程麗娟，劉貴珊*，何建國，萬國玲，馬 超，班晶晶，馬麗敏，楊國華，袁瑞瑞

1. 寧夏大學(xué)農(nóng)學(xué)院食品系，寧夏 銀川 750021 2. 寧夏大學(xué)物理與電子電氣工程學(xué)院，寧夏 銀川 750021

引 言

灘羊為寧夏優(yōu)勢特色畜種，其肉質(zhì)一直是研究熱點。 色澤是羊肉品質(zhì)最重要的屬性之一，MetMb在肉中所占比例直接影響色澤，MetMb含量的增加將導(dǎo)致肉色變暗。 目前，肌紅蛋白傳統(tǒng)檢測方法包括質(zhì)譜法、色譜法、電化學(xué)法和X射線等[1-4]。 這些方法需要高度專業(yè)化的設(shè)備以及存在耗時費力、破壞性大等問題[5]。 高光譜成像具有突出的特征識別能力，可以同時獲得待測物品的光譜信息和二維空間信息，形成三維數(shù)據(jù)立方體，實現(xiàn)對物品特性的探測與識別。 近幾年，高光譜對肉類的研究主要集中在： 內(nèi)部成分、表面特性以及摻假等方面[6-12]。 但是尚未有文獻報道此技術(shù)對肉中MetMb的研究。

以寧夏灘羊肉為研究對象，探究高光譜成像快速無損檢測灘羊肉中MetMb含量的可行性以及開發(fā)灘羊肉中MetMb含量的定量函數(shù)，為快速測定灘羊肉中MetMb的含量提供參考。

1 實驗部分

1.1 材料與試劑

樣品來自寧夏鹽池鑫海牧場，選取灘羊背最長肌作為測試部位，將屠宰后的灘羊在24 h內(nèi)運輸?shù)綄嶒炇?，密封袋包裝，4 ℃貯藏。 每3 d測試一次(貯藏期1, 4, 7, 10, 13, 16, 19, 22, 25和28 d各測一測，共計10次)。 圖像采集之前，用紙巾擦拭待測樣本表面的水分。

1.2 儀器

VIS/NIR高光譜成像系統(tǒng)由CCD攝像機(配備距離樣品表面385 mm的鏡頭)、成像光譜儀、線性電控位移平臺、計算機、光源系統(tǒng)構(gòu)成。 具體介紹參閱文獻[13]。

獲取圖像時將樣本放置在黑色背景上使樣品和背景之間有良好的對比度。 暗電流的存在使相機記錄了一些無用信息。 因此，在捕獲圖像之前須進行校正，校正公式如式(1)所示

(1)

式(1)中，R是校準(zhǔn)后的高光譜圖像，R0是灘羊原始高光譜圖像，D是幾乎沒有反射的暗參考圖像(反射率約0%)，W是幾乎全反射的白色參考圖像(反射率約100%)。

光譜掃描的最佳參數(shù)通過預(yù)實驗確定。 CCD相機曝光時間： 20 ms； 物鏡高度： 385 mm； 線掃描長度： 70 mm； 電控位移平臺速度： 200 μm·s-1。

1.3 分光光度計測定MetMb含量

首先，制備磷酸鹽緩沖液(0.04 mol·L-1，pH 6.8)和待測肉樣(5 g)，樣品加入到25 mL緩沖液中，混合均勻； 其次，在室內(nèi)使用均化器(10 000 r·min-1)均質(zhì)25 s后得到的溶液在冰箱中儲存1 h，隨后離心15 min(4 ℃，6 000 g)，過濾上清液； 最后，在525，545，565和572 nm處讀取濾液的吸光度，磷酸鹽緩沖液作空白。 MetMb所占的比例通過式(2)計算

[MetMb](%)=(-2.514R1+0.777R2+

0.800R3+1.098)×100

(2)

式(2)中：R1，R2和R3分別是A572 nm/A525 nm，A565 nm/A525 nm和A545 nm/A525 nm的吸光度比。

2 結(jié)果與討論

2.1 MetMb化學(xué)值

灘羊肉樣本按照3∶1的比例劃分，灘羊肉中MetMb相對含量(%)的參考值如表1所示，MetMb具有寬范圍(12.325～56.087)，可以建立相對穩(wěn)健的預(yù)測模型。

表1 高鐵肌紅蛋白含量的化學(xué)參考值

2.2 光譜曲線的提取

選取整個灘羊肉樣本光譜圖像作為感興趣區(qū)域。 圖1(a)為原始反射光譜圖，明顯看出，430，560，595，780和970 nm為主要吸收帶。 430 nm附近稱為Soret吸收帶，因為存在呼吸性色素血紅蛋白[14]； 540和595 nm處的吸收帶主要是脫氧肌紅蛋白或氧合肌紅蛋白[15]； 980和780 nm有兩個微小的吸收帶，分別對應(yīng)于水產(chǎn)生的O—H鍵的第二和第三泛音[16]。

2.3 光譜曲線預(yù)處理

2.4 特征波長的選擇

2.4.1 iVISSA算法選取特征波長

iVISSA利用變量的全局和局部搜索程序，以準(zhǔn)確地區(qū)分特征波長的最佳位置、寬度和組合。 使用iVISSA算法選取特征波長時，設(shè)置5折交互驗證，采樣次數(shù)為1 000，共選擇了45個特征波長，占到總波長的36%。

2.4.2 SPA算法選取特征波長

SPA算法選取特征波長時，變量范圍設(shè)置為10～35，如圖2所示，共選出14個特征變量，特征變量數(shù)占到總波長數(shù)的11.2%。

圖1 反射光譜

表2 不同預(yù)處理方法下高鐵肌紅蛋白含量的PLSR模型Table 2 PLSR mothod of MetMb content based on different pretreatment

圖2 SPA算法選擇的特征波長

圖3 組合間隔的RMSECV值

2.4.3 IRF選取特征波長

運行IRF程序，前10個區(qū)間選出的波點范圍是17～42，82～100，然而組合間隔數(shù)的RMSECV值(圖3)最低時，組合間隔數(shù)為11，因此，排名前11間隔的波長被選作為特征波長，這些波長依次是14～42，82～100號，總共48個波長, 占總波長的38.4%。

2.4.4 VCPA算法選取特征波長

VCPA可以有效地消除無信息變量，并同時根據(jù)單個光譜預(yù)測一些屬性。 使用VCPA算法選取特征波長時，共選擇了13個特征波長，占到總波長的10.4%。

2.4.5 CARS算法選取特征波長

使用CARS算法篩選特征變量數(shù)的過程如圖4所示。 圖4(a)為變量數(shù)隨采樣次數(shù)的變化過程，采樣變量的變化分為兩部分，即第一階段快速減少(粗選)而第二階段非常緩慢(精選)； 圖4(b)為5折交互驗證的RMSECV值隨采樣次數(shù)的變化趨勢，起初，采樣數(shù)緩慢下降，說明無信息變量被消除，然后，RMSECV增加，應(yīng)該歸因于損失了一些關(guān)鍵變量。 圖4(c)為回歸系數(shù)的變化過程，最佳變量子集對應(yīng)于最小的RMSECV值，其位置由垂直星號線標(biāo)記。 由線(標(biāo)記為L1，L2，L3，L4，L5)表示的RMSECV值上升得更高時，變量(標(biāo)記為P1，P2，P3，P4，P5)被消除為零，因為一些關(guān)鍵波長被移除。 用此方法共選取了16個特征變量，占總波長的12.8%。

圖4 CARS算法選取波長變量過程

2.5 建立模型

2.6 定量函數(shù)的開發(fā)

表3 不同波長提取方法建立的的PLSR模型的結(jié)果

圖5 測量的MetMb含量與預(yù)測含量的關(guān)系

3 結(jié) 論

以寧夏灘羊肉為研究對象，采集樣本光譜圖像，利用分光光度計測量樣本的MetMb含量，建立PLSR模型，高光譜成像可以實現(xiàn)灘羊中MetMb含量的預(yù)測。 結(jié)論如下：