基于拉曼光譜技術(shù)的不同貯藏條件下明蝦品質(zhì)變化預(yù)測模型的研究

眭亞南，張雷蕾，盧詩揚，楊德紅, 朱 誠*

1. 中國計量大學(xué)生命科學(xué)學(xué)院，浙江 杭州 310018 2. 浙江省海洋食品品質(zhì)及危害物控制技術(shù)重點實驗室，浙江 杭州 310018

引 言

中國是蝦需求量大國，大量蝦產(chǎn)品順利進入市場依賴于冷凍保藏技術(shù)的發(fā)展。明蝦營養(yǎng)豐富、肉質(zhì)鮮美，含人體所需氨基酸。由于其高水分、脂肪和蛋白質(zhì)，蝦被歸類為高度易腐爛的食品。蝦的質(zhì)量取決于儲藏條件[11]，冷藏是明蝦貯藏和加工主要途徑，而在冷凍冷藏過程中出現(xiàn)多種惡化機制，如脂肪氧化、風(fēng)味物質(zhì)消失、酶或微生物腐敗[12]。隨著貯藏時間的增加，顏色發(fā)生改變、產(chǎn)生揮發(fā)性物質(zhì)，營養(yǎng)品質(zhì)下降，甚至危害食用者身體健康。目前，水產(chǎn)品檢測方式有電子鼻法、化學(xué)方法、微生物方法、感官評定方法，但這些方法存在檢測時間長，樣品受損等缺點。為確保水產(chǎn)品食用性、安全性，實現(xiàn)蝦品質(zhì)的快速檢測方式具有深遠意義。

除了現(xiàn)有的方法，新技術(shù)如拉曼光譜，由于其無損、快速、現(xiàn)場可用性和精度高等優(yōu)點，近年來應(yīng)用廣泛[3，7-8]。拉曼檢測方法方便、快捷，只需將檢測探頭對準樣品，根據(jù)吸收的拉曼散射光能量便可繪制出樣品光譜圖，只需少量樣品拉曼光譜提供詳細結(jié)構(gòu)信息，根據(jù)拉曼強度和拉曼位移可對物質(zhì)進行定性和定量分析[6-7]。陳繁等運用拉曼光譜結(jié)合主成分回歸(PCR)和偏最小二乘對預(yù)測蜂王漿蛋白質(zhì)和水分含量，預(yù)測集決定系數(shù)分別為0.948和0.879[4，8]。翟晨等運用拉曼光譜結(jié)合偏最小二乘測定蘋果中溴氰菊酯和啶蟲脒含，相關(guān)系數(shù)分別為0.94和0.85[9]。竇穎等利用拉曼光譜結(jié)合偏最小二乘實現(xiàn)面粉品質(zhì)的快速檢測，建立的水分、灰分、濕面筋等模型相關(guān)系數(shù)分別為0.945，0.993和0.981[9，13]，說明運用拉曼光譜通過建立模型可獲取定量信息[1，4-5]。目前拉曼技術(shù)有應(yīng)用于肉類制品的分類、分級，但將其應(yīng)用在蝦品質(zhì)的快速鑒定方面缺少相關(guān)指導(dǎo)方法和實驗驗證，有待于進一步的研究和探索。

研究中使用拉曼光譜分析蝦，針對蝦品質(zhì)問題，基于自行設(shè)計的拉曼光譜檢測系統(tǒng)實現(xiàn)對蝦在4 ℃和-20 ℃不同貯藏條件下品質(zhì)變化快速評定。本文就色差(L*, a*, b*)、pH、揮發(fā)性鹽基氮(total valatile basic nitrogen, TVB-N)品質(zhì)指標(biāo)進行研究，將光譜學(xué)和前向逐步回歸、嶺回歸和偏最小二乘(partial least squares，PLS)3種模型相結(jié)合，預(yù)測不同指標(biāo)的含量信息。結(jié)合SG平滑+背景扣除+二階微分+標(biāo)準正態(tài)變量變換4種預(yù)處理方法和結(jié)合PCA降維技術(shù)提高模型魯棒性、篩選最佳模型，從而完成對蝦新鮮度快速實時評定。

1 實驗部分

1.1 設(shè)備

基于QE-Pro光譜儀(Ocean Opticis公司)、Laser-785 nm激光器、傳輸光纖、拉曼檢測探頭、置物臺自行搭建實驗室激光拉曼檢測系統(tǒng)，785 nm激光束通過傳輸光纖經(jīng)拉曼檢測探頭聚焦明蝦表面并激發(fā)拉曼散射光，檢測探頭捕獲拉曼信號匯集到光纖送入光譜儀，經(jīng)分光聚焦于CCD陣列，實現(xiàn)對探測樣品拉曼散射光的高效收集。

1.2 方法

1.2.1 樣本制備

采集明蝦品種為中國對蝦，由杭州蕭山養(yǎng)殖場養(yǎng)殖，飼料采用天馬EP高端蝦料，不會導(dǎo)致水中的亞硝酸和氨氮指數(shù)偏高，有利于蝦苗的生長及水質(zhì)健康。明蝦購于杭州高沙農(nóng)貿(mào)市場和下沙物美超市，人工運輸?shù)綄嶒炇易匀恢滤?，分批裝入食品級密封袋并貼上標(biāo)簽。樣品總數(shù)65份，分別在4 ℃和-20 ℃下貯藏，其中51份在4 ℃下貯藏6 d，每天取樣品測定各指標(biāo)值，14份在-20 ℃下貯藏30 d，取樣測量天數(shù)分別為2, 4, 6, 9, 11, 12, 13, 14, 16, 17和30，每份取9個樣測定各指標(biāo)值。

1.2.2 理化值測定

色差測定采用CS-10色差計，取蝦腹不同測定點測量5次取平均。

pH測定： 稱取絞碎蝦肉2 g，加20 mL氯化鉀(KCl)溶液，攪拌30 s后離心，用pH計測定上層清液，設(shè)定3個平行，結(jié)果取平均值。

TVB-N測定參照GB 5009.228—2016中自動凱氏定氮儀法，試樣攪拌靜置30 min后均質(zhì)，取上層液離心，將離心液和氧化鎂全部放入消化管消化，測定3次結(jié)果取平均。

1.2.3 光譜采集

基于實驗室自行搭建光譜檢測系統(tǒng)，解凍試樣置于檢測臺，設(shè)定光譜儀參數(shù)為： 采集時間4 500 ms, 積分次數(shù)2次，激光功率320 mW，采樣間距3～5 mm。光譜采集環(huán)境為暗光，可避免熒光干擾。試樣光譜采集取不同測定點3次后平均。

1.4 數(shù)據(jù)處理和模型構(gòu)建

選取光譜范圍500～2 000 cm-1，采用光譜分析軟件Uspectral-Pro數(shù)據(jù)預(yù)處理及定量模型建立。為優(yōu)化光譜信號和提高模型預(yù)測能力，將SG平滑(savitzky-golay, SG)、背景扣除(background deduction，BD)、二階微分(second order differential，SOD)、標(biāo)準正態(tài)變量變換(standard normal variable transformation，SNV)等常規(guī)方法組合。由于光譜特征參數(shù)較多(包含1500個光譜特征變量)，因而在對原始光譜數(shù)據(jù)組合預(yù)處理后采用PCA技術(shù)降維, PCA可以解決共線問題，削弱誤差產(chǎn)生的影響[8]。定量模型建模集和預(yù)測集劃分為45份和20份，模型評價指標(biāo)為相關(guān)系數(shù)(R)和均方根誤差(RMSE)，R越大，RMSE值越小，預(yù)測準確率越高。

2 結(jié)果與討論

2.1 不同貯藏條件下對蝦鮮度指標(biāo)化學(xué)變化分析

明蝦貯藏中的品質(zhì)指標(biāo)包含顏色(L*, a*, b*)、pH和TVB-N等，TVB-N是反映水產(chǎn)品鮮度的重要指標(biāo)，TVB-N≤25 mg/100 g為一級鮮度，TVB-N≤30 mg/100 g為二級鮮度。隨著儲藏時間的增加，所有明蝦樣品的TVB-N值呈上升趨勢，由表1、表2理化數(shù)據(jù)分析得出，明蝦在4 ℃下TVB-N最大值為32.889，已超過二級鮮度標(biāo)準，-20 ℃下TVB-N最大值為20.218為一級鮮度標(biāo)準，結(jié)果發(fā)現(xiàn)-20 ℃明蝦的TVB-N值均低于4 ℃，說明冷藏易于保鮮。4 ℃下pH從6.780上升到8.560，而-20 ℃下pH值從6.920上升到7.480, 原因是蝦體內(nèi)蛋白質(zhì)會分解產(chǎn)生堿性物質(zhì)[2]，隨儲藏時間增加，-20 ℃明蝦pH變化不明顯，說明冷藏易于保鮮。明蝦的色澤變化也是反應(yīng)鮮度的指標(biāo)之一，明蝦顏色(L*，a*，b*)測定如表所示，L*代表蝦體亮度，a*代表蝦體紅綠值，b*代表蝦體藍黃值，表中a*多為負值表示明蝦在a*分量上的顏色變化在偏綠范圍內(nèi)，隨儲藏時間增加，L*由31.929上升到43.764，此時4 ℃下蝦體表面逐漸變黑，明蝦腐敗嚴重； 而-20 ℃下L*最小值為33.933、最大值為37.922，蝦體腐敗程度低，以上品質(zhì)指標(biāo)含量的變化反映了明蝦品質(zhì)隨儲藏時間的變化。

表1 明蝦在4 ℃貯藏過程中鮮度指標(biāo)的化學(xué)分析統(tǒng)計結(jié)果Table 1 Statistical analysis of chemical analysis offreshness index of prawns during storage at 4 ℃

表2 明蝦在-20 ℃貯藏過程中鮮度指標(biāo)的化學(xué)分析統(tǒng)計結(jié)果

Table 2 Statistical analysis of chemical analysis of freshness index of prawns during storage at -20 ℃

溫度指標(biāo)最大值最小值平均值方差標(biāo)準差L?37.92233.93335.9931.2451.115a?-3.198-7.975-4.0490.2340.484-20 ℃b?4.9910.4162.3981.6681.291pH7.4806.9207.1490.0270.166TVB-N20.2186.48510.18115.4673.932

2.2 明蝦拉曼原始光譜分析

圖1 拉曼光譜(a): 原始光譜; (b): 不同預(yù)處理光譜; (c): 4 ℃明蝦光譜; (d): -20 ℃明蝦光譜Fig.1 Raman spectra(a): Original spectrum; (b): Spectra of different pretreatment；(c): 4 ℃ shrimp spectrum; (d): -20 ℃ shrimp spectrum

2.3 嶺回歸模型建立

表3為光譜數(shù)據(jù)經(jīng)過2種處理方式(SG+BD+SOD+SNV和SG+BD+SOD+SNV+PCA)不同指標(biāo)(L*，a*，b*，pH和TVB-N)的嶺回歸模型建模結(jié)果和預(yù)測結(jié)果，分析表中數(shù)據(jù)可知，2種處理方式在建模集上都取得較好效果。只采用組合預(yù)處理后的a*和b*指標(biāo)建模集R分別為0.983和0.986，RMSE分別為0.144和0.179，預(yù)測準確度高，而在預(yù)測集中a*和b*指標(biāo)R分別為0.513和0.564，預(yù)測效果較差； 采取PCA技術(shù)降低數(shù)據(jù)維度后，a*和b*指標(biāo)建模集R降低，同時預(yù)測集R上升，過擬合有明顯改善。主要原因： 原始數(shù)據(jù)維度較高，模型過于復(fù)雜，導(dǎo)致在建模集上準確度高而預(yù)測集預(yù)測效果很差的過擬合現(xiàn)象，通過降低維度提高了預(yù)測準確率。表中可知PCA降維后建模集除L*指標(biāo)外其他指標(biāo)R明顯下降，RMSE變大，可能維度降低后模型過于簡單，導(dǎo)致不能很好擬合建模集數(shù)據(jù)，模型精度下降。比較可知，經(jīng)SG+BD+SOD+SVN處理后的模型過擬合現(xiàn)象比較嚴重，在預(yù)測集上預(yù)測準確率很低，在PCA處理后L*指標(biāo)建模集和預(yù)測集R均有上升，表明PCA可以有效提高預(yù)測精度。

表3 不同組合預(yù)處理嶺回歸模型的結(jié)果對比Table 3 Comparison of results of different combined preconditioned ridge regression models

2.4 PLS模型建立

表4為不同指標(biāo)在不同處理方式下PLS模型建模和預(yù)測結(jié)果，表中顯示，SG+BD+SOD+SNV組合處理下L*，a*和b*三者指標(biāo)建模集預(yù)測精度比較高，R分別為0.942，0.913和0.922，均方根誤差分別為0.936，0.242和0.417； 預(yù)測集R分別為0.630，0.539和0.648，RMSE為1.938，0.650和0.880，預(yù)測精度偏低，產(chǎn)生過擬合現(xiàn)象； pH和TVB-N建模集和預(yù)測集準確度相差不大，預(yù)測效果良好。經(jīng)PCA降維處理后的建模集均方根誤差普遍較高，模型精度低于第一種處理方式，L*，a*和b*建模集相關(guān)系數(shù)分別為0.652，0.616和0.703，預(yù)測效果很差。比較可知，在最佳處理方式SG+BD+SOD+SNV下的L*，a*和b*等指標(biāo)預(yù)測集預(yù)測準確率偏低。

表4 不同處理方式的PLS模型的結(jié)果對比Table 4 Comparison of results of different combined pre-processed PLSR models

2.5 前向逐步回歸模型建立

分析表5各品質(zhì)指標(biāo)前向逐步回歸定量模型結(jié)果可以看出，最優(yōu)處理方式為SG+BD+SOD+SNV，各指標(biāo)建模集R最高為0.94，預(yù)測集各指標(biāo)R均高于0.85，RMSE最低，建模效果好。相較于嶺回歸、PLS，采用前向逐步回歸結(jié)合SG+BD+SOD+SNV處理得到各指標(biāo)預(yù)測值和真實值線性相關(guān)性高，預(yù)測準確率高，圖2為前向逐步回歸建模效果圖。

表5 不同處理方式的SMLR模型結(jié)果對比Tabel 5 Comparison of SMLR model results with different combinations of pretreatment

3 結(jié) 論

以生鮮明蝦為研究對象，發(fā)現(xiàn)拉曼光譜不僅可以觀測蝦品質(zhì)的變化，還能實時檢測蝦中揮發(fā)性鹽基氮、pH、顏色(L*，a*, b*)等品質(zhì)指標(biāo)含量，通過利用拉曼光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法如嶺回歸、偏最小二乘回歸和前向逐步回歸建立蝦品質(zhì)指標(biāo)參數(shù)顏色(L*, a*, b*)、pH、揮發(fā)性鹽基氮(TVB-N)的定量分析模型。光譜預(yù)處理過程包括兩部分： 一是SG+BD+BOD+SNV, 二是SG+BD+BOD+SNV+PCA。結(jié)果表明： 嶺回歸和偏最小二乘均有過擬合的現(xiàn)象發(fā)生，過擬合指在訓(xùn)練數(shù)據(jù)集上模型預(yù)測得分較高，在測試數(shù)據(jù)集上預(yù)測精度較差，可能原因為光譜數(shù)據(jù)維度(1 500個特征變量)太大遠遠超過樣品總量，導(dǎo)致模型過于復(fù)雜，不能準確擬合預(yù)測數(shù)據(jù)。在光譜數(shù)據(jù)經(jīng)過SG+BD+BOD+SNV去除無關(guān)信息和噪聲后，選取PCA對原數(shù)據(jù)空間降維，結(jié)果表明： 嶺回歸在PCA降維后a*，b*，pH，TVB-N建模集精度降低，各指標(biāo)預(yù)測集準確率有所提升，L*預(yù)測集相關(guān)系數(shù)提升0.2，均方根誤差降低，說明PCA可以有效提升模型精度； 偏最小二乘在PCA處理后各指標(biāo)建模集準確率較低，預(yù)測集無明顯提升，可能原因為偏最小二乘本來就集成了主成分分析，預(yù)測集效果不明顯。前向逐步回歸模型在建模集和預(yù)測集上準確率高，泛化能力強，其評價指標(biāo)相關(guān)系數(shù)R均高達85%以上，均方根誤差RMSE普遍很低，在SG+BD+BOD+SNV等預(yù)處理下取得最好結(jié)果，說明前向逐步回歸模型穩(wěn)健，結(jié)合拉曼光譜技術(shù)可以實現(xiàn)明蝦品質(zhì)的快速檢測。

圖2 品質(zhì)指標(biāo)前向逐步回歸定量模型建模效果圖(a): L*指標(biāo); (b): a*指標(biāo)； (c): b*指標(biāo); (d): pH指標(biāo); (e): TVB-N指標(biāo)Fig.2 Effect diagram of quality indicator quantitative model based on Forward stepwise regression(a): L* indicator; (b): a* indicator； (c): b* indicator; (d): pH indicator; (e): TVB-N indicator