蝦樣品不同采集狀態(tài)對近紅外光譜PLS模型的影響*

任瑞娟，柴春祥，魯曉翔，李立杰，郭美娟

(天津商業(yè)大學(xué)生物技術(shù)與食品科學(xué)學(xué)院，天津市食品生物技術(shù)重點實驗室，天津，300134)

近紅外光譜技術(shù)是一種物理測定技術(shù)，它利用化學(xué)物質(zhì)在近紅外光譜區(qū)內(nèi)的光學(xué)特性，快速測定某種樣品中的一種或多種化學(xué)成分含量和特性［1］，是近年來迅速發(fā)展和推廣的一種快速檢測技術(shù)［2-3］。

該技術(shù)在水產(chǎn)品領(lǐng)域相關(guān)研究和應(yīng)用非常有限，特別是蝦類食品中，其應(yīng)用研究未見報道［5］，主要原因是水產(chǎn)品成分復(fù)雜、水分含量高等特性導(dǎo)致光譜分析比較困難［6］。因此研究采用近紅外光譜技術(shù)對蝦新鮮度進行判別分析具有重要的現(xiàn)實意義。本研究在近紅外光譜技術(shù)對南美白對蝦新鮮度鑒別的基礎(chǔ)上，進一步探討了采集南美白對蝦近紅外光譜曲線時，不同的樣品采集狀態(tài)對PLS模型的影響。

1 材料與方法

1.1 材料與設(shè)備

南美白對蝦:購自天津市王頂?shù)趟a(chǎn)批發(fā)市場。

DA7200近紅外光譜儀(瑞典波通儀器公司)，波長采集范圍:950～1 650 nm，樣品杯:直徑75mm;分辨率 5.0 nm;Unscrambler10.3:CAMO 公司。

1.2 實驗方法

用碎冰將鮮活蝦塊致死，分裝在保鮮袋中，分為42份，根據(jù)蝦的大小每份12～15只，其中一份作為新鮮樣品，剩余41份分別置于冷藏(5℃)、冷凍(-18℃)、微凍(-3℃)3個溫度下保藏待用，冷藏7份，冷凍19份，微凍15份。對樣品進行分析時，每份樣品分為2組，一組保持完整蝦，另一組用組織搗碎機制成蝦糜，分別對完整蝦和蝦糜樣品進行分析。

利用DA7200近紅外光譜儀采集完整蝦和蝦糜的光譜曲線。近紅外光譜儀預(yù)熱1 h，參數(shù)設(shè)置為裝樣3次，掃描3次，將一組完整蝦放在140 mm樣品杯中，放入樣品槽采集其近紅外光譜曲線;將另一組蝦去頭去殼，用組織攪碎機制成蝦糜，取約100 g裝入75 mm 樣品杯中，厚度不小于0.5 cm［7］，測量蝦糜溫度后撫平表面，放入樣品槽上采集近紅外光譜曲線，同步對完整蝦和蝦糜的揮發(fā)性鹽基氮［8］及菌落總數(shù)［10］進行測定。

2 結(jié)果與分析

2.1 理化指標分析

揮發(fā)性鹽基氮(TVB-N)是反映水產(chǎn)品質(zhì)量的一項重要指標［11］。TVB-N是指動物性食品由于細菌的作用，在腐敗過程中使蛋白質(zhì)分解后產(chǎn)生的具有揮發(fā)性的堿性含氮物質(zhì)［11］，一般隨鮮度的下降而增加，能夠很好的反映魚貝蝦類等水產(chǎn)品的腐敗程度［11］，TVB-N≤25 mg/100 g為一級鮮度，TVB-N≤30 mg/100 g為二級鮮度。也可用菌落總數(shù)來表明食品污染程度的輕重，菌落總數(shù)可用TBC［菌落總數(shù)(單位為CFU/g)的對數(shù)值(以 10為底數(shù))］［13］表示，新鮮蝦TBC 為4.4 左右，TBC≤5.0 為一級鮮度，TBC≤5.7為二級鮮度。圖1和圖2分別是南美白對蝦在冷藏(5℃)、冷凍(-18℃)、微凍(-3℃)3個貯藏溫度下完整蝦和蝦糜的TVB-N值及TBC值。

圖1 三個貯藏溫度下完整蝦和蝦糜TVB-N值變化Fig.1 Changes of TVB-N in complete shrimp and minced shrimp in three temperature

圖2 三個貯藏溫度下完整蝦和蝦糜TBC值變化Fig.2 Changes of TBC in complete shrimp and minced shrimp in three temperature

由圖1、圖2可知，隨著貯藏時間的增加，TVB-N和TBC值都有所增加，貯藏溫度越高，增加越快。冷藏條件下TVB-N和TBC值增加很快，很快達到一級鮮度上限，隨時間的增加，達到二級鮮度上限并超出二級鮮度很多;微凍條件下，TVB-N和TBC值增加較為平緩，增長曲線位于冷藏條件和冷凍條件之間，隨著貯藏時間的延長，逐步達到一級鮮度上限、二級鮮度上限甚至超出二級鮮度上限;冷凍條件下TVB-N和TBC值增加速度最慢，在很長時間內(nèi)仍能保持在二級鮮度范圍內(nèi)，可見低溫貯藏可以有效延長南美白對蝦的貨架期。對蝦在貯藏期間TVB-N值增加是因為對蝦含有大量的蛋白質(zhì)，在內(nèi)源酶和微生物分泌的蛋白酶等作用下，蛋白質(zhì)水解成多肽，進而分解產(chǎn)生氨基酸，氨基酸通過脫羧、脫氨、脫硫等作用降解產(chǎn)生氨、胺類、有機酸及各種碳氫化合物，產(chǎn)生的胺類物質(zhì)為堿性含氮化合物，具有揮發(fā)性的臭味，常有胺、伯胺、仲胺和叔胺等;并且隨著貯藏時間的增加，微生物會大量繁殖，導(dǎo)致TBC值增加。同時從圖1、圖2中還可以看出，3個貯藏溫度下完整蝦TVB-N值及TBC值都略高于蝦糜，這是因為在相同貯藏條件下，完整蝦較攜帶較多的微生物，故TBC值較高，水產(chǎn)品生物胺的產(chǎn)生又與微生物呈正相關(guān)，TVB-N的量與這些生物胺的量存在一定的相關(guān)性，故完整蝦TVB-N值也高于蝦糜。

2.2 PLS模型分析

2.2.1 光譜預(yù)處理方法和最優(yōu)波段的確定

近紅外光譜儀采集的光譜除樣品自身信息外，還包含了其他無關(guān)信息和噪聲，如電噪聲，樣品背景及雜散光等［14］。因此在用化學(xué)計量學(xué)方法建立模型時，對光譜進行預(yù)處理，消除這些無關(guān)信息和雜散光，優(yōu)化光譜信號，為進一步校正模型打下基礎(chǔ)。采用Unscrambler10.3數(shù)學(xué)處理軟件對光譜進行預(yù)處理，建立數(shù)學(xué)模型并驗證模型。近紅外光譜預(yù)處理方法很多，常用的方法主要有一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、平滑處理、多元散射校正等［15］。經(jīng)過反復(fù)計算，確定一階導(dǎo)數(shù)、SG平滑和標準正態(tài)變化(SNV)為最優(yōu)光譜預(yù)處理方法，950～1 450 nm為最優(yōu)波段。圖3～圖6分別為完整蝦原始近紅外光譜圖，經(jīng)過一階導(dǎo)數(shù)、SG、SNV處理的完整蝦近紅外光譜圖，蝦糜原始近紅外光譜圖和經(jīng)過一階導(dǎo)數(shù)、SG、SNV處理的蝦糜近紅外光譜圖。由圖3～圖6可知，完整蝦和蝦糜樣品的近紅外光譜變化趨勢大致相同但不重合，這是樣品中吸收基團含量的不同導(dǎo)致的。2種樣品的原始光譜圖都出現(xiàn)了3個較為明顯的吸收峰，分別在980、1 200和1 450 nm左右，是對南美白對蝦中含C、N、H等基團的倍頻及合頻吸收［16］，這些吸收峰的出現(xiàn)及強度的差異可以較好地反映出蝦在貯藏過程中脂肪、水分、胺類等物質(zhì)的變化，含有豐富的光譜信息。隨著南美白對蝦貯藏時間的增加，蝦體內(nèi)蛋白質(zhì)、脂肪等物質(zhì)不斷分解產(chǎn)生氨、胺類及各種碳氫化合物，C—H、N—H、O—H等含氫基團的含量不斷變化，光譜吸收曲線也會發(fā)生變化。并且，3個溫度條件下完整蝦和蝦糜樣品的近紅外光譜有嚴重的重疊，但蝦糜樣品光譜分布較完整蝦光譜均勻，更能反映出不同的貯藏條件下光譜吸光度的變化。光譜經(jīng)過一階導(dǎo)數(shù)、SG和SNV處理后，得到的光譜信號更為明顯，1 450～1 650 nm處的導(dǎo)數(shù)光譜比較平緩，包含的信息量較少。

2.2.2 PLS 模型的建立

圖3 完整蝦原始光譜圖Fig.3 Near infrared spectrum of complete shrimp

圖4 經(jīng)過一階導(dǎo)數(shù)、SG和SNV處理的完整蝦光譜圖Fig.4 Spectra of complete shrimp processed by first derivation，SG and SNV

近紅外光譜定量分析中常用的方法主要有多元線性回歸法(mLR)，逐步回歸法(S mLR)，主成分回歸法(PCA)，偏最小二乘法(PLS)等［17］。其中，偏最小二乘法既提取了光譜的主成分，也提取了濃度的主成分，進一步降低了噪音，提高預(yù)測能力。因此，目前PLS是近紅外分析上應(yīng)用最多的回歸方法［18］。所以，本研究選擇PLS法將光譜數(shù)據(jù)與TVB-N值及TBC值相關(guān)聯(lián)，建立數(shù)學(xué)模型。本實驗完整蝦樣品和蝦糜樣品各有42個，分別選取33個樣品建立校正模型，采用杠桿值和化學(xué)誤差［19］2個參數(shù)剔除異常值，經(jīng)過異常值的剔除進行逐步優(yōu)化，最后得到近紅外光譜數(shù)據(jù)與TVB-N和TBC關(guān)聯(lián)的最佳PLS回歸模型。所得評價模型的參數(shù)如表1所示。

圖5 蝦糜近紅外光譜原始圖Fig.5 Near infrared spectrum of minced shrimp

圖6 經(jīng)過一階導(dǎo)數(shù)、SG和SNV處理的蝦糜光譜圖Fig.6 Spectra of minced shrimp processed by first derivation，SG and SNV

表1 完整蝦和蝦糜PLS校正模型參數(shù)Table 1 PLSR modeling results of complete shrimp and minced shrimp

由表1可知，近紅外光譜與TVB-N值和TBC值所建的PLS模型中，蝦糜模型中的校正相關(guān)系數(shù)rc，校正決定系數(shù)Rc2，交叉驗證相關(guān)系數(shù)Fv，交叉驗證決定系數(shù)Rv2，均高于完整蝦模型。蝦糜TVB-N和TBC模型相關(guān)系數(shù)rc分別可達0.977和0.991，校正決定系數(shù)Rc2分別為 0.954 和 0.981，交叉驗證相關(guān)系數(shù)rv分別為0.963和0.949，交叉驗證決定系數(shù)Rv2分別為0.931和0.908;而完整蝦TVB-N和 TBC模型相關(guān)系數(shù)rc分別可達0.963和0.920，校正決定系數(shù)Rc2分別為 0.928 和 0.846，交叉驗證相關(guān)系數(shù)rv分別為0.929和0.865，交叉驗證決定系數(shù) Rv2分別為0.880和0.773。蝦糜模型校正均方根誤差RMSEC，校正均方根誤差SEC，交叉驗證均方根誤差RMSECV，交叉驗證標準誤差SECV均低于完整蝦模型。蝦糜TVB-N和TBC模型校正均方根誤差RMSEC分別為1.518和0.135，校正均方根誤差SEC分別為1.544和0.139，交叉驗證均方根誤差RMSECV分別為1.957和0.313，交叉驗證標準誤差SECV分別為2.005和0.320;完整蝦 TVB-N和TBC模型校正均方根誤差 RMSEC分別為1.619和0.435，校正均方根誤差SEC分別為1.651和0.443，交叉驗證均方根誤差RMSECV分別為2.238和0.557，交叉驗證標準誤差SECV分別為2.304和0.567，可見，蝦糜模型參數(shù)優(yōu)于完整蝦模型參數(shù)。這是因為完整蝦有蝦殼和蝦頭的存在，采集光譜時很難保證其均勻性，影響到光譜信息，掃描蝦糜光譜時盡可能控制蝦糜顆粒大小一致、加樣密實性一致、保持樣品均勻性，克服了上述存在的問題，得到的光譜波動性小、信噪比高，有利于良好模型的建立。可見，采用蝦糜采集近紅外光譜曲線，所建的模型較優(yōu)于完整蝦。

2.2.3 PLS 模型的驗證

除了用模型的基本參數(shù)衡量回歸模型的質(zhì)量優(yōu)劣外，還需要通過模外檢驗評價回歸模型的實際預(yù)測能力。因此，分別選用另外9份樣品作為預(yù)測集檢驗?zāi)Ｐ偷念A(yù)測能力。完整蝦TVB-N預(yù)測模型中相關(guān)系數(shù)為0.876，預(yù)測均方根誤差 RMSEP為12.777，預(yù)測標準誤差SEP為12.932;完整蝦TBC預(yù)測模型中相關(guān)系數(shù)為0.723，預(yù)測均方根誤差 RMSEP為0.877，預(yù)測標準誤差SEP為0.919;蝦糜TVB-N預(yù)測模型中相關(guān)系數(shù)為0.961，預(yù)測均方根誤差 RMSEP為2.179，預(yù)測標準誤差SEP為2.306;蝦糜TBC預(yù)測模型中相關(guān)系數(shù)為0.943，預(yù)測均方根誤差RMSEP為0.603，預(yù)測標準誤差SEP為0.643，分別將完整蝦和蝦糜的TVB-N、TBC預(yù)測值與實測值進行比較，結(jié)果如表2、表3所示。

由表2可知，完整蝦TVB-N預(yù)測結(jié)果中，有2個樣品出現(xiàn)了較大的誤差，可能是這2個樣品在采集光譜時受到溫度及濕度等環(huán)境的影響，產(chǎn)生了光譜曲線的漂移，出現(xiàn)了較大的偏差。其他樣品得到較好的預(yù)測，但預(yù)測結(jié)果不是很理想，最大絕對值偏差6.980，最小偏差0.057，平均絕對值偏差2.262;完整蝦TBC預(yù)測模型中，最大絕對值偏差 1.900，最小偏差0.046，平均絕對值偏差0.652，可以較準確的預(yù)測蝦在貯藏期間TBC的含量。蝦糜TVB-N預(yù)測結(jié)果中(見表3)，同樣的2個樣品出現(xiàn)了較大誤差，其他樣品都能得到很好的預(yù)測，最大預(yù)測絕對偏差5.027，最小偏差0.264，平均絕對預(yù)測偏差1.817，從模外驗證結(jié)果可知，蝦糜TVB-N模型較優(yōu)于完整蝦TVB-N模型;蝦糜TBC預(yù)測模型中，最大預(yù)測絕對偏差2.456，最小偏差 0.011，平均絕對預(yù)測偏差 0.598，預(yù)測結(jié)果較優(yōu)于完整蝦TBC預(yù)測模型。

表2 完整蝦樣品TVB-N和TBC實測值與預(yù)測值比較Table 2 Comparing of the measured and predicted value of TVB-N and TBC in complete shrimp

表3 蝦糜樣品TVB-N實測值與預(yù)測值比較Table 3 Comparing of the measured and predicted value of TVB-N and TBC in minced shrimp

3 結(jié)論

對冷藏(5℃)、冷凍(-18℃)、微凍(-3℃)3個溫度貯藏條件下的南美白對蝦進行了鮮度判別分析，采用Unscrambler10.3軟件選擇了最佳光譜預(yù)處理方法和最優(yōu)波段，建立了完整蝦、蝦糜的TVBN模型、TBC模型，并對模型進行評價和模外預(yù)測。以校正集決定系數(shù)Rc2、相關(guān)系數(shù)rc、校正均方根誤差RMSEC、校正標準誤差SEC、交叉驗證集決定系數(shù)Rv2、相關(guān)系數(shù)rv、交叉驗證均方根誤差RMSECV和交叉驗證標準誤差SECV為校正模型評價指標，預(yù)測集相關(guān)系數(shù)、預(yù)測集均方根誤差RMSEP、預(yù)測集標準誤差SEP、預(yù)測值和實測值偏差為模外驗證評價指標。結(jié)果表明，所建模型中，蝦糜TVB-N模型和TBC模型較優(yōu)于完整蝦TVB-N和TBC模型，對3種貯藏條件下蝦的TVB-N和TBC值都取得了較好的預(yù)測，可見，蝦樣品不同的光譜采集狀態(tài)對PLS模型有很大影響，以蝦糜作為近紅外光譜采集狀態(tài)優(yōu)于完整蝦。

［1］ 于紅櫻，祁慧娜，臧勇軍.近紅外分析技術(shù)在肉與肉制品分析中的應(yīng)用［J］.肉類工業(yè)，2006(11):8-9.

［2］ Williams P C，Jaby F.Preliminary observation on the determination of wheat strength by near infrared reflectance［J］.Cereal Chmeistry，1988，65(2):109-114.

［3］ Daun J K，Clear K M，Willams P C.Comparison of three whole seed near infrared analyzers for measuring quality components of canola seed［J］.Journal of American Oil Chemistry，1994(71):1063-1068.

［4］ 黨照，趙利.利用近紅外分析技術(shù)測定胡麻種質(zhì)資源品質(zhì)［J］.西北農(nóng)業(yè)學(xué)報，2008，17(2):110-113.

［5］ 任瑞娟，柴春祥，魯曉翔.近紅外光譜技術(shù)在水產(chǎn)品檢測中的應(yīng)用展望［J］.食品工業(yè)科技，2013，34(2):361-363.

［6］ 欒東磊.近紅光譜分析技術(shù)在幾種水產(chǎn)品中的應(yīng)用研究［D］.青島:中國海洋大學(xué)，2009.

［7］ 李志新.應(yīng)用近紅外品質(zhì)分析儀測定馬鈴薯淀粉的研究［J］.黑龍江農(nóng)業(yè)科學(xué)，2011(11):78-79.

［8］ SC/T 3032-2007.水產(chǎn)品中揮發(fā)性鹽基氮的測定［S］.

［9］ GB4789.2-2010.食品安全國家標準，食品微生物學(xué)檢驗，菌落總數(shù)測定［S］.

［10］ 朱金虎.對蝦品質(zhì)評價及分級技術(shù)研究［D］.北京:中國農(nóng)業(yè)科學(xué)院，2012.

［11］ 周德慶，馬敬軍，徐晶晶.水產(chǎn)品鮮度評價方法研究進展［J］.萊陽農(nóng)學(xué)院學(xué)報，2004，21(4):312-315.

［12］ 任瑞娟，柴春祥，魯曉翔，等.冷藏南美白對蝦新鮮度的近紅外光譜方法研究［J］.食品與發(fā)酵工業(yè)，2013，39(6):70-73.

［13］ 凌萍華，謝晶，趙海鵬，等.冰溫貯藏對南美白對蝦保鮮效果的影響［J］.江蘇農(nóng)業(yè)學(xué)報，2010，26(4):828-832.

［14］ 劉小敏，楊林，陳璇，等.NIR1501型近紅外分析儀在魚粉質(zhì)檢中的應(yīng)用［J］.糧食與飼料工業(yè)，1996，14(9):23-27.

［15］ 張安紅.對蝦鮮度的可見/近紅外光譜分析研究［D］.杭州:浙江大學(xué)，2013.

［16］ 任瑞娟，柴春祥，魯曉翔，等.近紅外光譜技術(shù)在南美白對蝦鮮度判別中的應(yīng)用［J］.食品與發(fā)酵工業(yè)，2014，40(3):168-172.

［17］ 楊瓊.近紅外光譜法定量分析及其應(yīng)用研究［D］.重慶:西南大學(xué)，2009.

［18］ 羅陽.近紅外光譜技術(shù)在魚丸品質(zhì)檢測中的應(yīng)用研究［D］.上海:上海海洋大學(xué)，2008.

［19］ Cook R D，Weisberg S.Residuals and Influence in Regression［M］.New York:Chapman and Hall，1982.