鄭素羅 王潤博

1.河南御江食品股份有限公司 河南漯河 462300 2.河南工業(yè)大學(xué)漯河工學(xué)院 河南漯河 462300

隨著生活水平的不斷提高，人們對(duì)各種肉及其制品的需求量越來越大，對(duì)肉品在安全性和營養(yǎng)性上的要求也越來越高。而市場(chǎng)上存在肉類摻假現(xiàn)象[1]，并且臘肉[2]、香腸[3，4]、肉松[5]、臘腸[6]等肉制品分級(jí)混亂，缺乏快速無損檢測(cè)方式。所以，肉品的實(shí)時(shí)檢測(cè)技術(shù)方法亟需研究。

現(xiàn)階段，肉品檢測(cè)技術(shù)有：酶聯(lián)免疫檢測(cè)、熒光PCR定量檢測(cè)、電子鼻分析檢測(cè)、近紅外特征光譜技術(shù)、高光譜成像技術(shù)以及核磁共振技術(shù)等[7]。其中，高光譜儀器具有分辨率高、檢測(cè)速度快、無破壞等特點(diǎn)，融合了樣本圖像信息和光譜信息，可在較大波段范圍內(nèi)采集得到樣本每個(gè)波長下的圖像數(shù)據(jù)，樣本各成分在某一波長處有獨(dú)特的官能團(tuán)屬性，高光譜圖像中每個(gè)點(diǎn)處的光譜信息可以表征該點(diǎn)的成分構(gòu)成，每個(gè)波長下的圖像信息可以表征物體內(nèi)外的空間性狀[8]。所以，高光譜圖像技術(shù)能夠通過檢測(cè)肉品嫩度、色澤、纖維結(jié)構(gòu)、各種營養(yǎng)成分或有毒有害成分含量等，滿足人們對(duì)肉品安全指標(biāo)高效和高精確度檢測(cè)，實(shí)現(xiàn)肉品內(nèi)外質(zhì)量分析[9，11]和可視化表達(dá)[12，13]。該技術(shù)較為廣泛運(yùn)用在各種肉品的快速、無損、在線檢測(cè)[14～17]，并逐步實(shí)用化[18]。

1 高光譜成像技術(shù)

1.1 高光譜成像原理與圖像采集

高光譜成像系統(tǒng)主要由光纖鹵素?zé)?、高分辨率攝像機(jī)、電荷耦合探測(cè)器、計(jì)算機(jī)軟件平臺(tái)、傳送裝置組成(圖1)。為獲得理想?yún)^(qū)域，根據(jù)樣本大小及形狀不同，在計(jì)算機(jī)軟件采集平臺(tái)上設(shè)定合適的高光譜掃描范圍Width和Height。每幅高光譜圖像的行數(shù)為Height，每行的像素點(diǎn)為Width個(gè)，故每個(gè)波長下高光譜圖像分辨率為Width×Height。采集樣本高光譜數(shù)據(jù)時(shí)，高分辨率攝像機(jī)的線陣探測(cè)器在傳送帶前進(jìn)方向的垂直方向做橫向掃描，得到每個(gè)像素點(diǎn)在所有波長處的數(shù)據(jù)信息。同時(shí)隨著輸送帶的前進(jìn)，完成所設(shè)定區(qū)域數(shù)據(jù)的采集。最終，原始高光譜圖像信息可表示為Width×Height×λ的三維矩陣(λ是高光譜儀器的總波段數(shù))。

圖1 高光譜圖像采集系統(tǒng)

1.2 高光譜圖像的定性定量分析

高光譜技術(shù)在肉品定性定量檢測(cè)分析中的判別流程，如圖2。

圖2 高光譜技術(shù)定性定量分析判別流程

首先用SICap-STVR V1.0.x軟件平臺(tái)采集高光譜圖像，然后在ENVI軟件中選擇感興趣區(qū)域或性狀，并計(jì)算任一波長下感興趣區(qū)域圖像的平均光譜值。再將所提取的平均光譜值，經(jīng)過MATLAB軟件黑白校正和光譜預(yù)處理程序后得到初始輸入數(shù)據(jù)。光譜預(yù)處理方法有：基線校正、標(biāo)準(zhǔn)正態(tài)變量校正、多元散射校正、高斯濾波平滑、歸一化校正等[19]。

如圖2所示，初始數(shù)據(jù)可以直接作為輸入建立模型，也可以減少信息冗余，為快速計(jì)算，采用回歸系數(shù)法、逐步回歸法、連續(xù)投影算法、遺傳算法、競爭性自適應(yīng)重加權(quán)算法和二維相關(guān)光譜分析等方法選擇具有代表性的特征波長[20，21]，僅用某些波段下的光譜數(shù)據(jù)建立模型?；蛘?，提取特征波長下圖像的光譜信息和圖像特征，利用兩方面的特征融合，建立定性或定量分析模型[22]。

定性定量判定模型建立技術(shù)方法有：偏最小二乘回歸、逐步多元線性回歸、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等[23]。根據(jù)樣本多少或?qū)Ρ饶Ｐ皖A(yù)測(cè)結(jié)果，選擇合適的建模方法。

2 高光譜成像技術(shù)應(yīng)用于肉品品質(zhì)和安全性評(píng)價(jià)中的研究

肉品種類繁多，可以分為家禽肉類、海鮮肉類和腌制肉類三大類[24]。肉的嫩度、色澤、保水性、營養(yǎng)成分含量及是否摻假等，是肉品品質(zhì)和安全性評(píng)價(jià)的主要指標(biāo)[25，26]。下面對(duì)高光譜技術(shù)應(yīng)用于肉品檢測(cè)研究做簡要匯總。

2.1 肉品品質(zhì)檢測(cè)研究

2.1.1 顏色屬性

Sw A[27](2022)等采用可見光-近紅外高光譜成像系統(tǒng)對(duì)大黃魚魚片低溫貯藏過程中顏色變化進(jìn)行監(jiān)測(cè)。結(jié)合以泄漏校正線性單元為權(quán)能的前饋神經(jīng)網(wǎng)絡(luò)，利用簡化的FNN-Leaky-Relu模型證實(shí)其可以替代傳統(tǒng)色度計(jì),快速、無創(chuàng)測(cè)定魚片顏色測(cè)量中的空間分布。孫宗保[28](2021)等采用競爭性自適應(yīng)重加權(quán)算法和區(qū)間變量迭代空間收縮方法篩選的相關(guān)變量建立偏最小二乘模型，對(duì)三文魚的顏色、剪切力和K值進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)三文魚多指標(biāo)快檢和可視化分布。Chaudhry M M A[29](2021)等采用基于光子學(xué)的多元模式識(shí)別技術(shù)，利用550～690nm波長范圍內(nèi)的顏色屬性預(yù)測(cè)野牛肌肉樣本的穩(wěn)定性。Chendie N[30](2020)等采用逐次投影算法選擇光譜數(shù)據(jù)的特征波長，建立了基于四種光譜預(yù)處理方法的定量回歸模型，來預(yù)測(cè)與金華干腌火腿質(zhì)量高度相關(guān)的特征顏色指標(biāo)，根據(jù)顏色特征監(jiān)測(cè)火腿質(zhì)量。Jiang H[31](2018)等證實(shí)高光譜成像可以評(píng)估宰后24h雞肉的顏色和pH值。

2.1.2 肉品中營養(yǎng)物質(zhì)的含量研究

肉類肌肉組織的營養(yǎng)成分構(gòu)成為約75%水、20%蛋白質(zhì)、5%脂肪、少量碳水化合物和礦物質(zhì)[32]。Liu Y[33](2018)等建立模型預(yù)測(cè)微波加熱過程中牛肉的含水量和顏色變化，并繪制了分布圖。ElMasry G M[34](2021)等采用切片干腌火腿建立偏最小二乘預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)脂肪、水分、鹽分和蛋白質(zhì)含量的準(zhǔn)確預(yù)測(cè)和各成分的直觀分布。郭建宏[35](2021)等采用多種光譜預(yù)處理方法和特征波長選擇方法，并進(jìn)行比較，最終得到油酸和硬脂酸兩種特殊脂肪酸的最優(yōu)預(yù)測(cè)模型，并實(shí)現(xiàn)了兩者在羊肉樣本高光譜圖像上的可視性表達(dá)。

2.2 肉品安全性評(píng)價(jià)研究

2.2.1 肉品摻假檢測(cè)

Zheng X C[36](2019)等利用參考光譜的多重平均值和相對(duì)空間分布系數(shù)降低光譜噪聲，選用特殊波段創(chuàng)建偏最小二乘預(yù)測(cè)模型，實(shí)現(xiàn)基于可見近紅外波段高光譜成像系統(tǒng)驗(yàn)證羊肉末摻假鴨肉的快速、無損檢測(cè)方法。Zhao H T[37](2019)等提出了一種新的特征波長選擇方法“入侵雜草優(yōu)化”，建立最小二乘支持向量機(jī)簡化模型，來預(yù)測(cè)牛肉變質(zhì)摻假的現(xiàn)象，將優(yōu)化模型應(yīng)用于像素級(jí)高光譜圖像，實(shí)現(xiàn)新鮮碎牛肉中變質(zhì)牛肉摻假物分布的可視化。於海明[38](2019)等采用傅里葉變換提取豬肉樣本的頻譜特征，建立神經(jīng)網(wǎng)絡(luò)分類識(shí)別模型，實(shí)現(xiàn)對(duì)正常豬肉和注水豬肉的分類檢測(cè)，正確率達(dá)98.8%。孫宗寶[39](2020)等選用適合于摻豬肉和摻雞肉牛肉丸樣本的最佳光譜預(yù)處理方法，并比較多種不同特征波長篩選方法，創(chuàng)建偏最小二乘模型預(yù)測(cè)牛肉丸中摻假豬肉和雞肉的量。王偉[40](2019)等利用高光譜成像技術(shù)快速無損檢測(cè)生鮮雞肉糜中超量添加大豆蛋白，并提高3種大豆蛋白的檢測(cè)限，完成了多種大豆蛋白和其摻假梯度的可視表達(dá)。

2.2.2 肉品中有害成分含量檢測(cè)

Ubonrat S[41](2018)等借助高光譜成像技術(shù)，采集了400～1 000nm波長范圍內(nèi)香腸在4℃儲(chǔ)存期間的反射光譜，使用典型相關(guān)分析研究了質(zhì)量屬性與光譜反射率之間的關(guān)系，對(duì)乳酸菌、pH值、硫代巴比妥酸、氣味、顏色、總活菌數(shù)和整體可接受性等特征進(jìn)行了監(jiān)測(cè)。將選定的波長組合成多光譜數(shù)據(jù)，并用作輸入變量，優(yōu)化偏最小二乘回歸和人工神經(jīng)網(wǎng)絡(luò)模型，以預(yù)測(cè)香腸樣品的質(zhì)量屬性。王天真[42](2020)利用高光譜技術(shù)預(yù)測(cè)不同貯藏時(shí)期調(diào)理牛排的新鮮度指標(biāo)揮發(fā)性鹽基氮和硫代巴比妥酸的含量。程麗娟[43](2020)等采用多種方法進(jìn)行光譜預(yù)處理和優(yōu)選變量，快速無損檢測(cè)灘羊肉中高鐵肌紅蛋白的含量。劉崢[44](2019)等選用不同保藏階段的香腸為樣本，高光譜數(shù)據(jù)采集后，經(jīng)過SG光譜預(yù)處理和提取典型波長，對(duì)比不同輸入數(shù)據(jù)和建模方法，快速檢測(cè)香腸中亞硝酸鹽含量。

2.2.3 肉品中腐敗菌檢測(cè)

何鴻舉[45](2020)等采用連續(xù)投影法從基線校正預(yù)處理光譜中篩選出21個(gè)特征波段，通過化學(xué)計(jì)量學(xué)算法構(gòu)建模型，預(yù)測(cè)雞胸肉中乳酸菌的含量。王浩云[46](2020)等采用競爭性自適應(yīng)重加權(quán)算法篩選特征波長，然后基于鳥群算法和免疫算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)建立可以預(yù)測(cè)雞肉中菌落總數(shù)的模型，且穩(wěn)定性較好。Yu X[47](2019)等運(yùn)用堆疊式自動(dòng)編碼器作為大數(shù)據(jù)分析方法，從4℃貯藏的去皮蝦近紅外高光譜圖像中提取20個(gè)深度高光譜特征，并利用提取的特征通過全連接神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)去皮白蝦中總活菌數(shù)。郭培源[48](2019)等利用高光譜圖像技術(shù)結(jié)合支持向量積回歸和迭代決策樹方法，預(yù)測(cè)香腸的菌落總數(shù)。

3 結(jié)論與展望

綜上所述，高光譜檢測(cè)肉品內(nèi)外品質(zhì)、摻假、營養(yǎng)成分和有毒有害成分含量、腐敗菌數(shù)量等具有可行性。但檢測(cè)限、準(zhǔn)確度和穩(wěn)健性仍有待探討和研究，并且在線實(shí)時(shí)檢測(cè)和日常實(shí)用儀器也有待開發(fā)。高光譜技術(shù)硬件方面可以考慮簡化高光譜采集系統(tǒng)、降低成本、增大波長范圍、縮小波段間隔、提高攝相機(jī)的性能和分辨率等；軟件方面需結(jié)合化學(xué)計(jì)量學(xué)方法，不斷探索，引入更快、更簡單、更精確的算法實(shí)現(xiàn)對(duì)大量數(shù)據(jù)的分析處理和模型建立。