基于光譜技術的豬肉新鮮度檢測方法的研究

張庭霨 鐘猛猛 黃英吉 劉雨昕 楊雪

摘要：近年來豬肉注水、瘦肉精等安全問題頻發。本文通過研究使用光譜技術檢測生鮮豬肉方法的發展現狀，包括了近紅外光譜技術、高光譜技術、多光譜技術以及豬肉品質的理化檢測指標，概述了當前世界對肉類產品的檢測研究，最后，針對當前的肉類無損檢測技術提出了結合多種檢測技術，建立綜合評價模型。

關鍵詞：光譜技術;豬肉品質;多元回歸模型;總揮發性鹽基氮

中圖分類號：TS207.3? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）30-0155-02

開放科學（資源服務）標識碼（OSID）：

隨著我國全面建成小康社會以及新冠肺炎防控形勢的變化，一方面人民群眾對于高品質肉類食品的需求不斷加大，另一方面冷鏈食品尤其是進口肉類的冷鏈產品的安全性成為疫情防控的重中之重。我國已經成為世界上每年豬肉食物總消費量最大的一個國家，同時也是生產豬肉最多的國家，因此，研究快速便捷的豬肉檢測對我國及人民都具有重大意義。

1 豬肉新鮮度檢測的意義

豬肉品質的評價應該是多方面的， 在檢測過程中要涵蓋多方面的評價指標[1]，主要的指標有酸堿度、系水力、肉色、嫩度、氣味、肌肉組織狀態等。較為成熟的豬肉品質檢測方法主要有感官、理化和微生物三大檢測方法。感官檢測雖然便捷，但是可靠性低，主觀性強。理化檢測與微生物檢測雖然精確，但是操作步驟較多，需要對樣品進行破壞性檢測，難以達到無損快速檢測的目的。尤其在疫情期間，當冷鏈進口食品成為源頭時，防控工作更要依靠檢測技術，然而在進口冷鏈產品數量多的情況下，傳統的檢測方法已經不足以應對，在一些地方只能采取抽檢的方法。因此，研究新的快速無損的豬肉品質檢測方法成了當務之急。

豬肉快速檢測最早是以理化檢測為基礎出現的，平均耗時需要兩個小時，在該檢測方法下，樣品不可避免會被破壞。隨后，又發展出了PCR快速檢測技術，雖然在耗時上與理化檢測相差不大，但是通過對不同的DNA片段、聚合酶等條件的變化，可以檢測一些特定的指標并建立不同的試劑盒來進行檢測。隨著物理學的發展，通過核磁共振技術與傳感器技術的無損、快速檢測方法開始出現，在檢測的過程中基本不會破壞樣品并且不再需要送檢大面積的樣品。在光譜成像技術與圖像處理技術日漸成熟中分子光譜技術開始廣泛應用。分子光譜技術（如近紅外光譜）可以利用光子在樣品組織內部傳播的特性，通過建立吸收、散射特性與化學組分和結構組織的關聯性，實現樣本成分的無損定性和定量分析[2]。通過樣品中不同元素對同一光譜吸收程度的不同以及對不同光譜表現出不同的吸收特性，分析樣品中各成分的含量特征，從而對豬肉新鮮度進行判斷。該技術相對于傳統的方法具有迅速便捷以及多方位的優點。

2 基于光譜技術的豬肉品質檢測技術的現狀

2.1 近紅外光譜技術

由于近紅外光譜區（780-2526nm）與有機分子中含氫基團（C-H、N-H、O-H）的振動的合頻和各級倍頻的吸收區一致，因此可以通過掃描樣品的近紅外光譜來分析樣品的化學成分和品質特性[3-4]。戴小也[5]等詳細的總結了近些年來國內外近紅外光譜技術在豬肉檢測上的研究。

總揮發性鹽基氮（TVB-N）是測量肉類食品新鮮的一個重要指標，我國目前主要按照 GB/T 5009.44- 2003《肉與肉制品衛生標準的分析方法》進行測定[6]。總揮發性鹽基氮法主要是通過測定肉類食品的腐敗過程中，在酶和細菌的作用下將蛋白質分解為氨及胺類等堿性較弱的含氮化學物質，其含量越高表面氨基酸被破壞的越多，肉類食品的新鮮程度越低。郭慶輝[7]等設計了一種肉品無損檢測的光學傳感器，利用近紅外光譜技術采集樣品在不同冷藏時間和不同檢測距離下的總揮發性鹽基氮的含量，通過多元散射校正和標準正態變換進行預處理，建立了豬肉的TVB-N含量的偏最小二乘回歸（PLSR）模型，其校正集相關系數和均方根誤差分別為0.98和0.92mg/（100 g），預測集相關系數和預測均方根誤差分別為0.97和1.56mg/（100 g）。

肉類食品中另一個重要指標就是水分含量，水分含量既體現著肉類食品的新鮮程度，也是判別注水肉的一個關鍵指標，傳統的直接干燥法，蒸餾法測定樣品水分含量都會對樣品造成破壞。 在張海云[8]等采集生鮮豬肉近紅外光譜數據，通過參照國標GB_5009.3—2010測定水分含量后，得出在980nm附近O-H基團吸收峰明顯，為水分吸收峰。彭彥昆[9]等通過多元散射校正方法，建立了第一波段（349～1435 nm）和第二波段（1037～1961nm）的偏最小二乘回歸模型，其校正集相關系數和交互驗證均方根誤差分別為0.906和0.598，驗證集的R2達到了0.836，其結果正確率為90.48%。

2.2 高光譜技術

高光譜是結合了成像技術與光譜技術的一種影像數據技術，可以同時獲取，能夠同時獲取被測對象的圖像及光譜信息，其中不僅包含了被測物的表面物理特征，同時還含有內部結構特征及化學組分信息[10]，并且彌補了近紅外光譜沒有圖像信息，光譜范圍小的缺點。因此，使用高光譜技術所得到的豬肉影像數據既可以從表面物理特征進行感官檢測，又可以反映其內部成分的含量。

肉類食品的感官檢測又可以分為觀察外觀法和氣味識別法，高光譜技術所獲取的圖像信息可以結合感官檢測中觀察外觀法對樣品進行評價，具體的指標有：色澤、嫩度。彭彥昆[11]等使用高光譜成像技術獲取了牛肉的高光譜散射圖像，建立了預測牛肉嫩度的多元線性回歸模型。以嫩度值為6kg作為判別牛肉嫩度的標準，當嫩度值大于6kg時為粗糙牛肉，當嫩度值小于6kg時為嫩牛肉。校正集的相關系數達到了0.98，校正標準殘差達到了0.45kg，驗證集的相關系數達到了0.96，驗證標準殘差達到了0.64kg。尚夢玉等[12]使用近紅外高光譜技術（900～1700 nm）來獲取樣品的反射光譜信息，建立了羊肉顏色的NIR高光譜預測模型，模型從白黑（L*）之間、紅綠（a*）之間、黃藍（b*）之間的顏色程度的參數數字化后進行光譜特征的提取以及處理。從預測效果來看，L*和b*的預測效果較好，其校正集系數均為0.90，均方根誤差分別為1.11和0.730，驗證集系數分別為0.633和0.681，均方根誤差分別為2.110和1.303。

豬肉含有15%脂肪、20%的蛋白質、1%的碳水化合物以及必要的維生素[13]。王家云[14]等的研究中使用NIR高光譜成像系統獲取的寧夏灘羊中光譜數據分析中分別得到了與羊肉蛋白質含量、羊肉脂肪含量和羊肉pH值呈正負相關的特征波長，再結合近紅外光譜總揮發性鹽基氮測定法建立了蛋白質含量、脂肪含量、pH值的PLSR模型。最后得到蛋白質含量、脂肪含量的驗證集系數均在0.8以上，pH值的驗證集系數在0.7以上，蛋白質的均方根誤差為0.58，脂肪的均方根誤差為0.09，pH值的均方根誤差為0.12.

2.3 多光譜技術

多光譜圖像也是一種同時具有光譜特征和圖像信息的影像數據技術，相比于高光譜來說成像波段較少，波段通常在10～50。因此，多光譜成像所處理的數據量遠小于高光譜，基于此，多光譜成像技術更適用于實時監測。

張華峰[14]等在研究中使用多光譜技術分別獲取了新鮮豬肉和冷鮮肉的全波長光譜與特征波長光譜。發現波長在470nm處的光譜吸收帶與高鐵肌紅蛋白含量有關，在590nm處的吸收帶與氧合肌紅蛋白的含量有關，而這二者的含量又與肉色密切相關，750-970nm處的波長光譜與水分含量有關。隨后使用了線性判別分析（LDA）、偏最小而成判別分析（PLS-DA）等方法對光譜數據進行預處理。基于此，建立了化學計量學分類模型并根據樣品的光譜特征篩選特征波長，基于化學計量學分類模型準確率高于90%。董迪[15]在研究中使用多光譜檢測方法測定豬肉的肌紅蛋白、pH值、TVB-N、菌落總數四項指標，同時也使用理化檢測的方法測定這四項指標的含量，用于預測模型的驗證。在獲取到樣本的影像數據后使用了歸一化、多卷積平滑法、多元散射校正法等對數據進行預處理，分別建立了偏最小二乘回歸的分析模型和多元線性回歸分析模型。其中，偏最小二乘模型在豬肉的肌紅蛋白、pH值、TVB-N、菌落總數的相關系數分別為0.7870、0.9023、0.9808、0.9617。

3 基于光譜技術的豬肉品質檢測的發展與展望

雖然光譜技術作為一種全新的檢測技術，具有無損、快速、準確度高等特點，但在指標的評價上還是不夠全面，比如，在對豬肉的黏度，彈性，氣味等方面的檢測，光譜技術還是基于檢測豬肉的成分含量從而確定這些指標。此外，高光譜成像技術獲得的影響數據過于龐大，使得信息產生冗余，信息處理也更加費時且高光譜成像設備較為昂貴，不適于開發便攜的豬肉實時檢測裝置。而近紅外光譜的光譜范圍較窄，所能檢測的指標有限且缺少圖像信息。因此在豬肉新鮮度的快速，無損檢測中應以多光譜技術為主。

在上述介紹到的模型中許多都是針對單一的指標進行建立，對于豬肉新鮮度的總和評判適配性不高，而對指標進行綜合考慮的建模難度較大。因此，應主要使用光譜技術來替代對樣品有破壞的理化檢測方法，在檢測中輔以其他快速、無損的檢測方法。TVB-N和pH值是衡量豬肉新鮮度的重要理化指標且在光譜檢測中較為成熟。而對于豬肉的其他的一些理化指標如水分，硫化氫、甲烷（豬肉腐敗時常產生的氣體）可以使用專用傳感器進行測量。此外，還可以在研究中建立豬肉的腐敗程度模型，使得檢測者可以更加清楚的了解豬肉的存放時長以及模型的偏差程度，方便將來進行校正。

4 結束語

豬肉新鮮度所需要檢測的指標較多，我們應結合多種檢測方法，建立綜合的評價模型。在實際的應用中，還存在著產生誤差的原因，這就需要我們在應用中不斷對模型進行校正，不斷完善光譜技術對豬肉新鮮度檢測的標準和流程，這對我國肉類產品的檢測具有重大意義。

參考文獻：

[1] 孫朋朋，宋春陽.豬肉品質的評價指標及營養因素對豬肉品質影響的研究進展[J].豬業科學，2014，31（2）：112-114.

[2] Nicola? B M，Beullens K，Bobelyn E，et al.Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy：a review[J].Postharvest Biology and Technology，2007，46（2）：99-118.

[3] 王凡，李永玉，彭彥昆，等.馬鈴薯多品質參數可見/近紅外光譜無損快速檢測[J].光譜學與光譜分析，2018，38（12）：3736-3742.

[4] 王文秀，彭彥昆，房曉倩，等.二維相關光譜的豬肉TVB-N特征變量優選研究[J].光譜學與光譜分析，2018，38（7）：2094-2100.

[5] 戴小也.基于近紅外光譜分析技術的豬肉品質快速檢測方法研究[D].徐州：中國礦業大學，2019.

[6] 中華人民共和國衛生部，中國國家標準化管理委員會.肉與肉制品衛生標準的分析方法：GB/T 5009.44—2003[S].北京：中國標準出版社，2004.

[7] 郭慶輝，彭彥昆，李永玉，等.肉品無損檢測光學傳感器設計與試驗[J].農業機械學報，2020，51（S2）：484-490.

[8] 張海云，彭彥昆，王偉，等.基于光譜技術和支持向量機的生鮮豬肉水分含量快速無損檢測[J].光譜學與光譜分析，2012，32（10）：2794-2798.

[9] 彭彥昆，楊清華，王文秀.基于近紅外光譜的豬肉水分在線檢測與分級[J].農業機械學報，2018，49（3）：347-353.

[10] Kamruzzaman M， EIMasry G， et al. Innovative Food Science & Emerging Technologies，2012，16：218.

[11] 吳建虎，彭彥昆，江發潮，等.牛肉嫩度的高光譜法檢測技術[J].農業機械學報，2009，40（12）：135-138，150.

[12] 尚夢玉，王松磊，何建國，等.基于NIR高光譜技術檢測灘羊冷鮮肉顏色[J].食品工業，2018，39（9）：287-291.

[13] Nguyen-Viet H，Dang-Xuan S，Pham-Duc P，et al.Rapid integrated assessment of food safety and nutrition related to pork consumption of regular consumers and mothers with young children in Vietnam[J].Global Food Security，2019，20：37-44.

[14] 張華鋒.基于多光譜成像無損識別豬肉中碎骨的技術研究[D].合肥：合肥工業大學，2020.

[15] 董迪.基于多光譜分析的包裝生鮮肉無損檢測技術研究[D].無錫：江南大學，2020.

【通聯編輯：梁書】