相等。

表11 未知鯉魚樣品的預(yù)測結(jié)果

3 結(jié)論與討論

新鮮魚類死亡后，起初品質(zhì)的變化主要是由于自溶作用引起的，使得魚的外表黏液增多，產(chǎn)生異味，肉色變深，后來的腐敗變質(zhì)是由于微生物和酶的作用［30-31］。在魚類的腐敗變質(zhì)過程中，無論是感官品質(zhì)的變化還是肉質(zhì)本身的化學(xué)改變均給居民帶來健康問題。因此，魚肉肉品新鮮度的檢測與評(píng)估顯得尤為重要。

近紅外光線具有很強(qiáng)的穿透能力，在檢測樣品時(shí)，不需要進(jìn)行任何前處理，可以穿透玻璃和塑料包裝進(jìn)行直接檢測，也不需要任何化學(xué)試劑［32］。本研究利用近紅外光譜技術(shù)這一優(yōu)點(diǎn)，對(duì)150個(gè)鏡鯉魚肉樣品進(jìn)行了光譜的掃描及化學(xué)指標(biāo)的測定，采用偏最小二乘法、偏最小二乘法和BP人工神經(jīng)網(wǎng)絡(luò)模型兩種辦法建模，并通過數(shù)據(jù)的優(yōu)化確定了pH、TVB-N和TBA的最佳預(yù)處理方法及波段，進(jìn)而建立了最優(yōu)的模型。

經(jīng)統(tǒng)計(jì)參數(shù)的比較，3個(gè)指標(biāo)含量均采取偏最小二乘法建立的模型最佳，可能是歸因于鏡鯉光譜數(shù)據(jù)與新鮮度指標(biāo)趨于線性回歸，偏最小二乘法是線性回歸而BP人工神經(jīng)網(wǎng)絡(luò)為非線性回歸。3個(gè)指標(biāo)含量的SEC均超過0.99，表明在近紅外光譜區(qū)內(nèi)有大量與3個(gè)指標(biāo)含量有關(guān)的信息，因而得以證實(shí)，在波段為1 000～1 799 nm內(nèi)建立的鏡鋰新鮮度模型是可靠的。3個(gè)指標(biāo)的最優(yōu)預(yù)處理方式分別為基線校正和標(biāo)準(zhǔn)正態(tài)變量變換、凈分析信號(hào)、Savitzky-Golay導(dǎo)數(shù)和基線校正，最優(yōu)波長范圍分別為1 000～1 300 nm和1 700～1 799 nm、1 000～1 200 nm和1 300～1 650 nm、1 000～1 799 nm，而且pH、TVB-N和TBA的Rc分別為0.9906、0.99865、0.99971，Rp分別為0.6436、0.021357、0.77229。

本研究在鏡鯉新鮮度預(yù)測模型建立的樣品制備過程中，每次在采購樣品時(shí)只是針對(duì)采購地點(diǎn)采取了統(tǒng)一，卻忽略了每次采購的固定時(shí)間、魚的原產(chǎn)地和飼養(yǎng)環(huán)境等方面對(duì)魚的肉質(zhì)影響，在這些方面還需進(jìn)一步探討。與過去測定新鮮度的方式相比，本研究建立的模型有了極大的改善，大大降低了人力物力和精力的消耗，只需將所測得魚肉樣品的光譜曲線帶入所建立的模型中，即可馬上檢測出魚肉新鮮度的情況。經(jīng)檢驗(yàn)具有統(tǒng)計(jì)學(xué)意義，所以該模型在預(yù)測鏡鋰新鮮度方面是準(zhǔn)確的，可以被應(yīng)用。