基于高光譜反射特性的豬肉新鮮度和腐敗程度的對(duì)比分析

莊齊斌，鄭曉春，楊德勇，彭彥昆,*

（1.中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083；2.國(guó)家農(nóng)產(chǎn)品加工技術(shù)裝備研發(fā)分中心，北京 100083）

肉品在我國(guó)膳食結(jié)構(gòu)中占有重要的地位，然而在生產(chǎn)、儲(chǔ)運(yùn)及銷售過程中因腐敗變質(zhì)而影響其品質(zhì)安全[1-2]。因此，對(duì)肉品的質(zhì)量檢測(cè)具有重要意義。揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）含量和菌落總數(shù)（total viable count，TVC）是評(píng)價(jià)肉品品質(zhì)的關(guān)鍵指標(biāo)[3-4]，通過這些指標(biāo)判斷肉品是否符合食用標(biāo)準(zhǔn)。然而，常規(guī)的檢測(cè)方法具有破壞性、檢測(cè)效率低的弊端。因此，研究肉品快速、無損檢測(cè)方法具有重要意義。

TVB-N含量與TVC作為判斷肉品新鮮度和腐敗程度的主要依據(jù)，可以通過其含量檢測(cè)肉品的貨架期[5-8]。許多學(xué)者做了相關(guān)的研究，取得了較好結(jié)果。佟懿等[9]利用TVB-N含量與TVC建立帶魚貨架期預(yù)測(cè)模型，模型預(yù)測(cè)準(zhǔn)確率達(dá)到±10%以內(nèi)。秦瑞升等[10]以TVB-N含量與TVC為指標(biāo)研究溫度對(duì)貨架期的影響，表明凍藏可以減緩菌落生長(zhǎng)延長(zhǎng)貨架期。何帆等[11]基于不同包裝條件建立菌落總數(shù)生長(zhǎng)模型，擬合微生物的真實(shí)生長(zhǎng)情況，取得較好效果。陳睿等[12]通過菌落總數(shù)及感官指標(biāo)的變化確定早餐腸最小腐敗量為6.49（lg（CFU/g）），建立的貨架期模型預(yù)測(cè)值與真實(shí)值相對(duì)誤差值在1 d左右浮動(dòng)。然而綜合現(xiàn)有研究來看，目前的文獻(xiàn)多數(shù)通過TVB-N含量與TVC研究肉品的貨架期，并沒有對(duì)肉品的新鮮度與腐敗程度做進(jìn)一步分析。

高光譜檢測(cè)技術(shù)以快速無損檢測(cè)優(yōu)勢(shì)在肉品檢測(cè)中備受關(guān)注[13-18]。Kamruzzaman等[24]利用900～1 700 nm波段高光譜技術(shù)研究羔羊肉的化學(xué)成分，建立的蛋白質(zhì)模型其預(yù)測(cè)集決定系數(shù)R2為0.63。Dai Qiong等[4]利用400～1 000 nm高光譜技術(shù)建立的TVB-N含量預(yù)測(cè)模型實(shí)現(xiàn)了不同新鮮度對(duì)蝦的分類。宋育霖等[19]利用400～1 000 nm高光譜技術(shù)結(jié)合洛倫茲函數(shù)探究預(yù)測(cè)生鮮豬肉細(xì)菌總數(shù)的可行性，預(yù)測(cè)集相關(guān)系數(shù)高于0.85。而Huang Lin等[20]利用450～900 nm高光譜技術(shù)建立豬肉TVC的反向傳播人工神經(jīng)網(wǎng)絡(luò)（back propagating artificial neutral net，BP-ANN）預(yù)測(cè)模型，預(yù)測(cè)集決定系數(shù)R2達(dá)到0.830 8。

本實(shí)驗(yàn)利用相同豬肉樣品在相同貯藏環(huán)境條件下，對(duì)比分析TVB-N含量與TVC在4 ℃貯藏時(shí)的含量隨時(shí)間的變化規(guī)律，探究豬肉新鮮度與腐敗程度的關(guān)系。并在此基礎(chǔ)上，利用高光譜技術(shù)建立豬肉新鮮度與腐敗程度的快速檢測(cè)方法。

1 材料與方法

1.1 材料

選擇屠宰后經(jīng)24 h冷卻排酸的豬背最長(zhǎng)肌部分，購買于北京清河農(nóng)貿(mào)市場(chǎng)大紅門品牌店的大白豬肉。購買后利用蓄冷裝置迅速運(yùn)至實(shí)驗(yàn)室，在無菌條件下將豬肉切塊去除脂肪及結(jié)締組織并將其分割成8 cm×5 cm×2.5 cm表面平整的樣本，每個(gè)樣本單獨(dú)保存于滅菌的自封袋內(nèi)，無積壓的放置于4 ℃冰箱中冷藏15 d，分析豬肉在腐敗過程中TVB-N含量與TVC的變化規(guī)律。

1.2 儀器與設(shè)備

KDY-9820型半自動(dòng)凱氏定氮儀 北京通潤(rùn)源機(jī)電技術(shù)有限公司；ME204/02電子天平 梅特勒-托利多儀器（上海）有限公司；SW-CJ-2D型雙人單面凈化工作臺(tái)蘇州凈化設(shè)備有限公司；BXM-30R立式壓力蒸汽滅菌鍋上海博迅實(shí)業(yè)有限公司醫(yī)療設(shè)備廠。

1.3 高光譜數(shù)據(jù)采集系統(tǒng)

可見-短波近紅外（400～1 000 nm）高光譜反射系統(tǒng)，由CCD相機(jī)、成像光譜儀、鹵鎢燈光源、激光位移探測(cè)器、平移臺(tái)、升降臺(tái)、采集控制用計(jì)算機(jī)組成。采集樣品高光譜數(shù)據(jù)前30 min預(yù)熱光譜儀，并通過控制軟件將樣本高度調(diào)整到最佳采集距離。

1.4 方法

1.4.1 TVB-N含量的測(cè)定

根據(jù)GB 5009.228—2016《食品中揮發(fā)性鹽基氮的測(cè)定》方法，測(cè)定豬肉的TVB-N含量[2,14]。計(jì)算方法如式（1）所示：

式中：X為樣本中TVB-N含量/（mg/100 g）；V1為測(cè)定樣本消耗的鹽酸體積/mL；V2為空白消耗的鹽酸體積/mL；c為鹽酸標(biāo)準(zhǔn)溶液的實(shí)際濃度/（mol/L）；m為樣本質(zhì)量/g。

1.4.2 TVC測(cè)定

根據(jù)GB 4789.2—2016《食品微生物學(xué)檢驗(yàn) 菌落總數(shù)測(cè)定》進(jìn)行菌落培養(yǎng)與計(jì)數(shù)[21-22]，菌落總數(shù)計(jì)算如式（2）所示：

式中：N為菌落總數(shù)；C為適宜平板菌落數(shù)之和；n1為低稀釋度平板菌落數(shù)；n2為高稀釋度平板菌落數(shù)；d為稀釋因子。

1.5 高光譜數(shù)據(jù)提取及處理

為減少光源、檢測(cè)器靈敏度、相機(jī)和成像系統(tǒng)物理結(jié)構(gòu)差異造成的影響，采集樣本高光譜數(shù)據(jù)前需要進(jìn)行黑白參考校正，將獲取的原始高光譜圖像通過黑參考圖像和白參考圖像校準(zhǔn)為反射率模式。用相機(jī)蓋完全覆蓋相機(jī)鏡頭后，采集光譜圖像，獲得黑參考圖像（0%反射率），然后去除相機(jī)蓋采集標(biāo)準(zhǔn)白板硫酸鋇（100%反射率）獲取白參考圖像[23]，樣本光譜反射率計(jì)算如式（3）所示：

式中：R為樣本反射率；I0為樣本的原始反射光譜圖像；Br為黑參考圖像；Ir為白參考圖像。

利用ENVI5.3軟件，手動(dòng)獲取2 500 像素的矩形感興趣區(qū)域，感興趣區(qū)域盡量選擇樣品的中心位置，將感興趣區(qū)域的平均光譜作為樣本的光譜數(shù)據(jù)。采集的樣本高光譜數(shù)據(jù)，由于受到光的散射、外界環(huán)境、豬肉表面平整度以及顏色的差異的影響，導(dǎo)致采集的高光譜數(shù)據(jù)含有噪聲信號(hào)。因此，需要通過預(yù)處理去除光譜的噪聲影響提高模型的預(yù)測(cè)能力。本研究采用Savitzky-Golay（S-G）平滑、標(biāo)準(zhǔn)正態(tài)變換（standard normal variate transformation，SNV）、多元散射校正（multiplicative scatter correction，MSC）、一階導(dǎo)數(shù)（first derivatives，1stDER）和二階導(dǎo)數(shù)（second derivatives，2ndDER）5 種預(yù)處理方法增強(qiáng)高光譜數(shù)據(jù)信號(hào)。

1.6 模型評(píng)價(jià)

通過相關(guān)系數(shù)R、校正集標(biāo)準(zhǔn)誤差（standard error of calibration，SEC）、預(yù)測(cè)集標(biāo)準(zhǔn)誤差（standard error of prediction，SEP）和實(shí)測(cè)值的標(biāo)準(zhǔn)偏差與預(yù)測(cè)集的標(biāo)準(zhǔn)誤差比值（relative percent deviation，RPD）評(píng)價(jià)模型的預(yù)測(cè)效果[24-26]，預(yù)測(cè)模型的R越大越好，SEP越小越好。當(dāng)RPD小于2表明模型的預(yù)測(cè)能力較差，在2～2.5之間表明模型定量預(yù)測(cè)可行，大于2.5表明模型具有良好的預(yù)測(cè)能力[27]。

2 結(jié)果與分析

2.1 豬肉新鮮度常規(guī)檢測(cè)指標(biāo)分析

2.1.1 TVB-N含量變化規(guī)律分析

按照1.1節(jié)方法制備實(shí)驗(yàn)樣品，使用KDY-9820型半自動(dòng)凱式定氮儀參照GB 5009.228—2016的方法檢測(cè)豬肉TVB-N含量。每次測(cè)量3 個(gè)樣品，每天測(cè)量2 次，每12 h測(cè)一次，共持續(xù)15 d，共獲得90 個(gè)有效樣本，將每次測(cè)得的3 個(gè)樣本結(jié)果取均值，獲得4 ℃冷藏豬肉TVB-N含量隨時(shí)間的變化規(guī)律（圖1）。在本研究中，新鮮豬肉的TVB-N含量約為5 mg/100 g。豬肉在4 ℃冷藏的TVB-N含量隨時(shí)間變化成“J”型規(guī)律，且在第7.5天達(dá)到15 mg/100 g，變成次新鮮肉或者變質(zhì)肉，此時(shí)，TVB-N含量進(jìn)入快速增長(zhǎng)階段。豬肉的TVB-N含量第15天已達(dá)到134 mg/100 g，幾乎是初始階段的27 倍。另外，從圖1可以推測(cè)15 d后豬肉的TVB-N含量可能繼續(xù)增加，遠(yuǎn)超15 mg/100 g。

圖1 豬肉TVB-N含量隨冷藏時(shí)間的變化規(guī)律Fig. 1 Variation in TVB-N content in pork during cold storage

2.1.2 TVC變化規(guī)律分析

按照1.1節(jié)方法制備樣品，每天測(cè)量2 次，每12 h測(cè)一次，每次測(cè)量3 個(gè)樣品，共持續(xù)15 d，共獲得90 個(gè)有效樣本，參照GB 4789.2—2016方法計(jì)算豬肉的TVC，將每次測(cè)得的3 個(gè)樣品結(jié)果取均值，獲得豬肉在4 ℃冷藏的TVC隨時(shí)間變化規(guī)律（圖2）。結(jié)果表明，豬肉在冷藏期間的TVC隨時(shí)間變化成“S”型規(guī)律，TVC的初始值為3.73（lg（CFU/g）），且進(jìn)入遲滯期，第3.5天進(jìn)入對(duì)數(shù)期，第5.5天超過6.00（lg（CFU/g）），第10天進(jìn)入平穩(wěn)期，第15天TVC已經(jīng)接近了10（lg（CFU/g）），但仍未見進(jìn)入衰亡期的跡象。

圖2 豬肉TVC隨冷藏時(shí)間變化規(guī)律Fig. 2 Variation in TVC in pork during cold storage

微生物的一級(jí)模型主要用于描述成S型變化趨勢(shì)的微生物生長(zhǎng)規(guī)律[28]，圖2表明豬肉在冷藏期間的TVC隨時(shí)間成S型的生長(zhǎng)趨勢(shì)。而修正的Gompertz方程是常用擬合微生物的生長(zhǎng)趨勢(shì)的一級(jí)動(dòng)力學(xué)方程[29]。因此，選用修正的Gompertz方程擬合豬肉的菌落生長(zhǎng)規(guī)律，菌落生長(zhǎng)規(guī)律的擬合方程為N（t）＝3.957 6+5.795 8×e-e-0.3976（t-5.6013），決定系數(shù)R2為0.993 9（圖3），說明本研究中生鮮豬肉的TVC生長(zhǎng)符合經(jīng)典修正型Gompertz模型。根據(jù)擬合方程計(jì)算當(dāng)t等于5.498 1，即約貯藏5.5 d，TVC超過6（lg（CFU/g）），成為“腐敗肉”。

圖3 TVC實(shí)測(cè)值與生長(zhǎng)動(dòng)力學(xué)模型計(jì)算值對(duì)比Fig. 3 Comparison of measured value and model-calculated value of TVC

2.1.3 TVB-N含量與TVC的變化規(guī)律分析

根據(jù)圖1、2中TVB-N含量與TVC的變化規(guī)律，將二者描述在同一張圖上進(jìn)行比較。從圖4可以看出，當(dāng)豬肉TVC在第5.5天超過了國(guó)標(biāo)規(guī)定腐敗限定值6.00（lg（CFU/g））時(shí)，豬肉的TVB-N含量還遠(yuǎn)未達(dá)到15 mg/100 g。在第7.5天時(shí)，當(dāng)TVC達(dá)到7.92（lg（CFU/g））時(shí)，TVB-N含量為16.50 mg/100 g，剛超過15 mg/100 g。根據(jù)國(guó)家標(biāo)準(zhǔn)對(duì)豬肉的TVB-N含量與TVC的限定，即當(dāng)TVC超標(biāo)時(shí)，TVB-N含量還未超標(biāo)，當(dāng)TVB-N含量超標(biāo)時(shí)，TVC已遠(yuǎn)超標(biāo)。

圖4TVB-N與TVC隨冷藏時(shí)間變化規(guī)律對(duì)比Fig. 4 Comparison of TVB-N and TVC in pork during cold storage

根據(jù)微生物學(xué)理論，豬肉在腐敗變質(zhì)過程中，TVB-N含量的變化與積累主要是由微生物的繁殖分解豬肉中蛋白質(zhì)等營(yíng)養(yǎng)物質(zhì)導(dǎo)致的。微生物的生長(zhǎng)要經(jīng)歷遲滯期、對(duì)數(shù)期、穩(wěn)定期及消亡期4 個(gè)階段，不同階段微生物對(duì)肉中營(yíng)養(yǎng)物質(zhì)的分解速率及消耗量均不同，使得TVB-N含量亦隨之發(fā)生變化。

2.2 高光譜數(shù)據(jù)分析

2.2.1 理化數(shù)據(jù)分析

采用1.1節(jié)方法，制備一批大小為8 cm×5 cm×2.5 cm的樣本，平整放置于4 ℃的冰箱中進(jìn)行貯藏。每24 h從冰箱隨機(jī)取4 塊樣本在室溫下回溫30 min，用于高光譜數(shù)據(jù)的采集及理化值測(cè)定，實(shí)驗(yàn)周期為15 d，共獲得有效樣本56 個(gè)。采用X-Y共生距離的樣本劃分（sample set partitioning based on jointX-Ydistances，SPXY）方法將56 個(gè)樣本按3∶1劃分為校正集和預(yù)測(cè)集[30]。冷藏期間豬肉樣本的TVB-N含量與TVC統(tǒng)計(jì)結(jié)果如表1所示，其中校正集樣本的含量范圍包含了預(yù)測(cè)集樣本的含量范圍。這樣有利于構(gòu)建穩(wěn)定的預(yù)測(cè)模型。

表1 樣本各指標(biāo)統(tǒng)計(jì)結(jié)果Table 1 Statistical results for TVB-N and TVC of samples

2.2.2 光譜數(shù)據(jù)分析

采集的樣本高光譜數(shù)據(jù)通過ENVI軟件獲取感興趣區(qū)域的平均光譜數(shù)據(jù)。圖5是樣本的原始曲線，分別采用S-G平滑、SNV、MSC、1stDER、2ndDER對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理。S-G平滑預(yù)處理后光譜數(shù)據(jù)在400、900、1 000 nm波長(zhǎng)處的噪聲信號(hào)明顯減弱，而SNV與MSC預(yù)處理能消除豬肉樣本表面顆粒散射的影響，1stDER預(yù)處理的光譜在460、530、560、590、610、880、920 nm波長(zhǎng)處有明顯的峰，而經(jīng)2ndDER預(yù)處理的光譜在460、520、540、560、580、595、620、640、880、920 nm波長(zhǎng)處有峰值[31]，970 nm附近的峰谷是O—H倍頻吸收帶，是水分的特征峰，920 nm附近的峰是C—H伸縮振動(dòng)四級(jí)倍頻[32]，800～850 nm處是N—H鍵倍頻吸收峰[33]。光譜在這些波長(zhǎng)處的變化是豬肉在腐敗過程中因微生物群的生長(zhǎng)繁殖產(chǎn)生的代謝物導(dǎo)致其化學(xué)成分變化引起的。

圖5 豬肉的不同預(yù)處理光譜Fig. 5 Raw and preprocessed spectra of pork samples

2.3 建模結(jié)果分析與比較

2.3.1 TVB-N含量建模與分析

建立不同預(yù)處理光譜數(shù)據(jù)與TVB-N含量的偏最小二乘回歸（partial least square regression，PLSR）預(yù)測(cè)模型，結(jié)果如表2所示。無預(yù)處理原始光譜建立的模型有較好的預(yù)測(cè)效果，模型的預(yù)測(cè)集相關(guān)系數(shù)達(dá)到0.915 4。除2ndDER預(yù)處理，其他幾種預(yù)處理方法都提高了模型的預(yù)測(cè)效果。其中，MSC預(yù)處理效果最好，Rp為0.957 2，SEP為2.802 5 mg/100 g，RPD達(dá)到3.093 7。圖6為TVB-N含量的實(shí)測(cè)值與MSC預(yù)處理的模型預(yù)測(cè)值的散點(diǎn)圖。

表2 不同預(yù)處理方法的光譜建立的TVB-N含量模型結(jié)果Table 2 Calibration and prediction set parameters of models established with different spectral pretreatments for TVB-N prediction

圖6TVB-N含量的實(shí)測(cè)值與模型預(yù)測(cè)值的散點(diǎn)圖Fig. 6 Scatter plot between measured values and model-predicted values of TVB-N content

2.3.2 TVC建模與分析

經(jīng)S-G平滑、SNV、MSC、1stDER、2ndDER等方法處理后的高光譜數(shù)據(jù)建立TVC的PLSR預(yù)測(cè)模型，結(jié)果如表3所示。建模結(jié)果顯示無預(yù)處理的原始光譜數(shù)據(jù)建立的模型預(yù)測(cè)集相關(guān)系數(shù)能達(dá)到0.904 5。S-G平滑處理的模型預(yù)測(cè)效果基本無變化，因?yàn)樵挤瓷涔庾V數(shù)據(jù)波動(dòng)不明顯。而通過SNV、MSC與1stDER預(yù)處理的光譜數(shù)據(jù)建模的預(yù)測(cè)能力明顯提高，其中1stDER處理的光譜所建模型的預(yù)測(cè)能力最好，Rp為0.965 0，SEP為0.340 7（lg（CFU/g）），RPD達(dá)到3.434 1。圖7為TVC的實(shí)測(cè)值與1stDER預(yù)處理的模型預(yù)測(cè)值的散點(diǎn)圖。

表3 不同預(yù)處理方法的光譜建立的TVC模型結(jié)果Table 3 Calibration and prediction set parameters of models established with different spectral pretreatments for TVC prediction

圖7 TVC的實(shí)測(cè)值與模型預(yù)測(cè)值的散點(diǎn)圖Fig. 7 Scatter plot between measured values and model-predicted values of TVC

2.4 高光譜檢測(cè)裝置的外部驗(yàn)證

通過上述討論并建立了TVB-N含量與TVC的PLSR預(yù)測(cè)模型。為檢驗(yàn)可見-近紅外高光譜裝置建模的可靠性與穩(wěn)定度，按1.1節(jié)方法制備樣本用于裝置的TVB-N含量與TVC模型的驗(yàn)證。每24 h從4 ℃的冰箱中隨機(jī)取2 個(gè)樣本在空氣中靜置30 min后獲取其高光譜數(shù)據(jù)，然后測(cè)定TVB-N含量與TVC的參考值，實(shí)驗(yàn)共持續(xù)10 d共獲得20 個(gè)有效樣本，裝置的驗(yàn)證結(jié)果如表4所示。結(jié)果顯示TVB-N含量與TVC的外部驗(yàn)證相關(guān)系數(shù)分別為0.928 3和0.930 5，標(biāo)準(zhǔn)誤差分別為3.556 2 mg/100 g和0.515 7（lg（CFU/g））。表明裝置建立的TVB-N含量與TVC模型具有較好的預(yù)測(cè)能力，能實(shí)現(xiàn)對(duì)豬肉新鮮度與腐敗程度的預(yù)測(cè)。

表4 實(shí)驗(yàn)驗(yàn)證結(jié)果Table 4 Results of experimental verification

2.5 新鮮度與腐敗程度分析

利用高光譜技術(shù)結(jié)合TVB-N與TVC指標(biāo)能建立穩(wěn)定且預(yù)測(cè)能力較好的豬肉品質(zhì)預(yù)測(cè)模型，根據(jù)豬肉TVB-N含量與TVC預(yù)測(cè)豬肉的新鮮度與腐敗程度。由本研究得到的豬肉在冷藏期間TVB-N含量及TVC隨時(shí)間變化規(guī)律可知，當(dāng)TVC超標(biāo)時(shí)，TVB-N含量并未超標(biāo)，但這時(shí)豬肉已經(jīng)被判定為“腐敗”，不能食用，然而根據(jù)新鮮度豬肉仍被判斷為“新鮮”，可食用。即TVC比TVB-N含量更早達(dá)到國(guó)家標(biāo)準(zhǔn)規(guī)定的肉品腐敗限定值。因此，豬肉在冷藏期間利用TVC作為豬肉品質(zhì)的優(yōu)先評(píng)價(jià)指標(biāo)更為合理，通過TVC可以更好地預(yù)測(cè)豬肉的貨架期。

3 結(jié) 論

本實(shí)驗(yàn)通過分析相同豬肉樣品在相同貯藏條件下TVB-N含量與TVC的變化規(guī)律，解明了豬肉新鮮度與腐敗程度的關(guān)系。在此基礎(chǔ)上利用高光譜技術(shù)采集豬肉光譜數(shù)據(jù)，建立不同方法預(yù)處理的豬肉PLSR預(yù)測(cè)模型。研究表明：

在4 ℃冷藏條件下，豬肉的TVC在第5.5天時(shí)超過國(guó)標(biāo)規(guī)定腐敗限值6（lg（CFU/g）），而此時(shí)的TVB-N含量還沒有達(dá)到國(guó)標(biāo)限定值15 mg/100 g，當(dāng)豬肉的TVB-N含量在第7.5天時(shí)達(dá)到15 mg/100 g，而TVC達(dá)到7.92（lg（CFU/g））。結(jié)果表明，TVC超標(biāo)時(shí)，TVB-N含量還未超標(biāo)，當(dāng)TVB-N含量超標(biāo)時(shí)，TVC已遠(yuǎn)超國(guó)標(biāo)限定值。因此，利用TVC可以更好地評(píng)價(jià)豬肉品質(zhì)。

基于高光譜技術(shù)利用不同的預(yù)處理方法建立TVB-N含量與TVC的PLSR預(yù)測(cè)模型，結(jié)果表明采用MSC預(yù)處理方法建立的TVB-N含量預(yù)測(cè)模型預(yù)測(cè)效果最好，Rp為0.957 2，SEP為2.802 5 mg/100 g，RPD為3.093 7；而采用1stDER預(yù)處理的光譜數(shù)據(jù)建立的TVC模型預(yù)測(cè)效果最好，Rp為0.968 2，SEP為0.332 7（lg（CFU/g）），RPD達(dá)到3.434 1。TVB-N含量與TVC的外部驗(yàn)證集相關(guān)系數(shù)分別為0.928 3與0.930 5，標(biāo)準(zhǔn)誤差分別為3.556 2 mg/100 g和0.515 7（lg（CFU/g））。

因此，該研究能為高光譜技術(shù)在肉品品質(zhì)檢測(cè)中更好的應(yīng)用提供理論依據(jù)。