何鴻舉，朱亞東，王 慧，馬漢軍,2，陳復(fù)生，劉 璽，賈方方，康壯麗，劉 紅，朱明明，趙圣明，王正榮，劉蘇漢

（1.河南科技學(xué)院食品學(xué)院，河南 新鄉(xiāng) 453003；2.河南科技學(xué)院博士后研發(fā)基地，河南 新鄉(xiāng) 453003；3.河南工業(yè)大學(xué)糧油食品學(xué)院，河南 鄭州 450001；4.商丘師范學(xué)院生物與食品學(xué)院，河南 商丘 476000；5.海南師范大學(xué)化學(xué)與化工學(xué)院，海南 ?？?571158；6.河南科技學(xué)院新科學(xué)院，河南 新鄉(xiāng) 453003）

禽類（雞、鴨、鵝）肉制品以其低廉的價格、豐富的蛋白質(zhì)含量、鮮嫩的口感等優(yōu)勢深受廣大消費(fèi)者喜愛[1-2]。近年來，隨著禽類養(yǎng)殖業(yè)的飛速發(fā)展以及人們生活水平的不斷提高，消費(fèi)者對禽類肉制品的要求也從解決溫飽問題轉(zhuǎn)變?yōu)閷η萑馄焚|(zhì)（色澤、口感、營養(yǎng)價值及衛(wèi)生指標(biāo)）能達(dá)到更高的要求[3]。盡管我國肉品產(chǎn)業(yè)發(fā)展迅速，但依然存在以次充好、以假亂真等現(xiàn)象，這些安全問題使得消費(fèi)者對肉制品質(zhì)量有所擔(dān)憂。我國高度重視食品安全問題，不僅制定了肉制品相關(guān)的法律法規(guī)[4]，還鼓勵科研人員積極研發(fā)快速檢測技術(shù)及相應(yīng)設(shè)備，以滿足企業(yè)和市場需求，確保肉制品質(zhì)量。

近紅外光譜（near-infrared spectroscopy，NIRS）技術(shù)，作為一種高效、快速、環(huán)保、無損同時又能進(jìn)行定性和定量分析的綠色技術(shù)，近些年來得到了廣大科研工作者的關(guān)注。研發(fā)應(yīng)用NIRS快速檢測設(shè)備已經(jīng)成為近年的研究熱點(diǎn)之一，尤其是將該技術(shù)應(yīng)用于農(nóng)畜產(chǎn)品貯藏與加工品質(zhì)控制方面[5]。近紅外光是介于可見光和中紅外光之間的電磁波束，其波長范圍在780～2 526 nm之間，有機(jī)物的NIRS吸收主要基于含氫基團(tuán)（主要包括O—H、N—H、S—H等）的伸縮、振動、彎曲所引起的倍頻和合頻吸收。朗伯-比爾吸收定律指出，待測物樣品的光子吸收光譜特性和樣品的化學(xué)組成密切相關(guān)，由于有機(jī)物包含蛋白質(zhì)、脂肪、碳水化合物、有機(jī)酸等含氫化合物，因此通過NIRS吸收圖像可以檢測出待測樣品的主要結(jié)構(gòu)和組成成分，并通過對NIRS圖像分析和數(shù)據(jù)處理可以進(jìn)一步得出待測樣品的具體信息[6]。

目前，NIRS技術(shù)在肉品質(zhì)量中的應(yīng)用研究取得了諸多成果[7]，尤其在禽肉的檢測方面已進(jìn)行了大量的研究。本文主要綜述了NIRS技術(shù)在禽肉品質(zhì)快速檢測方面的最新研究進(jìn)展，主要涉及到禽肉的物理屬性、化學(xué)成分以及微生物污染等方面，并對NIRS技術(shù)在禽肉類品質(zhì)上的應(yīng)用做出展望。

1 NIRS技術(shù)應(yīng)用于雞肉質(zhì)量檢測

1.1 物理特性檢測

1.1.1 色澤

表 1 NIRS技術(shù)檢測雞肉色澤的相關(guān)研究Table 1 Application of NIRS for the detection of chicken color

色澤是感官評定的一項重要指標(biāo)，禽肉的顏色與肌肉中肌紅蛋白、血紅蛋白和細(xì)胞色素的含量有關(guān)[8]。肌肉的顏色特征是消費(fèi)者直接觀察到的肉品特征，色澤的優(yōu)劣會直接影響消費(fèi)者的購買欲。肌肉的色澤通常用色差計測定亮度（L*值）、紅度（a*值）、黃度（b*值）加以評價[9-10]。運(yùn)用NIRS技術(shù)檢測雞肉色澤參數(shù)已有報道。Liu Yongliang等[11]采集144 個雞肉樣品在400～1 850 nm范圍內(nèi)的光譜數(shù)據(jù)，建立色澤參數(shù)的偏最小二乘回歸（partial least squares regression，PLSR）模型，得到L*、a*和b*值校正模型的相關(guān)系數(shù)（Rc2）分別為0.84、0.83和0.78，其中僅L*和b*值的預(yù)測效果較好。經(jīng)多元散射校正（multiplicative scatter correction，MSC）和求導(dǎo)預(yù)處理光譜后，Samuel[12]和de Marchi[13]等建立的PLSR模型預(yù)測雞肉色澤效果反而降低，這可能與預(yù)處理方法有關(guān)。經(jīng)主成分分析（principal component analysis，PCA）預(yù)處理光譜并利用加權(quán)回歸系數(shù)法選取最優(yōu)波長建立PLSR模型[14]，預(yù)測效果和Liu Yonglian等[11]等研究相似。最近的研究中，Yang Yi等[15]采集400～2 500 nm光譜數(shù)據(jù)，利用回歸系數(shù)（regression coefficients，RC）法選取最優(yōu)波長的預(yù)測效果并不理想。這可能與最終波長選擇后，部分重要光譜信息缺失有關(guān)。Jiang Hongzhe等[16]在不同的波段下運(yùn)用相同的最優(yōu)波長提取方法和建模方法得到L*值模型預(yù)測精度較好，但a*、b*值不理想。盡管NIRS技術(shù)預(yù)測雞肉色澤研究存在差異（表1），但因其快速無損大批量檢測優(yōu)勢，未來可繼續(xù)深入研究，可以考慮針對不同的指標(biāo)選擇不同的光譜預(yù)處理方式和模型建立方法，以提高預(yù)測色澤效果。

1.1.2 嫩度

嫩度也是評定雞肉品質(zhì)優(yōu)劣的一個重要指標(biāo)，其影響雞肉的口感和風(fēng)味。雞肉嫩度主要由以下3 個方面影響：蛋白質(zhì)結(jié)構(gòu)特征、肌間脂肪含量以及肌纖維數(shù)量[17]。剪切力常被用于評定肉嫩度的優(yōu)劣[18]，但使用質(zhì)構(gòu)儀測定時需要破壞樣品。熊振杰[8]采集400～1 000 nm范圍內(nèi)可見NIRS圖像，通過對比RC與連續(xù)投影算法（successive projections algorithm，SPA）選出12 個最優(yōu)波長建立PLSR模型預(yù)測雞肉嫩度，但效果不理想。在相同波長范圍內(nèi)，王正偉等[19]采用權(quán)重逐步回歸法篩選最優(yōu)波長建立多元線性回歸模型（multivariate linear regression，MLR）提高了NIRS技術(shù)對雞肉嫩度的預(yù)測效果（RP＝0.94，RMSEP＝1.97 kg）。這說明選擇合適的波長和建模方法可有效提高雞肉嫩度預(yù)測精度。

1.1.3 pH值

pH值直接關(guān)系到肉的嫩度、腐敗程度和新鮮度等相關(guān)指標(biāo)[20]。運(yùn)用NIRS技術(shù)對雞肉的pH值進(jìn)行預(yù)測已有報道。de Marchi等[13]掃描獲取193 個雞肉樣品的NIRS信息（350～1 800 nm），通過吸收光譜值lg（1/R）建立PLSR回歸模型預(yù)測雞肉pH值，但效果并不理想。Jiang Hongzhe等[16]通過運(yùn)用RC法建立預(yù)測pH值的PLSR模型效果也不理想。Barbin等[14]運(yùn)用PCA法分析400～2 500 nm波長信息，采用加權(quán)回歸系數(shù)法選取最優(yōu)波長建立PLSR模型，pH值預(yù)測效果得到提升。Jia Beibei等[21]運(yùn)用競爭性自適應(yīng)重加權(quán)采樣（competitive adaptive reweighed sampling，CARS）建立pH值的PLSR模型，模型精度得到了較大的提升（＝0.94、＝0.73）。這些研究顯示，NIRS技術(shù)具有快速有效測定雞肉pH值的潛力。

1.1.4 系水力

肉的系水力（water holding capacity，WHC）也稱為保水性和系水性，目前多采用滴水損失來反映肉制品的WHC[22-24]。WHC影響肉品的口感、新鮮度以及在加工運(yùn)輸過程中營養(yǎng)汁液的損失，因此WHC的預(yù)測可及時反映肉制品品質(zhì)[9]。沈杰[2]運(yùn)用NIRS預(yù)測雞肉的WHC，但效果不理想。Barbin等[14]運(yùn)用PCA法處理NIRS信息，選取440、558、1 656、1 908 nm等4 個特征波長建立WHC的PLSR模型，預(yù)測效果略有提高，但依然不理想。Yang Yi等[15]的研究依然未能提高預(yù)測效果。這說明NIRS技術(shù)預(yù)測雞肉WHC有待于進(jìn)一步研究。以上研究具體信息見表2。

表 2 NIRS技術(shù)用于雞肉物理特性檢測Table 2 Application of NIRS for the detection of chicken physical indexes

1.2 化學(xué)特性檢測

雞肉中的化學(xué)成分主要有脂肪、蛋白質(zhì)、水分等，這些化學(xué)成分影響著雞肉的新鮮度、口感和品質(zhì)[26-27]。NIRS技術(shù)在肉品化學(xué)組分的分析研究中已經(jīng)有廣泛應(yīng)用，并獲得良好的結(jié)果[28]。Windham等[29]采集獲取850～1 050 nm范圍的雞肉光譜信息，建立預(yù)測脂肪的PLSR模型，RP高達(dá)0.99，預(yù)測效果極好。McDevitt等[30]建立改進(jìn)的PLSR（modified PLSR，MPLSR）模型與劉煒等[31]建立的PLSR模型也均能很好地預(yù)測雞肉中脂肪含量，其他學(xué)者也進(jìn)行了相關(guān)的研究，但結(jié)果并未提高。對于雞肉蛋白質(zhì)的檢測研究，McDevitt等[30]建立的MPLSR模型預(yù)測效果較理想，為0.86，RMSEC為19.40 g/kg。邢素霞等[32]在850～1 050 nm波段建立的區(qū)間PLSR（interval PLSR，iPLSR）模型預(yù)測土雞與肉雞蛋白質(zhì)含量的效果更好。劉煒等[31]采用10 000～4 000 cm－1波段進(jìn)一步提高了雞肉蛋白質(zhì)預(yù)測精度，RP均接近于1.0。肉品中最多的組分是水分，NIRS技術(shù)也最適合在水分含量檢測中應(yīng)用，PLSR模型檢測雞肉水分的精度可高達(dá)0.99[31]。相比之下，雞肉中灰分的檢測效果較差[30]。除了主要的化學(xué)成分檢測研究，王輝等[33-34]建立了兩個波段的雞肉膽固醇PLSR預(yù)測模型，預(yù)測效果可接受，仍需進(jìn)一步提高。Xiong Zhenjie等[35]建立400～1 000 nm波段雞肉中羥脯氨酸（hydroxyproline，HYP）的PLSR預(yù)測模型，其模型精度有待提高。上述研究結(jié)果詳見表3。

表 3 NIRS技術(shù)對雞肉化學(xué)特性檢測Table 3 Application of NIRS for the detection of chicken chemical indexes

1.3 腐敗微生物及新鮮度檢測

雞肉由于水分含量多、營養(yǎng)物質(zhì)豐富[36]，在貯藏過程中極易受到微生物的污染、氧化以及酶的作用等發(fā)生腐敗，從而導(dǎo)致其品質(zhì)下降[37]。其中，微生物污染是引起冷鮮雞肉腐敗變質(zhì)的最主要原因。常規(guī)的微生物檢測方法程序繁瑣、效率低下，許多學(xué)者嘗試?yán)肗IRS技術(shù)實現(xiàn)微生物的快速檢測。Feng Yaoze等[38]采用RC法篩選最優(yōu)波長建立細(xì)菌總數(shù)的PLSR模型，預(yù)測效果良好。Jiang Fachao等[39]也獲得了類似的結(jié)果。Ye Xujun等[40]在400～1 000 nm范圍內(nèi)提取光譜信息建立細(xì)菌總數(shù)與雙波段新鮮度指標(biāo)（rwo band freshness index，TBFI）間的相關(guān)性，結(jié)果并不理想。以細(xì)菌總數(shù)為指標(biāo)，構(gòu)建雞肉新鮮度NIRS預(yù)測模型，其精度與穩(wěn)定性依然有待于研究。

大量研究顯示，腸桿菌屬、假單胞菌屬、熱殺索絲菌、乳酸菌等是導(dǎo)致冷鮮肉發(fā)生腐敗變質(zhì)的優(yōu)勢腐敗菌。這些優(yōu)勢腐敗菌的快速檢測具有重要意義[41]。王名星[37]與陳全勝[42]等在相同的波段（10 000～4 000 cm－1）采集光譜信息建立假單胞菌反向傳播人工神經(jīng)網(wǎng)絡(luò)（back propagating artificial neutral net，BP-ANN）模型，其校正集與預(yù)測集識別率都比較理想。Feng Yaoze等[43]運(yùn)用遺傳算法（genetic algorithm，GA）選取最優(yōu)波長建立假單胞菌預(yù)測模型，精度不理想；但利用PLSR預(yù)測雞肉中腸桿菌效果良好[44]。從這些研究中可以發(fā)現(xiàn)NIRS分析技術(shù)在檢測微生物方面具有巨大潛力。

Grau等[45]運(yùn)用400～1 000 nm的可見NIRS技術(shù)，采集包裝雞肉0、7、14 d的光譜信息，構(gòu)建雞肉新鮮度預(yù)測模型，結(jié)果顯示K1（ATP關(guān)聯(lián)化合物）、揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）含量與新鮮度具有較高的相關(guān)性。Xiong Zhenjie等[46]建立的硫代巴比妥酸反應(yīng)物（thiobarbituric acid reactive substances，TBARS）值（328～1 115 nm）PLSR預(yù)測模型，與Khulal等[47]建立的TVB-N含量的BP-ANN預(yù)測模型，所預(yù)測雞肉新鮮度效果都不太理想，這可能是由于模型預(yù)測性能與TBARS值和TVB-N含量、波長選擇方式以及建模方式等因素有關(guān)。上述研究結(jié)果詳見表4。

表 4 NIRS技術(shù)用于雞肉中微生物及新鮮度指標(biāo)的檢測Table 4 Application of NIRS for the evaluation of microbiota and freshness in chicken

1.4 其他檢測方面

除了以上檢測研究外，NIRS技術(shù)還被用于肉類摻假、添加劑檢測等研究中[48-49]。Rahim等[50]采集780～2 500 nm波段禽肉NIRS信息，用于識別僵硬禽肉和鮮嫩禽肉，僵硬禽肉檢出率為90%，鮮嫩禽肉的檢出率為86%。NIRS技術(shù)也被用于檢測雞肉中農(nóng)藥殘留（四環(huán)素）[51]，但結(jié)果欠佳。孫瀟等[52]通過NIRS信息識別不同產(chǎn)地雞肉，正確率高達(dá)90%～95%，表明NIRS技術(shù)具有用于雞肉產(chǎn)地溯源的可行性。劉功明等[53]運(yùn)用NIRS技術(shù)檢測雞肉加熱終點(diǎn)溫度也取得了良好效果，對肉制品加熱溫度的控制提供了理論依據(jù)。Xiong Zhenjie等[54]利用NIRS信息建立徑向基函數(shù)-支持向量機(jī)（radial basis function-support vector machine，RBF-SVM）模型辨別散養(yǎng)雞與家養(yǎng)雞，辨別率可達(dá)93.33%。Kamruzzaman等[55]在400～1 000 nm波段建立的PLSR預(yù)測模型用于牛肉中摻雞肉的檢測，預(yù)測效果較理想（＝0.97）。上述研究結(jié)果詳見表5。

表 5 NIRS技術(shù)用于雞肉中其他指標(biāo)檢測Table 5 Application of NIRS for detection of other indexes in chicken

2 近紅外技術(shù)應(yīng)用于鴨肉和鵝肉質(zhì)量檢測

除了雞肉的檢測應(yīng)用，NIRS技術(shù)還被用于鴨肉和鵝肉的品質(zhì)檢測。相比之下，基于NIRS技術(shù)檢測鴨、鵝肉的報道較少[56]。目前關(guān)于NIRS技術(shù)檢測鴨肉和鵝肉質(zhì)量的報道主要集中在國內(nèi)研究，趙進(jìn)輝等[57-58]在350～1 800 nm波段建立了鴨肉中谷氨酸含量的BP-ANN模型與鵝肉中彈性的最小二乘支持向量機(jī)模型（least square support vector for regression，LSSVR），預(yù)測效果均較理想。楊勇等[59]應(yīng)用NIRS技術(shù)檢測鵝肉的嫩度，采用平滑處理（5 點(diǎn)移動窗口平滑處理）、一階微分、標(biāo)準(zhǔn)正態(tài)變量變換和MSC等預(yù)處理原始光譜，得出平滑處理-PLSR模型預(yù)測效果最優(yōu)（RP＝0.97）。在已有研究基礎(chǔ)上，楊勇等[60]通過建立NIRS和TVB-N含量之間的定量關(guān)系，探討了PLSR模型預(yù)測鵝肉新鮮度可行性，結(jié)果較理想。而Qiao Lu等[61]以TVB-N含量為指標(biāo)預(yù)測鴨肉新鮮度的結(jié)果不理想。在相同的波段，Qiao Lu等[62]又建立鴨肉色澤參數(shù)和pH值的PLSR預(yù)測模型，結(jié)果顯示色澤的預(yù)測效果好于pH值。楊勇等[60]建立的鵝肉pH值PLSR模型預(yù)測效果也不理想，這可能是因為pH值變化范圍小。在400～2 498 nm波長范圍內(nèi)，Molette等[63]運(yùn)用NIRS對鵝肥肝的化學(xué)組成進(jìn)行預(yù)測，其中鵝肥肝中脂肪和干物質(zhì)的校正模型都比較理想（＝0.81、＝0.91）。在相同的波段內(nèi)，Bazar等[64]比較不同NIRS模式得出最優(yōu)PLSR預(yù)測模型，對鵝血脂成分進(jìn)行分析，其中總脂肪、三酸甘油酯、總膽固醇的模型預(yù)測精度高于對鵝血脂中高密度蛋白膽固醇的模型預(yù)測精度。總之，NIRS技術(shù)檢測鴨、鵝肉的研究相對較少（表6），尤其在生化指標(biāo)方面，未來將有很大的研究空間。

表 6 NIRS技術(shù)對鴨肉與鵝肉指標(biāo)的檢測Table 6 Application of NIRS for quality evaluation in duck and goose meat

3 結(jié) 語

NIRS技術(shù)目前主要用于雞肉的品質(zhì)檢測研究，有少量的研究涉及到鴨肉、鵝肉。從研究結(jié)果可以得出，作為一種快速、無損、高效率的檢測技術(shù)，NIRS技術(shù)在禽肉品質(zhì)檢測研究中潛力巨大，可在禽肉的組分分析、等級鑒別、品種鑒定以及產(chǎn)地溯源等方面發(fā)揮巨大作用，為禽肉及其制品提供安全保障。盡管如此，NIRS技術(shù)應(yīng)用目前依然沒有形成完整的體系和方法，需要加強(qiáng)NIRS技術(shù)與其他技術(shù)相結(jié)合，進(jìn)一步完善改進(jìn)NIRS技術(shù)的應(yīng)用效果，未來可從以下幾個方面著手：1）待測禽肉樣品的篩選及指標(biāo)測量誤差需進(jìn)一步減少；2）模型構(gòu)建方式的選擇和特征波長的選擇仍需大量研究，以最大限度保留信息量大的光譜；3）同一模型在不同光譜設(shè)備之間的轉(zhuǎn)化，增強(qiáng)模型的適用性；4）研發(fā)更加便攜式的NIRS專用設(shè)備；通過大量的數(shù)據(jù)支撐和理論研究，NIRS技術(shù)在禽肉質(zhì)量控制方面將提供強(qiáng)有力的保障。

除了近紅外，中紅外以及遠(yuǎn)紅外波段范圍內(nèi)也存在著大量的食品組分光譜吸收信息，未來研究也可將光譜技術(shù)拓展至中紅外光譜技術(shù)和遠(yuǎn)紅外光譜技術(shù)，利用中紅外以及遠(yuǎn)紅外光譜區(qū)間的信息優(yōu)勢來加強(qiáng)紅外光譜技術(shù)的應(yīng)用性：1）大多數(shù)有機(jī)物和無機(jī)物的基頻吸收帶都出現(xiàn)在中紅外區(qū)，運(yùn)用中紅外光譜區(qū)間的優(yōu)勢，研發(fā)聯(lián)用光譜儀器對相關(guān)化合物的官能團(tuán)進(jìn)行強(qiáng)特征性鑒定；2）運(yùn)用中紅外吸收峰相對敏感的特性結(jié)合NIRS技術(shù)實現(xiàn)對結(jié)構(gòu)類似化合物高精度鑒別；3）中紅外光譜可以對氣體、液體以及固體等樣品進(jìn)行測定，可以開發(fā)多波段光譜，提高光譜儀器的適用廣度；4）運(yùn)用遠(yuǎn)紅外光譜高熱量傳導(dǎo)、熱量傳遞速率高以及無需媒介等優(yōu)勢研發(fā)多適用性紅外光譜設(shè)備，實現(xiàn)檢測、成熟、溫控、殺菌一體化。