兩種近紅外光譜分辨率預(yù)測(cè)牛肉營(yíng)養(yǎng)成分的比較研究

劉曉曄，湯曉艷，*，孫寶忠，王 敏，毛雪飛，吳 偉

(1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)與檢測(cè)技術(shù)研究所/農(nóng)業(yè)部農(nóng)產(chǎn)品質(zhì)量安全重點(diǎn)實(shí)驗(yàn)室，北京100081;2.中國(guó)農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所，北京100193)

近紅外光譜作為一種快速、簡(jiǎn)便、無(wú)損的分析技術(shù)，在多個(gè)行業(yè)中成功地應(yīng)用于檢測(cè)產(chǎn)品的各項(xiàng)指標(biāo)，比如農(nóng)產(chǎn)品、石油產(chǎn)品、藥品及乳產(chǎn)品等均可用近紅外光譜技術(shù)作定性或定量分析［1］。在應(yīng)用近紅外光譜進(jìn)行測(cè)量建模時(shí)應(yīng)該考慮光譜的測(cè)量范圍、分辨率、掃描累加次數(shù)及測(cè)量方式等。對(duì)某些樣品，一定范圍內(nèi)改變測(cè)量分辨率或許基本不改變光譜的性質(zhì)(信噪比和峰的數(shù)量，位置等)，對(duì)于某些樣品，光譜質(zhì)量與分辨率還是相關(guān)的。Sato等［2］研究不同密度的聚乙烯丸和薄膜的近紅外光譜發(fā)現(xiàn)，分析模型的相關(guān)系數(shù)和交互驗(yàn)證標(biāo)準(zhǔn)差與光譜分辨率關(guān)系很小。王一兵等［3］通過(guò)研究不同分辨率對(duì)多組分混合物中乙酰氨基苯酚和乙水楊胺的定量分析模型的影響，發(fā)現(xiàn)隨著分辨率下降，定量分析模型的預(yù)測(cè)能力呈現(xiàn)不同程度的下降趨勢(shì)。近年來(lái)，近紅外光譜技術(shù)已經(jīng)被用于肉類(lèi)質(zhì)量參數(shù)的測(cè)定，尤其是營(yíng)養(yǎng)成分(蛋白質(zhì)、脂肪和水分)的測(cè)定。如Kestens和Liao等人［4－5］對(duì)豬肉營(yíng)養(yǎng)成分的測(cè)定，Prevolnik 等人［6］對(duì)牛肉營(yíng)養(yǎng)成分的測(cè)定，Viljoen 等人［7］對(duì)羊肉營(yíng)養(yǎng)成分的測(cè)定，McDevitt和劉煒等人［8－9］對(duì)雞肉營(yíng)養(yǎng)成分的測(cè)定，欒東磊和王小燕等人［10－11］對(duì)大黃魚(yú)和帶魚(yú)肉營(yíng)養(yǎng)成分的測(cè)定，及 Ortiz－Somovilla［12］等人對(duì)肉類(lèi)制品香腸營(yíng)養(yǎng)成分的測(cè)定，都獲得了很好的預(yù)測(cè)效果。但對(duì)于光譜分辨率對(duì)肉品成分測(cè)定模型的影響尚未有研究報(bào)道。本論文以牛肉為介質(zhì)，以其中的蛋白質(zhì)、脂肪和水分含量為測(cè)定對(duì)象，研究近紅外光譜分辨率與牛肉營(yíng)養(yǎng)成分定量分析的關(guān)系，探討近紅外光譜分辨率對(duì)肉類(lèi)介質(zhì)參數(shù)測(cè)定模型的影響，為肉類(lèi)參數(shù)測(cè)定的最佳光譜采集條件選擇提供了理論依據(jù)。

1 材料與方法

1.1 材料與儀器

牛肉均取自?xún)?nèi)蒙古科爾沁牛業(yè)股份有限公司，為16頭西門(mén)塔爾雜交牛(公牛10頭，母牛6頭)，宰后排酸48h后，按分割部位取樣，取其14個(gè)部位(板腱、脖肉、大瓜、肩肉、辣椒條、里脊、霖肉、米龍、牛腩、上腦、臀肉、外脊、小瓜和眼肉)共224個(gè)樣品，每個(gè)樣品重約2kg。樣品在－20℃條件下儲(chǔ)存運(yùn)輸，而后進(jìn)行近紅外光譜掃描和蛋白質(zhì)、脂肪、水分含量的測(cè)定。

Spectrum 100N FT－NIR(光譜范圍833～2500nm，分辨率1.6nm)美國(guó)PE公司;SupNIR－1000近紅外光譜儀(光譜范圍1000～1800nm、分辨率10.0nm)北京聚光科技股份有限公司;KjeltecTM2300凱氏定氮儀、Soxtec TM2050脂肪測(cè)定儀 丹麥Foss公司;GM2000研磨儀 德國(guó)Retsch公司;BCD－238S冰箱海爾公司。

1.2 實(shí)驗(yàn)方法

1.2.1 樣品制備 宰后48h采集運(yùn)輸?shù)呐Ｈ鈽悠吩谑覝叵逻^(guò)夜解凍，至樣品完全解凍并達(dá)室溫條件，隨后將樣品制成肉糜(GM2000研磨儀，2000r·min－1，0.20min)，得到的牛肉糜分別進(jìn)行近紅外光譜掃描以及蛋白質(zhì)、脂肪和水分含量的測(cè)定。

1.2.2 牛肉近紅外光譜掃描 將制成的肉糜裝入樣品池，采用漫反射掃描方式，分別在分辨率1.6nm及分辨率10nm的條件下進(jìn)行近紅外光譜采集，每個(gè)樣品采集三條光譜曲線，求其平均光譜建立近紅外光譜定量分析模型。

1.2.3 蛋白質(zhì)、脂肪和水分的測(cè)定 牛肉中蛋白質(zhì)、脂肪和水分含量分別按照GB/T9695·11－2008《肉與肉制品氮含量測(cè)定》［13］、GB/T9695·7－2008《肉與肉制品總脂肪含量的測(cè)定》［14］和 GB/T 9695·15－2008《肉與肉制品水分含量測(cè)定》［15］進(jìn)行測(cè)定。

1.2.4 數(shù)據(jù)處理與分析 應(yīng)用The Unscrambler(version9.8，CAMO)專(zhuān)業(yè)化學(xué)計(jì)量學(xué)軟件，對(duì)不同光譜分辨率下掃描的近紅外光譜信息進(jìn)行分析，采用多元散射校正(MSC)、標(biāo)準(zhǔn)正態(tài)化處理(SNV)、去趨勢(shì)化(De－trending)、平滑(Smoothing)和導(dǎo)數(shù)(Derivative)的光譜預(yù)處理方法進(jìn)行處理，來(lái)降低光譜噪聲和扣除背景干擾［15］，選擇偏最小二乘回歸技術(shù)(PLSR)和交互驗(yàn)證程序，分別建立牛肉中蛋白質(zhì)、脂肪和水分含量的近紅外定量分析模型。模型的優(yōu)劣用校正集相關(guān)系數(shù)(R)、校正標(biāo)準(zhǔn)差(RMSEC)、交互驗(yàn)證相關(guān)系數(shù)(R)、交互驗(yàn)證標(biāo)準(zhǔn)差(RMSECV)作為衡量指標(biāo)。

2 結(jié)果與討論

2.1 化學(xué)成分?jǐn)?shù)據(jù)分析

對(duì)224個(gè)牛肉樣本按照1.2.3所列國(guó)標(biāo)方法進(jìn)行了蛋白質(zhì)、脂肪和水分的測(cè)定，統(tǒng)計(jì)結(jié)果見(jiàn)表1。表1中列出了牛肉樣品中蛋白質(zhì)、脂肪和水分的平均值和標(biāo)準(zhǔn)偏差，本研究采用的是不同分割部位的牛肉樣本，從表1中可見(jiàn)，其營(yíng)養(yǎng)成分含量變化范圍較大，其中蛋白質(zhì)含量范圍為18.29%～23.48%，脂肪為0.20%～9.46%，水分為68.07%～88.27%。

表1 牛肉樣品的蛋白質(zhì)、脂肪和水分統(tǒng)計(jì)Table 1 The statistics of protein，fat and moisture of beef

2.2 光譜分析

兩種不同分辨率條件下所得近紅外光譜如圖1～圖2所示。比較圖1(分辨率1.6nm)和圖2(分辨率10nm)可以看出，在相同的波長(zhǎng)范圍(1000～1799nm)下，分辨率為1.6nm時(shí)，特征吸收峰比較明顯，包含的信息也比較豐富，但光譜噪音有所增加;低分辨率下獲得的光譜(圖2)較為光滑。

圖1 分辨率1.6nm的牛肉糜原始光譜Fig.1 Original spectroscopys of mince beef under resolution of 1.6nm

圖2 分辨率10.0nm的牛肉糜原始光譜Fig.2 Original spectroscopys of mince beef under resolution of 10.0 nm

2.3 不同分辨率下模型結(jié)果分析

在相同的波段范圍下，利用在分辨率為1.6和10nm下掃描的光譜，所建立的蛋白質(zhì)、脂肪和水分定量分析模型結(jié)果如表2所示。相關(guān)數(shù)據(jù)分析得知，在相同的波段范圍下，盡管兩種分辨率下掃描光譜所建定量分析模型的相關(guān)系數(shù)R相差不大，但是從其交互驗(yàn)證標(biāo)準(zhǔn)偏差(RMSECV)的比較上可以看出，高分辨率(1.6nm)下所建立的蛋白質(zhì)、脂肪和水分模型的RMSECV值分別為0.49、0.64和1.18，小于低分辨率(10.0nm)下蛋白質(zhì)、脂肪和水分模型的RMSECV值(0.54、0.76和1.26)，說(shuō)明高分辨率下定量分析模型精度要略?xún)?yōu)于低分辨率下所建模型。圖3～圖5分別為牛肉蛋白質(zhì)、脂肪和水分驗(yàn)證集真實(shí)值與預(yù)測(cè)值分布圖，圖3中也可以看出，圖(A)高分辨率下的模型要比圖(B)的模型線性關(guān)系明顯，王一冰等人［3］在做近紅外光譜分辨率對(duì)定量分析的影響時(shí)指出，如果測(cè)量時(shí)分辨率過(guò)低，則不能提供足夠的光譜信息，會(huì)影響定量模型的質(zhì)量，筆者推斷可能是因?yàn)楦叻直媛蕳l件下掃描的光譜所包含信息更加豐富，更能反映出營(yíng)養(yǎng)成分含量變化對(duì)近紅外光譜的影響。

表2 不同分辨率下牛肉樣品的蛋白質(zhì)、脂肪和水分的模型比較Table 2 The comparison of protein，fat and moisture model of beef under two resolutions

圖3 牛肉蛋白質(zhì)模型驗(yàn)證集真實(shí)值與預(yù)測(cè)值分布圖Fig.3 Predicted and true value of validation with beef protein model

圖4 牛肉脂肪模型驗(yàn)證集真實(shí)值與預(yù)測(cè)值分布圖Fig.4 Predicted and true value of validation with beef fat model

圖5 牛肉水分模型驗(yàn)證集真實(shí)值與預(yù)測(cè)值分布圖Fig.5 Predicted and true value of validation with beef moisture model

表2中模型結(jié)果顯示，兩種分辨率下蛋白質(zhì)的近紅外模型精度(RMSECV:0.49、0.54)都要優(yōu)于脂肪和水分的模型(RMSECV:0.64、0.76;RMSECV:1.18、1.26)，從圖4、圖5的對(duì)比中可以看出，低脂肪含量的樣品多，而高脂肪含量的樣品相對(duì)較少，中間水分含量的樣本多，而兩端低水分含量和高水分含量的樣本較少，理想的建模對(duì)象應(yīng)當(dāng)是在整個(gè)的含量變化范圍內(nèi)呈現(xiàn)均勻分布的樣品［1］，如圖3中蛋白質(zhì)的含量分布圖。與蛋白質(zhì)和脂肪模型相比，水分的模型效果較差，除與樣品參考值的分布有一定關(guān)系外，樣品制備過(guò)程中水分的蒸發(fā)，光譜的掃描和水分的測(cè)量不在同一時(shí)間點(diǎn)，都會(huì)對(duì)模型結(jié)果產(chǎn)生不利的影響，這與Cozzolino等人［16］的研究結(jié)果是一致的。

3 結(jié)論

3.1 結(jié)果表明，對(duì)于牛肉中的蛋白質(zhì)、脂肪和水分來(lái)說(shuō)，兩種分辨率下應(yīng)用近紅外光譜所建定量分析模型相關(guān)系數(shù)R相差不大，高光譜分辨率(1.6nm)下所建立的近紅外模型精度要略?xún)?yōu)于低光譜分辨率(10nm)下所建立模型。

3.2 證實(shí)了近紅外能夠作為一種替代性手段用來(lái)檢測(cè)肉類(lèi)中的蛋白質(zhì)、脂肪和水分含量。但是對(duì)每個(gè)參數(shù)建立模型時(shí)，應(yīng)注意所選取的樣品要在測(cè)量范圍內(nèi)均勻分布，且參考值的測(cè)定應(yīng)當(dāng)與近紅外光譜的掃描在時(shí)間點(diǎn)上盡可能一致。

［1］嚴(yán)衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎(chǔ)與應(yīng)用［M］.北京:中國(guó)輕工業(yè)出版社，2005:130.

［2］SATO H，SHIMOYAMA M，KAMIYA T，et al.Near infrared spectra of pellets and thin films of high－density，low－density and linear low－density polyethylenes and prediction of their physical properties by multivariate data analysis［J］.Near Infrared Spectrosc，2003，11(4):309－321.

［3］王一兵，王紅宇，翟宏菊，等.近紅外光譜分辨率對(duì)定量分析的影響［J］.分析化學(xué)研究簡(jiǎn)報(bào)，2006，34(5):699－701.

［4］KESTENS V，CHAROUD－ GOT J，BAU A，et al.Online measurement of water content in candidate reference materials by acoustooptical tuneable filter near－infrared spectrometry(AOTFNIR)using pork meat calibrants controlled［J］.Food Chemistry，2008，106(4):1359－1365.

［5］LIAO Y T，F(xiàn)AN Y X，CHENG F.On－line prediction of fresh pork quality using visible/near－infrared reflectance spectroscopy［J］.Meat Science，2010，86(4):901－907.

［6］PREVOLNIK M，CANDEK－POTOKAR M，SKORJANC D，et al.Predicting intramuscular fat content in pork and beef by near infrared spectroscopy［J］.Journal of Near Infrared Spectroscopy，2005，13(2):77－85.

［7］VILJOEN M，HOFFMAN L C，BRAND T S.Prediction of the chemical composition of mutton with near infrared reflectance spectroscopy［J］.Small Ruminant Research，2007，69(1 － 3):88－94.

［8］MCDEVITT R M，GAVIN A J，ANDRES S，et al.The ability of visible and near infrared reflectance spectroscopy(NIRS)to predict the chemical composition of ground chicken carcasses and to discriminate between carcasses from different genotypes［J］.Journal of Near Infrared Spectroscopy，2005，13(3):109－117.

［9］劉煒，吳昊旻，孫東東，等.近紅外光譜分析技術(shù)在鮮雞肉快速檢測(cè)分析中的應(yīng)用研究［J］.中國(guó)家禽，2009，31(2):8－11.

［10］欒東磊，王玉明，薛長(zhǎng)湖，等.大黃魚(yú)脂肪含量的近紅外光譜快速無(wú)損檢測(cè)［J］.中國(guó)海洋學(xué)報(bào)，2009，39:59－62.

［11］王小燕，顧賽麒，劉源，等.近紅外光譜法快速檢測(cè)帶魚(yú)肉中的水分和蛋白質(zhì)含量［J］.食品工業(yè)科技，2012，33(5):317－319.

［12］GAITAN－JURADO A J，ORTIZ－SOMOVILLA V，ESPANA－ESPANA F，et al.Quantitative analysis of pork dry－cured sausages to quality control by NIR spectroscopy［J］.Meat Science，2008，78(4):391－399.

［13］楊萬(wàn)穎，羅美中，孟海鷗，等.GB/T9695·11.肉與肉制品氮含量測(cè)定［S］.北京:中國(guó)標(biāo)準(zhǔn)出版社，2008.

［14］吳處森，賀建華，郭新東，等.GB/T9695·7.肉與肉制品總脂肪含量測(cè)定［S］.北京:中國(guó)標(biāo)準(zhǔn)出版社，2008.

［15］陳澤勇，楊萬(wàn)穎，羅美中，等.GB/T 9695·15.肉與肉制品水分含量測(cè)定［S］.北京:中國(guó)標(biāo)準(zhǔn)出版社，2008.

［16］COZZOLINO D，DE MATTOS D，MARTINS V.Visible/near infrared reflectance spectroscopy for predicting composition and tracing system of production of beef muscle［J］.Animal Science，2002，74:477－484.