應用便攜式近紅外儀檢測生鮮羊通脊肉的嫩度

鄒昊

摘 要：在北京市內收集生鮮羊通脊肉樣品98 個，研究應用便攜式近紅外儀快速無損檢測生鮮羊通脊肉嫩度，結合化學計量學的方法建立可以快速無損檢測生鮮羊通脊肉嫩度的近紅外光譜檢測模型。在建模過程中，研究了平滑、求導和信號校正等不同光譜預處理方法對模型的影響。結果表明：最佳的光譜預處理方法為均值中心化、Savitzky-Golay（SG）一階導數、SG平滑和正交信號校正。應用偏最小二乘法建模所得模型的校正集標準偏差0.90、驗證集標準偏差2.39、校正集相關系數（Rc）=0.94、驗證集相關系數（Rp）=0.64、主因子數為4，說明模型具備較好的預測準確性，可應用于生鮮羊通脊肉嫩度的快速無損檢測中。

關鍵詞：便攜近紅外光譜；羊肉；嫩度；無損

Abstract： Using chemometrics， a predictive model for rapid nondestructive detection of lamb tenderloin tenderness was established by analyzing 98 lamb meat samples collected in Beijing by portable near-infrared spectroscopy. The influences of smoothing， derivation and signal correction and other pre-treatments on the model were discussed. The results showed that the optimum pretreatments were average centralization Savitzky-Golay （SG） first-order derivative， SG smoothing and orthogonal signal correction. The model was developed by using partial least square （PLS） regression. The standard errors of calibration and prediction were 0.90 and 2.39， respectively. The coefficient correlation of calibration set （Rc） and prediction set （Rp） were 0.94 and 0.64， respectively and the number of main factors was 4， which illustrated the model had good predictive accuracy and could be applied in the detection of fresh lamb tenderloin tenderness.

Key words： portable near-infrared spectroscopy； lamb； tenderness； non-destructive

中圖分類號：O657.3 文獻標志碼：A 文章編號：1001-8123（2014）10-0015-05

羊肉是我國主要肉類食品之一，因其營養豐富、高蛋白、低脂肪、富含多種維生素、礦物質和人體所需的必需氨基酸等特點，深受國際國內市場的青睞[1]。我國是羊肉生產大國，約占世界羊肉總產量的1/3，居世界首位[2]。但因我國羊肉品質參差不齊，普遍存在品質較差的問題，導致我國羊肉的國際競爭力不強，始終無法在羊肉國際貿易的舞臺上扮演重要的角色。與此同時，隨著國內經濟的發展，人們生活水平的提高，對生鮮羊肉的質量要求越來越高，各種鮮、嫩羔羊肉越來越受到廣大消費者的青睞，而目前這些優質、高檔羊肉90%都依靠進口。近年來，嫩度作為肉的主要食用品質指標，成為評判肉質優略的最常用指標[3]。

肉的嫩度是指肉入口咀嚼時對碎裂的抵抗力。對生鮮肉而言，嫩度主要表現在肉的硬度、韌性、多汁性和纖維性等綜合效應上，通常用咀嚼的食感來判斷肉的嫩度，用剪切力表示嫩度的高低[4]。生鮮羊肉嫩度的檢測方法目前主要有主觀評價和客觀評價兩種方法，主觀評價是靠評價員的咀嚼品嘗來判定，評判結果受主觀因素的干擾，誤差較大；客觀評價目前主要根據行業標準

NY/T 1180—2006《肉嫩度的測定剪切力測定法》中介紹的剪切力測定方法，借助質構儀測量肉的剪切力，該方法檢測過程繁瑣，耗時長，受人為因素干擾大且具有破壞性，被檢測的樣品不能繼續應用于生產或銷售，造成實際生產的大量浪費，無法滿足大批量、快速、非破壞性和在線檢測的檢測要求。

近些年，隨著光譜學和計算機學的快速發展，現代近紅外光譜分析技術憑借其速度快，效率高，對檢測目標無損害等特點，在農業，醫藥，食品行業等得到了廣泛關注[5]。現代近紅外光譜分析技術始于20世紀60年代，Norris等[6]首先開始研究應用近紅外光譜分析技術來測定谷物中的水分、蛋白質和脂肪含量。此后，學者們開始將近紅外光譜分析技術應用于各個行業中進行研究[7]。例如趙家松等[8]開發了應用近紅外技術快速檢測生鮮豬肉新鮮度的方法。朱迅濤[9]應用近紅外技術快速檢測火腿腸的蛋白質、脂肪和水分含量。Isaksson等[10]應用及紅外技術實現在線快速檢測牛肉餡的蛋白質、脂肪和水分含量。劉煒等[11]采用傅里葉變換近紅外光譜法結合偏最小二乘回歸法建立了鮮豬肉中肌內脂肪、蛋白質和水分含量的定量模型。趙麗麗等[12]應用近紅外光譜分析技術建立了臘肉中酸價和水分含量的偏最小二乘回歸模型。如今國內外學者已嘗試采用近紅外光譜分析技術對生鮮肉的嫩度做初步評定工作。Geesink等[13]利用近紅外光譜數據結合偏最小二乘法對豬肉嫩度進行建模，結果顯示豬肉的近紅外光譜與嫩度的相關性較差。Park等[14]采集牛通脊肉在1 100～1 350 nm之間的近紅外光譜，應用偏最小二乘法進行建模，結果相關系數R2=0.63，驗證集標準偏差0.63。Byrne等[15]采集牛肉在750～1 098 nm間的光譜數據結合主成分分析，建立的嫩度模型相關系數R=0.82。Rodbotten等[16]將牛肉在1 100～2 500nm的近紅外光譜進行建模，結果模型預測牛肉嫩度的相關系數為0.47。趙杰文等[17]應用傅里葉式近紅外儀采集牛通脊肉在11 000～3 800cm-1的近紅外漫反射光譜，利用多元線性回歸建立了有關牛肉嫩度的近紅外光譜監測模型，其檢測正確率可達到84.21%。張德權等[18]應用臺式傅里葉近紅外儀對生鮮羊肉的嫩度進行檢測，采集的近紅外波段為11 995～5 446 cm-1和4 601～4 246 cm-1，模型精度可達到86.2%，但該方法檢測前，需要對生鮮羊肉樣品進行剔除脂肪和筋膜等預處理工作，且因采用的臺式傅里葉近紅外儀對生鮮羊肉樣品進行近紅外光譜數據信息采集時需要將樣品放置在樣品杯中，因此需將樣品加工成5 cm×5 cm×1 cm大小的肉塊，而由于臺式傅里葉近紅外儀不便于攜帶，因此應用臺式傅里葉近紅外儀對生鮮羊肉的嫩度進行檢測，步驟復雜，對樣品的大小有限制且對樣品有破壞，無法滿足在線快速無損檢測生鮮羊肉嫩度的要求。目前，國內一些學者已開始嘗試應用便攜式近紅外儀對農產品的一些質量指標進行檢測[19-21]，但還沒有基于便攜式近紅外儀對生鮮羊肉嫩度進行檢測方法的相關報道。

因此，為了改進我國生鮮羊肉品質檢測技術，改善人們生活水平，提高我國生鮮羊肉在國際市場上的競爭力，保障我國生鮮羊肉的品質，開發可以實現在線快速無損檢測生鮮羊肉嫩度的檢測方法，具有十分重要的意義。

1 材料與方法

1.1 材料

本實驗使用的98 份土種羊通脊肉生鮮樣品均采集于北京市牛街清真牛羊肉市場。其中隨機選取73 份生鮮羊通脊肉樣品作為校正集，用于模型的建立，25 份樣品作為驗證集，用來檢驗模型的可靠性。

1.2 儀器與設備

SupNIR-1520型便攜式近紅外儀 聚光科技（杭州）股份有限公司；TA.TX.Plus型質構儀 英國Stable Micro System公司。

1.3 方法

1.3.1 樣品制備

將收集的98 份生鮮羊通脊肉樣品置于0～4 ℃環境中，使樣品溫度一致，并盡快對樣品進行光譜采集和嫩度化學測量值的測定。

1.3.2 嫩度化學測量值的測定

根據行業標準NY/T 1180—2006中介紹的剪切力測定法對采集的98 份生鮮羊通脊肉樣品進行嫩度化學測量值的檢測。

1.3.3 樣品光譜數據的采集

每次光譜檢測前先將便攜式近紅外儀預熱30 min，并用參比標準板進行校準。近紅外光譜信息采集前，不對采集的生鮮羊肉樣品進行任何預處理。近紅外光譜信息采集過程中，將羊肉樣品表面緊貼于便攜式近紅外儀的光譜檢測探頭，避免因漏光導致采集的光譜信息不準確。因近紅外光譜的采集對溫度敏感，所有羊肉樣品在光譜采集過程中始終保持在0～4 ℃。采集的近紅外光譜波長范圍為1 000～1 799 nm，分辨率為10 nm，每個樣品進行2 次光譜采集，每次間隔5 s，每次光譜采集，光譜掃描次數為10 次。

1.3.4 光譜的預處理與模型建立

首先將樣品的嫩度化學測量值與采集的光譜數據一一對應輸入到聚光科技（杭州）股份有限公司開發的RIMP Client近紅外分析軟件中。為了去除校正集和驗證集的近紅外光譜數據信息中的無關干擾信息、降低隨機噪聲和強化譜帶特征，將不同的預處理方法包括標準化（均值中心化、標準化）、Savitzky-Golay（SG）平滑、求導（SG一階導數、差分一階導數）、信號矯正（多元散射校正、標準正太變量變換、凈分析信號、正交信號校正，去趨勢校正、基線校正）進行組合，應用偏最小二乘法建立多個生鮮羊通脊肉嫩度預測模型。根據模型校正集標準偏差、交互驗證標準偏差、驗證集標準偏差、校正集相關系數、驗證集相關系數主因子數等模型評價參數對通過不同預處理方法建立的模型的預測準確性、重復性、穩健性等性能進行評價。選出針對生鮮羊通脊肉嫩度的最佳預測模型和最佳近紅外光譜數據信息預處理方法

由圖1和表1可知，總樣品嫩度集中范圍為1.85～14.26 kg，其中主要集中在2～4 kg，嫩度分布范圍比較廣，具有較好的代表性。校正集和驗證集的嫩度化學測量值最大值分別為14.22 kg和14.26 kg，最小值分別為1.85 kg和2.19 kg，驗證集的嫩度化學測量值大致在校正集內，所選校正集和驗證集均合理。

2.2 生鮮羊通脊肉近紅外光譜采集結果分析

3 結 論

從北京市清真牛羊肉市場采集生鮮羊通脊肉樣品98 份，其中73 份作為校正集，用于模型的建立，25 份作為驗證集，用來檢測模型的可靠性，樣品集中嫩度最小的為1.85 kg，最大的為14.26 kg，覆蓋范圍廣，樣品具有較好的代表性。

應用偏最小二乘法建模，最佳光譜預處理方法為：均值中心化、SG一階導數、SG平滑和正交信號校正。利用偏最小二乘法所得模型的校正集標準偏差0.90、驗證集標準偏差2.39、校正集相關系數0.94、驗證集相關系數0.64、主因子數為4，說明模型具有較好的預測準確性，可應用于生鮮羊通脊肉嫩度的快速無損檢測中。

參考文獻：

[1] 夏曉平， 李秉龍. 我國羊肉產品國際競爭力之分析[J]. 國際貿易問題， 2009（8）： 38-44.

[2] 崔燕， 穆月英， 李秉龍. 我國羊肉貿易及國際競爭力影響因素分析[J]. 農業經濟問題， 2009（10）： 94-99.

[3] SHACKELFORD S D， WHEELER T L， MEADE M K， et al. Consumer impressions of tender select beef[J]. Journal of Animal Science， 2001， 79： 2605-2614.

[4] 張英華. 肉的品質及其相關質量指標[J]. 食品研發與開發， 2005， 26（1）： 39-42.

[5] 褚小立， 袁洪福， 陸婉珍. 近年來我國近紅外光譜分析技術的研究與應用進展[J]. 分析儀器， 2006（2）： 1-10.

[6] NORRIS K H， BARNES R F， MOORE J E， et al. Predicting forage quality by near infrared reflectance spectroscopy[J]. Journal of Animal Science， 1976， 43： 889-897.

[7] 孫通， 徐惠榮， 應義斌. 近紅外光譜分析技術在農產品/食品品質在線無損檢測中的應用研究發展[J]. 光譜學與光譜分析， 2009， 29（1）： 122-126.

[8] 趙家松， 嚴偉榆， 曹志勇， 等. 豬肉新鮮度近紅外檢測儀的設計與應用研究[J]. 安徽農業科學， 2011， 39（13）： 7817-7819.

[9] 朱迅濤. 近紅外分析技術在火腿腸檢測中的應用[J]. 肉類研究， 2002， 16（2）： 42-44.

[10] ISAKSSON T， NILSEN B N， TOGERSEN G， et al. On-line， proximate analysis of ground beef directly at a meat grinder outlet[J]. Meat Science， 1996， 43（3/4）： 245-253.

[11] 劉煒， 俞湘麟， 孫東東， 等. 傅里葉變換近紅外光譜法快速檢測鮮豬肉中肌內脂肪、蛋白質和水分含量[J]. 肉質與豬產品加工， 2005（3）： 47-50.

[12] 趙麗麗， 張錄達， 宋忠祥， 等. 近紅外光譜定量檢測腌臘肉制品品質的研究[J]. 光譜學與光譜分析， 2007， 27（1）： 46-49.

[13] GEESINK G H， SCHREUTELKAMP F H， FRANKHUIZEN R， et al. Prediction of pork quality attributes from near infrared reflectance spectra[J]. Meat Science， 2003， 65： 661-668.

[14] PARK B， CHEN Y R， HRUSCHKA W R， et al. Near-infrared reflectance analysis for predicting beef longissimus tenderness[J]. Journal of Animal Science， 1998， 76： 2115-2120.

[15] BYRNE C E， DOWNEY G， TROY D J， et al. Non-destructive prediction of selected quality attributes of beef by near-infrared reflectance spectroscopy between 750 and 1098nm[J]. Meat Science， 1998， 49（4）： 399-409.

[16] RODBOTTEN R， NILSEN B N， HILDRUM K I. Prediction of beef quality attributes from early post mortem near infrared reflectance spectra[J]. Food Chemistry， 2000， 69： 427-436.

[17] 趙杰文， 翟劍妹， 劉木華， 等. 牛肉嫩度的近紅外光譜法檢測技術研究[J]. 光譜學與光譜分析， 2006， 26（4）： 640-642.

[18] 張德權， 陳宵娜， 孫素琴， 等. 羊肉嫩度傅里葉變換近紅外光譜偏最小二乘法定量分析研究[J]. 光譜學與光譜分析， 2008， 28（11）： 2550-2553.

[19] 王加華， 韓東海. 便攜式近紅外水果糖度分析模型簡化研究[J]. 食品安全質量檢測技術， 2009， 1（1）： 32-38.

[20] 李曉云， 王加華， 黃亞偉， 等. 便攜式近紅外儀檢測牛奶中脂肪、蛋白質及干物質含量[J]. 光譜學與光譜分析， 2011， 31（3）： 665-668.

[21] 王旭， 張鳳清， 林家永， 等. 便攜式近紅外谷物分析儀快速測定小麥蛋白質的研究[J]. 糧食與飼料工業， 2012（1）： 13-17.