鄒昊

摘 要：在北京市內(nèi)收集生鮮羊通脊肉樣品98 個(gè)，研究應(yīng)用便攜式近紅外儀快速無(wú)損檢測(cè)生鮮羊通脊肉嫩度，結(jié)合化學(xué)計(jì)量學(xué)的方法建立可以快速無(wú)損檢測(cè)生鮮羊通脊肉嫩度的近紅外光譜檢測(cè)模型。在建模過(guò)程中，研究了平滑、求導(dǎo)和信號(hào)校正等不同光譜預(yù)處理方法對(duì)模型的影響。結(jié)果表明：最佳的光譜預(yù)處理方法為均值中心化、Savitzky-Golay（SG）一階導(dǎo)數(shù)、SG平滑和正交信號(hào)校正。應(yīng)用偏最小二乘法建模所得模型的校正集標(biāo)準(zhǔn)偏差0.90、驗(yàn)證集標(biāo)準(zhǔn)偏差2.39、校正集相關(guān)系數(shù)（Rc）=0.94、驗(yàn)證集相關(guān)系數(shù)（Rp）=0.64、主因子數(shù)為4，說(shuō)明模型具備較好的預(yù)測(cè)準(zhǔn)確性，可應(yīng)用于生鮮羊通脊肉嫩度的快速無(wú)損檢測(cè)中。

關(guān)鍵詞：便攜近紅外光譜；羊肉；嫩度；無(wú)損

Abstract： Using chemometrics， a predictive model for rapid nondestructive detection of lamb tenderloin tenderness was established by analyzing 98 lamb meat samples collected in Beijing by portable near-infrared spectroscopy. The influences of smoothing， derivation and signal correction and other pre-treatments on the model were discussed. The results showed that the optimum pretreatments were average centralization Savitzky-Golay （SG） first-order derivative， SG smoothing and orthogonal signal correction. The model was developed by using partial least square （PLS） regression. The standard errors of calibration and prediction were 0.90 and 2.39， respectively. The coefficient correlation of calibration set （Rc） and prediction set （Rp） were 0.94 and 0.64， respectively and the number of main factors was 4， which illustrated the model had good predictive accuracy and could be applied in the detection of fresh lamb tenderloin tenderness.

Key words： portable near-infrared spectroscopy； lamb； tenderness； non-destructive

中圖分類號(hào)：O657.3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-8123（2014）10-0015-05

羊肉是我國(guó)主要肉類食品之一，因其營(yíng)養(yǎng)豐富、高蛋白、低脂肪、富含多種維生素、礦物質(zhì)和人體所需的必需氨基酸等特點(diǎn)，深受?chē)?guó)際國(guó)內(nèi)市場(chǎng)的青睞[1]。我國(guó)是羊肉生產(chǎn)大國(guó)，約占世界羊肉總產(chǎn)量的1/3，居世界首位[2]。但因我國(guó)羊肉品質(zhì)參差不齊，普遍存在品質(zhì)較差的問(wèn)題，導(dǎo)致我國(guó)羊肉的國(guó)際競(jìng)爭(zhēng)力不強(qiáng)，始終無(wú)法在羊肉國(guó)際貿(mào)易的舞臺(tái)上扮演重要的角色。與此同時(shí)，隨著國(guó)內(nèi)經(jīng)濟(jì)的發(fā)展，人們生活水平的提高，對(duì)生鮮羊肉的質(zhì)量要求越來(lái)越高，各種鮮、嫩羔羊肉越來(lái)越受到廣大消費(fèi)者的青睞，而目前這些優(yōu)質(zhì)、高檔羊肉90%都依靠進(jìn)口。近年來(lái)，嫩度作為肉的主要食用品質(zhì)指標(biāo)，成為評(píng)判肉質(zhì)優(yōu)略的最常用指標(biāo)[3]。

肉的嫩度是指肉入口咀嚼時(shí)對(duì)碎裂的抵抗力。對(duì)生鮮肉而言，嫩度主要表現(xiàn)在肉的硬度、韌性、多汁性和纖維性等綜合效應(yīng)上，通常用咀嚼的食感來(lái)判斷肉的嫩度，用剪切力表示嫩度的高低[4]。生鮮羊肉嫩度的檢測(cè)方法目前主要有主觀評(píng)價(jià)和客觀評(píng)價(jià)兩種方法，主觀評(píng)價(jià)是靠評(píng)價(jià)員的咀嚼品嘗來(lái)判定，評(píng)判結(jié)果受主觀因素的干擾，誤差較大；客觀評(píng)價(jià)目前主要根據(jù)行業(yè)標(biāo)準(zhǔn)

NY/T 1180—2006《肉嫩度的測(cè)定剪切力測(cè)定法》中介紹的剪切力測(cè)定方法，借助質(zhì)構(gòu)儀測(cè)量肉的剪切力，該方法檢測(cè)過(guò)程繁瑣，耗時(shí)長(zhǎng)，受人為因素干擾大且具有破壞性，被檢測(cè)的樣品不能繼續(xù)應(yīng)用于生產(chǎn)或銷(xiāo)售，造成實(shí)際生產(chǎn)的大量浪費(fèi)，無(wú)法滿足大批量、快速、非破壞性和在線檢測(cè)的檢測(cè)要求。

近些年，隨著光譜學(xué)和計(jì)算機(jī)學(xué)的快速發(fā)展，現(xiàn)代近紅外光譜分析技術(shù)憑借其速度快，效率高，對(duì)檢測(cè)目標(biāo)無(wú)損害等特點(diǎn)，在農(nóng)業(yè)，醫(yī)藥，食品行業(yè)等得到了廣泛關(guān)注[5]?，F(xiàn)代近紅外光譜分析技術(shù)始于20世紀(jì)60年代，Norris等[6]首先開(kāi)始研究應(yīng)用近紅外光譜分析技術(shù)來(lái)測(cè)定谷物中的水分、蛋白質(zhì)和脂肪含量。此后，學(xué)者們開(kāi)始將近紅外光譜分析技術(shù)應(yīng)用于各個(gè)行業(yè)中進(jìn)行研究[7]。例如趙家松等[8]開(kāi)發(fā)了應(yīng)用近紅外技術(shù)快速檢測(cè)生鮮豬肉新鮮度的方法。朱迅濤[9]應(yīng)用近紅外技術(shù)快速檢測(cè)火腿腸的蛋白質(zhì)、脂肪和水分含量。Isaksson等[10]應(yīng)用及紅外技術(shù)實(shí)現(xiàn)在線快速檢測(cè)牛肉餡的蛋白質(zhì)、脂肪和水分含量。劉煒等[11]采用傅里葉變換近紅外光譜法結(jié)合偏最小二乘回歸法建立了鮮豬肉中肌內(nèi)脂肪、蛋白質(zhì)和水分含量的定量模型。趙麗麗等[12]應(yīng)用近紅外光譜分析技術(shù)建立了臘肉中酸價(jià)和水分含量的偏最小二乘回歸模型。如今國(guó)內(nèi)外學(xué)者已嘗試采用近紅外光譜分析技術(shù)對(duì)生鮮肉的嫩度做初步評(píng)定工作。Geesink等[13]利用近紅外光譜數(shù)據(jù)結(jié)合偏最小二乘法對(duì)豬肉嫩度進(jìn)行建模，結(jié)果顯示豬肉的近紅外光譜與嫩度的相關(guān)性較差。Park等[14]采集牛通脊肉在1 100～1 350 nm之間的近紅外光譜，應(yīng)用偏最小二乘法進(jìn)行建模，結(jié)果相關(guān)系數(shù)R2=0.63，驗(yàn)證集標(biāo)準(zhǔn)偏差0.63。Byrne等[15]采集牛肉在750～1 098 nm間的光譜數(shù)據(jù)結(jié)合主成分分析，建立的嫩度模型相關(guān)系數(shù)R=0.82。Rodbotten等[16]將牛肉在1 100～2 500nm的近紅外光譜進(jìn)行建模，結(jié)果模型預(yù)測(cè)牛肉嫩度的相關(guān)系數(shù)為0.47。趙杰文等[17]應(yīng)用傅里葉式近紅外儀采集牛通脊肉在11 000～3 800cm-1的近紅外漫反射光譜，利用多元線性回歸建立了有關(guān)牛肉嫩度的近紅外光譜監(jiān)測(cè)模型，其檢測(cè)正確率可達(dá)到84.21%。張德權(quán)等[18]應(yīng)用臺(tái)式傅里葉近紅外儀對(duì)生鮮羊肉的嫩度進(jìn)行檢測(cè)，采集的近紅外波段為11 995～5 446 cm-1和4 601～4 246 cm-1，模型精度可達(dá)到86.2%，但該方法檢測(cè)前，需要對(duì)生鮮羊肉樣品進(jìn)行剔除脂肪和筋膜等預(yù)處理工作，且因采用的臺(tái)式傅里葉近紅外儀對(duì)生鮮羊肉樣品進(jìn)行近紅外光譜數(shù)據(jù)信息采集時(shí)需要將樣品放置在樣品杯中，因此需將樣品加工成5 cm×5 cm×1 cm大小的肉塊，而由于臺(tái)式傅里葉近紅外儀不便于攜帶，因此應(yīng)用臺(tái)式傅里葉近紅外儀對(duì)生鮮羊肉的嫩度進(jìn)行檢測(cè)，步驟復(fù)雜，對(duì)樣品的大小有限制且對(duì)樣品有破壞，無(wú)法滿足在線快速無(wú)損檢測(cè)生鮮羊肉嫩度的要求。目前，國(guó)內(nèi)一些學(xué)者已開(kāi)始嘗試應(yīng)用便攜式近紅外儀對(duì)農(nóng)產(chǎn)品的一些質(zhì)量指標(biāo)進(jìn)行檢測(cè)[19-21]，但還沒(méi)有基于便攜式近紅外儀對(duì)生鮮羊肉嫩度進(jìn)行檢測(cè)方法的相關(guān)報(bào)道。

因此，為了改進(jìn)我國(guó)生鮮羊肉品質(zhì)檢測(cè)技術(shù)，改善人們生活水平，提高我國(guó)生鮮羊肉在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)力，保障我國(guó)生鮮羊肉的品質(zhì)，開(kāi)發(fā)可以實(shí)現(xiàn)在線快速無(wú)損檢測(cè)生鮮羊肉嫩度的檢測(cè)方法，具有十分重要的意義。

1 材料與方法

1.1 材料

本實(shí)驗(yàn)使用的98 份土種羊通脊肉生鮮樣品均采集于北京市牛街清真牛羊肉市場(chǎng)。其中隨機(jī)選取73 份生鮮羊通脊肉樣品作為校正集，用于模型的建立，25 份樣品作為驗(yàn)證集，用來(lái)檢驗(yàn)?zāi)Ｐ偷目煽啃浴?/p>

1.2 儀器與設(shè)備

SupNIR-1520型便攜式近紅外儀 聚光科技（杭州）股份有限公司；TA.TX.Plus型質(zhì)構(gòu)儀 英國(guó)Stable Micro System公司。

1.3 方法

1.3.1 樣品制備

將收集的98 份生鮮羊通脊肉樣品置于0～4 ℃環(huán)境中，使樣品溫度一致，并盡快對(duì)樣品進(jìn)行光譜采集和嫩度化學(xué)測(cè)量值的測(cè)定。

1.3.2 嫩度化學(xué)測(cè)量值的測(cè)定

根據(jù)行業(yè)標(biāo)準(zhǔn)NY/T 1180—2006中介紹的剪切力測(cè)定法對(duì)采集的98 份生鮮羊通脊肉樣品進(jìn)行嫩度化學(xué)測(cè)量值的檢測(cè)。

1.3.3 樣品光譜數(shù)據(jù)的采集

每次光譜檢測(cè)前先將便攜式近紅外儀預(yù)熱30 min，并用參比標(biāo)準(zhǔn)板進(jìn)行校準(zhǔn)。近紅外光譜信息采集前，不對(duì)采集的生鮮羊肉樣品進(jìn)行任何預(yù)處理。近紅外光譜信息采集過(guò)程中，將羊肉樣品表面緊貼于便攜式近紅外儀的光譜檢測(cè)探頭，避免因漏光導(dǎo)致采集的光譜信息不準(zhǔn)確。因近紅外光譜的采集對(duì)溫度敏感，所有羊肉樣品在光譜采集過(guò)程中始終保持在0～4 ℃。采集的近紅外光譜波長(zhǎng)范圍為1 000～1 799 nm，分辨率為10 nm，每個(gè)樣品進(jìn)行2 次光譜采集，每次間隔5 s，每次光譜采集，光譜掃描次數(shù)為10 次。

1.3.4 光譜的預(yù)處理與模型建立

首先將樣品的嫩度化學(xué)測(cè)量值與采集的光譜數(shù)據(jù)一一對(duì)應(yīng)輸入到聚光科技（杭州）股份有限公司開(kāi)發(fā)的RIMP Client近紅外分析軟件中。為了去除校正集和驗(yàn)證集的近紅外光譜數(shù)據(jù)信息中的無(wú)關(guān)干擾信息、降低隨機(jī)噪聲和強(qiáng)化譜帶特征，將不同的預(yù)處理方法包括標(biāo)準(zhǔn)化（均值中心化、標(biāo)準(zhǔn)化）、Savitzky-Golay（SG）平滑、求導(dǎo)（SG一階導(dǎo)數(shù)、差分一階導(dǎo)數(shù)）、信號(hào)矯正（多元散射校正、標(biāo)準(zhǔn)正太變量變換、凈分析信號(hào)、正交信號(hào)校正，去趨勢(shì)校正、基線校正）進(jìn)行組合，應(yīng)用偏最小二乘法建立多個(gè)生鮮羊通脊肉嫩度預(yù)測(cè)模型。根據(jù)模型校正集標(biāo)準(zhǔn)偏差、交互驗(yàn)證標(biāo)準(zhǔn)偏差、驗(yàn)證集標(biāo)準(zhǔn)偏差、校正集相關(guān)系數(shù)、驗(yàn)證集相關(guān)系數(shù)主因子數(shù)等模型評(píng)價(jià)參數(shù)對(duì)通過(guò)不同預(yù)處理方法建立的模型的預(yù)測(cè)準(zhǔn)確性、重復(fù)性、穩(wěn)健性等性能進(jìn)行評(píng)價(jià)。選出針對(duì)生鮮羊通脊肉嫩度的最佳預(yù)測(cè)模型和最佳近紅外光譜數(shù)據(jù)信息預(yù)處理方法

由圖1和表1可知，總樣品嫩度集中范圍為1.85～14.26 kg，其中主要集中在2～4 kg，嫩度分布范圍比較廣，具有較好的代表性。校正集和驗(yàn)證集的嫩度化學(xué)測(cè)量值最大值分別為14.22 kg和14.26 kg，最小值分別為1.85 kg和2.19 kg，驗(yàn)證集的嫩度化學(xué)測(cè)量值大致在校正集內(nèi)，所選校正集和驗(yàn)證集均合理。

2.2 生鮮羊通脊肉近紅外光譜采集結(jié)果分析

3 結(jié) 論

從北京市清真牛羊肉市場(chǎng)采集生鮮羊通脊肉樣品98 份，其中73 份作為校正集，用于模型的建立，25 份作為驗(yàn)證集，用來(lái)檢測(cè)模型的可靠性，樣品集中嫩度最小的為1.85 kg，最大的為14.26 kg，覆蓋范圍廣，樣品具有較好的代表性。

應(yīng)用偏最小二乘法建模，最佳光譜預(yù)處理方法為：均值中心化、SG一階導(dǎo)數(shù)、SG平滑和正交信號(hào)校正。利用偏最小二乘法所得模型的校正集標(biāo)準(zhǔn)偏差0.90、驗(yàn)證集標(biāo)準(zhǔn)偏差2.39、校正集相關(guān)系數(shù)0.94、驗(yàn)證集相關(guān)系數(shù)0.64、主因子數(shù)為4，說(shuō)明模型具有較好的預(yù)測(cè)準(zhǔn)確性，可應(yīng)用于生鮮羊通脊肉嫩度的快速無(wú)損檢測(cè)中。

參考文獻(xiàn)：

[1] 夏曉平， 李秉龍. 我國(guó)羊肉產(chǎn)品國(guó)際競(jìng)爭(zhēng)力之分析[J]. 國(guó)際貿(mào)易問(wèn)題， 2009（8）： 38-44.

[2] 崔燕， 穆月英， 李秉龍. 我國(guó)羊肉貿(mào)易及國(guó)際競(jìng)爭(zhēng)力影響因素分析[J]. 農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題， 2009（10）： 94-99.

[3] SHACKELFORD S D， WHEELER T L， MEADE M K， et al. Consumer impressions of tender select beef[J]. Journal of Animal Science， 2001， 79： 2605-2614.

[4] 張英華. 肉的品質(zhì)及其相關(guān)質(zhì)量指標(biāo)[J]. 食品研發(fā)與開(kāi)發(fā)， 2005， 26（1）： 39-42.

[5] 褚小立， 袁洪福， 陸婉珍. 近年來(lái)我國(guó)近紅外光譜分析技術(shù)的研究與應(yīng)用進(jìn)展[J]. 分析儀器， 2006（2）： 1-10.

[6] NORRIS K H， BARNES R F， MOORE J E， et al. Predicting forage quality by near infrared reflectance spectroscopy[J]. Journal of Animal Science， 1976， 43： 889-897.

[7] 孫通， 徐惠榮， 應(yīng)義斌. 近紅外光譜分析技術(shù)在農(nóng)產(chǎn)品/食品品質(zhì)在線無(wú)損檢測(cè)中的應(yīng)用研究發(fā)展[J]. 光譜學(xué)與光譜分析， 2009， 29（1）： 122-126.

[8] 趙家松， 嚴(yán)偉榆， 曹志勇， 等. 豬肉新鮮度近紅外檢測(cè)儀的設(shè)計(jì)與應(yīng)用研究[J]. 安徽農(nóng)業(yè)科學(xué)， 2011， 39（13）： 7817-7819.

[9] 朱迅濤. 近紅外分析技術(shù)在火腿腸檢測(cè)中的應(yīng)用[J]. 肉類研究， 2002， 16（2）： 42-44.

[10] ISAKSSON T， NILSEN B N， TOGERSEN G， et al. On-line， proximate analysis of ground beef directly at a meat grinder outlet[J]. Meat Science， 1996， 43（3/4）： 245-253.

[11] 劉煒， 俞湘麟， 孫東東， 等. 傅里葉變換近紅外光譜法快速檢測(cè)鮮豬肉中肌內(nèi)脂肪、蛋白質(zhì)和水分含量[J]. 肉質(zhì)與豬產(chǎn)品加工， 2005（3）： 47-50.

[12] 趙麗麗， 張錄達(dá)， 宋忠祥， 等. 近紅外光譜定量檢測(cè)腌臘肉制品品質(zhì)的研究[J]. 光譜學(xué)與光譜分析， 2007， 27（1）： 46-49.

[13] GEESINK G H， SCHREUTELKAMP F H， FRANKHUIZEN R， et al. Prediction of pork quality attributes from near infrared reflectance spectra[J]. Meat Science， 2003， 65： 661-668.

[14] PARK B， CHEN Y R， HRUSCHKA W R， et al. Near-infrared reflectance analysis for predicting beef longissimus tenderness[J]. Journal of Animal Science， 1998， 76： 2115-2120.

[15] BYRNE C E， DOWNEY G， TROY D J， et al. Non-destructive prediction of selected quality attributes of beef by near-infrared reflectance spectroscopy between 750 and 1098nm[J]. Meat Science， 1998， 49（4）： 399-409.

[16] RODBOTTEN R， NILSEN B N， HILDRUM K I. Prediction of beef quality attributes from early post mortem near infrared reflectance spectra[J]. Food Chemistry， 2000， 69： 427-436.

[17] 趙杰文， 翟劍妹， 劉木華， 等. 牛肉嫩度的近紅外光譜法檢測(cè)技術(shù)研究[J]. 光譜學(xué)與光譜分析， 2006， 26（4）： 640-642.

[18] 張德權(quán)， 陳宵娜， 孫素琴， 等. 羊肉嫩度傅里葉變換近紅外光譜偏最小二乘法定量分析研究[J]. 光譜學(xué)與光譜分析， 2008， 28（11）： 2550-2553.

[19] 王加華， 韓東海. 便攜式近紅外水果糖度分析模型簡(jiǎn)化研究[J]. 食品安全質(zhì)量檢測(cè)技術(shù)， 2009， 1（1）： 32-38.

[20] 李曉云， 王加華， 黃亞偉， 等. 便攜式近紅外儀檢測(cè)牛奶中脂肪、蛋白質(zhì)及干物質(zhì)含量[J]. 光譜學(xué)與光譜分析， 2011， 31（3）： 665-668.

[21] 王旭， 張鳳清， 林家永， 等. 便攜式近紅外谷物分析儀快速測(cè)定小麥蛋白質(zhì)的研究[J]. 糧食與飼料工業(yè)， 2012（1）： 13-17.