張文祥,潘嘹,2,盧立新,2*

1(江南大學(xué) 機(jī)械工程學(xué)院,江蘇 無錫,214122)2(江蘇省食品先進(jìn)制造裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室,江蘇 無錫,214122)

生鮮牛肉經(jīng)過排酸后能有效提高牛肉品質(zhì),使肉質(zhì)鮮美細(xì)嫩,具有良好的市場前景[1]。生鮮牛肉的pH值是判別其新鮮度的參考指標(biāo)之一。宰后牛肉肌糖原酵解產(chǎn)生乳酸和ATP分解釋放磷酸,使牛肉pH值下降,排酸24 h牛肉的pH值為5.6～6.0。pH指標(biāo)的變化極大地影響肉類的顏色、風(fēng)味、蛋白質(zhì)特性等[2],同時(shí)它也是反映微生物活性、脂質(zhì)和生物胺氧化程度的重要參數(shù)[3]。鮮肉貯存中受到自身新陳代謝和微生物活動的影響,蛋白質(zhì)分解,產(chǎn)生堿性物質(zhì),最終使pH 值上升,出現(xiàn)變質(zhì)和腐敗現(xiàn)象,進(jìn)而影響食品安全,消費(fèi)者無法接受[4-5]。

測定肉類pH值的傳統(tǒng)方法主要是基于pH計(jì)和表面電極法,但是這些方法均是侵入性的、耗時(shí)且繁瑣,難以滿足現(xiàn)代肉類品質(zhì)檢測的需要[6]。高光譜成像技術(shù)是一種快速、準(zhǔn)確和無損的光學(xué)方法,具有光譜分辨率高、波段多和數(shù)據(jù)量多等特點(diǎn),在食品質(zhì)量與安全檢測上受到了廣泛關(guān)注[7-8]。朱榮光等[9]采用特征波段篩選方法建立羊肉pH值的偏最小二乘回歸(partial least squares regression, PLSR)模型,預(yù)測集決定系數(shù)為0.96。魏文松等[10]基于多光譜漫反射技術(shù)檢測牛肉pH值,最小二乘支持向量機(jī)(least squares-support vector machine,LSSVM)模型的預(yù)測集相關(guān)系數(shù)為0.942 0。喬蘆等[11]利用可見近紅外高光譜通過不同預(yù)處理和波長提取方法建立3種回歸模型,PLSR模型的預(yù)測集決定系數(shù)為0.740 6。然而,高光譜用于肉類等食品檢測研究大多關(guān)注于無包裝膜情況下的直接檢測,很少考慮包裝后的檢測及包裝的影響。食品在運(yùn)輸、倉儲和銷售環(huán)節(jié)中,對包裝食品的檢測可有效減少外界環(huán)境對食品品質(zhì)的影響,進(jìn)一步保障食品安全[12]。在這個(gè)過程中,需要的是通過包裝膜對食品進(jìn)行無損檢測,而不是去除包裝膜直接對產(chǎn)品進(jìn)行檢測[13]。

本研究采用可見近紅外高光譜成像系統(tǒng)(400～1 000 nm),采集聚丙烯(polypropylene, PP)和聚乙烯(polyethylene, PE)2種包裝膜包裝下的牛肉樣本的高光譜圖像并測量pH指標(biāo)含量。通過提取感興趣區(qū)域、光譜預(yù)處理和特征波段篩選分別建立PLSR和LSSVM模型,對包裝牛肉的pH值進(jìn)行預(yù)測,建立最優(yōu)模型,為包裝生鮮牛肉品質(zhì)的無損檢測提供理論支持。

1 材料與方法

1.1 實(shí)驗(yàn)材料

從無錫當(dāng)?shù)卮笮统匈徺I已經(jīng)排酸處理后的新鮮牛肉后臀部位作為實(shí)驗(yàn)對象,將購買的牛肉放置在0～4 ℃培養(yǎng)箱中并在2 h內(nèi)轉(zhuǎn)移到實(shí)驗(yàn)室,用無菌刀將牛肉切成尺寸為5 cm×4 cm×2 cm(長×寬×厚)、質(zhì)量約為20 g的肉樣。然后將所有樣品用單獨(dú)的自密封塑料袋包裝并貯存在4 ℃的冰箱中。

實(shí)驗(yàn)用聚合物薄膜采用食品接觸用PP(厚度0.08 mm)和PE(厚度0.04 mm),分別購自汕頭市新萬輝包裝材料廠和溫州市實(shí)在包裝廠。

1.2 儀器與設(shè)備

實(shí)驗(yàn)使用的高光譜成像系統(tǒng)包括:FX 10型光譜成像儀,芬蘭Specim公司;鹵素?zé)?功率20 W),德國Osram公司; LabScanner 40×20型電動位移控制平臺,芬蘭Spectral Imaging Ltd;裝有LUMO-scanner采集軟件的計(jì)算機(jī)。

高光譜成像儀的光譜范圍400～1 000 nm,光譜波段為448個(gè),波段間隔為1.3 nm。為了獲得牛肉樣品統(tǒng)一且清晰的光譜圖像,設(shè)置設(shè)備的參數(shù)如下:圖像采集速度為11.5 mm/s,樣品與鏡頭間的物距為320 mm,相機(jī)的曝光時(shí)間為11 ms。圖像采集前需要進(jìn)行黑白板校正[14]。

1.3 實(shí)驗(yàn)方法

1.3.1 光譜采集

實(shí)驗(yàn)過程中,先將樣品去除密封袋,放置在黑色托盤中,再放于電動位移平臺上采集無包裝膜的高光譜圖像(記作NP);再將PP和PE膜分別放置在托盤上并與牛肉樣本之間存在約2 cm的間隙,保持薄膜表面平整,然后分別收集有包裝膜的高光譜圖像(分別記作G-PP,G-PE)。前6 d每天采集5塊樣本,由于發(fā)現(xiàn)樣本變化較慢,10～25 d調(diào)整為每天采集4塊樣本,以獲得不同程度的腐敗樣本。

1.3.2 pH含量測定

將采集高光譜圖像后的樣本立即采用GB 5009.237—2016中pH測定方法測定樣本中的pH值,并作為定量分析的參考值,每個(gè)樣本均作6次測定,取平均值作為該樣品的pH值。

1.3.3 光譜預(yù)處理及波段提取

為了消除高光譜反射率中的噪聲、基線等干擾,提取有用信息,需要對原始光譜進(jìn)行光譜預(yù)處理。常用的光譜預(yù)處理方法有中心化處理(mean center, MC)、歸一化(normalization)、Savitzky-Golay平滑(S-G平滑)、多元散射校正(multiplicative scatter correction, MSC)和標(biāo)準(zhǔn)正態(tài)變換(standard normal distribution, SNV)等[15-16]。

全光譜含有的448個(gè)波段有較多的冗余信息,這些無關(guān)的信息不僅減低了運(yùn)算速度,也使模型變得復(fù)雜。有效的光譜預(yù)處理方法能夠刪除無關(guān)信息,提高運(yùn)算效率。本研究采用競爭性自適應(yīng)加權(quán)算法(competitive adaptive reweighed sampling, CARS)、連續(xù)投影變換算法(successive projections algorithm, SPA)和變量組合集群分析算法(variable combination population analysis, VCPA)共3種方法提取特征重要波長。

1.3.4 模型建立與評價(jià)

2 結(jié)果與分析

2.1 pH含量結(jié)果的統(tǒng)計(jì)

使用Kennard-Stone(K-S)算法將總共98個(gè)樣品分為校正集(73個(gè)樣品)和預(yù)測集(25個(gè)樣品),比率約為3∶1。校正集用于構(gòu)建和校準(zhǔn)模型,預(yù)測集用于評估模型。牛肉貯存期間pH值的變化統(tǒng)計(jì)結(jié)果如表1所示,且校正集中樣本的pH含量范圍包含預(yù)測集中樣本的pH含量,這確保了它們之間的獨(dú)立性并有助于提高模型精度。

表1 牛肉pH值統(tǒng)計(jì)Table 1 Statistical analysis of pH values in beef

2.2 樣品的光譜提取

為減少高光譜圖像中的冗余信息,需進(jìn)行感興趣區(qū)域(region of interests, RIOs)提取。圖1為感興趣區(qū)域光譜提取方法,高效準(zhǔn)確地提取薄膜下肌肉部分光譜數(shù)據(jù),避免了手動操作。采用波段運(yùn)算減法(689～582 nm)并二值化處理得到掩膜圖像,掩膜圖像與原始光譜圖像相乘得到只含有肌肉、脂肪的高光譜圖像。為去除脂肪,采用PCA獲取高光譜圖像前2個(gè)主成分圖像PC1和PC2。由于前2個(gè)主成分中肌肉部分與脂肪部位的灰度值差異大,可通過圖像運(yùn)算后再經(jīng)過二值化和掩膜處理,最終提取純肌肉部分作為感興趣區(qū)域。將樣本RIOs的反射率求平均,即獲得代表該樣本的光譜反射率。

圖1 薄膜存在下感興趣區(qū)域光譜提取方法Fig.1 Spectral extraction method for regions of interest in the presence of films

2.3 包裝牛肉光譜分析

牛肉在400～1 000 nm的98個(gè)樣本的原始光譜反射率曲線如圖2所示,顯示了牛肉一些特征吸收峰。400～1 000 nm波長范圍對蛋白質(zhì)、脂肪和水分中的官能團(tuán)的拉伸振動和泛音敏感[16]。420 nm和560 nm處有血紅蛋白和肌紅蛋白等色素的吸收峰。610 nm為氨基酸的3級倍頻吸收峰。739 nm是甲基的第三泛音區(qū)域,而760 nm主要是由于O—H拉伸第三泛音或肌紅蛋白氧化產(chǎn)生的吸收帶引起的[20]。810 nm是蛋白質(zhì)中C—H鍵的振動吸收峰。波長960 nm附近的吸收峰與肉中的水分含量有關(guān)[15]。由圖2可知,隨著貯存時(shí)間的不同,光譜反射率存在差異性變化,有助于牛肉pH值預(yù)測模型的建立。

圖2 牛肉原始光譜反射率曲線Fig.2 Original spectrogram of beef

圖3為無薄膜和有薄膜存在下的牛肉樣本平均光譜曲線,薄膜的存在顯著改變了光譜反射率值。有薄膜存在下的光路會受到薄膜散射、消耗損失和反射的作用,影響了傳感接收到的光譜數(shù)據(jù)[12,21]。由圖3可知,PP膜對牛肉光譜的影響主要為光譜通過薄膜的消耗損失,使整體反射率低于原始牛肉光譜反射率;而PE膜表示出較大的散射影響,導(dǎo)致400～600 nm的反射率高于牛肉原始反射率。

圖3 不同薄膜下的牛肉樣本平均光譜曲線Fig.3 Average spectral curves of beef samples under different films

2.4 模型建立與分析

2.4.1 包裝牛肉最優(yōu)光譜預(yù)處理

分別采用Normalization、MC、S-G平滑、MSC以及SNV對原始光譜數(shù)據(jù)進(jìn)行預(yù)處理,基于預(yù)處理后的數(shù)據(jù)與原始光譜數(shù)據(jù)建立PLSR模型,建立模型的結(jié)果如表2所示。

表2 光譜預(yù)處理方法的選擇Table 2 Choice of spectral preprocessing method

由表2可知,與無包裝牛肉的預(yù)測結(jié)果相比,薄膜的存在降低了預(yù)測集的預(yù)測效果。通過對比5種光譜預(yù)處理方法,對于無包裝膜和PP薄膜存在下牛肉pH值PLSR模型的最優(yōu)光譜預(yù)處理方法為Normalization,PE薄膜的最優(yōu)光譜預(yù)處理方法為SNV處理。喬蘆等[11]在400～1 000 nm全光譜建立牛肉的pH含量PLSR模型,發(fā)現(xiàn)歸一化預(yù)處理的模型穩(wěn)定性比其他預(yù)處理方法好。外界噪聲、暗電流的干擾以及薄膜的散射和干涉等影響,使光譜出現(xiàn)基線漂移、分離誤差,Normalization預(yù)處理可以有效減少噪聲干擾并使光譜曲線變的光滑,而SNV處理可校正樣品之間因散射干涉等引起的誤差。光譜預(yù)處理可以潛在地減少因薄膜存在下的散射現(xiàn)象[12],SNV是PE薄膜下牛肉pH值的最優(yōu)光譜預(yù)處理方法,可能與PE薄膜有更多的干涉和散射有關(guān)。因此,使用預(yù)處理方法可以提升包裝牛肉pH值預(yù)測模型的精度。

2.4.2 特征波長篩選與建模分析

將無包裝牛肉和有包裝膜的牛肉分別經(jīng)其最優(yōu)光譜預(yù)處理方法處理后,在CARS、SPA和VCPA共3種算法提取特征波長基礎(chǔ)上建立PLSR和LSSVM模型,結(jié)果如表3所示。

表3 不同特征波長篩選的包裝牛肉pH值預(yù)測模型Table 3 Prediction model of pH value of packaged beef by screening different characteristic wavelengths

a-PP包裝牛肉最優(yōu)模型預(yù)測效果;b-PE包裝牛肉最優(yōu)模型預(yù)測效果圖4 包裝牛肉pH值模型預(yù)測效果Fig.4 Model prediction effect of pH values in packaged beef

3 討論

高光譜可以同時(shí)獲得樣品的光譜和圖像信息,并保存在包括二維空間數(shù)據(jù)和一維光譜數(shù)據(jù)在內(nèi)的三維超立方體中,光譜數(shù)據(jù)用于包裝牛肉pH值預(yù)測,圖像信息可用來顯示預(yù)測模型的效果,直觀判斷包裝牛肉的質(zhì)量[23]。模型結(jié)果表明,PP和PE包裝膜對牛肉光譜預(yù)測pH含量有一定的影響,光經(jīng)過薄膜發(fā)生折射、散射和吸收等現(xiàn)象,進(jìn)而影響薄膜的光譜透過率,最終使傳感器接收到的樣品反射率光譜出現(xiàn)差異[24]。有研究采用光譜技術(shù)通過PP包裝獲得鮮切蔬菜葉和蘋果片的光譜數(shù)據(jù),采用PCA和偏最小二乘判別模型(partial least squares discriminant analysis, PLS-DA)分析判別其新鮮度,結(jié)果表明薄膜的存在輕微影響測量結(jié)果,但結(jié)果仍然令人滿意[13]。周莉萍等[21]采用可見近紅外和近紅外光譜建立不同貨架期的覆蓋保鮮膜菠菜的PLS-DA判別分析模型,判別準(zhǔn)確率分別為83%和81%。本研究中,通過光譜預(yù)處理方法和特征波長篩選算法,有效提高了包裝牛肉的pH值預(yù)測效果,同時(shí)提高了建模效率。

4 結(jié)論