劉靜靜，李志剛*，張旭，張小栓

(1 石河子大學信息科學與技術學院,新疆 石河子 832003;2 中國農業(yè)大學信息與電氣工程學院,北京 100083; 3 中國農業(yè)大學工學院,北京 100083)

中國是全球肉類產銷總量最多的國家,根據國際肉類組織公布的數據,中國畜禽肉類生產量約占世界生產總量的27%,其中羊肉占26%[1]。羊肉因獨特的營養(yǎng)和風味,膽固醇含量低、肌肉纖維細、肉質醇香等特性,廣受消費者的喜愛[2]。隨著近年來生活水平的逐漸提高和消費者食品安全意識的增強,消費者對高品質生鮮羊肉的需求逐年提高。冷鏈是保持肉類新鮮度的關鍵技術,保持冷鏈過程應該延伸到消費者家庭儲藏環(huán)節(jié),這也表明著家庭儲藏成為冷鏈中食品保鮮最關鍵的階段之一[3]。獲取羊肉在冰箱內冷藏的微環(huán)境氣體信息和感官指標,分析羊肉在冰箱溫度條件下不同儲藏時間的新鮮度變化,不僅能體現羊肉的經濟價值,還保證了羊肉的食用價值。

在針對羊肉新鮮度等級的評價中,相關學者一般從羊肉的質構特性[4-5]和色差特性[6]進行檢測和判斷,并利用Hertz-Mindlin bonding模型[7]、神經網絡[8]、Adaboost-BP模型[9]、主成分分析法[10]等對新鮮度進行等級判定,目前對羊肉氣味變化與新鮮度變化之間的關聯性研究較少。氣味是表示肉類新鮮度最靈敏的指標,在肉的腐敗過程中,蛋白質先分解為胺,再分解為氨、硫化氫和乙硫醇等[11]，而冷鮮肉類在冷藏期間隨著揮發(fā)性脂肪酸及氨基酸的氧化,會產生羰基類及醛類物質,當達到消費者接受閾值后,就會產生酸敗氣味[12]，所以，隨著冷藏時間的增加,羊肉氣味也會隨之發(fā)生改變。因此,本文研究選取家庭儲藏(冰箱溫度5 ℃)條件下的冷鮮羊肉,采集儲藏時間延長時羊肉所產生的氣體含量數據,并結合羊肉顏色、硬度數據,利用RBF神經網絡良好的分類功能[13],對羊肉的新鮮度進行客觀、準確的評價。

1 材料與方法

1.1 試驗材料

實驗樣本在北京美廉美超市進行選購,購買當天上架的冷鮮羊腿肉,用保溫箱運送至中國農業(yè)大學食品質量與安全北京實驗室,在實驗室的工作臺上用無菌刀具切出500 g羊肉進行氣味檢測實驗,平行實驗的羊肉切成厚度1 cm ×1 cm ×1 cm左右的片狀或塊狀共12份,放置于5 ℃的恒溫箱用于理化實驗。

1.2 儀器與設備

實驗采用自制的電子鼻系統,根據監(jiān)測需求集成二氧化碳傳感器、氧氣傳感器、硫化氫傳感器、氨氣傳感器,傳感器信息見表1。電化學傳感器組成的電子鼻系統性價比較高,在儲藏環(huán)境(5 ℃)低溫下能正常工作,滿足對氣體監(jiān)測的需要；各傳感器的供電電壓為3.3 V或5 V,選擇9 V的電池進行供電,可滿足長時間監(jiān)測的需求。

表1 傳感器技術指標

實驗采用的其它儀器有質構分析儀TA.XT Plus(英國SMS 公司)、CR400色差儀(日本Koniva Mionlta 公司)、揮發(fā)性鹽基氮檢測儀(廈門市藤蔓生物科技有限公司)和恒溫箱(上海一恒科學儀器有限公司)。

實驗整體流程如圖1所示。

圖1 整體工作流程

1.3 實驗方案

將500 g新鮮的羊肉放入12 cm×15 cm×15 cm保鮮盒中,將電子鼻系統嵌入保鮮盒的頂部進行封裝,之后放入恒溫箱(5 ℃)中,進行保鮮盒頂空氣體監(jiān)測。用100 g羊肉進行平行實驗,測定羊肉的顏色與硬度數據，以每24 h用揮發(fā)性鹽基氮檢測儀測定的羊肉新鮮度作為標準結果進行對比。

1.3.1 氣味數據獲取方法

主傳感器節(jié)點由傳感器、供電、處理器和存儲4個模塊組成,主傳感器節(jié)點接收各傳感器節(jié)點的信息,信息最終匯聚在存儲模塊。傳感器校準完成后,將電子鼻的采樣間隔設置為30 min,羊肉放入保鮮盒后開始進行氣味監(jiān)測；獲取氣體參數信息后,以有線通信方式進行傳感信號的處理，并進行氣體傳感器電壓的輸出。硬件設計可實現數據的預處理、儲存功能。

1.3.2 顏色信息數據獲取方法

采用色度學上國際照明委員會推薦的LAB表色系統獲取顏色信息數據,其物理含義為:L* 表示明度，+a* 表示為紅色,-a*表示為綠色，+b*表示黃色,-b*表示藍色。使用色差儀測定羊肉的色澤,色差儀在每次使用前進行校正,檢測前用無紡布擦拭其表面水滴,擺放在白色平板上,在羊肉表面選取3個測量點,對每個測試點的亮度值(L*)和紅度值(+a*)重復測定3次，取其平均值。

1.3.3 硬度信息數據獲取方法

利用TA.XT Plus(英國SMS 公司)質構儀獲取羊肉的硬度信息數據；質構儀選擇“TPA(texture profile analysis)”選項,使用TA44探頭(圓柱直徑為4 mm),選擇硬度為測量指標；參數設定如下:測前速度2 mm/s，測試速度5 mm/s，測后速度5 mm/s,觸發(fā)力5 g，探頭在樣本中的移動距離為5 mm；重復測定3次，取其平均值。

1.4 數據處理方法

1.4.1 數據歸一化

為了使數據處理過程更加方便快捷,首先采用以下公式數據進行歸一化處理,

(1)

式(1)中,X為歸一化數據,x為原始數據,xmax為數據中最大值,xmin為數據中的最小值。

1.4.2 RBF神經網絡模型的構建

RBF神經網絡是一種前向型神經網絡,只有一個隱含層,輸入單元到隱單元的權重固定為1[15]。RBF神經網絡用線性學習算法來完成以往非線性學習算法所做的工作,同時又保持非線性算法的高精度,具有最佳逼近、全局最優(yōu)、收斂速度快等特性[16]。由于RBF神經網絡是局部逼近網絡,以任意精度逼近任意連續(xù)或離散函數,可以處理系統內難以分析的規(guī)則,適用于解決非線性分類問題[17]，因此,本文選用RBF神經網絡進行分類。具體參數設置如下:輸入層為7,輸出層2,隱含層為15,徑向基函數選用高斯函數,其表達式如下:

(2)

使用K-均值法選擇RBF神經網絡的中心,并求出方差。RBF神經網絡的輸出結果表示如下:新鮮度水平(0,0)表示新鮮,(1,1)表示不新鮮。基本結構如圖2所示。

圖2 羊肉新鮮度評價RBF神經網絡結構圖

1.4.3 K-均值法選擇RBF的中心

K-均值聚類算法選定RBF神經網絡的中心的步驟如下:

(1)從輸入樣本數據中隨機選擇m個不同的樣本作為初始聚類中心。

(2)從訓練樣本中抽取數據進行輸入,計算輸入樣本數據與聚類中心的距離,將其歸入距離最近的類。

(3)計算新聚類的聚類中心,直至聚類中心不再發(fā)生改變、算法收斂。

(4)采用以下公式計算標準差，

(3)

式(3)中,n為隱含節(jié)點個數,dmax為聚類中心的最大距離。

(5)采用偽逆法計算權重,計算公式如下:

W=G+d,

(4)

式(4)中,G={gki},gki=Φ(‖Xk-Xi‖2)，k=1，2，…，k,i=1,2,…，j，矩陣W=Wij。

2 結果與分析

2.1 傳感器響應信號

實驗前將電子鼻放入空的保鮮盒中進行測試,以所測的氣體含量作為對比量。電子鼻對保鮮盒中的氣體含量的電壓響應如表2所示。

表2 電子鼻對空氣中氣體含量的響應電壓

2.2 氣體傳感信息與感官指標

采用Excel 2010軟件預處理電子鼻監(jiān)測到的氧氣、二氧化碳、硫化氫和氨氣4種氣體數據,得到一組氣體數據參數,利用Origin 2010 軟件繪制氣體含量、顏色和硬度的變化趨勢。

2.2.1 氣體含量

5 ℃保存條件下氧氣和二氧化碳氣體傳感信息結果(圖3)顯示:保鮮盒內的氧氣含量呈逐漸下降趨勢，二氧化碳含量呈上升趨勢,前120 h氣體含量變化的趨勢比較平緩,120 h以后,二氧化碳氣體含量增長迅速,氧氣含量下降。

圖3 氧氣和二氧化碳傳感器信息

5 ℃的保存條件下硫化氫和氨氣氣體傳感信息結果(圖4)顯示:硫化氫氣體含量在前120 h上升趨勢平緩,之后氣體含量上升趨勢比較明顯;氨氣含量在前140 h上升趨勢不明顯,之后呈直線上升,這可能與氨氣傳感器本身的性能有關。

圖4 硫化氫和氨氣傳感器信息

上述測定結果及分析表明：在儲存120 h后,羊肉的氣味發(fā)生明顯變化,因產生二氧化碳、硫化氫和氨氣而使羊肉的新鮮度下降。

2.2.2 顏色

檢測結果如圖5所示。

圖5 羊肉顏色檢測結果

(1)在5 ℃溫度保存期間,羊肉的亮度L*值在前3天變化較大,從41.4下降到37.3,數值下降明顯,羊肉在儲藏的前3天外表有光澤;3天后L*值緩慢從36.6下降至35.1,此時羊肉的表面呈現無光澤狀態(tài)。

(2)紅度+a*值在前4天呈緩慢下降的趨勢,從15.4下降至14.2;4天后紅度值從14.2迅速下降為11.0,羊肉表面的肉色變深,紅色不均勻。

(3)羊肉顏色檢測結果與劉雅娜[5]的質構儀評定羊肉新鮮度結果基本一致。

2.2.3 硬度

檢測結果(圖6)顯示:羊肉的硬度數據總體呈下降趨勢。第1天羊肉的硬度為203.9 g，第4天的羊肉硬度檢測數據為93.4 g,指壓后不完全恢復,表明羊肉儲藏4天后彈性下降,羊肉開始腐敗；在6天儲藏期內,羊肉硬度值從203.9 g下降至第6天的54.3 g,肉質變軟。

圖6 羊肉硬度檢測結果

羊肉硬度檢測結果與劉雅娜[5]的質構儀評定羊肉新鮮度結果基本一致。

2.3 RBF神經網絡模型的驗證

通過分析認為,羊肉在新鮮度劣變過程中其顏色、硬度與氣味變化明顯,因此，提取特征數據,將羊肉的氣味、顏色與硬度數據進行多源數據結合,再進行羊肉新鮮度識別,從而使預測結果更加準確。

本次實驗總共獲取240組數據,采用Matlab(R2016b)語言編程,用訓練集的200組數據和驗證集的40組數據對RBF神經網絡進行訓練,然后對不同儲藏天數羊肉的新鮮度進行評價。評價結果如表3所示。

從表3可知,在預測的6組數據中,僅第4天的數據是錯誤的,預測的準確率為80%。結合文獻[18]提供的新鮮度評價方法可知,本文建立的聚類-RBF神經網絡模型能夠對家庭冷藏羊肉新鮮度進行分類及評價。

表3 聚類-RBF神經網絡模型的驗證結果

3 結論

(1)通過評價結果與揮發(fā)性鹽基氮測定結果確定，夏季羊肉在冰箱溫度(5 ℃)冷藏條件下,第0、1、2、3天為新鮮狀態(tài),第4、5天為不新鮮。

(2)采用電子鼻、色差儀、質構儀檢測的結果表明,氣味、顏色、硬度可以反映羊肉新鮮度變化的多源數據。

(3)基于氣味、顏色與硬度建立的冷鮮羊肉新鮮度評價模型具有可行性,聚類-RBF神經網絡能夠對新鮮羊肉和不新鮮羊肉進行識別,模型準確率為80%,本文運用多源數據與算法應用結合能全面、客觀評價羊肉新鮮度。