梁靜,趙祥民,李璐璐,康景,唐德富,劉佳,郭怡文,楊濤,郝生燕*,竇曉利,宋淑珍

1(甘肅省農(nóng)業(yè)科學(xué)院畜草與綠色農(nóng)業(yè)研究所,甘肅 蘭州,730070) 2(甘肅農(nóng)業(yè)大學(xué) 動物科學(xué)技術(shù)學(xué)院, 甘肅 蘭州,730070) 3(瑪曲縣農(nóng)畜產(chǎn)品質(zhì)量安全檢測檢驗中心,甘肅 臨夏,747399)4(瑪曲縣農(nóng)業(yè)農(nóng)村局,甘肅 臨夏,747399)

為提高特色產(chǎn)品的質(zhì)量,促進區(qū)域經(jīng)濟發(fā)展和對外貿(mào)易,國家在“十四五”計劃中明確規(guī)定了要建設(shè)優(yōu)勢農(nóng)產(chǎn)品帶和特色農(nóng)產(chǎn)品優(yōu)勢區(qū),發(fā)展地理標(biāo)志產(chǎn)品。民勤羊肉(全生長期在產(chǎn)地范圍內(nèi)的活體羊)因其獨特風(fēng)味被列入《地理標(biāo)志產(chǎn)品保護規(guī)定》(2005年7月15日頒發(fā))[1-2]。但到目前為止,我國對肉質(zhì)品質(zhì)的標(biāo)準(zhǔn)和方法評價還不全面,許多不法商販偽造或冒用地理標(biāo)志產(chǎn)品的標(biāo)志以獲取高額利潤。不僅損害消費者以及養(yǎng)殖場利益,還導(dǎo)致肉類行業(yè)肉品價格失調(diào),擾亂肉類市場秩序。但傳統(tǒng)的肉質(zhì)分析過程較為繁瑣,檢測成本高,耗時長且損害樣品。而近紅外光譜技術(shù)作為分析化學(xué)領(lǐng)域發(fā)展迅速的綠色分析技術(shù)之一,具有操作簡單、快速、無損、準(zhǔn)確率高的特點,可實現(xiàn)肉品品質(zhì)快速測定,是肉類行業(yè)重要檢測技術(shù)之一,具有良好應(yīng)用前景[3]。迄今為止,近紅外光譜技術(shù)在農(nóng)業(yè)[4]、醫(yī)學(xué)[5]、食品[6]等領(lǐng)域已廣泛應(yīng)用。

近年來,人們應(yīng)用近紅外光譜技術(shù)在肉品品質(zhì)的預(yù)測方面有著諸多研究報道[7-9]。BAILES等[10]應(yīng)用近紅外光譜技術(shù)預(yù)測了凍干牛羊肉整體的肌內(nèi)脂肪和蛋白質(zhì)含量。QIN等[11]應(yīng)用近紅外光譜技術(shù)(950～1 650 nm)結(jié)合一階導(dǎo)數(shù)建立鴨肉肌內(nèi)脂肪含量的偏最小二乘法模型。燕昌江[12]應(yīng)用近紅外光譜技術(shù)分別成功預(yù)測了豬肉和雞肉中脂肪、蛋白、水分的含量。前人的研究結(jié)果證實了其技術(shù)在實際生產(chǎn)應(yīng)用中的可行性和巨大發(fā)展?jié)摿Α５谴蟛糠譁?zhǔn)確度較高的肉品品質(zhì)的預(yù)測中,肉品涵蓋的品種以及部位比較單一,對羊肉脂肪酸含量的預(yù)測研究較少,對民勤羊肉這種地理標(biāo)志產(chǎn)品品質(zhì)預(yù)測的研究報道幾乎沒有。因此,本試驗應(yīng)用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)法預(yù)測民勤羊肉不同部位肌肉脂肪、蛋白質(zhì)、脂肪酸的含量,旨在為定量檢測民勤羊肉營養(yǎng)成分含量提供理論依據(jù)以及為民勤羊肉的營養(yǎng)特性和產(chǎn)品價值提供技術(shù)支持。

1 材料與方法

1.1 材料與試劑

試驗所用樣品于2021年7月在甘肅省武威市民勤縣民勤中天羊業(yè)有限公司屠宰場采集,共采集羊只90頭,包括30只湖羊、30只湖寒雜種、30只寒蒙雜種。采樣部位為背最長肌肉、前腿肉、后腿肉,每份肉采集1.5 kg左右,用不銹鋼刀剔除肉樣表面大塊的脂肪后裝入自封袋后編號,共計得到269份新鮮肉樣。

氫氧化鉀(分析純)、無水甲醇(色譜純)、濃硫酸、正己烷(色譜純)、硫酸鉀(分析純)、硫酸銅(分析純)、石油醚。

1.2 儀器與設(shè)備

XDS-RCA近紅外光譜分析儀,丹麥FOSS公司;QSJ-C03M1絞肉機,佛山小熊廚房電器有限公司;HH-6電熱恒溫水浴鍋,北京科偉永興儀器有限公司;SC-3610低速離心機,安徽中科中佳科學(xué)儀器有限公司;AL104分析天平,上海梅特勒-托利多儀器有限公司;GC-2010plus氣相色譜儀,日本島津公司;AOC-20自動進樣器,日本島津公司;FID氫火焰離子化檢測器,日本島津公司;DHG-9070A電熱恒溫鼓風(fēng)干燥箱,上海齊欣科學(xué)儀器有限公司;XT151全自動脂肪分析儀,美國ANKOMTechnology;KT8400全自動凱氏定氮儀,福斯華(北京)科貿(mào)有限公司。

1.3 實驗方法

1.3.1 樣品制備

1.3.2 近紅外光譜采集及光譜數(shù)據(jù)提取

XDS近紅外光譜儀檢測參數(shù):掃描范圍全波段掃描,掃描次數(shù)32次,掃描分辨率<8 nm。儀器參數(shù):光源為鹵鎢燈,主機光譜400～2 500 nm,反射方式為漫反射。

試驗樣品掃描前,儀器開機預(yù)熱30 min,待儀器自檢完成后裝樣進行全光譜掃描,裝樣時保證樣品杯底部無氣泡,每份樣品掃描3次,取平均值,光譜數(shù)據(jù)采樣間隔點2 nm,269個樣本共得到269條平均光譜。利用winISI III軟件將光譜轉(zhuǎn)換為吸光度值作為樣本的光譜數(shù)據(jù),得到羊肉269×1 050的光譜數(shù)據(jù)集。

1.3.3 近紅外光譜數(shù)據(jù)預(yù)處理

為降低溫度、濕度、樣品平整度等對近紅外光譜采集時的影響,最大程度消除光譜出現(xiàn)的基線漂移、噪聲等,本試驗在利用近紅外光譜技術(shù)對民勤羊肉肌肉中脂肪、蛋白質(zhì)、主要脂肪酸含量建立定量分析模型時,利用一階導(dǎo)數(shù)和二階導(dǎo)數(shù)對光譜數(shù)據(jù)進行數(shù)學(xué)轉(zhuǎn)換,在原始光譜、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)(second derivative, 2ndDer)的基礎(chǔ)上再進行7種預(yù)處理,分別為無處理(none)、標(biāo)準(zhǔn)正態(tài)變量校正和去趨勢化(SNV and DT)、標(biāo)準(zhǔn)正態(tài)變量校正(standard normal variable correction, SNV)、去趨勢化(detrend, DT)、標(biāo)準(zhǔn)化多元散射校正(standard multiplicative scatter correction, S-MSC)、加權(quán)多元散射校正(weighted standard multiplicative scatter correction, W-MSC)、逆多元散射校正(inverse standard multiplicative scatter correction, I-MSC)。

1.3.4 定標(biāo)模型的建立與驗證

本試驗使用winISI Ⅲ分析軟件,將原始光譜數(shù)據(jù)按照4∶1的比例分為定標(biāo)集(80%)和驗證集(20%),定標(biāo)集用于定標(biāo)模型的構(gòu)建,驗證集用來驗證模型的預(yù)測能力。利用改良偏最小二乘法(modified partial least squared, MPLS)、偏最小二乘法(partial least squared, PLS)、主成分回歸分析法(principal component regression, PCR)3種回歸方法,結(jié)合1.3.3中的預(yù)處理進行羊肉肌肉中營養(yǎng)成分含量的定標(biāo)模型的建立與驗證,具體處理方法見表1。

表1 模型處理方法Table 1 Model processing method

結(jié)合定標(biāo)決定系數(shù)(RSQ)、交叉檢驗決定系數(shù)(1-VR)、定標(biāo)標(biāo)準(zhǔn)誤差(square error correction, SEC)、交叉檢驗標(biāo)準(zhǔn)誤差(square error cross validation, SECV)、預(yù)測標(biāo)準(zhǔn)偏差(square error prediction, SEP)、相對分析誤差(residual predictive deviation,RSP, RPD=SD/SEP)評估定標(biāo)模型的性能。定標(biāo)模型預(yù)測精度標(biāo)準(zhǔn):RSQ>0.95和RPD>4(最好);0.90≤RSQ≤0.95和3≤RPD≤4(好);0.8≤RSQ<0.90和2.25≤RPD<3(較好);0.7≤RSQ<0.8和1.75≤RPD<2.25(合格);RSQ<0.7和RPD<1.75(不合格),表明模型不可靠[13]。

通過觀察兩種機型的RCS特點，可以發(fā)現(xiàn)高RCS區(qū)域?qū)?yīng)的散射角存在一個共性，即鏡像散射特性：目標(biāo)以x軸正方向平飛，設(shè)從目標(biāo)到接收機的雷達視線的反向延長線通過一個以x軸為圓心，平行于zoy平面的單位圓，則位于單位圓上任意一點的輻射源對應(yīng)的目標(biāo)RCS均較高。如圖6所示，將該單位圓上部分角度連線，與目標(biāo)高RCS區(qū)域完全吻合。根據(jù)該特性，在已知從目標(biāo)到接收機方位角、俯仰角時，可以簡單計算出何種角度的輻射源所提供的信號更可能被接收機檢測。在圖7通過仿真驗證了該鏡像散射特性，鏡像散射角的連線與高RCS區(qū)域完全吻合。

1.3.5 肌肉中粗脂肪的測定

按照GB 5000.6—2016《食品安全國家標(biāo)準(zhǔn) 食品中脂肪的測定》標(biāo)準(zhǔn)中的抽提法進行測定。

1.3.6 肌肉中粗蛋白的測定

按照GB 5000.5—2016《食品安全國家標(biāo)準(zhǔn) 食品中蛋白質(zhì)的測定》標(biāo)準(zhǔn)中的凱氏定氮法進行測定。

1.3.7 肌肉中脂肪酸的測定

樣品制備流程如圖1所示;色譜條件如表2所示;標(biāo)準(zhǔn)曲線如圖2所示。

圖1 樣品制備流程圖Fig.1 Sample preparation flowchart

圖2 脂肪酸標(biāo)準(zhǔn)品圖譜Fig.2 Standard fatty acid atlas

表2 色譜條件Table 2 Chromatographic conditions

2 結(jié)果與分析

2.1 羊肉樣品近紅外光譜圖

XDS近紅外光譜分析儀得到的民勤羊肉樣品的光譜圖以及光譜處理圖如圖3所示。由于組成樣品化學(xué)官能團在近紅外區(qū)有特異的吸收峰,其吸光度與樣品中營養(yǎng)成分含量的高低相關(guān)[12],圖3中在400～2 500 nm全波段光譜范圍內(nèi),光譜在不同波長處出現(xiàn)吸收峰,未經(jīng)處理的光譜在780～2 500 nm顯示出強烈的光譜吸收峰。在980、1 440、1 960 nm處有較強的吸收峰,主要是由于水的吸收。在1 650 nm和2 310 nm處的吸收峰與脂肪和脂肪酸中C—H鍵的拉伸振動有關(guān)[14]。經(jīng)過處理的光譜,吸收峰更加明顯,峰數(shù)有所增加,是因為原始光譜在經(jīng)1 stDer和2ndDer處理后,光譜分辨率被提高所致。

a-近紅外光譜圖原始光譜;b-1 stDer處理;c-2ndDer處理圖3 民勤羊肉近紅外光譜原始光譜、1 stDer處理、2ndDer處理Fig.3 Near infrared spectroscopy spectra of Minqin lamb original spectrum, 1 stDer treatment, 2ndDer

2.2 近紅外光譜技術(shù)對羊肉營養(yǎng)成分含量的預(yù)測

2.2.1 化學(xué)法測定羊肉營養(yǎng)成分含量的結(jié)果

利用化學(xué)方法測定民勤羊肉肌肉中脂肪、蛋白質(zhì)、脂肪酸含量的結(jié)果見表3,脂肪和蛋白質(zhì)含量均值分別為3%和21.23%。羊肉肌肉中檢測到脂肪酸共28種,其中肉豆蔻酸、棕櫚酸、十七烷酸、硬脂酸、二十三酸、棕櫚油酸、反油酸、油酸、亞油酸的含量相對較高,其平均值分別為1.18%～3.47%、15.81%～28.41%、0.65%～2.95%、8.90%～15.15%、1.07%～7.33%、0.32%～2.94%、0.29%～6.01%、30.97%～46.84%、1.78%～16.66%之間,其他脂肪酸含量的平均值均在1%以下?？傮w來看,飽和脂肪酸含量均值為43.23%;單不飽和脂肪酸含量均值為46.83%;多不飽和脂肪酸含量均值為9.93%。

表3 化學(xué)法測定羊肉營養(yǎng)成分含量的結(jié)果Table 3 The results of chemical method for determination of lamb nutrient content

2.2.2 近紅外光譜技術(shù)對羊肉營養(yǎng)成分含量的預(yù)測

利用近紅外光譜技術(shù)對民勤羊肉肌肉中脂肪、蛋白、主要脂肪酸的含量進行定量分析。采用MPLS、PLS、PCR三種回歸方法建模的結(jié)果見表4,對比3種回歸方法結(jié)果篩選出最佳模型。結(jié)果顯示,除硬脂酸最佳建模方法為PLS外,其余指標(biāo)模型最佳建模方法均為MPLS,證實其MPLS回歸方法的優(yōu)越性。

2.2.3 化學(xué)法與近紅外光譜技術(shù)對羊肉肌肉營養(yǎng)成分含量測定比較

化學(xué)法測定羊肉肌肉中脂肪、蛋白、主要脂肪酸結(jié)果以在2.2.1中詳細敘述,由表5可知,用近紅外光譜技術(shù)預(yù)測羊肉肌肉營養(yǎng)成分時,脂肪含量均值為3.09%;蛋白含量均值為21.20%;肉豆蔻酸含量均值為2.26%;棕櫚酸含量均值為22.97%;硬脂酸含量均值為11.85%;油酸含量均值為39.75%;亞油酸含量均值為8.49%;飽和脂肪酸含量均值為43.26%;單不飽和脂肪酸含量均值為49.93%;多不飽和脂肪酸含量均值為9.83%。

表5 化學(xué)法與近紅外光譜技術(shù)對羊肉肌肉營養(yǎng)成分含量測定比較Table 5 Comparison of chemical method and near-infrared spectroscopy for determination of lamb muscle nutrients

從以上的結(jié)果可以看出,2種方法測定的指標(biāo)中,平均值和相對標(biāo)準(zhǔn)偏差的值都很相近,其中,2種方法測得的指標(biāo)的平均值差值變化范圍在0.01%～0.1%,相對標(biāo)準(zhǔn)誤差差值變化范圍在0～0.09,說明這幾種指標(biāo)的平均值準(zhǔn)確性高,代表性強。而從標(biāo)準(zhǔn)差來看,兩種方法測定的值差異較大,近紅外光譜法對幾種指標(biāo)測得的值的范圍較化學(xué)法更小,說明用近紅外光譜法測定的指標(biāo)含量在樣品中各變數(shù)差異較小,相對集中的分布于均值的兩側(cè),測定出的指標(biāo)含量比化學(xué)法準(zhǔn)確性高。

2.2.4 化學(xué)法與近紅外光譜技術(shù)對羊肉營養(yǎng)成分含量預(yù)測的相關(guān)性比較

對2.2.2選出的10種最優(yōu)定標(biāo)模型進行外部驗證,結(jié)果見表6和圖4。脂肪、蛋白、單不飽和脂肪酸模型的外部驗證結(jié)果中,RSQ值均在0.9以上,分別為0.936、0.916、0.911,RPD分別為3.843、4.229、4.299,其中蛋白與單不飽和脂肪酸模型的RPD均大于4,脂肪模型的RPD大于3且小于4,蛋白、單不飽和脂肪酸的定標(biāo)模型精度很好,脂肪定標(biāo)模型次之。棕櫚酸、油酸、亞油酸、飽和脂肪酸、多不飽和脂肪酸外部驗證結(jié)果中,RSQ值在0.8以上,分別為0.806、0.843、0.883、0.852、0.895,RPD分別為2.898、3.036、3.524、3.430、3.795,其中,油酸、亞油酸、飽和脂肪酸、多不飽和脂肪酸定標(biāo)模型RPD均大于3,小于4,棕櫚酸定標(biāo)模型的RPD大于2.25,小于3,表明油酸、亞油酸、飽和脂肪酸、多不飽和脂肪酸的定標(biāo)模型精度比較好,而棕櫚酸的定標(biāo)模型的精度只達到合格。肉豆蔻酸和硬脂酸定標(biāo)模型的驗證結(jié)果中,RSQ值均小于0.7,分別為0.323和0.561,RPD分別為1.479和1.788,二者定標(biāo)模型不可靠。

圖4 羊肉肌肉營養(yǎng)成分相關(guān)性檢驗Fig.4 Correlation test of lamb muscle nutritional components

表6 化學(xué)法與近紅外光譜技術(shù)對羊肉營養(yǎng)成分含量預(yù)測的相關(guān)性比較Table 6 Correlation comparison between chemical method and near-infrared spectroscopy for prediction of lamb nutrient content

3 討論

肉品的化學(xué)組成對肉的營養(yǎng)和食用品質(zhì)有很大影響,肉品中水分、脂肪、蛋白的含量會一定程度上影響肉的風(fēng)味、嫩度和多汁性[15]。應(yīng)用近紅外反射光譜技術(shù)對肉品中的脂肪、蛋白質(zhì)和水分的研究最早開始于20世紀(jì)70—80年代[16]。為后續(xù)近紅外光譜技術(shù)預(yù)測肉品品質(zhì)的研究奠定了基礎(chǔ)。COZZOLINO等[17]應(yīng)用可見近紅外光譜技術(shù)預(yù)測了羊(51只)的不同部位肌肉水分、蛋白和肌內(nèi)脂肪含量,模型相關(guān)系數(shù)分別為0.76、0.83、0.73,模型預(yù)測效果一般。本試驗研究結(jié)果與COZZOLINO等[17]研究結(jié)果一致,應(yīng)用近紅外光譜技術(shù)結(jié)合PCR、PLS、MPLS三種回歸方法,預(yù)測了羊肉(90只)不同部位肌肉中脂肪和蛋白質(zhì)含量。其中采用MPLS回歸方法所建模型效果最佳,脂肪和蛋白模型外部驗證RSQ分別為0.936和0.916,認(rèn)為是由于MPLS在PLS的基礎(chǔ)上對光譜數(shù)據(jù)進一步優(yōu)化,提升了模型精度。

影響肉品品質(zhì)及營養(yǎng)價值的因素除脂肪、蛋白、水分這些主要組分外,還有脂肪中脂肪酸的種類和含量。本試驗中肌肉脂肪酸定量分析模型的結(jié)果表明,油酸、亞油酸、飽和脂肪酸、多不飽和脂肪酸的定標(biāo)模型精度比較好,而棕櫚酸的定標(biāo)模型的精度只達到合格。肉豆蔻酸和硬脂酸定標(biāo)模型預(yù)測結(jié)果不可靠。與GUY等[18]和王彩霞[19]的研究結(jié)果一致。GUY等[18]應(yīng)用近紅外光譜技術(shù)預(yù)測了羊肉背最長肌脂肪酸含量,證實了近紅外光譜技術(shù)預(yù)測羊肉的可行性。王彩霞[19]利用近紅外高光譜成像技術(shù)分別對油酸、棕櫚酸、硬脂酸和亞油酸含量的全波段光譜數(shù)據(jù)進行預(yù)處理及建模分析。其中油酸、棕櫚酸、硬脂酸、亞油酸含量定量模型校正集相關(guān)系數(shù)分別為0.835 1、0.901 7、0.816 2、0.576 7,預(yù)測集相關(guān)系數(shù)分別為0.867 9、0.863 3、0.757 4、0.414 4。全波段光譜數(shù)據(jù)對油酸、棕櫚酸和硬脂酸含量的預(yù)測結(jié)果較好,但對亞油酸含量預(yù)測效果不佳。而本試驗中,使用全波段光譜數(shù)據(jù)對油酸和亞油酸含量的預(yù)測結(jié)果比較好,對棕櫚酸和硬脂酸含量預(yù)測效果不佳,造成二者結(jié)果不同原因可能有:(1)試驗所選用的羊肉品種不同,其化學(xué)組成稍有差異就會影響采集的近紅外光譜,對含量相對較多的油酸、亞油酸、棕櫚酸等檢測結(jié)果尚可, 但對其他含量較少的脂肪酸檢測結(jié)果較差,主要因為含量較少的脂肪酸在近紅外光譜中,其碳氫基團倍頻和合頻的吸收強度較弱造成的。(2)脂肪酸在化學(xué)實測過程中,操作過程復(fù)雜繁瑣,某些含量較低的脂肪酸可能會產(chǎn)生一定的誤差,導(dǎo)致化學(xué)實測值與近紅外預(yù)測值相關(guān)性變差,模型預(yù)測精度下降?？傮w來說,應(yīng)用近紅外光譜技術(shù)預(yù)測肉品中的主要脂肪酸含量是可行的,但含量較少的脂肪酸的預(yù)測模型精度還有待進一步提升。

4 結(jié)論

應(yīng)用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)法對羊肉肌肉中脂肪、蛋白質(zhì)含量有很好的預(yù)測能力;對脂肪酸中單不飽和脂肪酸有很好預(yù)測能力;對棕櫚酸、油酸、亞油酸、飽和脂肪酸、多不飽和脂肪酸等部分脂肪酸有較好的預(yù)測能力。