王 慧，何鴻舉*，劉 璐，馬漢軍，劉 璽，莫海珍，劉儒彪，潘潤(rùn)淑，康壯麗，朱明明，趙圣明，王正榮

（河南科技學(xué)院食品學(xué)院，河南 新鄉(xiāng) 453003）

魚(yú)肉中富含蛋白質(zhì)且消化吸收率極高，其脂肪含量比較低且多為不飽和脂肪酸，具有預(yù)防心腦血管疾病、降低膽固醇和血液稠度、增強(qiáng)記憶力和思維能力等功效，而且它還富含鐵、磷、鈣、VA和VD等人體日常生活必需的微量元素；因此魚(yú)肉一直深受消費(fèi)者的青睞[1-2]。據(jù)國(guó)家統(tǒng)計(jì)局官方數(shù)據(jù)顯示，2016年我國(guó)全年水產(chǎn)品產(chǎn)量6 901.25萬(wàn) t，其中魚(yú)類海水產(chǎn)品產(chǎn)量1 252.03萬(wàn) t，魚(yú)類淡水產(chǎn)品產(chǎn)量2 986.65萬(wàn) t，魚(yú)類產(chǎn)品占全年水產(chǎn)品總產(chǎn)量的61.4%，是水產(chǎn)品的重要組成部分。隨著人們對(duì)魚(yú)肉需求量不斷增長(zhǎng)，魚(yú)肉質(zhì)量和安全問(wèn)題成為消費(fèi)者關(guān)注的重點(diǎn)。

傳統(tǒng)魚(yú)肉質(zhì)量的檢測(cè)方法主要依靠感官檢測(cè)、理化檢測(cè)及微生物學(xué)檢測(cè)等[3]，這些方法一般需要專業(yè)人員進(jìn)行操作，主觀干擾因素較大，不但費(fèi)時(shí)耗力、污染環(huán)境，而且容易破壞樣品的完整性，從而導(dǎo)致魚(yú)肉品質(zhì)檢測(cè)工作效率低下。此外，這些傳統(tǒng)方法只能適用于實(shí)驗(yàn)室等小規(guī)模的操作，無(wú)法滿足現(xiàn)代企業(yè)對(duì)于在線快速自動(dòng)化檢測(cè)的要求。近年來(lái)，隨著圖像處理和光譜學(xué)等現(xiàn)代分析技術(shù)的不斷創(chuàng)新和發(fā)展，魚(yú)肉品質(zhì)的檢測(cè)正朝著快速、經(jīng)濟(jì)、準(zhǔn)確、無(wú)損的方向發(fā)展[4]。

高光譜成像技術(shù)（hyperspectral imaging，HSI）融合了傳統(tǒng)的光譜技術(shù)（反映化學(xué)組成等）和圖像技術(shù)（反映形態(tài)學(xué)特征）[5-6]，不僅能同時(shí)捕捉到被測(cè)樣品的光譜信息和圖像信息，而且具有高分辨率、無(wú)需預(yù)處理、非破壞性、檢測(cè)速度快、易于操作等特點(diǎn)，既彌補(bǔ)了傳統(tǒng)光譜技術(shù)不能提供被測(cè)樣品空間信息的不足，也打破了圖像技術(shù)不能提供光譜信息的局限性。目前，HSI技術(shù)已在水產(chǎn)品無(wú)損檢測(cè)方面獲得大量研究，并產(chǎn)生諸多成果。本文主要綜述了HSI技術(shù)在魚(yú)肉品質(zhì)快速檢測(cè)方面的最新研究進(jìn)展，主要涉及到魚(yú)肉的化學(xué)組成、物理屬性、微生物污染以及新鮮度四大方面，同時(shí)對(duì)HSI技術(shù)在魚(yú)肉檢測(cè)中的應(yīng)用研究進(jìn)行了展望。

1 HSI技術(shù)

HSI系統(tǒng)的主要組成部分包括：光源、載物臺(tái)、照相機(jī)、鏡頭、光譜儀、計(jì)算機(jī)。圖1為典型的實(shí)驗(yàn)室用“推掃式”HSI系統(tǒng)，采用面陣電荷耦合器件（charge coupled device，CCD）掃描，鏡頭不動(dòng)，物體移動(dòng)。當(dāng)光源打在物體表面時(shí)，通過(guò)反射或透射光直接進(jìn)入到成像鏡頭內(nèi)，直達(dá)光譜儀，而光譜儀再根據(jù)接收到的不同波長(zhǎng)光信息進(jìn)行色散，最后形成光譜，光譜進(jìn)入到面陣CCD探測(cè)器內(nèi)，CCD把收到的光信號(hào)轉(zhuǎn)化成電信號(hào)，圖像采集卡把CCD得到的電信號(hào)再轉(zhuǎn)化成數(shù)字信號(hào)，最后通過(guò)計(jì)算機(jī)顯示出來(lái)[7-8]。

HSI系統(tǒng)采用“推掃式”成像方法得到高光譜圖像；線列或面陣探測(cè)器（x軸向），獲取研究對(duì)象條狀空間中每個(gè)像素在各個(gè)波長(zhǎng)λi（i＝1，2，3…，n；n為正整數(shù)）下的圖像信息；同時(shí)在檢測(cè)系統(tǒng)輸送帶前進(jìn)過(guò)程中，排列的探測(cè)器如同刷子掃地一樣掃出一條帶狀軌跡，從而完成縱向掃描（y軸向）[9]。綜合橫縱掃描信息就可得到樣品的三維高光譜圖像數(shù)據(jù)（圖2）[10]。HSI系統(tǒng)一般可覆蓋波長(zhǎng)范圍在紫外（200～400 nm）、可見(jiàn)光（400～760 nm）、近紅外（760～2 560 nm），以及波長(zhǎng)大于2 560 nm的區(qū)域范圍[11]。

圖 1 實(shí)驗(yàn)室用“推掃式”HSI系統(tǒng)Fig. 1 diagram of the “push-broom scanning” HSI system for experimental application

圖 2 三維高光譜圖像數(shù)據(jù)塊[10]Fig. 2 Data block of three-dimensional HSI[10]

2 HSI技術(shù)在魚(yú)肉品質(zhì)檢測(cè)中的應(yīng)用研究進(jìn)展

2.1 化學(xué)成分預(yù)測(cè)

魚(yú)肉中富含水分、蛋白質(zhì)、脂肪、無(wú)機(jī)鹽、礦物質(zhì)和維生素等營(yíng)養(yǎng)物質(zhì)。魚(yú)肉中化學(xué)組成成分的含量及分布不同時(shí)，對(duì)魚(yú)肉的品質(zhì)會(huì)產(chǎn)生一定的影響，比如其肌肉內(nèi)的水分含量和分布會(huì)影響魚(yú)肉的口感，脂肪含量的多少則與魚(yú)肉的嫩度有關(guān)[12]等。近幾年，HSI技術(shù)已經(jīng)被作為一種快速無(wú)損技術(shù)用于魚(yú)肉化學(xué)組成、成分含量的預(yù)測(cè)研究，且獲得了良好效果。高光譜屬于分子振動(dòng)的倍頻和合頻光譜，與含氫基團(tuán)如O—H、N—H、C—H等的倍頻和合頻的吸收區(qū)域一致，可通過(guò)提取光譜數(shù)據(jù)，分析樣品中的含氫基團(tuán)的特征信息，對(duì)被測(cè)樣品化學(xué)成分進(jìn)行定性和定量分析[13-18]，目前HSI所使用的波段大多數(shù)在400～1 000 nm和900～1 700 nm之間，不同的光譜波長(zhǎng)所對(duì)應(yīng)的生化基團(tuán)見(jiàn)表1。

表 1 不同光譜波長(zhǎng)對(duì)應(yīng)的生化基團(tuán)[19]Table 1 Biochemical groups corresponding to different spectral wavelengths[19]

He Hongju等[20]采用可見(jiàn)-近紅外波段的HSI技術(shù)檢測(cè)大西洋鮭魚(yú)片在0～4 ℃貯藏條件下的含水量變化及空間分布狀態(tài)；結(jié)果顯示，使用400～1 000、900～1 700 nm和400～1 700 nm 3 個(gè)波段構(gòu)建的偏最小二乘（partial least squares regression，PLSR）預(yù)測(cè)模型相關(guān)系數(shù)（r）均達(dá)到0.9，預(yù)測(cè)均方根誤差（root means square error of prediction，RMSEP）均在1.5%左右，其中400～1 000 nm波段的效果好于其他2 個(gè)波段，獲得的大鮭魚(yú)水分分布見(jiàn)圖3，從圖3中可以很直觀地觀察到鮭魚(yú)水分質(zhì)量分?jǐn)?shù)的分布?；赑LSR和最小二乘支持向量機(jī)（least-squares support vector machines，LS-SVM）算法，朱逢樂(lè)等[21-22]使用Random frog方法從近紅外波段的151 個(gè)全波長(zhǎng)內(nèi)提取了12 個(gè)特征波長(zhǎng)預(yù)測(cè)研究三文魚(yú)的水分含量，獲得了更好的結(jié)果（表2）。通過(guò)采用連續(xù)投影算法（successive projections algorithm，SPA）篩選最優(yōu)變量，詹白勺等[23]進(jìn)一步將預(yù)測(cè)三文魚(yú)水分含量的PLSR模型r提高到0.96，RMSEP降到1.0%以下。除了預(yù)測(cè)水分，HSI技術(shù)也被用于預(yù)測(cè)鮭魚(yú)的脂肪含量研究。Zhu Fengle等[24]構(gòu)建的PLSR模型顯示鮭魚(yú)脂肪質(zhì)量分?jǐn)?shù)和全波段（900～1 700 nm）光譜信息之間的r可達(dá)0.93，RMSEP為1.24%，競(jìng)爭(zhēng)適應(yīng)再加權(quán)抽樣（competitive adaptive reweighted sampling，CARS）算法篩選最優(yōu)波長(zhǎng)后，PLSR模型r分別提高至0.97，RMSEP也均降低到1.0%以下，其結(jié)果均優(yōu)于使用400～1 000 nm波段所獲得的結(jié)果，可視化分布圖見(jiàn)圖4。HSI技術(shù)預(yù)測(cè)鮭魚(yú)不飽和脂肪酸含量也有所報(bào)道，在近紅外波段，Tao Feifei等[25]使用二階導(dǎo)數(shù)和卷積平滑處理原始光譜數(shù)據(jù)后，建立了C20:2n-6、C20:3n-6、C20:5n-3、C22:5n-3和C22:6n-35 種不飽和脂肪酸的PLSR預(yù)測(cè)模型，r分別為0.82、0.83、0.94、0.93、0.93，RMSEP分別為0.31%、1.06%、1.96%、1.11%、2.45%，C20:5n-3脂肪酸的預(yù)測(cè)效果較好。基于HSI技術(shù)（385～970 nm），Dissing等[26]對(duì)虹鱒魚(yú)的蝦青素含量也進(jìn)行了研究，所建立的PLSR預(yù)測(cè)模型的r達(dá)0.93，RMSEP為0.25%。就目前研究而言，HSI技術(shù)在魚(yú)肉化學(xué)組成成分的研究主要集中在水分和脂肪兩方面，且效果良好；而對(duì)其他化學(xué)成分的預(yù)測(cè)研究較少，詳細(xì)的研究統(tǒng)計(jì)結(jié)果見(jiàn)表2。

圖 3 鮭魚(yú)的水分分布圖[20]Fig. 3 Moisture distribution in salmon fi llets[20]

圖 4 鮭魚(yú)脂肪的分布圖[24]Fig. 4 Fat distribution in salmon fi llets[24]

表 2 HSI技術(shù)在魚(yú)肉化學(xué)品質(zhì)方面的評(píng)價(jià)Table 2 Application of HSI in chemical quality evaluation of fi sh

2.2 物理屬性預(yù)測(cè)

肉品的質(zhì)構(gòu)、嫩度以及系水力等物性指標(biāo)，理論上HSI技術(shù)不能檢測(cè)，但肉品物性指標(biāo)的不同是肉中水分、蛋白質(zhì)、脂肪以及碳水化合物含量的不同所致。因此可以通過(guò)測(cè)定水分、蛋白質(zhì)、脂肪和碳水化合物等含量的變化間接反映物性指標(biāo)[27]。HSI技術(shù)在魚(yú)肉物理屬性方面的研究應(yīng)用也卓有成效。

2.2.1 質(zhì)構(gòu)特性

國(guó)際標(biāo)準(zhǔn)化組織規(guī)定食品質(zhì)構(gòu)是指“通過(guò)力學(xué)的、觸覺(jué)的、視覺(jué)的、聽(tīng)覺(jué)的方法能夠感知的食品流變學(xué)特性的綜合感覺(jué)”。質(zhì)地是決定魚(yú)產(chǎn)品整體質(zhì)量的關(guān)鍵參數(shù)，魚(yú)肉的質(zhì)構(gòu)特性受其品種、魚(yú)肉的部位、飼養(yǎng)條件及蛋白質(zhì)的物理化學(xué)性質(zhì)變化的影響[28-29]。魚(yú)肉質(zhì)構(gòu)的測(cè)定對(duì)魚(yú)肉品質(zhì)和新鮮度具有重要的意義，魚(yú)肉的質(zhì)構(gòu)特性一般可使用質(zhì)構(gòu)儀測(cè)定。這種傳統(tǒng)檢測(cè)魚(yú)肉質(zhì)構(gòu)特性的方法在當(dāng)今魚(yú)肉產(chǎn)業(yè)快速發(fā)展的時(shí)代下已跟不上步伐，新興的HSI憑借其快速、無(wú)損的特點(diǎn)，可提供潛在的質(zhì)構(gòu)特性快速分析，目前有關(guān)HSI在魚(yú)肉質(zhì)構(gòu)特性方面的檢測(cè)已有報(bào)道。

Wu Di等[30-31]采用HSI技術(shù)（400～1 100 nm）對(duì)三文魚(yú)的質(zhì)構(gòu)進(jìn)行了兩次研究，2012年第一次研究了三文魚(yú)的硬度、內(nèi)聚性、黏性，在全波段內(nèi)所建立的PLSR預(yù)測(cè)模型的r分別為0.73、0.65、0.73，RMSEP為3.69%、0.06%、0.42%；2014年其又在此基礎(chǔ)上使用RC方法從全波段光譜數(shù)據(jù)中提取了硬度（10 個(gè)）、內(nèi)聚性（9 個(gè)）、黏性（11 個(gè)）、膠著性（10 個(gè)）、咀嚼性（10 個(gè)）的最優(yōu)波長(zhǎng)，以最優(yōu)波長(zhǎng)為輸入變量建立了PLSR預(yù)測(cè)模型，即所得到的硬度和內(nèi)聚性預(yù)測(cè)模型的r與之前相比均有降低，但其新研究咀嚼性的模型r高達(dá)0.7?；赑LSR和LS-SVM算法，朱逢樂(lè)[32]使用Random frog方法從近紅外的全波長(zhǎng)內(nèi)提取了黏性、彈性和內(nèi)聚性的特征波長(zhǎng)預(yù)測(cè)大菱鲆魚(yú)的質(zhì)構(gòu)特性，分別建立了PLSR和LS-SVM預(yù)測(cè)模型，結(jié)果表明三者的PLSR預(yù)測(cè)模型的r分別為0.89、0.75和0.88，RMSEP分別為12.06%、0.29%和0.09%，均優(yōu)于LS-SVM預(yù)測(cè)模型。通過(guò)采用遺傳算法（genetic algorithm，GA）篩選最優(yōu)變量，Cheng Junhu等[33]也使用同樣的技術(shù)研究了冷凍貯藏期間草魚(yú)的堅(jiān)實(shí)度變化，從全波段內(nèi)提取了7 個(gè)最優(yōu)波長(zhǎng)來(lái)建立LS-SVM預(yù)測(cè)模型，該模型的r高達(dá)0.98，RMSEP為1.01%。目前有關(guān)HSI技術(shù)在魚(yú)肉質(zhì)構(gòu)方面的研究報(bào)告相對(duì)較少，以上研究為將來(lái)HSI技術(shù)在魚(yú)肉質(zhì)構(gòu)方面的快速無(wú)損檢測(cè)應(yīng)用提供了理論借鑒。

2.2.2 嫩度

嫩度能很直觀地反映出魚(yú)肉品質(zhì)，然而評(píng)價(jià)魚(yú)肉嫩度的傳統(tǒng)方法一般都需要對(duì)熟肉進(jìn)行剪切，此過(guò)程不但操作復(fù)雜、費(fèi)時(shí)費(fèi)力，且魚(yú)肉在煮熟的過(guò)程中其物理及化學(xué)結(jié)構(gòu)已被破壞，故檢測(cè)結(jié)果誤差比較大。Isaksson等[34]應(yīng)用可見(jiàn)近紅外光譜分析技術(shù)對(duì)僵直前（死后2 h）和僵直后（死后冷藏6 d）大西洋鮭魚(yú)片嫩度的等級(jí)進(jìn)行了研究，研究結(jié)果表明，使用非破壞性的可見(jiàn)近紅外光譜技術(shù)來(lái)預(yù)測(cè)鮭魚(yú)的嫩度很有潛力。在此基礎(chǔ)上，He Hongju等[35]采用可見(jiàn)-近紅外波段的HSI技術(shù)研究了0～4 ℃貯藏條件下大西洋鮭魚(yú)片的嫩度變化及空間分布狀態(tài)，通過(guò)采用SPA算法從全波段內(nèi)提取了4 個(gè)（555、605、705 nm和930 nm）特征波長(zhǎng)，所構(gòu)建的LS-SVM模型顯示鮭魚(yú)嫩度和光譜的最優(yōu)波長(zhǎng)之間的r可達(dá)0.92，RMSEP為1.09%，總體結(jié)果顯示，HSI技術(shù)在定量預(yù)測(cè)鮭魚(yú)片的嫩度方面效果良好。目前國(guó)內(nèi)外學(xué)者使用HSI技術(shù)來(lái)預(yù)測(cè)肉品嫩度的研究主要集中在豬[36]、牛[37]、羊[38]以及家禽肉[39]方面，對(duì)于魚(yú)肉研究依然較少。

2.2.3 系水力

系水力又稱為持水力和保水性，當(dāng)肌肉在受到外界壓力（切碎、加壓、加熱、冷凍、融化、貯存、加工等）時(shí)不僅能保持其固有水分，而且還能保持添加水分的能力[40]。魚(yú)肉系水力的高低會(huì)直接影響肉的營(yíng)養(yǎng)、口感、色澤、嫩度和硬度等食用品質(zhì)。傳統(tǒng)檢測(cè)魚(yú)肉系水力的方法不但費(fèi)時(shí)費(fèi)力，而且對(duì)魚(yú)肉具有損害，人為因素較大，所得到的數(shù)據(jù)誤差也比較大。近幾年，HSI在魚(yú)肉系水力方面的研究已有報(bào)道，如He Hongju等[41]使用HSI技術(shù)（400～1 100 nm）對(duì)冷藏期間鮭魚(yú)片的滴水損失進(jìn)行了研究，通過(guò)采用RC法從121 個(gè)全波段內(nèi)提取出了11 個(gè)特征波長(zhǎng)，利用特征波長(zhǎng)結(jié)合PLSR來(lái)建立近紅外光譜和鮭魚(yú)片滴水損失之間的預(yù)測(cè)模型，該模型的r為0.85，RMSEP為0.06%。朱逢樂(lè)[32]利用HSI技術(shù)探究了冷凍-解凍條件下大菱鲆魚(yú)的滴水損失的變化，用Random frog方法從全波段內(nèi)提取了16 個(gè)特征波長(zhǎng)建立LS-SVM預(yù)測(cè)模型，其預(yù)測(cè)r為0.85，RMSEP為0.01%。在以上研究基礎(chǔ)上，Cheng Junhu等[42]利用HSI技術(shù)研究了草魚(yú)的滴水損失變化，結(jié)合GA和SPA方法從全波段內(nèi)提取了5 個(gè)特征波長(zhǎng)建立了多元線性回歸（multiple linear regression，MLR）和LS-SVM的預(yù)測(cè)模型，研究結(jié)果表明MLR預(yù)測(cè)模型效果要好，其r高達(dá)0.96，RMSEP為1.21%。Wu Di等[43]利用HSI技術(shù)對(duì)鮭魚(yú)的液體損失率、水損失率、脂肪損失率和水保留率進(jìn)行了研究，采用CARS算法分別提取了4 個(gè)系水力指標(biāo)的最優(yōu)波長(zhǎng)（13、12、9 個(gè)和12 個(gè)），以選取的最優(yōu)波長(zhǎng)為自變量分別建立4 個(gè)指標(biāo)的PLSR分析模型，其r分別為0.95、0.95、0.83和0.97，RMSEP為1.06%、0.92%、0.33%和1.14%，并將得到的最優(yōu)預(yù)測(cè)模型轉(zhuǎn)化到圖像的每個(gè)像素中，便可得到三文魚(yú)4 個(gè)系水力指標(biāo)的所有可視化分布圖。上述研究結(jié)果表明，HSI技術(shù)在對(duì)魚(yú)肉的系水力及分布進(jìn)行快速無(wú)損檢測(cè)方面具有很大潛力。

2.2.4 色澤

色澤是反映魚(yú)肉外觀品質(zhì)變化的重要物理指標(biāo)，魚(yú)肉的顏色主要由肌肉中的肌紅蛋白、血紅蛋白和細(xì)胞色素的含量所決定[44]。檢驗(yàn)魚(yú)肉色澤最常用的方法是使用色差儀測(cè)量肉表面的亮度L*值、紅綠度a*值和黃藍(lán)度b*值[45]。近幾年，有些學(xué)者嘗試使用HSI技術(shù)來(lái)檢測(cè)魚(yú)肉的色澤，如Wu Di等[46]采用HSI技術(shù)（897～1 753 nm）對(duì)鮭魚(yú)的色澤進(jìn)行了快速無(wú)損檢測(cè)，首先采用SPA分別選出色澤L*、a*和b*值的最優(yōu)波長(zhǎng)，然后利用選取的有效波長(zhǎng)建立了MLR預(yù)測(cè)模型，最后獲得的L*、a*和b*值的MLR預(yù)測(cè)模型的r分別為0.88、0.74和0.80，RMSEP為2.17%、1.55%和2.24%。隨后兩年，基于可見(jiàn)-近紅外（400～1 000 nm）HSI技術(shù)，Cheng Junhu等[47]采用SPA算法從草魚(yú)的全波段光譜內(nèi)提取了L*值（5 個(gè)）和a*值（7 個(gè)）的有效波長(zhǎng)，所建立的LS-SVM預(yù)測(cè)模型的r均高于0.95，RMSEP均小于2.70%。兩者的研究結(jié)果表明，HSI技術(shù)在快速、無(wú)損檢測(cè)魚(yú)肉的顏色分析方面具有很廣的應(yīng)用前景。

HSI技術(shù)在魚(yú)肉物理屬性方面的評(píng)價(jià)應(yīng)用如表3所示。

表 3 HSI技術(shù)在魚(yú)肉物理屬性方面的評(píng)價(jià)Table 3 Application of HSI in the evaluation of physical properties of fi sh

2.3 微生物檢測(cè)

魚(yú)肉是一種極易腐敗的食物，其貨架期極短，當(dāng)魚(yú)肉中腐敗微生物的含量超過(guò)一定值時(shí)，不僅會(huì)造成資源的浪費(fèi)，而且一旦消費(fèi)者在不知情的狀況下誤食，則可能對(duì)健康造成損害，甚至導(dǎo)致生命危險(xiǎn)；所以檢測(cè)魚(yú)肉中微生物是否超標(biāo)是評(píng)價(jià)魚(yú)肉質(zhì)量必不可少的一道程序。微生物的檢測(cè)方法一般有平板計(jì)數(shù)法[48]、聚合酶鏈反應(yīng)技術(shù)和酶聯(lián)免疫吸附測(cè)定法等[49-53]，但這些方法都達(dá)不到快速、綠色、無(wú)損的檢測(cè)要求。鑒于HSI技術(shù)的高分辨率且可對(duì)被測(cè)樣品的化學(xué)成分做定量和定性分析等特點(diǎn)，故HSI技術(shù)也能檢測(cè)出微生物細(xì)胞核中的蛋白質(zhì)、多糖、核酸等混合成分的分子振動(dòng)信息，且能靈敏地檢測(cè)到微生物分子基團(tuán)光譜吸收峰的位置和強(qiáng)度[54]；因此國(guó)內(nèi)外學(xué)者開(kāi)始探討探究HSI快速檢測(cè)魚(yú)肉中微生物潛在可行性。

He Hongju等[55-57]先后采用近紅外HSI技術(shù)（900～1 700 nm）對(duì)0～4 ℃貯藏條件下的鮭魚(yú)肉表面乳酸菌、假單胞菌和腸桿菌科的菌落數(shù)及其可視化分布進(jìn)行了研究，結(jié)果顯示所建立的3 種微生物的最優(yōu)預(yù)測(cè)模型r均大于0.93，預(yù)測(cè)誤差均小于0.55%。其所獲得的每塊鮭魚(yú)肉中各種微生物含量的可視化分布圖分別如圖5～7所示，圖中的不同顏色代表鮭魚(yú)肉中微生物的含量值，以lg（CFU/g）表示。He Hongju等[58]又以鮭魚(yú)表面的腸桿菌屬和假單胞菌屬的菌落數(shù)之和（Enterobacteriaceae and Pseudomonas spp. count，EPC）為主要污染微生物指標(biāo)，探究了HSI技術(shù)對(duì)鮭魚(yú)表面EPC含量的檢測(cè)，結(jié)果顯示所建模型的r高達(dá)0.98，預(yù)測(cè)誤差降至0.29%，同樣獲得了鮭魚(yú)肉表面EPC含量的可視化分布圖，其結(jié)果較理想?；诳梢?jiàn)-近紅外HSI技術(shù)（400～1 000 nm），Cheng Junhu等[59-60]先后研究了草魚(yú)被腸桿菌科和總細(xì)菌污染的情況，其使用加權(quán)回歸系數(shù)法（weighted regression coefficient method，WRC）從全波段中選取了6 個(gè)特征波長(zhǎng)，基于最優(yōu)波長(zhǎng)所建立的草魚(yú)腸桿菌數(shù)的MLR預(yù)測(cè)模型的r為0.94，預(yù)測(cè)誤差為0.25%，而使用SPA算法提取的7 個(gè)特征波長(zhǎng)所建立的草魚(yú)總細(xì)菌數(shù)的PLSR模型的r高達(dá)0.96，RMSEP為0.51%。在相同波段內(nèi)，Wu Di等[61]研究了鮭魚(yú)肉變質(zhì)過(guò)程中總菌數(shù)的動(dòng)態(tài)變化預(yù)測(cè)，通過(guò)CARS算法從全波段的光譜數(shù)據(jù)中提取8 個(gè)最優(yōu)波長(zhǎng)建立PLSR模型，r高達(dá)0.98，RMSEP低至0.26%，且均獲得了魚(yú)塊表面腸桿菌科和總細(xì)菌數(shù)的可視化分布圖。以上研究結(jié)果表明，HSI技術(shù)在快速無(wú)損的檢測(cè)魚(yú)肉表面有害微生物的變化有很大潛力。表4概括總結(jié)了近年來(lái)HSI技術(shù)用于魚(yú)肉微生物檢測(cè)方面的相關(guān)結(jié)果。

表 4 HSI技術(shù)在魚(yú)肉微生物方面的評(píng)價(jià)Table 4 Application of HSI in the evaluation of microbial contamination in fi sh

圖 5 鮭魚(yú)中乳酸菌數(shù)的可視化分布圖[55]Fig. 5 Visual distribution of lactic acid bacterial count in salmon[55]

圖 6 不同貯藏時(shí)間的鮭魚(yú)中假單胞菌科數(shù)的可視化分布圖[56]Fig. 6 Visual distribution of Pseudomonas counts in salmon samples at different storage times[56]

圖 7 鮭魚(yú)中腸桿菌科數(shù)的可視化分布圖[57]Fig. 7 Visual distribution of Enterobacteriaceae count in salmon[57]

2.4 新鮮度預(yù)測(cè)

魚(yú)肉在腐敗過(guò)程中，其蛋白質(zhì)、脂肪等物質(zhì)會(huì)發(fā)生一系列復(fù)雜的化學(xué)反應(yīng)，所產(chǎn)生的揮發(fā)性鹽基氮（total volatile base nitrogen，TVB-N）、硫代巴比妥酸（thiobarbital acid，TBA）反應(yīng)物、三磷酸腺苷分解物（K值）等化學(xué)物質(zhì)以及pH值均能反映出魚(yú)肉的新鮮度，從而導(dǎo)致魚(yú)肉的物理結(jié)構(gòu)、化學(xué)組成信息發(fā)生變化，同時(shí)魚(yú)肉的O—H、N—H、C—H等含氫基團(tuán)的倍頻和合頻信息也會(huì)隨之發(fā)生相應(yīng)的變化，故可以通過(guò)蛋白質(zhì)、脂肪等含量的變化間接地進(jìn)行新鮮度指標(biāo)的測(cè)定[62-63]。

2.4.1 pH值

pH值是化學(xué)指標(biāo)評(píng)定法中常用的指標(biāo)[64]，魚(yú)肉的新鮮度可以通過(guò)pH值進(jìn)行判定，一般新鮮魚(yú)肉的pH值在6.5～6.8之間，而不在此范圍內(nèi)的肉即為不新鮮肉。pH值通常采用pH試紙或者pH計(jì)進(jìn)行測(cè)定，雖然結(jié)果可靠，但耗時(shí)長(zhǎng)、效率低。鑒于此，一些學(xué)者開(kāi)始研究應(yīng)用HSI技術(shù)測(cè)定魚(yú)肉的pH值。He Hongju等[65]使用HSI技術(shù)對(duì)鮭魚(yú)片的pH值先后進(jìn)行了兩次研究；第一次使用Loading weights算法從全波段光譜內(nèi)提取6 個(gè)最優(yōu)波長(zhǎng)來(lái)建立PLSR模型，該模型的r為0.86，RMSEP為0.05%；第二次使用RC算法提取的10 個(gè)最優(yōu)波長(zhǎng)所建立的PLSR模型的r高達(dá)0.90，均方根誤差低至0.04%[41]，結(jié)果明顯提高。Xu Junli等[66]在此基礎(chǔ)上使用stepwise-MLR算法從大西洋鮭魚(yú)的全波段內(nèi)提取了10 個(gè)最優(yōu)波長(zhǎng)來(lái)建立MLR模型，r降至0.85，RMSEP為0.05%，結(jié)果不如He Hongju等[41]的理想。

2.4.2 TVB-N含量的測(cè)定

魚(yú)肉在腐敗過(guò)程中，由于蛋白質(zhì)被分解而產(chǎn)生的氨和胺類等堿性含氮物質(zhì)被稱為T(mén)VB-N。TVB-N含量的變化能很好地反映魚(yú)肉新鮮度；因此TVB-N含量可以用來(lái)評(píng)價(jià)魚(yú)肉的新鮮度[67]。Cheng Junhu等[68-69]采用HSI技術(shù)（400～1 100 nm）測(cè)定了草魚(yú)的TVB-N含量，先使用SPA算法從全波段內(nèi)選取9 個(gè)最優(yōu)波長(zhǎng)，以此來(lái)建立LS-SVM預(yù)測(cè)模型，該模型的r為0.96，RMSEP為2.25%，在此基礎(chǔ)上使用絨泡菌網(wǎng)絡(luò)（physarum network，PN）結(jié)合GA算法選取最優(yōu)波長(zhǎng)來(lái)建立PLSR預(yù)測(cè)模型，此模型的r高達(dá)0.98，均方根誤差預(yù)測(cè)低至1.73%，此結(jié)果與之前相比有了很大的提升。

2.4.3 K值

三磷酸腺苷分解物即K值是評(píng)價(jià)魚(yú)肉新鮮度的重要指標(biāo)之一，K值為10%時(shí)表示魚(yú)肉很新鮮，當(dāng)K值達(dá)到60%～80%時(shí)說(shuō)明魚(yú)肉不可食用，否則會(huì)引起食物中毒，導(dǎo)致生命危險(xiǎn)。K值的測(cè)定關(guān)乎到人們的健康，因此檢測(cè)魚(yú)肉K值是很重要的一步?；贖SI技術(shù)（400～1 000 nm），Cheng Junhu等[70]采用SPA算法結(jié)合PLSR法對(duì)草鯉魚(yú)和銀鯽魚(yú)的K值進(jìn)行了快速無(wú)損檢測(cè)，其PLSR模型的r高達(dá)0.97，RMSEP為4.92%。

2.4.4 TBA值

魚(yú)肉中富含不飽和脂肪酸，不飽和脂肪酸能預(yù)防心血管疾病、加強(qiáng)記憶和思維能力。魚(yú)肉在貯藏過(guò)程中脂類容易受到促氧化劑的影響而產(chǎn)生氫過(guò)氧化物、醛類、酮類等有害氧化產(chǎn)物[71]。脂類氧化被認(rèn)為是導(dǎo)致魚(yú)肉新鮮度下降和品質(zhì)變壞的一個(gè)首要因素。而TBA值是一個(gè)常用于反映魚(yú)肉脂類氧化程度的化學(xué)指標(biāo)。Cheng Junhu等[72]采用HSI技術(shù)（400～1 000 nm）探究了4 ℃貯藏條件下草魚(yú)的TBA值的變化，利用RC算法和MLR法建立了草魚(yú)中TBA值的預(yù)測(cè)模型，該模型r為0.92，RMSEP為0.11%。Xu Junli等[66]應(yīng)用HSI技術(shù)（900～1 700 nm）對(duì)大西洋鮭魚(yú)的TBA值進(jìn)行了快速無(wú)損檢測(cè)研究，通過(guò)stepwise-MLR和MLR化學(xué)計(jì)量學(xué)方法提取了18 個(gè)圖像紋理特征變量，所建立的MLR模型的r高達(dá)0.92，RMSEP為1.84%。Sivertsen等[73]應(yīng)用HSI技術(shù)（450～700 nm）對(duì)鱈魚(yú)的新鮮度進(jìn)行了評(píng)價(jià)。通過(guò)使用RC算法提取了4 個(gè)圖像紋理特征變量，最后所建MLR模型的r大于0.87，RMSEP為2.22%。

HSI技術(shù)在魚(yú)肉新鮮度方面的評(píng)價(jià)應(yīng)用如表5所示。

2.5 其他

HSI技術(shù)除了在魚(yú)肉化學(xué)成分、物理品質(zhì)、微生物和新鮮度方面的研究之外，還被用于其他方面的檢測(cè)，詳見(jiàn)表6。章海亮等[74]也采用HSI技術(shù)（445～1 001 nm）對(duì)不同冷藏時(shí)間后多寶魚(yú)的凍融次數(shù)進(jìn)行了研究，CARS算法提取57 個(gè)最優(yōu)波長(zhǎng)，再結(jié)合主成分分析（principal component analysis，PCA）、灰度共生矩陣（gray-level co-occurrence Matrix，GLCM）紋理特征作為輸入變量來(lái)建立LS-SVM區(qū)分模型，模型的識(shí)別率達(dá)98%，同時(shí)朱逢樂(lè)等[75]也采用此技術(shù)研究了多寶魚(yú)的凍融次數(shù)，所建PLSR模型的r也高達(dá)0.98，RMSEP為0.66%?；贖SI技術(shù)，Khojastehnazhand等[76]對(duì)虹鱒魚(yú)的等級(jí)分類進(jìn)行了快速無(wú)損檢測(cè)，采用PCA算法分別從400～1 000 nm和1 000～2 500 nm兩個(gè)波段提取各4 個(gè)最優(yōu)波長(zhǎng)建立PLSR模型，相比之下400～1 000 nm波段的模型較優(yōu)。

表 6 HSI技術(shù)在魚(yú)肉其他方面的評(píng)價(jià)Table 6 Application of HSI in the evaluation of other aspects of fi sh

除此之外，HSI技術(shù)也被用于檢測(cè)魚(yú)肉中的寄生蟲(chóng)，楊賢林[77]使用HSI技術(shù)檢測(cè)了鱈魚(yú)內(nèi)的異尖線蟲(chóng)，使用PCA法對(duì)400～1000 nm范圍內(nèi)的高光譜圖像進(jìn)行分析，結(jié)果能很清晰地顯示出異尖線蟲(chóng)的具體位置。Sivertsen等[78]利用HSI技術(shù)預(yù)測(cè)了鱈魚(yú)中的寄生蟲(chóng)，最后所得到的結(jié)果總檢出率為58%，深色寄生蟲(chóng)的檢出率為71%，淺色寄生蟲(chóng)的檢出率為46%，其結(jié)果并不理想。使用透射HSI技術(shù)對(duì)魚(yú)肉品質(zhì)的研究較少，因透射HSI技術(shù)對(duì)光源要求較高，當(dāng)光源較弱時(shí)，光源打在樣品表面其光線透過(guò)率較低則無(wú)法對(duì)數(shù)據(jù)進(jìn)行處理；光源較強(qiáng)則會(huì)造成被測(cè)樣品表面溫度較高而容易導(dǎo)致光譜數(shù)據(jù)丟失[79]。開(kāi)發(fā)透射HSI技術(shù)檢測(cè)魚(yú)肉內(nèi)部寄生蟲(chóng)及內(nèi)部損壞和缺陷或許具有一定的應(yīng)用前景。

3 HSI的優(yōu)勢(shì)及缺陷

HSI技術(shù)在檢測(cè)肉品質(zhì)量方面具有諸多優(yōu)點(diǎn)：1）樣品無(wú)需預(yù)處理；2）能夠同時(shí)提供光譜和空間信息；3）能夠在同一樣品中同時(shí)測(cè)定幾種成分；4）能夠?qū)崿F(xiàn)目標(biāo)微生物指標(biāo)的可視化分布；5）高光譜可以解決定性和定量檢測(cè)。HSI技術(shù)不僅能夠達(dá)到快速、無(wú)損的特點(diǎn)，而且其預(yù)測(cè)準(zhǔn)確性較高，比如對(duì)魚(yú)肉的化學(xué)成分（水分、脂肪和鹽類）、物理屬性（質(zhì)構(gòu)、嫩度、系水力、色澤）、微生物和化學(xué)指標(biāo)（pH值、揮發(fā)性成分含量、K值）等關(guān)鍵質(zhì)量特性的預(yù)測(cè)取得了不錯(cuò)的效果，即在紅肉及家禽肉方面也有廣泛的應(yīng)用，而且效果也很不錯(cuò)。因此HSI技術(shù)將會(huì)在魚(yú)肉及肉質(zhì)品質(zhì)量特性方面有更廣闊的發(fā)展前景。

盡管HSI技術(shù)優(yōu)勢(shì)明顯，但也存在一定的缺陷及需要改進(jìn)的問(wèn)題：1）高光譜圖像是3D“數(shù)據(jù)塊”，包含大量的冗余數(shù)據(jù)，這在挖掘數(shù)據(jù)方面具有很大的挑戰(zhàn)；2）開(kāi)發(fā)帶有幾個(gè)有效波長(zhǎng)的多光譜成像系統(tǒng)是必要的，因?yàn)樗粌H可在較短時(shí)間內(nèi)實(shí)現(xiàn)食品質(zhì)量的評(píng)估，而且還能滿足在線應(yīng)用的要求；3）為了保證校正模型的有效性和穩(wěn)健性，必須要有精確的目標(biāo)參數(shù)值；4）HSI技術(shù)不適合應(yīng)用在同質(zhì)樣品中，因?yàn)镠SI的成像功能只適用于可視化不均勻的分布空間；5）HSI技術(shù)無(wú)法獲得樣品內(nèi)部更深層的成分信息，因?yàn)楣獾拇┩干疃仁軜悠泛筒ㄩL(zhǎng)范圍的限制。

4 結(jié) 語(yǔ)

HSI技術(shù)作為一種有潛力的快速無(wú)損檢測(cè)工具在食品品質(zhì)評(píng)估方面被廣泛研究，且其質(zhì)量特性的預(yù)測(cè)也取得了令人滿意的效果，鑒于此，HSI技術(shù)在不久的未來(lái)可能替代耗時(shí)的傳統(tǒng)檢測(cè)方法，以滿足食品品質(zhì)的快速、無(wú)損在線檢測(cè)的要求。

從以上的綜述可以看出，HSI技術(shù)在魚(yú)肉品質(zhì)檢測(cè)方面潛力巨大，但其研究對(duì)象主要集中于對(duì)鮭魚(yú)、草魚(yú)、鱈魚(yú)、虹鱒魚(yú)和大菱鲆魚(yú)品質(zhì)的研究，而對(duì)我國(guó)消費(fèi)較多的鯉魚(yú)、鰱魚(yú)、魷魚(yú)和帶魚(yú)品質(zhì)方面的研究較少；所以將來(lái)可在現(xiàn)有研究的基礎(chǔ)上擴(kuò)大HSI技術(shù)的應(yīng)用范圍，以充分挖掘HSI的利用價(jià)值。

國(guó)內(nèi)已有開(kāi)發(fā)相關(guān)的高光譜成像設(shè)備，但是其核心部件依然需要進(jìn)口，購(gòu)買成本依然比較昂貴，HSI設(shè)備的國(guó)產(chǎn)化、低成本化將是未來(lái)發(fā)展的一個(gè)重要方向。目前不管是實(shí)驗(yàn)室用和室外用HSI成像設(shè)備，體積均過(guò)于龐大、不易攜帶，未來(lái)HSI設(shè)備應(yīng)趨于小型化、便攜化發(fā)展。

盡管高光譜設(shè)備可獲取大量數(shù)據(jù)，但是數(shù)據(jù)分析速度依然較慢，所構(gòu)建的模型不具通用性，應(yīng)用受限；因此，可通過(guò)前期的理論和應(yīng)用研究，開(kāi)發(fā)波長(zhǎng)少、數(shù)據(jù)分析速度更快的光譜成像設(shè)備，可實(shí)現(xiàn)真正意義上的快速檢測(cè)。