基于近紅外高光譜技術(shù)快速檢測(cè)冷鮮豬肉酸價(jià)

何鴻舉，王魏，王洋洋，馬漢軍,2，陳復(fù)生，朱明明，趙圣明，康壯麗

1(河南科技學(xué)院 食品學(xué)院，河南 新鄉(xiāng),453003)2(河南科技學(xué)院博士后研發(fā)基地，河南 新鄉(xiāng),453003)3(河南工業(yè)大學(xué) 糧油食品學(xué)院，河南 鄭州,450001)

冷鮮肉在低溫控制下經(jīng)過(guò)較充分的解僵、軟化和成熟過(guò)程，肉質(zhì)更細(xì)嫩，滋味更鮮美，營(yíng)養(yǎng)價(jià)值更高，已成為我國(guó)豬肉消費(fèi)主流[1-4]。但豬肉富含蛋白質(zhì)和脂肪，且水分含量較高，易發(fā)生緩慢水解而產(chǎn)生游離脂肪酸，其含量用酸價(jià)來(lái)表示[5-7]。一般而言，酸價(jià)越低，其安全性越高。酸價(jià)略微升高對(duì)人體健康并無(wú)礙，但若發(fā)生嚴(yán)重氧化時(shí)產(chǎn)生的醛酮類化合物會(huì)導(dǎo)致人體腸胃不適，損傷肝臟。冷鮮豬肉的酸價(jià)已被作為肉品品質(zhì)監(jiān)管和安全監(jiān)管的重要技術(shù)參數(shù)之一，準(zhǔn)確預(yù)測(cè)其含量尤為重要[8-11]。

目前測(cè)定酸價(jià)的方法主要有冷溶劑指示劑滴定法、冷溶劑自動(dòng)電位滴定法及熱乙醇指示劑滴定法[12]。這些方法雖測(cè)量精確，但檢測(cè)費(fèi)用高、操作繁瑣、破壞樣品且試劑消耗量大，容易對(duì)環(huán)境造成一定污染，難以滿足現(xiàn)代社會(huì)對(duì)食品安全檢測(cè)技術(shù)工業(yè)化大批量的快速、實(shí)時(shí)、現(xiàn)場(chǎng)檢測(cè)的要求。

高光譜成像技術(shù)運(yùn)用大量窄而連續(xù)波段的高精度影像數(shù)據(jù)，通過(guò)光譜信息的細(xì)微變化，反映被測(cè)樣品的相關(guān)信息，操作簡(jiǎn)便、數(shù)據(jù)運(yùn)算速度快、測(cè)試重現(xiàn)度高，是近年來(lái)發(fā)展迅速的一項(xiàng)非破壞性、及時(shí)性、精確度高的光電檢測(cè)技術(shù)，在食品檢測(cè)方面的研究應(yīng)用頗受關(guān)注[13-17]。近年來(lái)，高光譜技術(shù)研究豬肉品質(zhì)的報(bào)道較多，但目前主要涉及豬肉的物理屬性、化學(xué)成分等方面，如色澤[18]、嫩度[19]、水分[20]、蛋白質(zhì)[21]、TVB-N[22]、肉品摻假[23]等方面。然而，使用高光譜技術(shù)對(duì)豬肉的酸價(jià)進(jìn)行預(yù)測(cè)評(píng)估的相關(guān)報(bào)道較少。鑒于高光譜成像技術(shù)快速檢測(cè)的優(yōu)勢(shì)，本試驗(yàn)嘗試探索基于近紅外(near infrared，NIR)高光譜數(shù)據(jù)構(gòu)建高精度預(yù)測(cè)模型，以期為在線、快速、無(wú)接觸測(cè)定豬肉酸價(jià)提供方法借鑒和數(shù)據(jù)支撐。

1 材料與方法

1.1 材料與儀器

原材料：五花肉(脂肪含量在23%～46%)，新鄉(xiāng)市世紀(jì)華聯(lián)超市雙匯冷鮮肉專柜提供。

主要試劑：石油醚，天津市欣寬化工有限公司；乙醚-異丙醇混合液(體積比1∶1)，實(shí)驗(yàn)室現(xiàn)配現(xiàn)用；0.1 mol/L NaOH標(biāo)準(zhǔn)溶液，實(shí)驗(yàn)室配制；蒸餾水，實(shí)驗(yàn)室自制；95%乙醇，天津市德恩化學(xué)試劑有限公司；酚酞指示劑，實(shí)驗(yàn)室現(xiàn)配現(xiàn)用。

主要儀器：推掃式高光譜成像系統(tǒng)(HSI-eNIR-XC130)，臺(tái)灣五鈴光電科技有限公司；旋轉(zhuǎn)蒸發(fā)儀(YRE-52A)，鞏義予華儀器有限公司；組織破碎機(jī)(JFSD-100)，上海嘉定糧油儀器有限公司；電子分析天平(TLE204E/02)，梅特勒-托利多(上海)有限公司；冰箱(BCD-539WDCO)，青島海爾集團(tuán)。

1.2 實(shí)驗(yàn)方法

1.2.1 樣品預(yù)處理

將新鮮的油脂含量較多的五花肉，經(jīng)去皮、修整后分割成3 cm×3 cm×1 cm的小立方體塊，共獲得147個(gè)樣品。隨后把樣品分裝至一次性帶蓋保鮮盒中，標(biāo)記、編號(hào)，置于0～4 ℃溫度下，每天取出樣品約11個(gè)，進(jìn)行后續(xù)高光譜數(shù)據(jù)采集和測(cè)定酸價(jià)。

1.2.2 采集高光譜數(shù)據(jù)

高光譜數(shù)據(jù)采集之前，將待測(cè)樣品從冰箱中取出，待其溫度恢復(fù)至室溫，同時(shí)啟動(dòng)近紅外高光譜系統(tǒng)預(yù)熱30 min，系統(tǒng)采用3 900-ER光源，待其穩(wěn)定后打開(kāi)系統(tǒng)自帶軟件Spectral Image-NIR設(shè)定參數(shù)：掃描速度6.55 mm/s，曝光時(shí)間4.60 ms，鏡頭掃描范圍75～175 mm，波長(zhǎng)掃描范圍900～1 700 nm。然后將待測(cè)樣品置于高光譜系統(tǒng)的載物臺(tái)上，掃描獲取樣品的高光譜圖像。為降低光源和儀器暗電流對(duì)高光譜數(shù)據(jù)的影響，需同時(shí)采集黑色圖像和白色圖像信息，并在系統(tǒng)自帶軟件HSI Analyzer中進(jìn)行圖像校正，獲得校正圖像。最后從校正圖像的感興趣區(qū)域中提取每個(gè)像素點(diǎn)的光譜信息并做平均，具體操作方法參照王慧等[24]的研究。

1.2.3 測(cè)定豬肉酸價(jià)

根據(jù)GB 5009.229—2016食品安全國(guó)家標(biāo)準(zhǔn) 食品中酸價(jià)的測(cè)定中冷溶劑指示劑滴定法測(cè)定樣品中酸價(jià)。

1.2.4 光譜數(shù)據(jù)預(yù)處理

為了減小因測(cè)量條件、光散射、電噪音等造成的不良影響，提高預(yù)測(cè)模型精度，本試驗(yàn)采用移動(dòng)平均值平滑(moving average smoothing，MAS)、S-G卷積平滑(Savitzky Golay convolution smoothing，SGCS)、中值濾波平滑(median filtering smoothing，MFS)、高斯濾波平滑(Gaussian filter smoothing，GFS)、標(biāo)準(zhǔn)化校正(normalization correction，NC)、多元散射校正(multiplicative scatter correction，MSC)、基線校正(baseline correction，BC)、標(biāo)準(zhǔn)正態(tài)變量校正(standard normal variable correction，SNV)等8種方法預(yù)處理原始光譜。其中，MAS可對(duì)選取點(diǎn)進(jìn)行平均，剔除數(shù)據(jù)變化異常的點(diǎn)，實(shí)現(xiàn)曲線平滑；SGCS可有效消除基線漂移、傾斜等噪聲，對(duì)變化陡的曲線也有較好的平滑效果；MFS可去除密集噪聲點(diǎn)對(duì)光譜信息的影響；GFS常用于消除高斯噪聲干擾；NC用于光譜曲線的標(biāo)準(zhǔn)化，提高求解精度；MSC常用于校正樣品中顆粒物質(zhì)的散射影響；BC可以有效抑制基線漂移的現(xiàn)象；SNV主要用來(lái)消除樣品表面散射和光程變化對(duì)光譜漫反射的影響[25-28]。

1.2.5 模型的建立及評(píng)價(jià)

本試驗(yàn)以酸價(jià)的測(cè)量值為因變量，以波長(zhǎng)信息為自變量，基于偏最小二乘(partial least squares，PLS)算法構(gòu)建光譜信息與酸價(jià)之間的定量關(guān)系，即模型構(gòu)建。通過(guò)校正相關(guān)系數(shù)(rC)、校正均方根誤差(root mean square error of calibration，RMSEC)、交叉驗(yàn)證相關(guān)系數(shù)(rCV)、交叉驗(yàn)證均方根誤差(root mean square error of cross validation，RMSECV)、預(yù)測(cè)相關(guān)系數(shù)(rP)、預(yù)測(cè)均方根誤差(root mean square error of prediction，RMSEP)、魯棒性(ΔE)、剩余預(yù)測(cè)偏差(residual predictive deviation，RPD)等指標(biāo)評(píng)價(jià)PLS模型性能的優(yōu)劣[29-32]。其中r越接近于1、均方根誤差(root mean squared error，RMSE)越接近于0、ΔE越小、RPD越大，模型的精度、穩(wěn)定性和預(yù)測(cè)效果越好。

1.2.6 最優(yōu)波長(zhǎng)的篩選及模型優(yōu)化

全波段光譜數(shù)據(jù)量龐大，常隱含冗余信息，將影響模型的運(yùn)算速度和預(yù)測(cè)效率，因此有必要篩選最優(yōu)波長(zhǎng)。本試驗(yàn)采用回歸系數(shù)法(regression coefficients，RC)[33]和連續(xù)投影算法(successive projections algorithm，SPA)[34-35]篩選最優(yōu)波長(zhǎng)，并以最優(yōu)波長(zhǎng)為輸入變量重新構(gòu)建PLS預(yù)測(cè)模型。

1.3 數(shù)據(jù)處理

PLS模型構(gòu)建和RC法篩選最優(yōu)波長(zhǎng)在Unscrambler 9.7軟件(挪威CAMO公司)中進(jìn)行。SPA法篩選最優(yōu)波長(zhǎng)在MATLAB 2016a軟件(美國(guó)Mathworks公司)中進(jìn)行。

2 結(jié)果與分析

2.1 豬肉酸價(jià)的測(cè)定結(jié)果

把測(cè)得的147個(gè)豬肉樣品的酸價(jià)從小到大依次排列，每3個(gè)測(cè)量值中隨機(jī)取1個(gè)(1/3)選入預(yù)測(cè)集，剩余的(2/3)選入校正集，結(jié)果如表1所示。

表1 校正集和預(yù)測(cè)集酸價(jià)結(jié)果統(tǒng)計(jì)Table 1 Statistics of measurement results of acid value in calibration set and prediction set

2.2 豬肉樣品的光譜特征

將全部樣品的原始光譜經(jīng)過(guò)8種預(yù)處理后獲得光譜特征如圖1所示。在900～1 700 nm，不管經(jīng)過(guò)哪種預(yù)處理，試驗(yàn)樣品的光譜曲線總體走勢(shì)基本一致。光譜曲線呈高低分布，這與樣品化學(xué)成分中的各種含氫基團(tuán)(包括O—H、N—H、C—H等)的運(yùn)動(dòng)有關(guān)[36-37]。在-980、-1 200和-1 450 nm處分別有明顯的吸收峰，這源于O—H的倍頻吸收和合頻吸收。盡管沒(méi)有出現(xiàn)反映豬肉酸價(jià)的吸收信息，但通過(guò)挖掘光譜信息，可以揭示出酸價(jià)參考值和近紅外光譜數(shù)據(jù)之間的相關(guān)性。

2.3 基于全波段光譜構(gòu)建PLS模型預(yù)測(cè)酸價(jià)結(jié)果

本試驗(yàn)基于8種預(yù)處理的486個(gè)全波段波長(zhǎng)，構(gòu)建全波段PLS模型預(yù)測(cè)豬肉酸價(jià)，結(jié)果如表2所示。

由表2可知，基于RAW光譜數(shù)據(jù)和8種預(yù)處理光譜數(shù)據(jù)構(gòu)建的PLS模型預(yù)測(cè)豬肉酸價(jià)結(jié)果相近，rP為0.792～0.824，RMSEP為0.587～0.649 mg/g，RPD為1.536～1.694，ΔE為0.301～0.376 mg/g。綜合比較而言，RAW-PLS模型和BC-PLS模型具有更好的預(yù)測(cè)精度和魯棒性，其rP分別為0.824、0.825，RMSEP分別為0.594 mg/g、0.587 mg/g，RPD分別為1.669、1.694，ΔE分別為0.308 mg/g、0.306 mg/g，預(yù)測(cè)豬肉酸價(jià)效果更好。后續(xù)波長(zhǎng)篩選及模型優(yōu)化也僅采用RAW光譜和BC光譜。

2.4 最優(yōu)波長(zhǎng)的選擇

使用RC和SPA法篩選最優(yōu)波長(zhǎng)，結(jié)果如表3和圖2、圖3所示。由表3可知，經(jīng)篩選波長(zhǎng)后，波長(zhǎng)數(shù)量由原來(lái)的486個(gè)減少至17～29個(gè)，波長(zhǎng)數(shù)量減少了94%～97%。

a-原始光譜;b-MAS光譜;c-SGCS光譜;d-MFS光譜;e-GFS光譜;f-NC光譜;g-MSC光譜;h-BC光譜;i-SNV光譜圖1 豬肉樣品的平均反射光譜曲線Fig.1 Average spectral reflection curve of pork samples

表2 全波段PLS模型預(yù)測(cè)豬肉酸價(jià)結(jié)果Table 2 Full waveband PLS models for predicting acid value in pork samples

表3 篩選最優(yōu)波長(zhǎng)結(jié)果比較Table 3 Comparison of optimal wavelengths selected by RC and SPA methods

使用RC法從RAW光譜中篩選出28個(gè)最優(yōu)波長(zhǎng)具體如圖2所示，分別為905.5、920.3、926.9、930.2、933.5、945.0、953.2、964.8、976.3、1 005.9、1 019.1、1 043.7、1 063.5、1 114.5、1 132.6、1 142.4、1 170.4、1 211.5、1 358.0、1 386.0、1 392.6、1 440.4、1 448.6、1 650.2、1 670.1、1 683.4、1 691.6和1 696.6 nm。

圖2 RC法從RAW光譜中篩選最優(yōu)波長(zhǎng)結(jié)果Fig.2 Optimal wavelengths selected from RAW spectra by RC method

使用SPA法從RAW光譜中篩選出17個(gè)最優(yōu)波長(zhǎng)，具體如圖3所示，分別為900.5、902.2、907.1、910.4、917.0、918.7、926.9、931.8、935.1、1 081.6、1 211.5、1 228.0、1 321.8、1 371.2、1 409.1、1 683.4和1 686.7 nm。

使用RC法從BC光譜中篩選出29個(gè)最優(yōu)波長(zhǎng)，具體如圖4所示，分別為905.5、920.3、925.2、933.5、938.4、945.0、964.8、982.9、1 005.9、1 017.4、1 065.1、1 114.5、1 150.7、1 170.4、1 211.5、1 254.3、1 274.0、1 392.6、1 427.2、1 438.7、1 448.6、1 465.1、1 509.7、1 569.1、1 600.6、1 675.1、1 685.0、1 691.6和1 696.6 nm。

使用SPA法從BC光譜中篩選出19個(gè)最優(yōu)波長(zhǎng)，具體如圖5所示，分別為900.5、902.2、907.1、912.1、918.7、923.6、926.9、930.2、958.2、1 206.6、1 325.0、1 395.9、1 409.1、1 418.9、1 432.1、1 438.7、1 465.1、1 691.6和1 695.0 nm。

a-最優(yōu)波長(zhǎng)具體位置；b-最優(yōu)波長(zhǎng)個(gè)數(shù)圖3 SPA法從RAW光譜中篩選最優(yōu)波長(zhǎng)結(jié)果Fig.3 Optimal wavelengths selected from RAW spectra by SPA method

圖4 RC法從BC光譜中篩選最優(yōu)波長(zhǎng)結(jié)果Fig.4 Optimal wavelengths selected from BC spectra by RC method

a-最優(yōu)波長(zhǎng)具體位置；b-最優(yōu)波長(zhǎng)個(gè)數(shù)圖5 SPA法從BC光譜中篩選最優(yōu)波長(zhǎng)結(jié)果Fig.5 Optimal wavelengths selected from BC spectra by SPA method

2.5 基于最優(yōu)波長(zhǎng)構(gòu)建PLS模型預(yù)測(cè)酸價(jià)結(jié)果

基于RC和SPA法篩選出的最優(yōu)波長(zhǎng)，構(gòu)建PLS模型預(yù)測(cè)豬肉酸價(jià)，結(jié)果如表4所示。

表4 基于最優(yōu)波長(zhǎng)的PLS模型預(yù)測(cè)酸價(jià)結(jié)果Table 4 PLS models for predicting acid value in pork samples based on optimal wavelengths

由表4可知，基于最優(yōu)波長(zhǎng)構(gòu)建的PLS模型預(yù)測(cè)豬肉酸價(jià)結(jié)果不同，其中RAW-RC-PLS模型相關(guān)系數(shù)r較大，均方根誤差較小，魯棒性較好，RPD最大，總體預(yù)測(cè)能力更強(qiáng)(rP=0.846、RMSEP=0.569 mg/g、RPD=1.831、ΔE=0.280 mg/g)。與基于RAW光譜的RAW-PLS模型相比較，RAW-RC-PLS模型預(yù)測(cè)豬肉酸價(jià)性能有所提高。

表5 基于最優(yōu)波長(zhǎng)的MLR模型預(yù)測(cè)酸價(jià)結(jié)果Table 5 MLR models for predicting acid value in pork samples based on optimal wavelengths

2.6 基于最優(yōu)波長(zhǎng)構(gòu)建MLR模型預(yù)測(cè)酸價(jià)結(jié)果

全波段光譜經(jīng)過(guò)篩選后，最優(yōu)波長(zhǎng)數(shù)量小于樣品數(shù)量，可使用多元線性回歸(multiple linear regression，MLR)構(gòu)建模型預(yù)測(cè)相關(guān)指標(biāo)[38-39]。本試驗(yàn)利用MLR構(gòu)建模型預(yù)測(cè)豬肉酸價(jià)，結(jié)果如表5所示。

由表5可知，基于最優(yōu)波長(zhǎng)構(gòu)建的MLR模型預(yù)測(cè)豬肉酸價(jià)結(jié)果不同，其中RAW-RC-MLR相關(guān)系數(shù)r較大，均方根誤差較小，魯棒性較好，RPD最大，總體預(yù)測(cè)性能更好(rP=0.828、RMSEP=0.621 mg/g、RPD=1.719、ΔE=0.346 mg/g)。與基于RAW光譜的RAW-PLS模型相比較，RAW-RC-MLR模型預(yù)測(cè)豬肉酸價(jià)性能略好。與基于RAW光譜的RAW-RC-PLS模型相比較，RAW-RC-MLR模型預(yù)測(cè)豬肉酸價(jià)性能略差。綜合比較，基于RAW光譜中篩選的28個(gè)最優(yōu)波長(zhǎng)構(gòu)建的RAW-RC-PLS模型預(yù)測(cè)豬肉酸價(jià)效果更好，具體性能表現(xiàn)如圖6所示。

a-建模結(jié)果；b-預(yù)測(cè)結(jié)果圖6 RAW-RC-PLS模型預(yù)測(cè)性能Fig.6 The performance of RAW-RC-PLS model

3 結(jié)論

本試驗(yàn)研究基于NIR高光譜成像技術(shù)(900～1 700 nm)快速無(wú)損檢測(cè)0～4 ℃冷藏條件下豬肉的酸價(jià)。通過(guò)8種方法(MAS、SGCS、MFS、GFS、NC、MSC、BC、SNV)預(yù)處理光譜信息后，構(gòu)建基于光譜信息的PLS模型預(yù)測(cè)豬肉樣品酸價(jià)。結(jié)果顯示基于RAW光譜和BC光譜構(gòu)建的RAW-PLS模型(rP=0.824、RMSEP=0.594 mg/g、RPD=1.669、ΔE=0.308 mg/g)和BC-PLS模型(rP=0.825、RMSEP=0.587 mg/g、RPD=1.694、ΔE=0.306 mg/g)預(yù)測(cè)豬肉酸價(jià)效果更好。經(jīng)RC和SPA法篩選最優(yōu)波長(zhǎng)進(jìn)行模型優(yōu)化，結(jié)果顯示基于RC法從RAW光譜中篩選的28個(gè)最優(yōu)波長(zhǎng)(905.5、920.3、926.9、930.2、933.5、945.0、953.2、964.8、976.3、1 005.9、1 019.1、1 043.7、1 063.5、1 114.5、1 132.6、1 142.4、1 170.4、1 211.5、1 358.0、1 386.0、1 392.6、1 440.4、1 448.6、1 650.2、1 670.1、1 683.4、1 691.6和1 696.6 nm)構(gòu)建的RAW-RC-PLS模型預(yù)測(cè)豬肉酸價(jià)效果更好(rP=0.846、RMSEP=0.569 mg/g、RPD=1.831、ΔE=0.280 mg/g)。盡管如此，模型的整體預(yù)測(cè)性能還有待提高，這可能與取樣數(shù)量、光譜數(shù)據(jù)分析方法、人為操作誤差等因素有關(guān)，后續(xù)試驗(yàn)將進(jìn)一步探索完善高光譜技術(shù)的檢測(cè)精度?？傮w而言，基于近紅外高光譜成像技術(shù)快速監(jiān)測(cè)豬肉酸價(jià)具有很大潛力。