近紅外光譜技術在家禽養殖領域應用現狀

牛明雷，郝 炘，李建華，王俊偉，李平安，李 華

（1農業農村部工程建設服務中心，北京100081；2天津農墾渤海農業集團有限公司，天津301823；3天津市寶坻區朝霞街道辦事處，天津301800；4北京市植物保護站，北京100029；5湖南省益陽市桃江縣農業局，湖南益陽413499；6內蒙古自治區赤峰市寧城縣植保植檢站，內蒙古赤峰024200）

0 引言

近半個世紀的發展，近紅外光譜經歷了所謂的概念炒作期，進入平穩發展的快速期。從歷史發展角度來說，近紅外光譜為發達國家工業信息化過程分析技術和自動化的深度集成發揮了決定性作用，提供了工農業生產過程中快速實時的測量技術。優化近紅外光譜控制技術，能顯著提高產品質量，降低生產成本和資源消耗，為企業帶來較好的經濟和社會效益。近紅外光譜技術(Near-infrared Spectroscopy，NIRS)的研究和應用始于 20 世紀 80 年代。20 世紀 90 年代末 ，以產業鏈的方式逐步應用于農業、石化、醫藥、食品等領域，在工農業生產和科研中逐漸發揮著越來越重要的作用[1]。隨著近紅外光譜技術長足的發展，其在食品、中草藥和農產品快速鑒別有了成功的應用。將光譜技術應用于農產品檢測方面，國外學者利用近紅外光譜技術在農產品（玉米谷物）品質檢測方面進行了相關研究[2]。將光譜技術應用于水稻研究方面，國內外學者的研究興趣主要集中在使用光譜技術對某一品種的單一組分的檢測。牛曉穎等[3]使用近紅外漫反射光譜對不同品種草莓進行無損鑒別并對4類不同樣品的可溶性固形物、可滴定酸、固酸比和pH值進行了主成分分析，為近紅外鑒別結果提供了理化解釋。NIRS技術具有快速、無損、綠色等優點[4]，不僅可以對植物進行無損鑒別，同時還可以在中藥鑒別、水果品質鑒別、飼料質量檢測等領域進行應用。近年來，便攜式光譜儀是研究的熱點之一，尤其是在水果鑒別中得到很好的應用[5-6]。隨著近紅外技術和相關化學計量技術的不斷發展，近紅外光譜技術在石油化工、農業、工業等領域也得到快速的應用[7]。

隨著農業信息化的發展，畜牧業信息化水平有待提高。中國是傳統產糧大國，但是畜牧業總體來說水平不高，大多數畜牧場的飼喂不科學，飼料種類雜亂無章，市場肉類產品質量無法保障，導致經濟效益低下。近紅外光譜技術的出現可以從源頭飼料做起，改善飼料質量提高肉類品質。本文從近紅外光譜的發展現狀和在飼料品質檢測和雞肉品質檢測上應用介紹了近紅外光譜技術的應用進展，根據發展現狀提出未來的發展方向。

1 近紅外光譜技術的發展現狀

近紅外光譜技術是中國自20 世紀80 年代開始研究的一項新技術，其研究對象主要是農產品鑒別及其質量的無損檢測。目前廣泛應用于水稻、玉米等糧食物。20世紀90年代初，國內許多大學和研究機構開始研究近紅外光譜技術，出版了大量相關專著[8-10]。

近年來，中國各大研究機構和高校在硬件儀器、化學計量學軟件等實際應用領域取得了長足的進展。在硬件方面，中國科學院長春激光研究所研制了一種基于固定濾光片的顆粒特定近紅外分析儀用來鑒定水果品質[11]。中國農業大學研制了一種可以快速測量土壤成分的儀器。這些儀器是中國光譜學發展的見證[12]。同樣，中南大學開發的化學計量軟件，為國產化學計量軟件添磚加瓦[13]。這些硬件和軟件的結合，促進了中國光譜技術的快速發展，為光譜技術在各領域的進一步推廣奠定了基礎。

2 近紅外光譜技術在飼料檢測中的應用進展

畜牧業和家禽養殖的良好發展需要優質的飼料作為支撐。隨著近紅外光譜技術的發展，NIRS技術在飼料檢測中具有大量的應用。本文從飼料檢測的定性分析和定量分析簡單介紹一下近紅外技術在飼料檢測中的研究進展。

2.1 定性分析

定性分析主要用來鑒別飼料中的摻假摻雜，近紅外定性分析測量已知樣品和標準樣品的差異性來識別測量樣品類型[14-15]。

楊增玲等[16]對對魚粉和肉骨粉樣品共201組樣品進行了研究。當肉骨粉含量大于4.41%時，預測值-實際值相關系數為0.972。當MBM 大于5%時，預測正確率達到了100%。Pavino 等[17]利用近紅外技術對摻有MBM的飼料進行分析，檢出限達到0.10 Wt%，達到了歐盟標準。說明該方法對碎骨檢測真實有效。定性分析的方法不能精確計算出MBM 含量，但能夠判斷飼料樣本中是否有摻入MBM。相比其他方法而言，定性分析方法可以節省時間成本、人力成本，在實際應用中值得推廣。

2.2 定量分析

不同物質的成分在近紅外區的吸光度不同[16]，近紅外區域對動物飼料中大量存在的蛋白質、粗纖維等物質具有特異性吸收。Cozzolinod 對400 份動物飼料樣品中粗蛋白、干物質、酸性洗滌纖維、中性洗滌纖維和灰分的分析檢測[18]，除中性纖維外，化學值與模型預測值之間的決定系數(R2)均大于0.90。

牛智有等[19]應用近紅外光譜分析技術，收集代表性樣本的反芻動物飼料，分析樣品的近紅外反射光譜，選擇一個相對最優光譜預處理方法，利用偏最小二乘回歸校準方法，分別對光譜記性散射校正、變量標準化、一階導數和二階導數處理，建立了反芻動物飼料總磷的近紅外反射光譜定量分析模型。光譜不同預處理結果的定標結果如表1所示。

丁麗敏等[20]采用近紅外光譜法建立了玉米和豆粕中氨基酸含量的定標模型。研究表明模型決定系數(R2)一般大于0.90，最小值為0.82，遠高于以粗蛋白為自變量的預測關系式。結果表明，近紅外光譜法預測氨基酸含量是可行的。同時，近紅外光譜在測量礦物質、維生素和儲存的消化率和能量也是非常好的方法，值得推廣應用[21-23]。

3 近紅光譜技術在檢測禽肉質量的應用進展

3.1 物理特性檢測

3.1.1 色澤 色澤是消費者感官評定的一個重要指標，禽肉的顏色與肌肉中肌紅蛋白、血紅蛋白和細胞色素的含量有關[24]。肌肉的顏色特征是消費者直接觀察到的肉類特性，色澤的好壞直接影響消費者的購買欲。肌肉的色澤通常用色差計測量L*（亮度）、a*（紅度）、b*（黃度）值進行評價[25]。運用NIRS 技術檢測雞肉色澤研究已有報道。Liu[26]等采集144 個雞肉樣品400～1850 nm 范圍內的光譜數據，建立色澤參數的偏最小二乘回歸模型(PLSR)，得到L*、a*和b*校正模型的決定系數(R2)分別為0.84、0.83 和0.78，分析發現其中肌肉的亮度和黃度的預測效果較好。經多元散射校正(MSC)和求導預處理光譜后，Samuel等[27]和De Marchi等[28]建立了 PLSR 模型[29]，預測效果和 Liu 等[24]研究相似。Yang 等[30]采集 400～2500 nm 光譜數據，利用回歸系數法(RC)選取最優波長的預測效果并不理想。這可能與最后波長選擇后，部分重要光譜信息缺失有關。Jiang 等[31]在不同的波段下運用相同的最優波長提取方法和建模方法得到L*值模型精度較好，但a*、b*值不理想。蔣圣啟等[32]利用近紅外光譜成像系統聯用Stepwise算法快速評估雞肉色澤。通過采集新鮮屠宰雞肉高光譜圖像，提取試驗樣本感興趣區域(ROI)反射光譜信息，結果表明利用近紅外高光譜技術結合Stepwise 算法可實現雞肉色澤參數L*、b*值的快速評估。盡管NIRS技術預測肌肉色澤存在差異（表2），但因其具有快速無損大批量檢測優勢，未來可繼續深入研究。

3.1.2 嫩度 嫩度也是評定雞肉品質好壞的一個重要指標，影響雞肉的口感和風味。雞肉嫩度主要有以下三方面的影響因素：蛋白質結構特征、肌間脂肪含量以及肌纖維數量[33]。質構儀測定剪切力常被用于評定肉嫩度的好壞[34]，但需破壞樣品。熊振杰等[35]采集400～1000 nm范圍內可見近紅外光譜圖像，通過對比RC與連續投影算法(Successive Projections Algorithm，SPA)選出12 個最優波長建立PLSR 模型預測肌肉嫩度，效果不理想。在相同的波長范圍，蔣圣啟等[32]從MFS光譜中篩選出20 個最優波長構建O-PLS 模型預測雞肉嫩度的效果更好(RP=0.888，RMSEP=2.408N)。這說明采用合適的波長和建模方法能有效提高預測肌肉嫩度精度。

3.1.3 pH值 pH值直接關系到肉的嫩度、腐敗程度、新鮮度等相關指標[36]。運用NIRS技術對雞肉pH值檢測已有報道。De Marchi[28]等掃描獲取193個雞肉樣品的近紅外光譜信息(350～1800 nm)，通過吸收光譜值log(1/R)建立PLSR模型效果并不理想。Jiang[31]等通過運用RC 方法建立pH 的PLSR 模型效果也不理想。Barbin 等[41]運用主成分分析法分析 400～2500 nm 波長信息，并采用加權回歸系數法選取最優波長建立PLSR模型，預測pH效果得到提升。Jia等[37]運用競爭性自適應重加權采樣(CARS)建立pH值的PLSR模型，模型精度得到了較大的提升(R2C=0.94，R2P=0.73)。這些研究顯示，NIRS 技術快速有限測定雞肉pH 值存在較大潛力。

表1 光譜不同預處理結果的定標結果

表2 基于近紅外光譜技術雞肉色澤檢測研究

3.1.4 系水力 肉的系水力也稱為保水性或系水性，目前多采用滴水損失來反映肉制品的系水力[38-40]。系水力影響肉品的口感、新鮮度以及在加工運輸過程中營養汁液的損失，因此系水力的預測可及時反映肉制品的品質[41]。沈杰等[42]運用近紅外預測雞肉的系水力，效果不理想（如表3 所示）。Barbin 等[29]運用主成分分析法處理近紅外光譜信息，選取440、558、1656、1908 nm 4個特征波長建立系水力的PLSR模型，預測效果略有提高，但依然不理想。Yan等[30]的研究依然未能提高預測效果。研究表明NIRS技術預測雞肉系水力有待進一步研究。

4 展望

NIRS技術在飼料成分檢測可以實現無損檢測，對樣品或者環境不會造成污染。因此，利用近紅外光譜無損檢測技術改善飼料檢測、實現飼料質量動態監控有著重要的實現意義。NIRS 技術目前主要用于雞肉品質檢測，有少量研究涉及其他肉制品。研究表明，近紅外光譜在禽肉領域的發展潛力巨大，可在禽肉的物理性質等方面進行肉品品質鑒別，為肉質品安全提供保障，改善了傳統方法上破壞被檢測產品的缺陷。盡管如此，NIRS技術應用目前依然沒有形成完整的體系和方法，尤其是在數據預處理和降維方法需進一步研究。

（1）在禽肉檢測領域和飼料檢測領域的光譜儀普遍占地面積較大，適合實驗室研究。需研究高精度的手持型光譜儀集成設備實現現場檢測，提高效率。

（2）在化學計量學方法和軟件研發方面，研究模型數據庫維護更為方便的多元定量和定性校正方法，嘗試將現代人工智能、深度學習算法用于大光譜數據集關聯，進一步提高模型預測的準確性和穩健性。研究開發更簡便、通用性更強的模型傳遞算法。在此基礎上開發基于網絡平臺的建模工具，實現近紅外光譜模型數據庫的共享。

表3 基于近紅外光譜技術的雞肉物理特性檢測

（3）市場的飼料品種和雞肉品種多種多樣，產生的數據量很大。針對每個飼料品種和和雞肉品種，各高校和科研院所應該在相關部委牽頭領導下成立大數據共享中心，共同推動近紅外光譜檢測技術進一步大規模推廣應用。