朱榮光， 姚雪東， 段宏偉， 馬本學(xué)， 唐明翔

1. 石河子大學(xué)機(jī)械電氣工程學(xué)院， 新疆 石河子 832003

2. 石河子大學(xué)食品學(xué)院， 新疆 石河子 832003

羊肉揮發(fā)性鹽基氮的高光譜圖像快速檢測(cè)研究

朱榮光1， 姚雪東1， 段宏偉1， 馬本學(xué)1， 唐明翔2

1. 石河子大學(xué)機(jī)械電氣工程學(xué)院， 新疆 石河子 832003

2. 石河子大學(xué)食品學(xué)院， 新疆 石河子 832003

揮發(fā)性鹽基氮(TVB-N)通常被作為評(píng)價(jià)羊肉新鮮度的理化參考指標(biāo)。為了揭示高光譜圖像技術(shù)(HSI)快速檢測(cè)羊肉新鮮度的可行性， 采集了71個(gè)新鮮度具有代表性的羊肉樣品的漫反射高光譜圖像(400～1 000 nm)， 并利用半微量定氮法測(cè)定了其揮發(fā)性鹽基氮(TVB-N)的化學(xué)值。 選擇感興趣區(qū)域(ROIs)提取樣品的代表性光譜， 采用含量梯度法劃分校正集和預(yù)測(cè)集， 比較不同的光譜預(yù)處理方法， 比較逐步多元線性回歸(SMLR)、 偏最小二乘(PLSR)和主成分分析(PCR)建模方法， 建立并驗(yàn)證了TVB-N的校正模型。結(jié)果表明， 利用多元散射校正(MSC)、 一階導(dǎo)數(shù)、 Savitzky-Golay(S-G)平滑及中心化處理結(jié)合的預(yù)處理方法， PLSR和PCR模型都可以實(shí)現(xiàn)對(duì)羊肉TVB-N的定量檢測(cè)。對(duì)于建立的PLSR模型， 采用的預(yù)處理方法為MSC、 15點(diǎn)2次S-G平滑、 1階導(dǎo)數(shù)和中心化相結(jié)合的方法， 選擇的潛變量因子數(shù)為11， 獲得的校正集的相關(guān)系數(shù)(R)和校正均方根誤差(RMSEC)分別為0.92和3.00 mg·(100 g)-1， 預(yù)測(cè)集的相關(guān)系數(shù)(r)、 預(yù)測(cè)均方根誤差(RMSEP)和相對(duì)分析誤差(RPD)分別為0.92， 3.46 mg·(100 g)-1和2.35。研究表明， 高光譜圖像技術(shù)可用于準(zhǔn)確快速地檢測(cè)分析羊肉中新鮮度關(guān)鍵指標(biāo)TVB-N的含量。該研究為采用高光譜圖像技術(shù)進(jìn)一步分析羊肉新鮮度其他指標(biāo)、 改善TVB-N的建模效果及在實(shí)際生產(chǎn)中應(yīng)用該技術(shù)提供了基礎(chǔ)。

羊肉品質(zhì)； 揮發(fā)性鹽基氮； 高光譜圖像； 快速無(wú)損檢測(cè)

引 言

羊肉味道鮮美、 營(yíng)養(yǎng)成分豐富， 深受人們喜愛(ài)， 而且是西北少數(shù)民族地區(qū)的主要肉類消費(fèi)品。羊肉新鮮度是一項(xiàng)重要的安全品質(zhì)指標(biāo)， 由于動(dòng)物產(chǎn)品的貨架期短及易變質(zhì)的特點(diǎn)， 新鮮度也是消費(fèi)者、 企業(yè)與質(zhì)檢部門評(píng)價(jià)肉質(zhì)的最常用的指標(biāo)。根據(jù)我國(guó)鮮凍畜禽肉的國(guó)家標(biāo)準(zhǔn)， 肉品新鮮度的評(píng)價(jià)主要結(jié)合感官評(píng)定和理化分析進(jìn)行[1-2]。 感官評(píng)定基于顏色、 彈性、 粘性、 氣味和蒸煮肉湯， 具有很大的主觀性。 揮發(fā)性鹽基氮(TVB-N) 是肉腐敗過(guò)程的產(chǎn)物， 通常被作為評(píng)價(jià)肉類新鮮度的理化參考值， 當(dāng)TVB-N含量分別滿足如下條件時(shí)： TVB-N<15 mg·(100 g)-1， 15 25 mg·(100 g)-1， 它會(huì)被判定為新鮮、 次鮮和腐敗肉[2-3]。 然而， TVB-N的化學(xué)值常規(guī)測(cè)定方法復(fù)雜、 費(fèi)時(shí)， 實(shí)驗(yàn)過(guò)程破壞樣品的完整性。

因此研發(fā)快速、 無(wú)損和安全的新鮮度檢測(cè)方法和技術(shù)是現(xiàn)代肉類加工的必然需求。 目前， 研究人員對(duì)肉類產(chǎn)品開展了廣泛的無(wú)損檢測(cè)研究， 主要包括機(jī)器視覺(jué)、 近紅外光譜(NIRS)、 電子鼻和高光譜圖像等[3-5]。 其中， 高光譜圖像技術(shù)是近年來(lái)新興的一門技術(shù)， 而且它符合現(xiàn)代檢測(cè)技術(shù)向多源信息融合的發(fā)展方向。 目前它在肉品檢測(cè)領(lǐng)域的應(yīng)用主要有大理石紋、 嫩度、 顏色、 pH、 持水力、 滴水損失等[6-12]。 近來(lái)也有一些利用HSI技術(shù)開展豬肉新鮮度的研究[3, 12]， 但對(duì)羊肉新鮮度的研究報(bào)道較少。 因?yàn)樨i肉與羊肉在成分與特性上差異巨大， 有必要開展對(duì)羊肉新鮮度的快速檢測(cè)研究。

為了揭示羊肉光學(xué)特性和新鮮度之間的內(nèi)在關(guān)系， 利用漫反射高光譜圖像技術(shù)開展了對(duì)新鮮度評(píng)價(jià)關(guān)鍵指標(biāo)TVB-N的快速檢測(cè)研究。 通過(guò)比較不同的預(yù)處理方法和回歸方法， 建立了TVB-N的校正模型， 并利用預(yù)測(cè)集對(duì)其進(jìn)行評(píng)價(jià)， 以期獲得羊肉TVB-N的快速和無(wú)損的分析方法。

1 實(shí)驗(yàn)部分

1.1 樣品制備

試驗(yàn)羊肉樣品取自新疆石河子農(nóng)貿(mào)市場(chǎng)， 主要來(lái)自20只剛屠宰羊的第3到第7脊椎處的外脊部位， 品種主要是陶賽特和薩?？恕?羊肉均經(jīng)過(guò)防疫檢驗(yàn)， 并使用醫(yī)療保險(xiǎn)箱送回實(shí)驗(yàn)室。 羊肉外脊在去除表面皮膚、 脂肪和結(jié)締組織之后， 切成3～4片， 密封在真空蒸煮袋內(nèi)， 并在0～4 ℃環(huán)境下儲(chǔ)存2～14天。 本研究共制備獲得了71個(gè)具有一定代表性的新鮮、 次鮮和腐敗羊肉樣品。

1.2 漫反射高光譜圖像采集

搭建的高光譜圖像采集系統(tǒng)主要由成像儀(ImSpector V10E， 芬蘭)、 CMOS相機(jī) (MV-1024E， Rocketech科技)、 光源 (3900， Illumination科技)、 樣品移動(dòng)裝置、 遮光黑箱、 圖像采集卡和計(jì)算機(jī)等組成。 其光譜分辨率為2.8 nm， 光譜范圍為400～1 000 nm。

為了確保圖像清晰、 最強(qiáng)的吸收峰不飽和， 將高光譜相機(jī)的曝光時(shí)間和光源的光強(qiáng)分別設(shè)定為10 ms 和 11 750 lux。 為了避免圖像尺寸和空間分辨率的扭曲和失真， 攝像儀和樣品的間距調(diào)整為大約50 cm， 平移臺(tái)的轉(zhuǎn)速設(shè)定為520 pulses·s-1。

由于光強(qiáng)的不均勻分布和相機(jī)暗電流的影響， 高光譜圖像中包含有噪聲信號(hào)， 需要進(jìn)行黑白校正。 通過(guò)依次掃描白、 黑校正板獲得白校正圖像W和黑校正圖像B。 最終采集的樣品校正圖像通過(guò)相對(duì)圖像RI乘以4 095得到。 其中RI=(I-B)/(W-B)， 而I為采集的原始圖像。

當(dāng)系統(tǒng)工作時(shí)， 線陣掃描器在光學(xué)焦平面的垂直方向(樣品前進(jìn)方向)作橫向掃描， 獲得條狀空間中每個(gè)波長(zhǎng)下各像素點(diǎn)的圖像信息。 隨著平移臺(tái)的前進(jìn)， 線陣掃描器掃過(guò)整個(gè)羊肉樣品， 并最終獲得高光譜圖像信息。 羊肉樣品從冰箱中取出后， 靜置在空氣中20 min， 并擦去羊肉表面的水分， 再進(jìn)行高光譜圖像的采集。

1.3 TVB-N的測(cè)定

每個(gè)樣品在高光譜圖像采集之后， 根據(jù)國(guó)標(biāo)中的半微量定氮法[1]測(cè)定TVB-N含量。 考慮到實(shí)際影響因素， 在測(cè)試過(guò)程中對(duì)其做了略微修正， 將蒸餾時(shí)間增加到約15 min以蒸發(fā)出所有的氨氣， 將鹽酸滴定液的濃度減少到0.001 mol·L-1以提高滴定精度。 每個(gè)樣品的TVB-N都至少測(cè)定2次， 并確保兩次結(jié)果的差異低于其平均值的10%。 最終以該平均值作為TVB-N的標(biāo)準(zhǔn)值。

1.4 數(shù)據(jù)處理和分析

漫反射高光譜圖像的數(shù)據(jù)采集使用Spectral cube軟件(Spectral Imaging Ltd.， Finland)， 數(shù)據(jù)處理使用ENVI 4.7(ITT， USA)， Matlab 7.12(Mathworks， USA)和TQ Analyst 8.01(Thermo Fisher Scientific， USA)等軟件平臺(tái)。 校正集的相關(guān)系數(shù)(R)和校正均方根誤差(RMSEC)、 預(yù)測(cè)集的相關(guān)系數(shù)(r)、 預(yù)測(cè)均方根誤差 (RMSEP)和相對(duì)分析誤差(RPD)用于評(píng)價(jià)所建立模型的效果。 根據(jù)常用的評(píng)價(jià)標(biāo)準(zhǔn)[13]， 如果r≥0.89且RPD≥2.25， 該模型可被認(rèn)為能實(shí)現(xiàn)對(duì)羊肉TVB-N含量的定量檢測(cè)。

2 結(jié)果與討論

2.1 TVB-N含量的統(tǒng)計(jì)分析

經(jīng)半微量定氮法測(cè)定的樣品TVB-N含量分布在10.43和40.90 mg·(100 g)-1之間， 主要包括21個(gè)新鮮樣品[TVB-N<15 mg·(100 g)-1]， 28個(gè)次鮮樣品[1525 mg·(100 g)-1]。 利用學(xué)生殘差-杠桿值法去除異常樣品后[14]， 依據(jù)TVB-N的含量梯度， 按照3∶1的比例分別獲得52個(gè)定標(biāo)集樣品和17個(gè)預(yù)測(cè)集樣品。 表1所示為校正集和預(yù)測(cè)集中羊肉TVB-N的統(tǒng)計(jì)分析結(jié)果， 主要包括樣品個(gè)數(shù)、 TVB-N均值、 標(biāo)準(zhǔn)偏差、 最大含量和最小含量等。

Table 1 Statistical analysis of TVB-N contents of

2.2 代表性光譜和建模譜區(qū)范圍的選擇

隨著儲(chǔ)存時(shí)間的增加， 羊肉的肌肉顏色和理化成分同時(shí)發(fā)生了改變。 ROIs取自于每個(gè)樣品的肌肉中心區(qū)域， 包括大約2 500個(gè)像素點(diǎn)。 為了獲得準(zhǔn)確的代表性光譜， 在獲取ROIs時(shí)要盡量避免脂肪區(qū)域及由于殘余水分帶來(lái)的明顯發(fā)亮的區(qū)域。 以ROIs中所有像素點(diǎn)的平均光譜作為每個(gè)樣品的代表性光譜， 所有樣品的光譜集如圖1所示。 在450.3 nm之前的區(qū)域， 存在著較低的光譜響應(yīng)值和較大的噪聲。 因此光譜建模范圍主要選擇在450.3和1 000.5 nm之間。

Fig.1 Representative spectra of all mutton samples

2.3 預(yù)處理方法的選擇

為了去除干擾信號(hào)和顯示光譜中的特征信息， 應(yīng)當(dāng)對(duì)光譜進(jìn)行預(yù)處理。 常用的預(yù)處理方法包括多元散射校正(MSC)、 變量標(biāo)準(zhǔn)化(SNV)、 Savitzky-Golay(S-G)平滑、 1階或2階導(dǎo)數(shù)(1D or 2D)、 基線校正(baseline)、 去勢(shì)(Detrending)、 中心化(mean-centering)與自動(dòng)定標(biāo)(autoscale)等[15]。 根據(jù)R， RMSEC和RMSEP等參數(shù)， 對(duì)上述不同的預(yù)處理方法及其組合進(jìn)行比較研究， 最后確定的預(yù)處理方法如表2所示。 PLSR和PCR兩種方法具有幾乎相同的最優(yōu)預(yù)處理方法， 都包括MSC， 1D， mean-centering和S-G平滑， 其區(qū)別在于分別使用了15點(diǎn)和13點(diǎn)平滑。 逐步多元線性回歸方法(SMLR)所選定的最優(yōu)預(yù)處理方法為MSC、 19點(diǎn)2次S-G平滑和mean-centering相結(jié)合的處理方法。

2.4 校正模型的建立及評(píng)價(jià)

采用上述選定的最優(yōu)預(yù)處理方法， 通過(guò)比較不同的回歸方法， 包括SMLR， PCR和PLSR， 建立TVB-N的校正模型， 并用預(yù)測(cè)集進(jìn)行了驗(yàn)證。 其建模結(jié)果與驗(yàn)證結(jié)果如表2所示。

Table 2 TVB-N optimum modeling results of different regression methods

對(duì)于SMLR模型， 當(dāng)采用12個(gè)波長(zhǎng)點(diǎn)(588.1， 946.8， 653.7， 790.1， 955.7， 505.3， 584.3， 788.2， 721.9， 958.9， 969.1和998.4 nm)時(shí)， 所建立的模型效果最好。 但該模型預(yù)測(cè)集RMSEP為4.43 mg·(100 g)-1， 遠(yuǎn)大于PLSR和PCR的建模結(jié)果。 其原因可能在于SMLR方法僅使用了有限波長(zhǎng)點(diǎn)處的光譜信息進(jìn)行回歸， 容易導(dǎo)致欠擬合。

最優(yōu)的PLSR模型選擇的譜區(qū)范圍為460.4～991.6 nm， 使用了11個(gè)潛變量因子(LVs)， 其校正集的相關(guān)系數(shù)r和校正標(biāo)準(zhǔn)差RMSEC分別為 0.92和3.00 mg·(100 g)-1， 而預(yù)測(cè)集的相關(guān)系數(shù)r、 預(yù)測(cè)標(biāo)準(zhǔn)差RMSEP和相對(duì)分析誤差RPD分別為0.92， 3.46 mg·(100 g)-1和2.35。 最優(yōu)的PCR 模型與PLSR模型的譜區(qū)范圍相同， 使用了15主成分因子(PCs)， 其校正集的r和RMSEC分別為0.89和3.58 mg·(100 g)-1， 而預(yù)測(cè)集的r， RMSEP和RPD分別為0.93， 3.28 mg·(100 g)-1和2.47。

所建立的PLSR和PCR模型都可以得到羊肉TVB-N的定量分析結(jié)果， 且預(yù)測(cè)集的評(píng)價(jià)結(jié)果相差不大。 然而PLSR僅用了11個(gè)潛變量因子， 少于PCR使用的因子數(shù)； 且在原理上PLSR建模過(guò)程中比PCR使用了更多的化學(xué)值信息。 因此最終選擇PLSR模型預(yù)測(cè)分析羊肉的TVB-N含量， 由其得到的校正集與預(yù)測(cè)集樣品的TVB-N實(shí)際值與預(yù)測(cè)值間的相關(guān)分析分別如圖2(a)和(b)所示。

Fig.2 TVB-N Predicted value v.s. actual value in (a) calibration and (b) prediction sets by PLSR

3 結(jié) 論

通過(guò)選擇感興趣區(qū)域提取樣品的漫反射光譜和優(yōu)化選擇預(yù)處理方法， HSI技術(shù)結(jié)合PLSR或PCR建模方法可以實(shí)現(xiàn)羊肉中新鮮度關(guān)鍵指標(biāo)TVB-N的快速準(zhǔn)確的檢測(cè)分析。 對(duì)于建立的PLSR模型， 校正集的R和RMSEC分別為0.92和3.00 mg·(100 g)-1， 預(yù)測(cè)集的r， RMSEP和RPD分別為0.92， 3.46 mg·(100 g)-1和2.35。

該研究為進(jìn)一步分析羊肉其他品質(zhì)及改善TVB-N的建模效果提供了基礎(chǔ)。 共收集了71個(gè)羊肉樣品， 樣品均取自第3到第7節(jié)的外脊位置， 因此進(jìn)一步研究需要擴(kuò)大羊肉樣品數(shù)量及探討不同取樣部位的光譜特性， 以改善模型的適應(yīng)性和穩(wěn)定性， 以便能應(yīng)用在實(shí)際生產(chǎn)中。

[1] National Standardization Management Committee of China(中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)). GB/T 5009.44—2003. Method for Analysis of Hygienic Standard of Meat and Meat Products(肉和肉制品衛(wèi)生標(biāo)準(zhǔn)的分析方法). Beijing: Standards Press of China(北京： 中國(guó)標(biāo)準(zhǔn)出版社), 2003.

[2] National Standardization Management Committee of China(中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)). GB 2707—2005. Hygienic Standard for Fresh(Frozen) Meat of Livestock(鮮(凍)畜肉衛(wèi)生標(biāo)準(zhǔn)). Beijing: Standards Press of China(北京： 中國(guó)標(biāo)準(zhǔn)出版社), 2005.

[3] ZHANG Lei-lei, LI Yong-yu, PENG Yan-kun, et al(張雷蕾， 李永玉， 彭彥昆, 等). Transactions of the Chinese Society of Agricultural Engineering(農(nóng)業(yè)工程學(xué)報(bào)), 2012, 28(7): 254.

[4] CAI Jian-rong, WAN Xin-min, CHEN Quan-sheng(蔡建榮， 萬(wàn)新民， 陳全勝). Acta Optica Sinica(光學(xué)學(xué)報(bào)), 2009, 29(10): 2808.

[5] ZHU Rong-guang, MA Ben-xue, FU Wei, et al(朱榮光， 馬本學(xué)， 付 威， 等). Journal of Agricultural Mechanization Research(農(nóng)機(jī)化研究), 2013, 35(1): 14.

[6] Huang L, Zhao J W, Chen Q S, et al. Food Chemistry, 2014, 145: 228.

[7] Qiao J, Ngadi M O, Wang N, et al. Journal of Food Engineering, 2007, 83: 10.

[8] Douglas F, Barbin D F, ElMasry G, et al. Analytica Chimica Acta, 2012, 719: 30.

[9] ElMasry G, Sun D W, Allen P, et al. Journal of Food Engineering, 2012, 110: 127.

[10] Kamruzzamana M, ElMasrya G, Sun D W, et al. Analytica Chimica Acta, 2012, 714: 57.

[11] Peng Y K, Zhang J, Wang W, et al. Journal of Food Engineering, 2011, 102: 163.

[12] Chen Q S, Zhang Y H, Zhao J W, et al. Analytical Methods, 2013, 22(5): 6382.

[13] Malley D F, McClure C, Martin P D, et al. Communications in Soil Science and Plant Analysis, 2005, 36: 455.

[14] ZHU Rong-guang, HAN Lu-jia, YANG Zeng-ling, et al(朱榮光， 韓魯佳， 楊增玲, 等). Journal of Infrared and Millimeter Waves(紅外與毫米波學(xué)報(bào)), 2006, 25(4): 267.

[15] Burns D A, Ciurczak E W. Handbook of near infrared analysis (3rd edition). New York, Boca Raton, 2008.

Study on the Rapid Evaluation of Total Volatile Basic Nitrogen (TVB-N) of Mutton by Hyperspectral Imaging Technique

ZHU Rong-guang1, YAO Xue-dong1, DUAN Hong-wei1, MA Ben-xue1, TANG Ming-xiang2

1. College of Mechanical and Electrical Engineering, Shihezi University, Shihezi 832003, China

2. Food College, Shihezi University, Shihezi 832003, China

Total Volatile Basic Nitrogen (TVB-N) was usually taken as the physicochemical reference value to evaluate the mutton freshness. In order to explore the feasibility of hyperspectral (HSI) imaging technique to detect mutton freshness, 71 representative mutton samples were collected and scanned using a diffuse reflectance hyperspectral imaging (HSI) system in the Visible-Near infrared (NIR) spectral region (400～1 000 nm), and the chemical values of TVB-N content were determined using the semimicro Kjeldahl method according to the modified Chinese national standard. The representative spectra of mutton samples were extracted and obtained after selection of the region of interests (ROIs). The samples of calibration set and prediction set were divided at the ratio of 3∶1 according to the content gradient method. Optimum HSI calibration models of the mutton (TVB-N) were established and evaluated by comparing different spectral preprocessing methods and modeling methods, which included Stepwise Multiple Linear Regression (SMLR), Partial Least Squares Regression (PLSR) and Principal Component Regression (PCR) methods. The results are that through the utilization of Multiplicative Scatter Correction (MSC), first derivative, Savitzky-Golay (S-G) smoothing and mean-centering together, both PLSR and PCR were able to achieve quantitative detection of mutton TVB-N. As for the PLSR model of mutton TVB-N established, the spectral pretreatment methods chosen included MSC, first derivative, S-G (15,2) smoothing and mean-centering, and the latent variables (LVs) number used was 11. As for the calibration set of PLSR model of mutton TVB-N, the correlation coefficient (r) and root mean square error of calibration (RMSEC) were 0.92 and 3.00 mg·(100 g)-1, respectively. As for the prediction set of PLSR model of mutton TVB-N, the correlation coefficient (r), Root Mean Square Error of Prediction (RMSEP), and ratio of standard deviation to standard error of prediction (RPD) were 0.92, 3.46 mg·(100 g)-1and 2.35, respectively. The study demonstrated that the rapid and accurate analysis of TVB-N, the key freshness attribute, could be implemented by using the hyperspectral imaging (HSI) technique. The study provides the basis for further rapid and non-destructive detection of other mutton freshness attributes by using the hyperspectral imaging (HSI) technique, the improvement of current modeling effect of TVB-N content and the application involved of the technique in the practical production.

Mutton quality; Total volatile basic nitrogen (TVB-N); Hyperspectral imaging (HSI); Rapid and non-destructive detection

Nov. 18, 2014; accepted Mar. 6, 2015)

2014-11-18，

2015-03-06

國(guó)家自然科學(xué)基金項(xiàng)目(31460418)和高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20136518120004)資助

朱榮光， 1982年生, 石河子大學(xué)機(jī)械電氣工程學(xué)院副教授 e-mail： rgzh_jd@163.com

TS251.7; O657.3

A

10.3964/j.issn.1000-0593(2016)03-0806-05