基于快速氣相色譜和氣體傳感器陣列的冷凍豬肉儲存期檢測方法研究

蔣晨豪陳佳琪梅正昊寧景苑易曉梅郜園園惠國華

(浙江農林大學信息工程學院，林業感知技術與智能裝備國家林業局重點實驗室，浙江省林業智能監測重點實驗室，浙江 杭州 311300)

豬肉是中國消費量最大的肉品，隨著社會經濟發展和人們生活水平的提高，豬肉的消費量也呈現逐年上升的趨勢[1－2]。豬肉的氣味、色澤、口感、質地、微生物等都是其新鮮度判定的重要指標。從屠宰之后，在儲存過程中豬肉新鮮度一直處于不斷的變化過程，其影響因素包括環境、微生物等。在品質下降過程中，其含有的蛋白質、脂肪、糖類等物質分解，產生特定的揮發性氣體。豬肉新鮮度的下降不但影響了其品質因素，還產生了一些對人體有害的物質，這些過程影響到了豬肉的銷售的同時也給人們帶來了食品安全方面的不穩定因素[3]。

常用肉類新鮮度檢驗方法有人工感官評審、理化檢驗、微生物檢驗等[4]。人工感官評審法是指感官評價員運用視覺、嗅覺、觸覺等感覺器官對豬肉的新鮮度進行評價，在產品性質和生物感覺之間建立對應的相互關聯，以適當的數據分析把實驗設計和數理統計分析結合起來，獲取科學可靠的樣品人工評審結論。該方法缺點在于人工感官在樣品質變到一定程度時才能感覺到，而且如何量化這個質變過程是比較困難的[5]。肉類的理化檢驗方法主要有揮發性鹽基氮(TVB-N)、三甲胺等，這類方法依托國家標準，因此具有較強的權威性，但這一類方法不足在于其耗時長、操作繁瑣、不能無損檢驗等。微生物檢驗方法依據國標測定微生物計數，與理化檢驗方法類似，也具有耗時長、操作復雜等不足[6]。近年來，研究人員開發了一些新技術，光譜法、傳感器法等。光譜法采集肉類樣品的光譜數據，然后分析光譜數據，建立起光譜數據特征與肉類品質之間的聯系，從而確定肉類新鮮度的檢測模型。傳感器方法主要是采用物理或者化學傳感器檢測肉類樣品數據，在傳感器響應數據和肉類品質之間建立模型，實現肉類新鮮度快速檢測的目標。因此現有方法均不適合冷凍豬肉儲存期檢測的需要，冷凍豬肉需要解凍后才能進行后續的檢測操作，在解凍過程中由于環境因素的變化而引起的質量下降，導致檢測結果產生誤差[7－8]。

氣體傳感器陣列檢測方法具有響應速度快、操作方便等優點，可克服生物感覺判斷中重復性低的問題[9]。氣體傳感器構成的生物嗅覺系統也有了較為快速的發展[10]。Arroyo等[11]利用電子鼻實現了葡萄酒品質的快速檢測和分析。Gobbi等[12]采用基于金屬氧化物傳感器的電子鼻，實現了蔬菜湯中腸桿菌科的快速診斷。Nahid等人[13]采用多氣體傳感器檢測漿果的成熟程度，取得了較好的區分度。然而，對于冷凍食品而言，其溫度較低不利于自身特征性氣體的揮發，因此其氣體傳感器響應較為微弱。但如果把冷凍食品解凍后進行檢測，這個過程中受溫度、微生物等因素的影響，被測樣品的質量變化自身規律將被破壞。因此如何找到一種高靈敏度的無損檢測方法，實現冷凍豬肉的儲存期鑒定，具有重要的實際應用價值。

本文采用快速氣相色譜方法分離冷凍豬肉樣品的特異性揮發氣體，然后采用氣體傳感器陣列檢測氣相色譜柱富集的氣體，采用非線性模型分析檢測數據，并建立起冷凍豬肉儲存期檢測模型。

1 實驗材料和方法

1.1 實驗材料

新鮮豬肉樣品由浙江青蓮公司提供，屠宰后迅速運送至實驗室，分割成4 cm×8 cm×2.5 cm規格用保鮮膜包裹，放置于冰箱中－18℃冷凍保存。

1.2 揮發性鹽基氮(TVB-N)檢驗

分別于第1、3、5、7、9、11、13、15、17天實驗測量樣品的TVB-N數據。將豬肉放到攪碎機進行粉碎，用電子天平稱取攪碎的肉5 g，置于微量凱氏定氮器的大試管中，分別加入氧化鎂和大約100 mL水，加熱并持續振搖，然后用錐形瓶接收隨水蒸氣蒸出來的含氮的揮發性氣體，在錐形瓶中加入質量分數為百分之二的硼酸和兩滴現配的0.1%甲基紅和0.5%溴甲酚綠體積比為1∶1的混合液，然后將吸收液用0.1 mol/L的鹽酸標準溶液滴定，終點至藍紫色。每天平行實驗三次，在此之前還要做試劑空白試驗。揮發性鹽基氮的計算公式為:

式中:X為樣品中揮發性鹽基氮的含量，單位為(mg/100 g)；V1為樣品檢驗所需鹽酸溶液體積，單位:毫升；V2為空白樣品檢驗所需鹽酸溶液體積，單位:毫升；c為鹽酸標準溶液的摩爾濃度，單位為(mol/L)；14為1 mol/L鹽酸標準溶液1毫升相當氮的毫克數；m為樣品的質量，單位為(g)。

1.3 快速氣相色譜

采用具有微米級孔徑的微孔石英柱，在孔柱中修飾有可分離氣體組分的涂覆相，形成集束毛細管分離柱。在石英柱外部固定金屬層，在金屬兩極間形成可控的恒電勢，同時檢測電勢驅動下的電流信號，用于調整集束毛細管的溫控。冷凍豬肉樣品的頂空氣體被氦氣載氣帶入氣相色譜系統一般進行分離操作，氣相色譜系統包含氣路控制器，用來吸附氣體的由多孔聚合物材料組成的吸附單元，和金屬毛細管柱等部件。利用六通閥來切換氣路系統的模式切換，在檢測模式下(1，2)、(3，4)、(5，6)分別接通，快速加熱吸附管進行脫附。在分析模式下(2，3)、(4，5)、(1，6)分別接通，通過真空泵把氣體吸入吸附管進行富集。起始，六通閥工作在檢測模式，控制吸附管加熱達到180℃以保障氣樣全部進入毛細管柱，實現減小分離誤差的目的。六通閥150℃，毛細管柱45℃。采樣80 s后進入分析模式，吸附管加熱至250℃，毛細柱以10℃/s的速度升溫至180℃將吸附單元脫附，利用氦氣吹掃，洗脫的物質送入毛細管柱以便進行分離，然后送至多氣體傳感器陣列進行檢測。分別檢測存放1 d、1.5 d、2 d、2.5 d、3 d、3.5 d、4 d、4.5 d、5 d、5.5 d、7 d、9 d、11 d、13 d、15 d、17 d樣品的系統響應數據。

1.4 多氣體傳感器系統

根據Sun等人的研究結果[14]，在對樣品揮發氣體成分分析的基礎上，選用了針對樣品特征揮發性氣體的8個氣體傳感器構成檢測陣列，傳感器型號如表1所示。豬肉樣品從冰箱中取出后在空氣中放置15 min，以平衡樣品的溫度。然后稱取樣品25 g置于潔凈干燥的燒杯中并用封口膜密封，把處理好的樣品進行檢測。

表1 氣體傳感器陣列

在檢測工作開展之前，打開測量系統并穩定50 min，等到每個傳感器信號均恢復至基線左右，用探針將樣品頂空氣體吸入傳感器氣腔，使樣品頂空氣體流向各個氣體傳感器而產生檢測信號，檢測信號由USB接口送至計算機保存。每個樣品測量45 s，然后利用潔凈空氣清洗傳感器，使其響應恢復至基線，等待下一次測量。檢測系統示意圖如圖1所示。

圖1 檢測系統結構圖

1.5 數據分析方法

傳感器陣列檢測數據采用非線性信號分析模型進行解析。采用具有周期屬性的布朗質點在特定勢阱中的運動來建立模型[15]:

式中:Am是周期分量幅度；f0頻率；τ是初相位；s是質點運動軌跡；t是時間；V(s)是標準兩勢阱，如式(3)所示，p、q為實參數，δ為調整系數；η(t)為外源性激勵隨機噪聲，其自相關函數E[η(t)η(0)]＝δ(t)，強度系數是bk，δ(t)為單位沖擊函數。

該模型采用信號/噪聲比參量去表征模型的輸出信號，信號/噪聲比(SN)的定義是:

信號/信噪比

式中:ω為信號頻率參數，Ω代表角頻率參數，S(ω)代表信號頻譜密度，SN(Ω)代表噪聲強度函數。在本研究中，傳感器陣列檢測數據SA(t)與Am×sin(2πf0t＋τ)融合代入模型，式(3)改寫為:

本研究中，參數Am為4.5、f0＝1 Hz、τ＝0，并使得噪聲強度bk取值范圍為[0，800]，令n＝1，并使m在[1，8.5]之內進行步進為0.1的變化，同時記錄系統輸出SN，當輸出SN曲線產生特征峰時，即可以確定m＝4.8，此時為最優參數。計算傳感器陣列SN極大值的平均值作為校準閾值，本研究要求必須滿足8個傳感器數據信噪比極大值中至少5個大于校準閾值，滿足該條件，系統輸出SN結果。

2 結果和分析

2.1 TVB-N檢驗結果

圖2為樣品的TVB-N檢測結果，該指標表征的是肉類在酶、微生物的作用下，在存儲過程中，肉中的蛋白質分解生成氨、胺類等含氮代謝物。這些物質揮發性強，因此該類物質濃度越高，代表肉中的氨基酸分解的越劇烈，肉的質量下降的越厲害。從圖中可以觀察出，TVB-N指標呈現持續上升的趨勢，在第1天約為12 mg/100 g，此后檢驗結果持續上升，而在第17天其值約為13.5 mg/100 g，都不超過國家標準中對于TVB-N指標的上限。檢驗結果表明，樣品在冷凍儲藏條件下質量發生了細微變化，但是指標都符合國家標準。

圖2 TVB-N檢驗結果

2.2 多傳感器系統檢測響應

傳感器陣列響應信號如圖3，x軸為檢測時間，y軸為傳感器的檢測信號。在初始時刻各傳感器的輸出信號為零，隨著樣品氣體的吸入，各傳感器的輸出信號呈現上升的趨勢，樣品揮發氣體中的特定成分與對應的傳感器結合后產生響應信號。響應信號通過通信線纜被采集至計算機中進行存儲。傳感器sen01和sen04的響應最大，處于第一梯隊。傳感器sen07、sen05和sen06處于第二梯隊，sen03、sen8和sen02處于第三梯隊。傳感器響應信號的多樣性，為樣品檢測提供了豐富的感知信息特征，有利于檢測精準度的提升。

圖3 傳感器陣列響應

2.3 豬肉存儲期檢測模型

圖4(a)為被測樣品的氣體傳感器陣列檢測輸出信號，先是快速上升，到達峰值之后下降，形成了一個谷信號之后逐漸上升，并趨于穩定化。這個過程反映了冷凍豬肉樣品檢測過程中的物理動力學過程，冷凍豬肉樣品的頂空氣體被預熱后進入快速氣相色譜系統，然后被富集后送入氣體傳感器陣列檢測氣室。但是豬肉樣品的氣體揮發量是一定的，隨著不斷的抽取，氣相色譜系統中的富集氣體含量下降，因此傳感器陣列響應先增大然后下降，最后緩慢上升并趨向于穩定。圖4(a)說明，所構建的快速氣相色譜串聯多傳感器陣列檢測系統運行情況達到了預期設計目標，給出的響應信號也符合本研究所聚焦的目標。

圖4(a)中，位于橫坐標100左右的峰雖然可以作為一個特征，但是不同樣品的峰值之間區分度較低，不適合做定量分析。因此，我們選取區分度更大的傳感器陣列谷值作為定量分析特征值，經過非線性線性擬合之后用于構建樣品儲存期預測模型，如圖4(b)和式(6)所示。

圖4 豬肉儲存期檢測模型:

本研究另外選取一批樣品，隨機選取20個進行驗證，獲取傳感器陣列檢測數據并計算系統輸出特征值，將得到的響應數據代入式(6)，將公式計算出的數值與真實值比較，如表2所示，其中的18個樣本預測正確，2個預測偏差較大，說明具有較好的正確率。

表2 驗證實驗

3 結論

本文采用快速氣相色譜方法分離冷凍豬肉樣品的特異性揮發氣體，克服了低溫冷凍樣品揮發氣體特征成分含量低的難題，然后采用氣體傳感器陣列檢測氣相色譜柱富集的氣體，并采用非線性模型分析檢測數據并獲取特征值，將不同儲存時間的樣品的監測數據特征值經過非線性擬合建立冷凍豬肉儲存期檢測模型(R2＝0.972)。為了驗證所構建模型的預測準確性，驗證實驗結果表明本文研究的方法具有較好的預測正確率。本文所研究的檢測方法具有檢測快速、操作簡便、成本低等優勢，有較好的應用前景。