任迎春， 劉貴珊， 張晶晶, 白 杰

(寧夏大學 農學院， 寧夏 銀川 750021)

1 引 言

灘羊為寧夏優(yōu)勢特色畜種，因特定的生態(tài)環(huán)境使得灘羊肉肉質細嫩，纖維豐富，低脂無膻。研究表明，肉品隨著貯藏時間的延長而發(fā)生腐敗，蛋白質分解產生氨(NH3)和胺類(R-NH2)等堿性含氮的有毒物質，pH 值隨之升高。為了快速、精確地預測灘羊肉的品質及其貯藏時間，必須尋找一種新的預測灘羊肉品質的方法。國內外在以pH值作為參考評價肉品質方面已作了相關研究[1-3]。但pH值在工業(yè)規(guī)模上對紅肉品質性狀的客觀測量是非常不切實際的并且十分昂貴，因此，在生產線中尋找一種檢測或預測肉的某些非侵入性和非破壞性方法十分必要[4]。

動力學模型也是一種描述食品品質變化的方式。食品品質改變一般指生產過程中化學、物理和微生物的變化，由微生物引起的肉類腐敗往往伴隨著外部屬性(顏色、質地等)和內部屬性(化學成分、組織結構等)的變化[5]。動力學模型在食品品質方面的研究已經得到了廣泛的應用，應用食品動力學特性已對草莓的保鮮、魚丸、豬肉等品質變化做了一些理論研究[6-9]。

國內利用高光譜技術對肉類研究多在 400～1 000 nm 波長范圍，檢測指標主要為嫩度、顏色、新鮮度、pH值等，研究對象主要為牛肉、豬肉等。但是利用近紅外高光譜對羊肉pH值檢測研究較少，而且基于灘羊肉品質變化的動力學特性和近紅外高光譜特性的結合研究更鮮見報道[16-24]。因此，本文研究了不同貯藏溫度下的灘羊肉pH值變化，建立了傳統(tǒng)動力學模型，和900～1 700 nm下的高光譜模型再建立了灘羊肉pH值的近紅外光譜結合動力學模型，為綜合評價冷鮮灘羊肉的品質和預測灘羊肉的貯藏期提供理論依據。

2 材料方法

2.1 灘羊肉預處理

以灘羊的背最長肌為實驗樣品，去除樣本表面的脂肪和肌膜，整形切塊，大小為40 mm×30 mm×10 mm，分裝于自封袋，分別在4 ℃、15 ℃條件下恒溫貯藏。每24 h取樣檢測，先進行光譜數據采集，再測定pH值。15 ℃樣本實驗共進行8 d，實驗結束共獲取121個實驗數據；4 ℃樣本實驗共進行15 d，實驗結束共獲取213個實驗數據。

2.2 高光譜掃描

2.2.1 高光譜成像系統(tǒng)

N17E-NIR 高光譜成像系統(tǒng)(波長范圍 900～1 700 nm，光譜分辨率 5 nm，256 個波段)購置于北京卓立漢光儀器有限公司；主要由五部分組成：高光譜成像光譜儀(Imspector N17E)，芬蘭Oulu光譜成像公司；CCD 相機(Zelos-285GV)，德國 Gleichen公司；4個35 W鹵鎢燈(HSIA-LS-TDIF)；電控位移平臺(PSA200-11-X)；計算機(Lenovo Inter(R) Core i7-2600CPU@3.40 GHz，RAM 4.00 G)和數據采集軟件(Spectra SENS)，北京Zolix儀器有限公司，如圖1所示。

圖1 NIR 高光譜成像系統(tǒng)

2.2.2 灘羊肉光譜數據采集

測試掃描過程中，每次取4～5個羊肉樣本作為一組，按照一定的順序擺放在載物臺上，記錄好編號，開始掃描。

N17E-NIR 高光譜成像系統(tǒng)：經預試驗確定的最佳圖像采集參數：物距為385 mm，輸送步距為14 mm/s，成像光譜儀曝光時間為10 ms，掃描線實際長度為180 mm。樣品圖像掃描前，由于各波段下光源強度分布不均勻及攝像頭中暗電流存在都會導致圖像中含有較大的噪聲，為減弱成像光譜儀暗電流和室內照明對圖像的影響，需對儀器進行黑白校正。計算公式如下[11]：

(1)

式中：R0是樣本原始的漫反射光譜圖像強度，W是白板的漫反射圖像強度，D是暗圖像強度，R是校正后的漫反射光譜圖像強度。

2.3 圖像處理

樣本經高光譜采集圖像后，利用 ENVI 4.6 軟件(美國Research Systems 有限公司)校正光譜和選取感興趣區(qū)域(Region of Interest,ROI)，ROIS取自于每個樣品的中心區(qū)域，大約包括2 500個像素點。選取ROIS時要盡量避免脂肪區(qū)域以及由于殘余水分帶來的明顯發(fā)亮的區(qū)域，并且以 ROIS中所有像素點的平均光譜作為每個樣品的代表性光譜。

2.4 pH值的測定

采用的儀器為肉品酸度檢測儀(Testo 205型 pH計),深圳卓越儀器有限公司。pH值的測定：將pH 酸度計的探頭刺入樣品約8 mm深，待數值保持不變時記錄，選擇鄰域內的3點進行測定，取平均值作為樣本的 pH值。

2.5 動力學模型建立

如果食品某種品質的變化是由化學反應引起的,其反應產物濃度隨時間變化而降低或升高,則用該品質變化表示的貨架壽命數據大多遵循零級或一級模式。對于0級模式,采用線性坐標可得到一條直線;對于1級模式,則需要通過自然對數坐標才能得到一條直線,其反應模型的方程式分別為[25]：

零級方程A=A0+K0t,

(2)

一級方程 ln(A/A0)=K1t,

(3)

式中：A為貯藏t天后某理化指標的含量;A0為某理化指標的初始含量;t為貯藏時間;Kn為n(n= 0,1)級反應速率。

利用SPSS17.0軟件建立灘羊肉在4 ℃、15 ℃兩種存儲溫度下的兩組動力學模型。

2.6 全波段下光譜數據分析及模型建立

2.6.1 數據處理方法

使用軟件The Unscrambler X10.4對原始光譜進行預處理及建模。為消除圖譜偏移或漂移現象和高頻噪聲干擾，確定最佳預處理方法，本文選用多元散射校正(Multiple scattering correction，MSC)、卷積平滑(Savitzky-Golay smoothing，SGS)、基線校準(Baseline)、歸一化(Normalize)、標準正態(tài)化變化(Standardized normal variate，SNV)等方法對樣品反射光譜數據進行預處理。

2.6.2 數據建模方法

對于數據預處理，偏最小二乘(Partial least squares regression,PLSR)是一種常用的線性多變量方法，已廣泛應用于農產品質量無損檢測的定性和定量分析。 PLSR分解光譜矩陣X，但也考慮濃度矩陣Y的影響[18]。模型采用相關系數(Rc/Rp)、均方根誤差(RMSEC/RMSEP)進行評估，建立的模型若相關系數越大，均方根誤差越小，且RMSEC和RMSEP差異越小，則模型效果越好。

2.7 特征波長的提取及光譜動力學模型建立

為減少模型的輸入變量，縮短計算處理時間，提取對預測目標最有效的波長，本文對全波段進行特征波長的提取主要應用連續(xù)投影算法(Successive projections algorithm，SPA)。模型建立同樣采用PLSR方法。

3 結果與討論

3.1 灘羊肉pH含量統(tǒng)計

利用spss17.0做描述性統(tǒng)計，如表1所示。

表1 使用傳統(tǒng)方法測量的灘羊肉pH的參考值

灘羊肉pH值隨貯藏時間的延長和貯藏溫度的升高而增加。4 ℃下pH出現最大值為7.19，15 ℃下的pH在第9 d就已達到最大值6.21,但因貯藏溫度的不同使得增長率不同。Li等在文獻中指出CFPS(Controlled freezing point storage,-0.8 ℃)和對照下儲存(4 ℃)的樣品的pH顯示出相同的趨勢，即起初降低然后保持穩(wěn)定，pH在前兩天從7.0附近降到5.8附近再平穩(wěn)緩慢地上升[19]，與本試驗中的結果一致。Díaz等在其研究中表示序列數據顯示分布不均勻，主要來源于屠宰場內普遍存在的皮膚微生物群落[20]。本文中的樣品測試的pH值分布不均，也可能存在微生物菌落的污染。

3.2 動力學模型的評判

對不同貯藏溫度下保存的灘羊肉pH值與時間變化進行回歸分析，得到的模型參數見表2。

15 ℃貯藏條件下pH值的動力學模型效果好，其零級、一級模型相關系數均達到0.912，表明回歸方程擬合程度高。反應速率越大，動力學特性越明顯，因此，選擇零級方程為室溫貯藏下灘羊肉pH值動力學反應模式。方程如下：

Y=5.188+0.069t,

(4)

式中，Y為15 ℃貯藏下灘羊肉pH值，t是貯藏時間。

表24℃和15℃下灘羊肉pH值的動力學模型參數

Tab.2 Kinetic model parameters of pH value of Tan mutton at 4 ℃ and 15 ℃

貯藏條件反應模式相關系數R反應速率預測標準偏差常數4 ℃零級0.6500.0470.2105.040一級0.6640.0080.0370.00415 ℃零級0.9120.0690.1695.188一級0.9120.0130.0310.001

由此可得，15 ℃貯藏下灘羊肉pH值可作為快速無損預測貨架期模型的關鍵指標，進一步建立基于光譜特征值的動力學模型。

3.3 光譜模型的評判

4 ℃、15 ℃貯藏溫度下灘羊肉900～1 700 nm的原始光譜平均反射曲線如圖2所示。由原始光譜圖可以看出光譜反射曲線在900～1 000 nm波段范圍內抖動嚴重，經直接剔除后建模，模型效果差，這是因為刪除時不僅剔去了噪音、雜亂波，同時也刪去了有效波段，故而仍采用先預處理后建模的數據處理過程。

圖2 灘羊肉4 ℃(a)和15 ℃(b)下900～1 700 nm原始光譜

4 ℃下900～1 700 nm的光譜數據剔除異常樣本1，140，151，190，192，193，194，196，200，按照3∶1劃分校正集與預測集，再進行不同預處理和PLSR建模；15 ℃下900～1 700 nm的光譜數據剔除異常樣本15，34，35，66，80，95后，按照3∶1劃分校正集與預測集，再進行不同預處理和PLSR建模。4 ℃和15 ℃下不同預處理方法的PLSR模型如表3、4所示。

遵循相關性系數越大、均方根誤差越小則模型越好，主成分數越小、運算速度越快的評價原則，4 ℃貯藏溫度下灘羊肉pH值在900～1 700 nm的原始光譜數據建模效果最好。其Rc、RMSEC為0.821和0.185，Rp、RMCEP為0.863和0.177。發(fā)現SG-S(3,7)與De-trending(4)聯(lián)合處理為15 ℃貯藏條件下900～1 700 nm的灘羊肉pH值光譜數據最佳預處理方法。

表3 4 ℃下不同預處理方法的灘羊肉pH 值PLSR模型

表4 15 ℃下不同預處理方法的灘羊肉pH 值PLSR模型

3.4 特征光譜選取

采用Matlab軟件中的SPA算法選取經SG-S(3,7)、De-trending(4)聯(lián)合預處理后900～1700 nm的特征波長，進行參數調試后，共選出10個特征波段，結果如圖3所示，分別為919，922，931，939，945，982，1 011，1 270，1 309，1 398 nm。用所選特征波長對15 ℃下pH值進行建模分析，結果如表5所示。

圖3 SPA最終推選的有效波段數

Fig.3 Number of valid bands for the final selection of SPA

由表5可知，經SPA法提取SG-S(3,7)、De-trending(4)聯(lián)合預處理后光譜數據的特征波長建立PLSR模型，其預測效果比全波段要好，預測相關系數為0.831。選取高貢獻率特征波長的同時，去除了部分干擾波段，能夠對灘羊肉15 ℃貯藏期間的pH值進行有效預測。以特征波長所建立的光譜模型為：

Y=24.4864-0.13512X1-0.1095X2-

0.8951X3-0.7286X4+0.0902X5-

0.5479X6-0.1195X7-1.17696X8-

1.1802X9-0.1363X10,

(5)

式中，Y為15 ℃貯藏溫度下羊肉的pH值；X1～X10為預處理后的特征波長處的吸光度值。

表5 全波段與特征波段PLSR光譜模型參數

3.5 特征光譜-動力學模型預測貯藏期

由3.2可知，15 ℃下貯藏的灘羊肉，其pH值零級反應模式擬合度較高，零級動力學相關系數為0.912，模型方程為：

Y=5.188+0.069t,

(6)

結合SG-S(3,7)+De-trending(4)+SPA-PLSR光譜預測模型，將公式(5)代入公式(6)，即得到貯藏時間與光譜特征值間的關系：

t=279.6933-1.9583X1-1.5870X2-

12.9727X3-10.5596X4+1.3073X5-

7.9407X6-1.7319X7-17.0577X8-

17.1046X9-1.9754X10,

(7)

式中，X1～X10為灘羊肉貯藏t天時的特征波長處的吸光度值。

4 結 論

利用傳統(tǒng)測量方法測得灘羊肉的pH值，建立了4 ℃和15 ℃下的傳統(tǒng)動力學模型，又經不同的預處理方法建立了900～1 700 nm波段兩種貯藏溫度的光譜最優(yōu)模型，再與傳統(tǒng)的動力學模型相結合進行建模，得出的結論如下：

(1)灘羊肉在儲藏過程中，pH值隨著貯藏溫度的升高、時間的延長而升高，與已有的研究一致。

(2)15 ℃下灘羊肉的傳統(tǒng)動力學模型比4 ℃下的模型效果好，4 ℃下零級、一級模型相關系數分別為0.650和0.664，而15 ℃下的零級、一級模型的相關系數則達到0.912和0.912，15 ℃下的模型效果明顯好于4 ℃；4 ℃貯藏溫度下灘羊肉pH值在900～1 700 nm的原始PLSR模型效果最好，Rc及RMSEC為0.821和0.185，Rp及RMSEV為0.863和0.177，建模效果良好；15 ℃貯藏溫度下灘羊肉 pH值的900～1 700 nm光譜經SG-S(3,7)+De-trending(4)預處理后，PLSR建模效果最好，Rc及RMSEC為0.876和0.115，Rp及RMSEV為0.819和0.154；15 ℃下應用近紅外高光譜和動力學的結合模型也具有良好的預測效果，其相關系數達到0.758。