謝安國(guó) 康懷彬 王飛翔 王 波

(河南科技大學(xué)食品與生物工程學(xué)院，河南 洛陽(yáng) 471000)

高光譜成像能夠提供檢測(cè)對(duì)象的光譜信息和圖像信息，進(jìn)而提供了從內(nèi)含物質(zhì)成分和外觀特征檢測(cè)食品品質(zhì)的能力。高光譜成像技術(shù)在農(nóng)作物長(zhǎng)勢(shì)、病蟲害預(yù)測(cè)、果蔬檢測(cè)等農(nóng)業(yè)食品領(lǐng)域[1-2]取得了很好的研究應(yīng)用。在畜肉及肉制品檢測(cè)方面已有報(bào)道，冷鮮肉的主要品質(zhì)參數(shù)如水分、嫩度[3]、脂肪[4]、顏色、微生物[5]和新鮮度[6]等可以基于高光譜技術(shù)進(jìn)行快速檢測(cè)。少數(shù)學(xué)者研究了肉品加工中的品質(zhì)檢測(cè)，如利用高光譜技術(shù)研究腌制肉品中NaCl及水分的遷移變化[7]、冷凍冷藏過(guò)程中光譜及品質(zhì)變化[8]、臘肉亞硝酸鹽含量[9]以及肴肉新鮮度檢測(cè)[10]等。高光譜研究的主要對(duì)象是生鮮肉，對(duì)熟制肉品和熱加工過(guò)程的研究很少[11]。

原料肉加入調(diào)料預(yù)制到半熟或全熟，經(jīng)簡(jiǎn)單處理即可食用的調(diào)理肉制品，受到越來(lái)越多的消費(fèi)者青睞。加熱是食品重要的加工手段，加熱處理使蛋白質(zhì)降解，提高食物的消化吸收率，殺滅致病微生物，還能促進(jìn)誘人色澤和風(fēng)味[12]的形成。但過(guò)度加熱會(huì)影響產(chǎn)品的營(yíng)養(yǎng)價(jià)值和食用品質(zhì)[13]，如嫩度及咀嚼口感變差等。

目前，利用高光譜對(duì)熟制肉品的研究較少。特別是肉品在不同程度加熱變性，以及食鹽、胡椒、黃油等調(diào)料混合的復(fù)雜食品體系中，高光譜技術(shù)對(duì)目標(biāo)的檢測(cè)能力仍未被驗(yàn)證。本試驗(yàn)擬將牛肉混合調(diào)料后煎制不同熟度，研究肉品水分、色澤等理化指標(biāo)及光譜特征的變化，并建立光譜模型對(duì)肉品品質(zhì)進(jìn)行快速無(wú)損檢測(cè)。為實(shí)現(xiàn)肉品的智能化、無(wú)人化加工技術(shù)提供理論依據(jù)。

1 材料與方法

1.1 材料與試劑

牛背最長(zhǎng)肌肉(外脊肉Sirloin)：西門塔爾，采購(gòu)自洛陽(yáng)大商新瑪特超市；

衛(wèi)群精純鹽：河南省衛(wèi)群鹽業(yè)包裝有限公司；

黑胡椒粉：駐馬店王守義十三香調(diào)味品有限公司；

原味黃油：新西蘭安佳(Anchor)公司。

1.2 儀器與設(shè)備

色差計(jì)：Xrite Color i5型，美國(guó)Xrite公司；

電磁爐：九陽(yáng)C21-SC001型，杭州九陽(yáng)生活電器有限公司；

煎炸鍋：J24D型，浙江炊大皇炊具有限公司；

鼓風(fēng)干燥箱：DHG9425A型，上海恒科學(xué)儀器有限公司；

高光譜成像系統(tǒng)：IST50-3810型，德國(guó)Inno-SpecGmbH公司。

1.3 方法

1.3.1 試驗(yàn)工藝流程

1.3.2 牛肉煎制方法 將牛肉樣品在4 ℃條件下解凍后分割成5 cm×5 cm×3 cm規(guī)格大小。稱取食鹽1.5%，黑胡椒粉0.15%(按原料肉的重比)，與原料肉滾揉5 min，腌制30 min。平底煎鍋中加少許黃油，溫度達(dá)到120 ℃分別煎制不同時(shí)間(30～180 s)，制成不同熟度的牛肉。參照西餐加工標(biāo)準(zhǔn)對(duì)牛肉熟度判別分類[14-15]可分為一分熟(Rare)到全熟牛肉(Well Done)。

1.3.3 牛肉理化指標(biāo)測(cè)定方法

(1) 烹飪失水率的測(cè)定：在加工前，精確地稱量樣品的質(zhì)量，加工處理，待樣品冷卻至表面沒(méi)有水分再精確稱量質(zhì)量，按式(1)計(jì)算失水率。

(1)

式中：

X——失水率，%；

m1——樣品加工前的質(zhì)量，g；

m2——樣品加工后的質(zhì)量，g。

(2) 肉品色差的測(cè)定：用色差計(jì)測(cè)定樣品表面的色澤[16]。

(3) 含水率的測(cè)定：按GB 5009.3—2016的直接干燥法(105 ℃)執(zhí)行。

(4) 肉品嫩度的測(cè)定：去除樣品表皮，用雙面刀沿肌肉纖維走向取5個(gè)樣品中心部分1 cm×1 cm×3 cm的長(zhǎng)條，用剪切儀沿肌纖維垂直方向剪切肉柱，記錄剪切力值，計(jì)算平均值。

1.3.4 牛肉高光譜圖像采集方法 高光譜成像系統(tǒng)采用“推掃式”獲得光譜反射圖像，先要進(jìn)行黑白板校正，將試驗(yàn)前掃描的全黑高光譜圖像設(shè)定為R黑；采集到的標(biāo)準(zhǔn)白板的高光譜圖像標(biāo)定為R白，掃描樣品獲得的圖像設(shè)定為R樣。校對(duì)后光譜反射值R利用式(2)計(jì)算。

(2)

校正后，將高光譜圖像放入ENVI 5.1軟件中，利用感興趣區(qū)域(Region of Interest，ROI)工具，選取并提取目標(biāo)區(qū)域的平均光譜。

1.3.5 光譜降維處理 本試驗(yàn)中的高光譜成像系統(tǒng)可以獲得樣品在370～1 023 nm范圍內(nèi)1 288個(gè)波段豐富的光譜和圖像信息。但過(guò)多的輸入因子會(huì)引起“維度災(zāi)難”，增長(zhǎng)訓(xùn)練時(shí)間并影響檢測(cè)的精度。本試驗(yàn)利用主成分分析(PCA)對(duì)數(shù)據(jù)進(jìn)行降維處理，將1 288個(gè)變量轉(zhuǎn)換后，提取前8個(gè)主成分綜合變量。

1.3.6 光譜建模與可視化檢測(cè) 樣品光譜經(jīng)過(guò)PCA變換后，采用多元線性回歸(MLR)和支持向量機(jī)(SVM)2種方法建立光譜模型。MLR是一種簡(jiǎn)單快速的線性建模方法，SVM是一種非線性機(jī)器學(xué)習(xí)算法，將輸入空間中的低維線性上分不開(kāi)樣品映射到高維特征空間，使其線性可分。影響SVM性能的參數(shù)包括核函數(shù)，誤差懲罰參數(shù)“C”和內(nèi)核參數(shù)“σ”。本試驗(yàn)使用徑向基函數(shù)(RBF)，它能夠處理光譜和目標(biāo)屬性之間的非線性關(guān)系，并降低訓(xùn)練過(guò)程的計(jì)算復(fù)雜度。使用粒子群優(yōu)化(Particle swarm optimization，PSO)算法搜查“C”和“σ” 參數(shù)的最佳值。PSO是一種模仿昆蟲和鳥群等合作覓食行為的進(jìn)化算法，它隨機(jī)解啟動(dòng)，通過(guò)迭代搜索優(yōu)解，具有精度高、收斂快等優(yōu)點(diǎn)。支持向量機(jī)參考Chang等[17]的libsvm工具箱，PSO-SVM詳細(xì)算法原理及實(shí)現(xiàn)可參考文獻(xiàn)[18]和[19]。算法程序在Matlab2014a編寫和運(yùn)行，用R2和殘差RMSE衡量模型精確率。

樣品高光譜圖像下每個(gè)像素的光譜值PCA變換后，將前8個(gè)PC數(shù)值帶入建立好的SVM預(yù)測(cè)模型，可以得到每個(gè)點(diǎn)的品質(zhì)指標(biāo)值。通過(guò)Matlab的偽彩命令可繪制含水率等指標(biāo)的分布情況，實(shí)現(xiàn)肉品品質(zhì)的可視化檢測(cè)[7-8]。

1.4 數(shù)據(jù)處理

每個(gè)樣品的理化指標(biāo)測(cè)量3次，取平均值。不同組的數(shù)據(jù)表示為平均值±標(biāo)準(zhǔn)差，數(shù)據(jù)顯著性分析依據(jù)Least-Significant Difference (LSD)即最小顯著差異法。數(shù)據(jù)分析在SPSS和Matlab2014a軟件中完成。

2 結(jié)果與分析

2.1 牛肉理化特性的分析

對(duì)100塊不同熟度牛肉樣品按照國(guó)標(biāo)法進(jìn)行理化指標(biāo)的測(cè)量，得到樣品烹飪失水率、含水率、色差如表1所示。

水分是食品中主要成分，影響著肉品嫩度、風(fēng)味、多汁性等多項(xiàng)口感品質(zhì)，烹飪失水率還影響著企業(yè)的經(jīng)濟(jì)效益。食品中的水分有自由水和結(jié)合水2種狀態(tài)[20]，加熱時(shí)牛肉中自由水不斷蒸發(fā)；同時(shí)大部分的肌漿蛋白、肌原纖維蛋白在不同的溫度區(qū)間發(fā)生聚集[20]，蛋白熱變性將一部分結(jié)合水排出。從表1中可以得出，牛肉從30 s加熱到180 s的過(guò)程中，烹飪失水率逐漸增加，牛肉中含水率逐漸降低。通過(guò)LSD差異性分析可知，樣品的烹飪失水率和含水率的差異顯著，并且相鄰熟度的肉品之間差異也達(dá)到了顯著水平(P<0.05)。牛肉的質(zhì)構(gòu)也發(fā)生了顯著性的變化，剪切力有逐漸增加的趨勢(shì)；剪切力存在顯著差異(P<0.05)。牛肉色澤也會(huì)因加熱而變化，隨著加熱時(shí)間延長(zhǎng)，L*值整體呈下降趨勢(shì)，a*值下降，b*值上升。說(shuō)明加熱使樣品亮度下降，黃度增加。LSD差異分析表明，雖然不同熟度牛肉色澤存在差異，但相鄰熟度的樣品之間的差異往往沒(méi)有達(dá)到顯著水平。

表1 不同熟度牛肉的理化指標(biāo)?

? 不同字母表示差異性顯著，P<0.05。

2.2 煎制牛肉的光譜特征

用高光譜成像儀對(duì)100塊牛肉進(jìn)行掃描，獲得樣品370～1 023 nm內(nèi)1 288個(gè)波段的光譜信息。經(jīng)過(guò)黑白板校正處理后，用ROI工具提取光譜曲線。從圖1可以看出，不同熟度的牛肉在大部分波段上(370～800 nm)光譜是相近的，有差異但不顯著。其原因是，加熱會(huì)使水分蒸發(fā)、蛋白變性以及產(chǎn)生焦糖化變色，雖然牛肉內(nèi)部的生熟度有很大差異，但牛肉表皮都會(huì)受到直接加熱，蛋白變性和變色充足。此外，牛肉煎制中食鹽、黑胡椒和黃油等調(diào)料都附于表面，降低了不同牛肉表面的顏色差異。370～800 nm恰好屬于人類視覺(jué)的可見(jiàn)光區(qū)間，此區(qū)間的光譜分析和2.1中的Lab色差分析相互印證。說(shuō)明了不同熟度，尤其相鄰熟度牛肉的顏色差異不顯著。牛肉熟度與表面色澤并不是一一對(duì)應(yīng)的關(guān)系，而傳統(tǒng)烹飪方法中根據(jù)牛肉的外觀顏色對(duì)牛肉進(jìn)行熟度判斷，控制烹飪時(shí)間并不是非常準(zhǔn)確的方法。

牛肉光譜的差異主要存在于800 nm以后區(qū)間，特別是809～956 nm時(shí)，隨著加熱時(shí)間的延長(zhǎng)，光譜反射值逐漸增高，光譜強(qiáng)度與牛肉熟度呈正比。此前的研究工作顯示，腌制[7]、冷凍[8]和干燥[21]等工藝使肉品水分排出，自由水對(duì)近紅外光的吸收減少，近紅外光譜反射值將增加[22]。本團(tuán)隊(duì)[23]另一項(xiàng)工作中，研究了在高溫處理中牛肉蛋白質(zhì)組分及其降解過(guò)程，結(jié)果顯示水溶性蛋白和鹽溶性蛋白均隨加熱溫度的升高和時(shí)間的延長(zhǎng)而急劇下降，凝膠電泳中肌球蛋白重鏈條帶逐漸變淡消失。牛背最長(zhǎng)肌中的蛋白質(zhì)降解與本研究中牛肉樣品的光譜變化顯著相關(guān)。因此809～956 nm 區(qū)間光譜變化與樣品含水量、蛋白構(gòu)象相關(guān)。近紅外光譜能很敏銳地捕捉到了不同熟度牛肉樣品的差異。

圖1 不同熟度牛肉的平均光譜曲線

2.3 調(diào)理牛肉光譜模型的建立

采用主成分分析處理高光譜圖像有效濃縮信息量。前3個(gè)主成分累積信息量依次達(dá)到52.42%，81.06%，97.14%，當(dāng)含有8個(gè)主成分時(shí)，涵蓋了全光譜99.89%的信息量。圖2展示了同一牛肉高光譜圖像的前6個(gè)主成分圖，它從不同側(cè)面突出了調(diào)理牛肉的特點(diǎn)。PC-1和PC-2圖像很接近肉品生鮮牛肉的圖像，偏向于刻畫肉品紋理和基本組分的特征。PC-3和PC-4圖像偏向于描繪肉品加熱中褐變或焦糊區(qū)域的變化，而PC-5和PC-6圖像則突出了黑胡椒等調(diào)味品在產(chǎn)品表面的分布情況。PC-7和PC8圖像變得模糊，而PC-8以后的圖像基本是無(wú)規(guī)律的噪音信息。PCA處理不僅突出了有效信息，還可去除大量干擾信號(hào)，加快運(yùn)算速度。

圖2 同一調(diào)理牛肉前6個(gè)主成分圖像

表2 不同光譜模型預(yù)測(cè)調(diào)理牛肉品質(zhì)的效果

2.4 調(diào)理牛肉煎制過(guò)程的可視化

每個(gè)像素下數(shù)值帶入建立好的SVM預(yù)測(cè)模型，可得到每個(gè)點(diǎn)的指標(biāo)值。通過(guò)Matlab的偽彩命令繪制調(diào)理牛肉在煎制過(guò)程中水分含量和剪切力的變化圖(圖3)。圖中的亮色表示數(shù)值高，暗色表示數(shù)值低。變化圖顯示隨著加熱時(shí)間的延長(zhǎng)，肉品水分含量逐漸減少，肉品剪切力逐漸增加。本試驗(yàn)中，煎鍋置于電磁爐上，中部火力較強(qiáng)而周圍較弱。變化圖如實(shí)地反映了煎炸的加熱特點(diǎn)：肉品中部的水分降低較快，剪切力增加較快。肉品在熟制中短時(shí)內(nèi)發(fā)生劇烈變化，指標(biāo)測(cè)量費(fèi)時(shí)、困難。通過(guò)光譜運(yùn)算及可視化技術(shù)有望對(duì)調(diào)理肉加工進(jìn)行準(zhǔn)確、高效、動(dòng)態(tài)的品質(zhì)檢測(cè)。

圖3 調(diào)理牛肉在煎制過(guò)程中的水分含量和剪切力變化圖

3 結(jié)論

在熟制過(guò)程中肉品組織成分會(huì)短時(shí)內(nèi)發(fā)生劇烈變化，目前煎制牛排主要還是通過(guò)外表顏色判斷熟度和品質(zhì)。在本研究通過(guò)Lab色差分析和可見(jiàn)區(qū)間光譜顯示，在多種調(diào)料混合下，相鄰熟度牛肉的顏色差異不明顯。加熱使肉品中水分不斷減少，不同熟度牛肉的水分和嫩度差異顯著(P<0.05)。加熱中牛肉水分和蛋白變性信息充分反映在了近紅外區(qū)間的光譜曲線上，近紅外波段光譜反射值隨熟度增加逐漸增高。采用PCA對(duì)高光譜數(shù)據(jù)進(jìn)行變換，不僅減少了運(yùn)算數(shù)據(jù)量，而且主成分圖像凸顯了調(diào)理肉不同的品質(zhì)特征。SVM建立回歸模型并用PSO優(yōu)化參數(shù)，對(duì)煎制過(guò)程中的100塊牛肉構(gòu)建快速檢測(cè)模型，牛肉水分和剪切力預(yù)測(cè)相關(guān)系數(shù)R2分別為0.908，0.763?？梢暬瘷z測(cè)可反映出肉品熟化中每個(gè)區(qū)域的水分遷移和嫩度變化特征，還反映出不同加熱方式的特點(diǎn)。

當(dāng)前高光譜在工業(yè)應(yīng)用中遇到的主要障礙依然是光譜與圖像的數(shù)據(jù)龐大、運(yùn)算速度慢。從本研究中看出，肉品在熱加工中只有少數(shù)波段的光譜發(fā)生顯著變化。今后針對(duì)某一種食品，開(kāi)發(fā)基于特征波段的高光譜專用設(shè)備和分析模型，將能夠盡早推廣高光譜的工業(yè)化應(yīng)用。