何鴻舉 - 王 魏 李 波 王玉玲 - 朱亞東 - 蔣圣啟 - 馬漢軍 -n， 陳復(fù)生CN -

(1. 河南科技學(xué)院食品學(xué)院，河南 新鄉(xiāng) 453003；2. 河南工業(yè)大學(xué)糧油食品學(xué)院，河南 鄭州 450001；3. 河南科技學(xué)院生命科技學(xué)院，河南 新鄉(xiāng) 453003)

隨著生活水平的提高和食品安全意識(shí)的增強(qiáng)，人們更加關(guān)注肉品的新鮮、營養(yǎng)和安全。冷鮮豬肉汁液流失少、肉嫩味美、安全衛(wèi)生、便于切分等優(yōu)點(diǎn)贏得消費(fèi)者的認(rèn)可，在日常飲食結(jié)構(gòu)中有著重要地位。但豬肉脂肪含量較高，若在貯藏過程中發(fā)生脂質(zhì)氧化會(huì)引起豬肉變味、變色、營養(yǎng)成分破壞，并且會(huì)產(chǎn)生大量自由基、過氧化物、有害醛酮等有毒化合物[1]。脂質(zhì)氧化的程度與脂類不飽和程度密切相關(guān)，常通過2-硫代巴比妥酸(TBA)值間接判斷[2]。脂質(zhì)氧化程度是衡量肉類品質(zhì)優(yōu)劣的重要指標(biāo)，故對(duì)脂質(zhì)的氧化程度進(jìn)行定量檢測(cè)可為肉的品質(zhì)、貨架期提供重要的評(píng)價(jià)依據(jù)。

高光譜是近年來發(fā)展起來的一種新型無損分析檢測(cè)技術(shù)，具有信息量大、檢測(cè)速度快、同時(shí)多組分檢測(cè)、能夠反映樣品的綜合信息等特點(diǎn)。該方法不需要化學(xué)試劑，對(duì)樣品無接觸，對(duì)環(huán)境無污染[3-4]。與化學(xué)分析方法相比，高光譜技術(shù)集光譜測(cè)量技術(shù)、計(jì)算機(jī)技術(shù)、化學(xué)計(jì)量學(xué)技術(shù)和基礎(chǔ)測(cè)試技術(shù)于一體，利用光譜的吸收、反射和散射效應(yīng)，與化學(xué)計(jì)量學(xué)方法相結(jié)合，實(shí)現(xiàn)待測(cè)指標(biāo)的快速、無損及定量分析，是現(xiàn)場(chǎng)快速篩查和加工過程實(shí)時(shí)檢測(cè)的理想手段[5]。目前，高光譜技術(shù)在預(yù)測(cè)肉品TBA值的檢測(cè)方面已有報(bào)道，如Xiong等[6]采用連續(xù)投影算法(SPA)篩選最優(yōu)波長(zhǎng)后構(gòu)建雞肉TBA的偏最小二乘回歸(PLSR)預(yù)測(cè)模型，預(yù)測(cè)集相關(guān)系數(shù)為0.801，預(yù)測(cè)集均方根誤差為0.157；采用同樣的最優(yōu)波長(zhǎng)篩選方法，Wu等[7]構(gòu)建豬肉TBA的PLSR預(yù)測(cè)模型，預(yù)測(cè)集相關(guān)系數(shù)為0.81，預(yù)測(cè)集均方根誤差為0.33。鑒于高光譜技術(shù)的優(yōu)勢(shì)及巨大潛力，試驗(yàn)嘗試挖掘900～1700 nm波段的高光譜信息，構(gòu)建預(yù)測(cè)模型實(shí)現(xiàn)快速檢測(cè)不同貯藏期冷鮮豬肉TBA值的可行性，旨在為在線、快速、無接觸評(píng)估豬肉氧化程度提供理論支撐和數(shù)據(jù)參考。

1 材料與方法

1.1 原材料與主要設(shè)備

冷鮮豬肉(里脊)：河南新鄉(xiāng)高金食品有限公司；

2-硫代巴比妥酸：分析純，上海安妍生物有限公司；

三氯乙酸：分析純，上海山浦化工有限公司；

高光譜成像系統(tǒng)：HSI-eNIR-XC130型，臺(tái)灣五鈴光電科技有限公司；

可見分光光度計(jì)：722N型，上海青華科技儀器有限公司；

拍打式均質(zhì)機(jī)：NAI-JZQ型，上海那艾精密儀器有限公司。

1.2 試驗(yàn)方法

1.2.1 樣品的預(yù)處理 在超凈工作臺(tái)上經(jīng)去皮、剔筋、除膜、修整后，輔助鋼尺人工測(cè)量將里脊進(jìn)行切塊處理成尺寸大小為3.0 cm×3.0 cm×1.0 cm的立方體肉塊[8]，經(jīng)多次取樣最終獲得260個(gè)試驗(yàn)樣品，用于豬肉的TBA參考值測(cè)定。將得到的試驗(yàn)樣品整齊有序地?cái)[放在一次性帶蓋保鮮盒中編號(hào)、標(biāo)記，置于0 ～ 4 ℃冰箱中連續(xù)貯藏2周。

1.2.2 高光譜信息采集 每次試驗(yàn)開始前，從冰箱中隨機(jī)取出18個(gè)樣品，室溫下放置約30 min，同時(shí)將高光譜成像系統(tǒng)打開預(yù)熱約30 min，待其穩(wěn)定之后進(jìn)行樣品的光譜信息的采集，設(shè)置系統(tǒng)參數(shù)為：曝光時(shí)間4.65 ms，掃描速度6.54 mm/s。檢測(cè)波長(zhǎng)范圍為900～1 700 nm，樣品掃描5次獲得豬肉樣品的高光譜圖像。該圖像反映的是光強(qiáng)度圖像，需轉(zhuǎn)化成反射圖像，校正方法如式(1)所示。

(1)

式中：

IC——校正后的反射光譜圖像；

IR——原始高光譜圖像；

IB——黑板圖像(反射率約為0%)；

IW——白板圖像(反射率約為99.9%)。

1.2.3 TBA值測(cè)定 根據(jù)文獻(xiàn)[6]。

1.2.4 光譜提取及預(yù)處理 確定樣品圖像中感興趣區(qū)域(Range of interests，ROI)，并提取ROI中的平均光譜作為該樣品的光譜值[9]。同時(shí)，對(duì)原始光譜信息進(jìn)行預(yù)處理，以提高模型預(yù)測(cè)精度和穩(wěn)定性[10]。試驗(yàn)使用移動(dòng)平均值平滑(MAS)、高斯濾波平滑(GFS)、S-G卷積平滑(SGCS)、中值濾波平滑(MFS)、多元散射校正(MSC)、標(biāo)準(zhǔn)正態(tài)變量校正(SNV)、基線校正(BC) 7種方法對(duì)原始光譜進(jìn)行預(yù)處理。MAS選取點(diǎn)進(jìn)行平均，去除數(shù)據(jù)變化劇烈的點(diǎn)以實(shí)現(xiàn)譜線平滑[11]。GFS適用于消除高斯噪聲，對(duì)于抑制服從正態(tài)分布的噪聲非常有效，可以除去密集噪聲點(diǎn)對(duì)光譜信息的影響[12]。SGCS可以有效消除基線漂移、傾斜等噪聲，提高光譜信噪比[1]。MFS在圖像處理中常用于保護(hù)邊緣信息，是經(jīng)典的平滑噪聲的方法[13]。MSC通過縮小漫反射造成的數(shù)據(jù)差異增強(qiáng)與有效成分相對(duì)應(yīng)的光譜信息[14]。SNV主要通過消除樣品表面分布不均勻、顆粒散射和光程變化而產(chǎn)生的光散射影響[15]。BC可有效估計(jì)基線因?yàn)橄到y(tǒng)內(nèi)外部的影響而產(chǎn)生的波動(dòng)，抑制基線漂移的現(xiàn)象，并改善信號(hào)質(zhì)量[16]。

1.2.5 模型的構(gòu)建及評(píng)價(jià) PLSR常被用于光譜信息挖掘，適用于多因變量對(duì)多自變量的線性回歸建模，特別適用于自變量存在多重相關(guān)性和樣本點(diǎn)數(shù)少于變量個(gè)數(shù)時(shí)的回歸建模[17]。試驗(yàn)中以豬肉TBA參考值為因變量，以波長(zhǎng)為自變量，基于PLSR建立豬肉脂質(zhì)氧化程度的預(yù)測(cè)模型。

試驗(yàn)構(gòu)建的PLSR模型性能主要通過校正集參數(shù)和預(yù)測(cè)集參數(shù)進(jìn)行評(píng)估，具體包括：校正集相關(guān)系數(shù)(RC)、校正集均方根誤差(Root mean square error of calibration，RMSEC)、預(yù)測(cè)集相關(guān)系數(shù)(RP)、預(yù)測(cè)集均方根誤差(Root mean square error of prediction，RMSEP)[18-19]。RC和RP越接近于1，RMSEC和RMSEP越接近于0，RMSEC和RMSEP之間的絕對(duì)值越接近于0，模型精度越高、穩(wěn)定性越好，相反，模型精度較差，說明存在較多干擾因素[20]。

1.2.6 最優(yōu)波長(zhǎng)的選擇與模型優(yōu)化 試驗(yàn)獲取的全波段光譜(900～1 700 nm)中包含486個(gè)波長(zhǎng)，數(shù)據(jù)量大、冗余信息多、運(yùn)算效率低，需篩選最優(yōu)波長(zhǎng)，以提高模型運(yùn)算效率[21]。試驗(yàn)選用回歸系數(shù)法(Regression coefficients，RC)，逐步回歸法(Stepwise)和連續(xù)投影算法(Successive projections algorithm，SPA)選取最優(yōu)波長(zhǎng)。其中RC法是在高光譜領(lǐng)域應(yīng)用最為廣泛的一種特征波長(zhǎng)提取方法，來源于PLSR建模過程。Stepwise法是一種多元線性回歸模型選擇最優(yōu)波長(zhǎng)的常用數(shù)學(xué)方法，以對(duì)顯著水平貢獻(xiàn)最大的自變量所對(duì)應(yīng)的回歸方程為基礎(chǔ)，再逐步引入其余自變量，剔除不顯著的變量。經(jīng)過逐步回歸，使得最后保留在模型中的自變量既是重要的，又沒有嚴(yán)重多重共線性[22]。SPA法通過前向變量選擇算法使矢量空間共線性最小化，消除原始光譜矩陣中冗余的信息，常用于光譜特征波長(zhǎng)的選擇[7]。經(jīng)以上3種方法篩選出最優(yōu)波長(zhǎng)后，以最優(yōu)波長(zhǎng)作為輸入變量，建立優(yōu)化模型，模型性能依然以R和RMSE評(píng)價(jià)。

1.3 數(shù)據(jù)處理

RC法篩選最優(yōu)波長(zhǎng)和PLSR模型構(gòu)建使用軟件Unscrambler v9.7(挪威CAMO公司)完成，Stepwise法和SPA法篩選最優(yōu)波長(zhǎng)則使用軟件Matlab 2016a(美國Matlab公司)完成。

2 結(jié)果與分析

2.1 樣品的TBA參考值

試驗(yàn)樣品按照He等[23]方法進(jìn)行校正集和預(yù)測(cè)集劃分，將TBA參考值從小到大依次排序，從連續(xù)的4個(gè)樣品中隨機(jī)選取一個(gè)劃入預(yù)測(cè)集共計(jì)65個(gè)，其余的樣品劃入校正集共計(jì)195個(gè)。試驗(yàn)樣品在0～4 ℃條件下連續(xù)貯藏14 d，測(cè)得的260個(gè)樣品TBA參考值結(jié)果如表1所示。

表1 校正集和預(yù)測(cè)集TBA值測(cè)量結(jié)果統(tǒng)計(jì)

2.2 樣品的光譜特征

所有試驗(yàn)豬肉樣品的光譜特征如圖1所示。盡管這些試驗(yàn)樣品的近紅外光譜曲線高低位置不同，但總體趨勢(shì)一致，這主要源于豬肉在不同貯藏期的化學(xué)組分含量發(fā)生了變化[24]。在近紅外波段，O—H、N—H和C—H等基團(tuán)發(fā)生伸縮、振動(dòng)、彎曲等會(huì)導(dǎo)致出現(xiàn)吸收峰，圖1中顯示，在980 nm和 1 200 nm處出現(xiàn)明顯的吸收峰，這主要分別源于豬肉化學(xué)組分中O—H的吸收和C—H的吸收所致[25-26]。因豬肉水分含量太高(約為75%)，其他基團(tuán)的近紅外吸收被水分吸收所掩蓋。盡管如此，可通過化學(xué)計(jì)量法挖掘光譜信息，揭示TBA參考值和近紅外光譜信息之間的相關(guān)性。

圖1 用于TBA測(cè)量的豬肉樣品平均光譜

2.3 基于全波段光譜預(yù)測(cè)TBA值

為進(jìn)一步挖掘TBA值與光譜信息之間的相關(guān)性，試驗(yàn)采用7種不同的預(yù)處理方法，基于全波段光譜構(gòu)建F-PLSR 模型，結(jié)果如表2所示。

由表2可知，原始光譜(RAW)經(jīng)7種預(yù)處理后構(gòu)建的PLSR模型(RAW-PLSR、GFS-PLSR、MAS-PLSR、SGCS-PLSR、MFS-PLSR、MSC-PLSR、SNV-PLSR、BC-PLSR)預(yù)測(cè)效果略有不同。其中，經(jīng)GFS光譜構(gòu)建的GFS-PLSR模型預(yù)測(cè)豬肉TBA值效果最好。相關(guān)系數(shù)最高(RC=0.941，Rp=0.919)，均方根誤差最小(RMSEC=0.029 mg/100 g，RMSEP=0.036 mg/100 g)。此外，F(xiàn)-PLSR模型的ΔE為0.007。說明構(gòu)建的F-PLSR模型具有良好的魯棒性。模型相關(guān)系數(shù)較高，說明豬肉TBA參考值和近紅外光譜信息之間相關(guān)性很好。因此，后續(xù)波長(zhǎng)篩選及模型優(yōu)化僅采用GFS光譜。

表2 PLSR模型預(yù)測(cè)豬肉TBA值結(jié)果?

2.4 最優(yōu)波長(zhǎng)的提取

試驗(yàn)使用3種方法提取最優(yōu)波長(zhǎng)，結(jié)果如表3所示。全波段486個(gè)波長(zhǎng)經(jīng)篩選后，最優(yōu)波長(zhǎng)的數(shù)量減少到3～29個(gè)，光譜波長(zhǎng)減少量為94%～99%。

表3 3種不同方法篩選最優(yōu)波長(zhǎng)結(jié)果比較

2.5 基于最優(yōu)波長(zhǎng)預(yù)測(cè)TBA值

篩選出最優(yōu)波長(zhǎng)后，將其作為輸入變量，構(gòu)建基于最優(yōu)波長(zhǎng)的PLSR模型，結(jié)果見表4。與GFS-PLSR相比，使用RC法構(gòu)建的RC-GFS-PLSR模型預(yù)測(cè)效果最好，相關(guān)系數(shù)分別為RC=0.941、RCV=0.920、RP=0.924，且ΔE=0.004較低。此外，試驗(yàn)構(gòu)建的RC-GFS-PLSR模型預(yù)測(cè)豬肉TBA值的精度高于Wu等[7]在870～1 734 nm波段構(gòu)建的O-PLSR模型(RC=0.85，RMSEC=0.47 mg/100 g)。說明選擇合適的預(yù)處理(GFS)和最優(yōu)波長(zhǎng)的篩選方法(RC)，可提高模型精度和穩(wěn)定性。

表4 GFS-PLSR預(yù)測(cè)豬肉的TBA值

3 結(jié)論

通過900～1 700 nm波段的高光譜信息結(jié)合不同的預(yù)處理和最優(yōu)波長(zhǎng)提取方法構(gòu)建豬肉2-硫代巴比妥酸值的預(yù)測(cè)模型，探究豬肉脂質(zhì)氧化程度的快速無接觸評(píng)估。經(jīng)高斯濾波平滑(GFS)預(yù)處理光譜構(gòu)建的全波段GFS-PLSR模型預(yù)測(cè)豬肉2-硫代巴比妥酸值效果較好；使用回歸系數(shù)法(RC)從高斯濾波平滑光譜中篩選出29個(gè)最優(yōu)波長(zhǎng)構(gòu)建的RC-GFS-PLSR模型預(yù)測(cè)豬肉2-硫代巴比妥酸值效果較好(RP=0.924，RMSEP=0.034 mg/100 g)，且略高于GFS-PLSR模型精度。試驗(yàn)表明近紅外高光譜技術(shù)結(jié)合偏最小二乘回歸(PLSR)模型可實(shí)現(xiàn)對(duì)冷鮮豬肉的脂質(zhì)氧化程度的無損快速評(píng)估。