陳迎麗，何鈺，龔會(huì)琴，趙亞洲，何偉，何智宇

（貴州省分析測(cè)試研究院，貴州 貴陽(yáng) 550002）

眾所周知，牛肉含有較高的優(yōu)質(zhì)蛋白質(zhì)，氨基酸及微量礦物元素，營(yíng)養(yǎng)價(jià)值相比于豬肉要高出很多，并且牛肉的口感與風(fēng)味也是其他肉產(chǎn)品無法替代的，受到廣大消費(fèi)者的普遍歡迎。最主要的是牛肉的市場(chǎng)價(jià)格要高于大多數(shù)其他的畜產(chǎn)品，因此一些企業(yè)與不法商販為了擴(kuò)大自己的利益而采用各種手段向牛肉中摻假。根據(jù)報(bào)道及市場(chǎng)調(diào)查監(jiān)測(cè)的摻假案例可知，牛肉及牛肉制品中的摻假現(xiàn)象有非肉類成分的添加（注水和添加植物蛋白、亞硝酸鹽、合成色素）和原料肉的摻假（摻入其他廉價(jià)畜禽肉）[1-3]。這種摻假行為不但使產(chǎn)品的營(yíng)養(yǎng)價(jià)值大打折扣并對(duì)消費(fèi)者的身心造成了巨大傷害。近些年來，國(guó)家針對(duì)肉制品摻假問題相應(yīng)的采取了有效措施，不斷加強(qiáng)檢測(cè)監(jiān)管力度，大力支持肉品檢測(cè)方法的研究。

據(jù)統(tǒng)計(jì)，目前電泳技術(shù)、免疫學(xué)技術(shù)、DNA 鑒定技術(shù)、電子鼻技術(shù)、色譜分析和光譜分析等技術(shù)在肉類摻假檢驗(yàn)中的應(yīng)用較為普遍[4-6]。近紅外技術(shù)在食品安全檢測(cè)的研究時(shí)間較短，但是因其較優(yōu)越的檢測(cè)特性及便捷性使其在檢測(cè)摻假肉領(lǐng)域具有較為廣闊的應(yīng)用前景。因此應(yīng)用此項(xiàng)技術(shù)對(duì)肉類的化學(xué)組成及含量分析、感官品質(zhì)評(píng)定等指標(biāo)為依據(jù)進(jìn)行摻假方向的檢測(cè)為肉品的品質(zhì)提供了較有力的手段[7-10]。楊紅菊等[11]通過對(duì)近紅外透射光譜法進(jìn)行研究，采用一階導(dǎo)數(shù)對(duì)光譜進(jìn)行預(yù)處理，運(yùn)用因子化法建立的定性判別模型可以完全對(duì)注膠肉和正常肉進(jìn)行判別。結(jié)果表明運(yùn)用近紅外透射光譜與判別分析法相結(jié)合為注膠肉的快速檢測(cè)提供了一種快速極其有效的鑒定方法。楊志敏等[12]運(yùn)用近紅外光譜技術(shù)對(duì)注水、氯化鈉、卡拉膠等的摻假肉進(jìn)行分析鑒定的判別率可達(dá)到94.2%，說明了利用近紅外結(jié)合化學(xué)計(jì)量法對(duì)摻假肉的檢測(cè)鑒定是可行的。而近紅外光譜的數(shù)據(jù)分析方法主要有主成分分析，多元線性回歸，偏最小二乘法[13]，支持向量機(jī)（sup-portvectormachine，SVM）[14]，fisher 判別分析[15]等報(bào)道較多，而采用近紅外法結(jié)合歐氏距離法和因子化法鑒別牛肉摻假的未見報(bào)道，本研究以經(jīng)紅外光譜技術(shù)結(jié)合歐氏距離或因子化法對(duì)牛肉中摻假豬肉和雞肉進(jìn)行快速準(zhǔn)確的鑒別，為牛肉制品的鑒別提供強(qiáng)有力的手段。

姚琳琳兩個(gè)便指著我老婆前仰后合地大笑起來，都笑出了眼淚。也笑得我多少有些怪異，更不明白她們兩個(gè)為什么會(huì)笑成那樣。再說我老婆那句話很好笑嗎？至少我沒聽出來。

1 試驗(yàn)材料與方法

1.1 材料與設(shè)備

牛里脊肉、豬里脊肉、雞胸脯：白云區(qū)農(nóng)貿(mào)市場(chǎng)，粉碎成肉糜。

TENSORII 傅里葉近紅外光譜儀：德國(guó)布魯克（北京）科技有限公司；AUX-MG5301 絞肉機(jī)：佛山市海迅電器有限公司；AL204 型電子天平：梅特勒-托利多儀器有限公司。

1.2.3.1 調(diào)用光譜及分組

1.2 試驗(yàn)方法

1.2.1 摻假肉的樣品制備

本部分是以在牛肉肉糜中摻入豬肉肉糜和雞肉肉糜作為摻假樣本進(jìn)行檢測(cè)分析。試驗(yàn)樣本是以新鮮牛肉和摻入新鮮豬肉和新鮮雞肉按照相同程度進(jìn)行均勻攪碎，每個(gè)樣本總量為50 g，原料肉制備60 個(gè)樣本，按照10%為梯度增量進(jìn)行制備摻假肉，共分為10類樣本（10%至100%），按摻假比例進(jìn)行兩種肉類均勻混合，摻假肉每個(gè)梯度制備30 個(gè)樣本。試驗(yàn)樣品制備見表1。

表1 試驗(yàn)樣品制備表Table 1 Test sample preparation table

試驗(yàn)通過近紅外光譜儀采集光譜信息，原料肉60 個(gè)和摻假豬肉300 個(gè)和摻假雞肉300 個(gè)，共660 個(gè)近紅外光譜圖，建立原料肉和摻假肉的原始近紅外光譜庫(kù)。

在特征波段 7432.71cm-1～6 475.65cm-1、5 488.42 cm-1～4 580.61 cm-1和7 351.92 cm-1～6 824.83 cm-1；5 578.24 cm-1～5 075.21 cm-1的范圍，分別采用歐式距離法和因子化法兩種模型進(jìn)行定性分析，并通過模型S 值進(jìn)行評(píng)價(jià)模型的準(zhǔn)確率。其中S 值代表表征樣品之間的距離，當(dāng)S＜1 時(shí)，代表兩類判別樣品相交，當(dāng)S=1 時(shí)，代表兩類判別樣品相切，當(dāng)S＞1 時(shí)，代表兩類判別樣品相離，兩類判別樣本能被鑒別分開，所以S 值越大，模型判別效果越好。由表3可知，不同的光譜預(yù)處理方式下的S值大小不一致，采用因子化法結(jié)合二階導(dǎo)數(shù)+矢量歸一化+9 點(diǎn)平滑和一階導(dǎo)數(shù)+矢量歸一化+9 點(diǎn)平滑的預(yù)處理方法建立的模型效果較好，能被均一鑒別，如圖4所示。因此應(yīng)用因子化法建立的模型精度判別率高，更適用于牛肉中摻入豬肉和雞肉的定性檢測(cè)。

1.2.3 歐式距離法或因子化法建立判別模型對(duì)摻假肉的檢測(cè)

不同的光譜預(yù)處理方式對(duì)S 值的影響結(jié)果如表4、圖4所示。

民的智慧很快被發(fā)揮了，他娘的這不就是澳洲大龍蝦么。后來經(jīng)過當(dāng)?shù)匾娺^世面的村民反映，這個(gè)要冒充澳洲大龍蝦還是難了一點(diǎn)，估計(jì)要再被污染五年才行，但是不要緊，澳洲還有小青龍，我們這冒充澳洲小青龍拿去市場(chǎng)上賣。

調(diào)用原料肉與摻假肉的近紅外光譜，進(jìn)行消除常數(shù)偏移量預(yù)處理，并將其進(jìn)行分為校正集和驗(yàn)證集，其中校正集組用于兩類判別模型的建立，驗(yàn)證集組則用來檢驗(yàn)評(píng)價(jià)模型的有效性。

1.2.3.2 模型的條件確定與優(yōu)化

采用OPUS7.5 軟件在特征波段進(jìn)行定性分析模型的建立，采用不同的預(yù)處理方法來消除無關(guān)信息的干擾，提高模型的精度。并采用歐式距離法和因子化法對(duì)光譜進(jìn)行計(jì)算處理，通過比較S 值最終確定最優(yōu)預(yù)處理方式及光譜計(jì)算方法并建立定性分析模型。

[4]Grabe,W.(1991).Current Development in Second Language Reading Research.TESOL Quarterly,25(3).375-406.

式中：DT1為某類物質(zhì)的閾值；DT2為另一類物質(zhì)的閾值；D 為兩類物質(zhì)平均光譜之間的距離。

2 結(jié)果與討論

2.1 原料肉與摻假肉樣品近紅外光譜的采集及光譜庫(kù)的建立

原料牛肉和摻假牛肉10 個(gè)等級(jí)樣本的紅外掃描光譜圖及建立的光譜庫(kù)，如圖1和圖2所示。

圖1 原料肉和摻假豬肉原始譜圖數(shù)據(jù)采集結(jié)果Fig.1 Raw beef and adulterated pork of raw spectral data acquisition results

圖2 原料肉和摻假雞肉原始譜圖數(shù)據(jù)采集結(jié)果Fig.2 Raw beef and adulterated chicken of raw spectral data acquisition results

1.2.2 光譜采集

2.2 試驗(yàn)樣品的選取分組及調(diào)用光譜

調(diào)用60 個(gè)原料肉和按每梯度30 個(gè)摻假豬肉和摻假雞肉的近紅外光譜圖，共獲得660 個(gè)樣本數(shù)據(jù)。將樣本分為校正集和驗(yàn)證集，其中校正集用于模型建立，驗(yàn)證集用于模型準(zhǔn)確性的評(píng)估，試驗(yàn)樣品校正集和驗(yàn)證集分布情況見表2。

表2 校正集和驗(yàn)證集樣品分布Table 2 Calibration and verification set sample distribution

2.3 光譜波段數(shù)的選擇

近紅外光譜數(shù)據(jù)分析可以采用全波長(zhǎng)數(shù)據(jù)也可以采用部分波長(zhǎng)數(shù)據(jù)。當(dāng)采用全譜時(shí)，數(shù)學(xué)計(jì)量模型會(huì)隨著數(shù)據(jù)點(diǎn)的增加而改善，但是當(dāng)數(shù)據(jù)點(diǎn)過高時(shí)，會(huì)出現(xiàn)模型過度“擬合現(xiàn)象”，并且光譜噪音或樣本的附加成分會(huì)引起偏最小二乘法（partial least square，PLS）解析這些特征值，使模型準(zhǔn)確度降低。因此，試驗(yàn)中常采用一階微分導(dǎo)數(shù)進(jìn)行處理近紅外光譜數(shù)據(jù)，從而篩選出特征波段，處理后的一階導(dǎo)數(shù)光譜圖如圖3所示。并分別討論不同波數(shù)段范圍對(duì)模型相關(guān)性的影響，結(jié)果如表3、表4所示。

圖3 原料牛肉、豬肉和雞肉的一階導(dǎo)數(shù)光譜圖Fig.3 First derivative spectra of raw beef pork and chicken

由表3可知，在豬肉和雞肉摻假波數(shù)段分別選取為7 432.71 cm-1～6 475.65 cm-1、5 488.42 cm-1～4 580.61 cm-1和7 351.92 cm-1～6 824.83 cm-1；5 578.24 cm-1～5 075.21 cm-1范圍內(nèi)當(dāng)做特征波段進(jìn)行模型建立的預(yù)測(cè)效果最佳，而全波長(zhǎng)分析和另外幾種波段組成方式預(yù)測(cè)效果相對(duì)較差，這可能是因?yàn)樵诖瞬ǘ蔚姆秶鷥?nèi)更能代表兩者之間的差異，而全波段范圍包含一部分非特征信息對(duì)試驗(yàn)結(jié)果有一定的干擾。因此，本試驗(yàn)豬肉和雞肉分別選擇波長(zhǎng)范圍為7 432.71 cm-1～6 475.65cm-1、5 488.42cm-1～4 580.61cm-1和 7 351.92 cm-1～6 824.83 cm-1；5578.24cm-1～5075.21cm-1當(dāng)做特征波段進(jìn)行后續(xù)分析。

表3 不同的光譜波數(shù)段對(duì)模型預(yù)測(cè)效果的比較Table 3 Comparison of prediction effects of different spectral wavenumber segments

2.4 光譜數(shù)據(jù)預(yù)處理方式的選擇

將洗凈去皮的番茄搗碎，裝入葡萄糖瓶或藥用翻口瓶?jī)?nèi)，放入高壓消毒鍋內(nèi)處理15～20分鐘，或用籠屜蒸20～30分鐘，同樣能長(zhǎng)期保存，裝瓶時(shí)注意上面需留少量空隙，可靠性較好，目前城市居民大多使用這種方法制醬。

所有納入對(duì)象錯(cuò)失早期診斷時(shí)間為3（0.5，8）年。按錯(cuò)失早期診斷時(shí)間分組，分為＜3月、3月～1年、1～5年、5～10年、≥10年，其肺功能指標(biāo)FEV1%分別為64.8%±18.1%、63.8%±21.6%、53.5%±20.5%、49.3%±22.6%、46.7%±20.6%，組間具有統(tǒng)計(jì)學(xué)差異（F=15.36，P＜0.001，圖1）。

打開OPUS7.5 軟件和近紅外光譜儀器預(yù)熱30 min，將混合好的肉糜加入到檢測(cè)杯中壓試，采用單通道進(jìn)行測(cè)定樣品光譜，檢測(cè)光譜范圍為12 000 cm-1～4 000 cm-1，掃描次數(shù)為64 次。試驗(yàn)共獲得60 個(gè)原料牛肉和300個(gè)摻假豬肉和300 個(gè)摻假雞肉的近紅外光譜圖，建立紅外光譜庫(kù)。

甜玉米（Zea mays L.）因其營(yíng)養(yǎng)豐富和口感香甜而深受消費(fèi)者喜愛，在鮮食和深加工市場(chǎng)消費(fèi)量均很大，市場(chǎng)前景非常廣闊［1，2］。 要提高甜玉米的效益，在生產(chǎn)中既要提高其產(chǎn)量，更要關(guān)注其品質(zhì)［3］。鉀對(duì)玉米產(chǎn)量和品質(zhì)的影響研究表明，施用鉀肥一定用量?jī)?nèi)可不同程度地提高甜玉米產(chǎn)量［4－7］，可明顯提高甜玉米子?？扇苄蕴呛浚?－10］，也可減輕作物病蟲害的發(fā)生。但中國(guó)現(xiàn)有耕地的有效供鉀能力明顯不足，56%土壤速效鉀含量偏低，南方地區(qū)尤為嚴(yán)重，因此，增施鉀肥已成為實(shí)現(xiàn)甜玉米高產(chǎn)優(yōu)質(zhì)栽培的重要途徑。

表4 不同預(yù)處理方法對(duì)定性鑒別分析模型效果的影響Table 4 Effect of different pretreatment methods on the effect of qualitative discriminant analysis model

圖4 因子化法2D 得分圖Fig.4 2D score figure factorization method

2.5 因子化法定性分析模型的驗(yàn)證

選擇特征波段為 7 432.71 cm-1～6 475.65cm-1、5488.42cm-1～4580.61cm-1和 7 351.92 cm-1～6 824.83 cm-1；5 578.24 cm-1～5 075.21 cm-1，建模方法為因子化法，光譜預(yù)處理方式為二階導(dǎo)數(shù)+矢量歸一化+9 點(diǎn)平滑和一階導(dǎo)數(shù)+矢量歸一化+9 點(diǎn)平滑的條件下對(duì)預(yù)測(cè)樣品進(jìn)行定性鑒別分析，結(jié)果見表5。

表5 定性分析模型鑒別結(jié)果Table 5 Qualitative analysis model

結(jié)果表明，原料肉正確鑒別率為100%，摻假豬肉和雞肉正確鑒別率分別為94%和97%，說明在光譜波數(shù)范圍選擇為 7 432.71 cm-1～6 475.65c m-1、5 488.42 cm-1～4580.61 cm-1和 7 351.92 cm-1～6 824.83 cm-1；5 578.24 cm-1～5 075.21 cm-1進(jìn)行二階導(dǎo)數(shù)+矢量歸一化+9 點(diǎn)平滑和二階導(dǎo)數(shù)+矢量歸一化+9 點(diǎn)平滑的預(yù)處理方式下，因子化法適用于牛肉中摻入豬肉的測(cè)定，能滿足試際檢測(cè)的需求。

3 結(jié)論

本文研究用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法進(jìn)行建立檢測(cè)牛肉的摻假快速、準(zhǔn)確的技術(shù)方法，為牛肉摻假的快速準(zhǔn)確鑒定提供新思路，從而為保證牛肉制品品質(zhì)和安全提供強(qiáng)有力的檢測(cè)手段。試驗(yàn)結(jié)果如下：1）牛肉和加入豬肉的摻假肉定性和定量判別模式建立：歐式距離法或因子化法模型定性檢測(cè)：在選擇特征波段為 7 432.71 cm-1～6 475.65 cm-1、5 488.42 cm-1～4 580.61 cm-1和二階導(dǎo)數(shù)+矢量歸一化+9 點(diǎn)平滑的預(yù)處理方式的條件下，因子化法的判別率為94%；2）牛肉和加入雞肉的摻假肉定性和定量判別模式建立：應(yīng)用歐式距離法或因子化法對(duì)摻假肉定性分析的檢測(cè)：在特征波段為 5 578.24 cm-1～5 075.21 cm-1、7 351.92 cm-1～6 824.83 cm-1和一階導(dǎo)數(shù)+矢量歸一化+9 點(diǎn)平滑的預(yù)處理方式的條件下，因子化法的判別率為97%；表明因子化法可以試現(xiàn)對(duì)牛肉摻假進(jìn)行定性分析鑒定；雖然從理論上證試了近紅外光譜技術(shù)可以適用于牛肉摻假的技術(shù)檢測(cè)，但是仍受很多種因素所限制，如牛肉品種、產(chǎn)地和存放時(shí)間所影響。因此，應(yīng)建立全國(guó)各品種的牛肉校正模型，方便各地區(qū)進(jìn)行直接檢測(cè)。