范曉云

(蘇州技師學(xué)院，江蘇 蘇州 215009)

醬牛肉憑借獨(dú)特的風(fēng)味和較高的營(yíng)養(yǎng)價(jià)值受到了消費(fèi)者的青睞。然而在利益的驅(qū)使下，市場(chǎng)上出現(xiàn)以豬肉等廉價(jià)肉類、保水性物質(zhì)摻假的醬牛肉，成為制約我國(guó)肉類熟食質(zhì)量發(fā)展的首要因素[1]。因此，亟需開發(fā)一種快速、高效判定醬牛肉成分真實(shí)性的方法來(lái)規(guī)范市場(chǎng)[2]。

由于醬牛肉成分復(fù)雜，摻假肉與其外觀極其相近，傳統(tǒng)的檢測(cè)方法靈敏度較低，所需時(shí)間長(zhǎng)，結(jié)果適用性差，難以準(zhǔn)確識(shí)別[3-6]。近紅外光譜法是近年來(lái)發(fā)展起來(lái)的一種操作簡(jiǎn)便、檢測(cè)速度快的無(wú)損檢測(cè)方法，在食品快檢領(lǐng)域已得到廣泛應(yīng)用，尤其是真?zhèn)舞b別方面[7-10]。但是現(xiàn)有近紅外光譜的研究對(duì)象單一，成分簡(jiǎn)單，未見其用于熟肉類制品的摻假檢測(cè)的報(bào)道。本研究為開發(fā)一種基于近紅外光譜、結(jié)合化學(xué)計(jì)量學(xué)的熟肉成分真實(shí)性檢測(cè)方法，以添加不同含量醬豬肉的摻假醬牛肉和添加不同含量卡拉膠的摻假醬牛肉為實(shí)驗(yàn)材料，采集樣品近紅外光譜信息，紅外圖像經(jīng)預(yù)處理后分析其光譜，建立PLS模型，并對(duì)模型進(jìn)行驗(yàn)證，提出了一種快速、準(zhǔn)確的醬牛肉成分真實(shí)性判定方法。

1 材料與方法

1.1 材料與儀器

醬牛肉和醬豬肉：購(gòu)自江蘇蘇州超市，均為新鮮熟肉，樣品保存于4 ℃冰箱并于3 d內(nèi)食用完；卡拉膠(食品級(jí))。

ISF/28N型傅立葉變換紅外光譜儀 德國(guó)BRUKER 公司；JR05-300型絞肉機(jī) 蘇泊爾生活電器有限公司；01387型電子秤 德國(guó)Plazotta公司。

1.2 樣品制備

為確保模型準(zhǔn)確，將醬牛肉和醬豬肉外表的皮層及凍物去除并且盡量選取內(nèi)部均勻的樣品。首先將醬牛肉和醬豬肉都切成0.5 cm3左右的小塊，然后將肉塊放進(jìn)絞肉機(jī)絞3 min成糜狀，分別得到醬牛肉糜和醬豬肉糜。最后，在醬牛肉糜中摻入預(yù)設(shè)含量的醬豬肉來(lái)制造不同含量的醬豬肉摻假醬牛肉樣品。醬牛肉糜中醬豬肉糜的含量(質(zhì)量比)分別為20%、40%、60%。對(duì)于添加不同含量卡拉膠的摻假醬牛肉，則分別將5%、10%、20%的卡拉膠添加進(jìn)醬牛肉糜。再次使用攪拌機(jī)攪拌2 min使添加物與醬牛肉糜混合均勻。所有樣品均有30個(gè)平行，共210個(gè)樣品(包括純醬牛肉糜)。取(10.00±0.50) g樣品放入5 cm樣品杯中壓實(shí)壓平保存2 h。

1.3 光譜數(shù)據(jù)采集

光譜儀自檢并預(yù)熱后將樣品盒放入指定位置，掃描范圍為10000～4000 cm-1，分辨率為16 cm-1，每個(gè)樣品采集3次，將3次采集數(shù)據(jù)的平均值作為最終光譜數(shù)據(jù)。實(shí)驗(yàn)時(shí)環(huán)境溫度為15～20 ℃，濕度保持穩(wěn)定。

1.4 圖像預(yù)處理

為了減小數(shù)據(jù)容量和降低信噪比，使用Matlab 8.03對(duì)紅外光譜進(jìn)行Savitzky-Golay平滑和標(biāo)準(zhǔn)正態(tài)變量校正預(yù)處理[11,12]。

1.5 模型建立方法

隨機(jī)選取3/5的樣品(即每個(gè)樣品有18個(gè)，共126個(gè))作為訓(xùn)練集，剩余2/5的樣本(即每個(gè)樣品有12個(gè)，共84個(gè))作為預(yù)測(cè)集，用于驗(yàn)證模型性能和統(tǒng)計(jì)正確率。PLS-DA是廣泛應(yīng)用的算法，在本研究中我們也采用PLS對(duì)樣本進(jìn)行建模分析。數(shù)據(jù)處理采用Matlab 8.03 軟件平臺(tái)進(jìn)行分析。

1.6 模型驗(yàn)證與定量分析

將建立好的PLS模型進(jìn)行穩(wěn)定性和準(zhǔn)確性驗(yàn)證。將上述預(yù)測(cè)集的84個(gè)樣品用模型進(jìn)行預(yù)測(cè)，以統(tǒng)計(jì)其正確率?；貧w模型評(píng)價(jià)的指標(biāo)主要為樣本實(shí)際值和預(yù)測(cè)值之間的相關(guān)系數(shù)(R2)、均方根誤差(RMSE)和判別正確率。

2 結(jié)果與分析

2.1 原始紅外光譜

圖1 不同摻假醬牛肉的近紅外光譜圖Fig.1 Near-infrared spectra of different adulterated marinated beef

由圖1可知，在所有樣品的紅外圖譜中，純醬牛肉的吸光度是最高的，可能是在此檢測(cè)條件下，牛肉中所含營(yíng)養(yǎng)物質(zhì)與紅外光譜作用最強(qiáng)烈。但添加醬豬肉或卡拉膠的摻假醬牛肉與純醬牛肉隨波數(shù)的變化趨勢(shì)類似，因?yàn)樾笕忸惖闹?、蛋白質(zhì)中的官能團(tuán)相似；而卡拉膠能與牛肉中的蛋白質(zhì)緊密相連，形成凝膠網(wǎng)絡(luò)，故添加卡拉膠的摻假醬牛肉也與純醬牛肉相似[13]。設(shè)置不同摻假物質(zhì)以及不同含量后，摻假醬牛肉的吸光度略低于純醬牛肉，但吸光度值差距較小，且隨波數(shù)變化相同[14]，總之，摻假醬牛肉與純醬牛肉紅外光譜沒有明顯差別。所以，雖然紅外光譜能在一定程度上識(shí)別摻假醬牛肉，但若僅僅通過(guò)該原始紅外光譜來(lái)準(zhǔn)確指明醬牛肉中醬豬肉或卡拉膠的摻假含量是不可信的[15]。由圖1還可知，紅外光譜吸光度值與摻假物質(zhì)、摻假含量之間有一定的相關(guān)性。吸光度高低順序?yàn)椋杭冡u牛肉>添加醬豬肉的醬牛肉>添加卡拉膠的醬牛肉，且摻假含量越高，吸光度越高。這顯示出紅外光譜圖像在摻假檢測(cè)應(yīng)用中的潛力。

2.2 PLS模型建立方法

紅外圖譜經(jīng)過(guò)預(yù)處理后，建立PLS模型，在建立過(guò)程中，主因子數(shù)目會(huì)影響模型的穩(wěn)定性和準(zhǔn)確度，故有必要對(duì)主因子數(shù)目進(jìn)行比較，以交互驗(yàn)證均方根誤差值(RMSECV)作為指標(biāo)。RMSECV值最低的主因子數(shù)模型是最佳PLS模型。添加醬豬肉或卡拉膠的摻假醬牛肉的RMSECV與主因子數(shù)的關(guān)系見圖2。

由圖2可知，隨著主因子數(shù)的增加(0～15)，RMSECV先減小后增大最后平穩(wěn)。在主因子數(shù)為6時(shí)，添加醬豬肉或卡拉膠的摻假醬牛肉PLS模型RMSECV值均為最小，分別為3.7和4，故在此條件下，PLS模型是最佳的，找到合適的主因子數(shù)有利于提高PLS模型的準(zhǔn)確性，同時(shí)減少多余變量和信息的干擾。

圖2 校正集紅外光譜PLS模型交互驗(yàn)證RMSECV隨主因子數(shù)的變化情況Fig.2 Interactive verification of RMSECV with the number of main factors by PLS model of calibration set infrared spectrum

添加醬豬肉、卡拉膠的摻假醬牛肉校正集和預(yù)測(cè)集的真實(shí)摻假含量和預(yù)測(cè)摻假含量分別見圖3和圖4。

圖3 校正集(a)和預(yù)測(cè)集(b)樣本(摻假醬豬肉)中模型的預(yù)測(cè)值與實(shí)測(cè)值之間的散點(diǎn)圖Fig.3 Scatter diagrams between predicted value and measured value of model in correction set (a) and prediction set (b) samples (mixed with adulterated marinated pork)

圖4 校正集(a)和預(yù)測(cè)集(b)樣本(摻假卡拉膠)中模型的預(yù)測(cè)值與實(shí)測(cè)值之間的散點(diǎn)圖Fig.4 Scatter diagrams between predicted value and measured value of model in correction set (a) and prediction set (b) samples (mixed with adulterated carrageenan)

由圖3(a)可知，摻有醬豬肉的醬牛肉校正集模型的真實(shí)值與預(yù)測(cè)值的相關(guān)系數(shù)為0.99，R2為0.9834，而預(yù)測(cè)集模型的真實(shí)值與預(yù)測(cè)值的相關(guān)系數(shù)為1.01，R2為0.9679，二者值均較高，說(shuō)明模型的準(zhǔn)確度較高[16]。由圖4(a)可知，摻有卡拉膠的醬牛肉校正集模型的真實(shí)值與預(yù)測(cè)值的相關(guān)系數(shù)為0.98，R2為0.9586，而預(yù)測(cè)集模型的真實(shí)值與預(yù)測(cè)值的相關(guān)系數(shù)為0.98，R2為0.9578，低于圖3中的值，說(shuō)明PLS模型準(zhǔn)確度低于摻有醬豬肉的醬牛肉。但是總體來(lái)看，相關(guān)系數(shù)和R2值都比較高，接近1，均具有較好的適用性，能夠應(yīng)用于實(shí)際預(yù)測(cè)。

2.3 PLS模型驗(yàn)證與定量分析

為再次驗(yàn)證上述PLS預(yù)測(cè)集模型的準(zhǔn)確性和適用性，應(yīng)用該模型對(duì)摻有不同含量醬豬肉或卡拉膠的醬牛肉進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見表1。

表1 預(yù)測(cè)集樣品的預(yù)測(cè)結(jié)果Table 1 Prediction results of prediction set samples %

由表1可知，對(duì)于摻有醬豬肉的模型，預(yù)測(cè)誤差相對(duì)值均在6.0%以內(nèi)，判別正確率在97.2%～98.3%之間；對(duì)于摻有卡拉膠的模型，預(yù)測(cè)誤差相對(duì)值均在8.0%以內(nèi)，判別正確率在95.8%～96.9%之間，整體呈現(xiàn)摻假含量越高，誤差越小，正確率越高的趨勢(shì)。與2.2部分結(jié)果相一致，摻有醬豬肉的PLS模型好于摻有卡拉膠的，最低能達(dá)到3.8%。7組樣品預(yù)測(cè)結(jié)果表明，PLS模型能夠很好地判別樣品是否為真實(shí)醬牛肉，具有較高的穩(wěn)定性，比較可靠[17]。

3 結(jié)論

本研究對(duì)比分析了摻有不同含量醬豬肉、卡拉膠的醬牛肉的近紅外光譜特征。經(jīng)圖像預(yù)處理后，選取了最佳的PLS主因子數(shù)，建立了PLS分析模型，進(jìn)行醬牛肉摻假含量預(yù)測(cè)。研究結(jié)果表明，PLS模型具有較好的識(shí)別能力，對(duì)于摻有醬豬肉的醬牛肉，模型預(yù)測(cè)集R2可達(dá)0.9679，對(duì)預(yù)測(cè)模型進(jìn)行驗(yàn)證，各摻假含量相對(duì)誤差均低于6.0%，判別正確率可高達(dá)98.3%；對(duì)于摻有卡拉膠的醬牛肉，模型預(yù)測(cè)集R2可達(dá)0.9578，對(duì)預(yù)測(cè)模型進(jìn)行驗(yàn)證，各摻假含量相對(duì)誤差均在8.0%內(nèi)，判別正確率可高達(dá)96.9%。由此可見，可以利用紅外光譜結(jié)合化學(xué)計(jì)量學(xué)的方法來(lái)進(jìn)行醬牛肉的成分真實(shí)性分析，該方法為醬牛肉的摻假研究提供了新思路，有助于提高肉制品的質(zhì)量安全水平。