基于冷凍干燥基礎(chǔ)的豬肉營養(yǎng)成分近紅外快速檢測模型構(gòu)建

梁世岳，李澤青，李寧，魏勇躍，旦智草，閆峻

（1. 天津市畜禽分子育種與生物技術(shù)重點實驗室/天津市畜禽健康養(yǎng)殖工程技術(shù)中心/天津市農(nóng)業(yè)科學(xué)院畜牧獸醫(yī)研究所, 天津 300381；2.天津市農(nóng)業(yè)發(fā)展服務(wù)中心，天津 300061；3. 天津市武清區(qū)農(nóng)業(yè)發(fā)展服務(wù)中心，天津 301700；4. 甘南藏族自治州科學(xué)技術(shù)情報研究所，甘肅 合作 747000）

近年來，隨著人們?nèi)罕娚钏降奶岣撸袌鰧?yōu)良品質(zhì)豬肉的需求逐漸增加，對豬肉營養(yǎng)成分檢測的時效性提出了更高要求。目前，我國豬肉營養(yǎng)成分的檢測方法多為傳統(tǒng)的國標(biāo)法，這種檢測方法耗時長、成本高、檢測結(jié)果等待時間長、收費也較高[1]。為滿足市場需要，迫切需要開發(fā)一種優(yōu)化豬肉營養(yǎng)成分快速檢測的新方法。

20 世紀80 年代后期，近紅外光譜技術(shù)（near infrared reflectance spectroscopy，NIRS）因為其具有檢測速度快、無需化學(xué)試劑、無污染、非破壞性、成本低、可以檢測多種化學(xué)成分含量及其特性、適合于大規(guī)模產(chǎn)業(yè)化生產(chǎn)等優(yōu)點迅速發(fā)展起來[2-3]，并且在食品[4-5]、藥物[6-7]、飼料[3,8]等各個領(lǐng)域得到了廣泛應(yīng)用。利用近紅外光譜技術(shù)對肉制品中水分、粗脂肪、粗蛋白等含量的研究國內(nèi)外已有很多報道[9-10]，表明近紅外光譜可以對豬肉進行快速檢測。對肉制品的研究中，多數(shù)是以肉糜形式進行檢測[11]，基于冷凍干燥方法的研究相對較少。

冷凍干燥利用了冰晶升華的原理，在高度真空的環(huán)境下將凍結(jié)的水分直接從冰升華為蒸汽。其優(yōu)點是干燥后的物料可以保持原來的化學(xué)成分和物理特性。研究表明，使用冷凍干燥的方法處理肉樣的效果優(yōu)于肉糜樣品，冷凍干燥方法可以使樣品的肌纖維保存完好，散射效果更明顯。同時冷凍干燥樣品的水分含量極低，測定結(jié)果也會優(yōu)于非冷凍干燥樣品[12]。

為避免因豬肉鮮樣水分過高而導(dǎo)致的預(yù)測模型準(zhǔn)確度不高的問題，本試驗主要研究基于冷凍干燥基礎(chǔ)的豬肉的水分、粗蛋白、粗脂肪在近紅外光譜區(qū)域的特征吸收，優(yōu)選出其水分、粗蛋白、粗脂肪的最佳預(yù)處理方法與在近紅外光譜區(qū)域的最佳波段選擇范圍，建立基于冷凍干燥基礎(chǔ)的豬肉營養(yǎng)成分近紅外定量校正模型，為今后豬肉中營養(yǎng)成分的定量檢測提供一種快速準(zhǔn)確的檢測方法。

1 材料與方法

1.1 試驗材料

冷凍干燥豬肉粉130 頭份，取豬左側(cè)胴體背最長肌，將肌肉樣本切成0.5 cm3小塊，在真空冷凍干燥機中冷凍干燥12 h，為了減少因樣品不均勻以及樣品的溫度和濕度的不同對采集光譜的影響，所有樣品統(tǒng)一研磨成粉末狀在低溫研磨機中壓碎，放入自封口袋中抽真空冷凍保存，用于實驗室化學(xué)分析和近紅外光譜掃描。

1.2 樣品營養(yǎng)成分測定

冷凍干燥排除的水分測定：在冷凍干燥前將切好的肌肉樣本稱質(zhì)量記錄，冷凍干燥完成后再次稱質(zhì)量，計算出冷凍干燥排除的水分值，換算出鮮肉的營養(yǎng)成分。

冷凍干燥后的樣品，測定水分、粗蛋白和粗脂肪分別參照GB/T 6435—2014《飼料中水分的測定》、GB/T 6432—2018《飼料中粗蛋白的測定——凱氏定氮法》、GB/T 6433—2006《飼料中粗脂肪的測定》的方法進行測定。

1.3 樣品的近紅外光譜采集

本研究選用近紅外光譜儀（BRUKER TANGOR），并使用IN311-S 樣品杯（直徑50 mm），取滿杯樣品置于IN311/C 的旋轉(zhuǎn)臺中進行光譜掃描。為了提高建模的穩(wěn)定性，本研究對每個樣品重復(fù)采集2次光譜，用2 次光譜作為該樣本的光譜信息進行分析。本研究收集了130 頭份冷凍干燥豬肉粉，全部樣品的近紅外反射光譜圖如圖1 所示，近紅外有多處吸收峰，可以作為定量分析的依據(jù)，將收集的冷凍干燥豬肉粉樣品按4∶1 的比例隨機分為定標(biāo)集和驗證集[13]，即隨機取104 份作為定標(biāo)集，另外26 份作為驗證集。

圖1 冷凍干燥豬肉粉掃描光譜圖

1.4 異常樣品的剔除以及近紅外模型預(yù)處理方法與波段的選擇

將定標(biāo)集的104 頭份冷凍干燥豬肉粉樣品的光譜圖，與實測值進行關(guān)聯(lián)，利用儀器自帶的OPUS 7.8 軟件分別計算實測值與近紅外光譜預(yù)測值間的R2及RMSECV，并進行進行異常樣品的剔除以及優(yōu)化，得到的冷凍干燥豬肉粉水分模型的最佳波段選擇范圍為7 500 ～5 447.8 nm、4 425.8 ～4 244.5 nm，最佳預(yù)處理方法為一階導(dǎo)數(shù)+矢量歸一化（SNV）；粗蛋白模型的最佳波段選擇范圍為8 447.8～7 491.8 nm、5 777.5～5 447.8 nm、4 607.2～4 425.8 nm，最佳預(yù)處理方法為矢量歸一化（SNV）；粗脂肪模型的最佳波段選擇范圍為9 403.9～5 447.8nm、4 607.2～4 244.5 nm，最佳預(yù)處理方法為一階導(dǎo)數(shù)+MSC。

2 結(jié)果與分析

2.1 近紅外定量分析模型的建立

使用最佳預(yù)處理方法與波段選擇，采用偏最小二乘法(PLS) 建立定標(biāo)模型，分別對107 頭份冷凍干燥豬肉粉的水分、粗蛋白、粗脂肪的實測值與近紅外預(yù)測值進行交叉驗證的相關(guān)關(guān)系，見圖2至圖4。

圖2 冷凍干燥豬肉粉中的水分實測值與近紅外預(yù)測值的相關(guān)關(guān)系

圖3 冷凍干燥豬肉粉中的粗蛋白實測值與近紅外預(yù)測值的相關(guān)關(guān)系

由圖2 至圖4 中可以看出，冷凍干燥豬肉粉水分模型的R2值為96.58%，RMSECV 值為0.305；粗蛋白的R2值為99.31%，RMSECV 值為0.742；粗脂肪的R2值為99.47%，RMSECV 值為0.692。

2.2 模型外部驗證

采用外部驗證的方法對所建立的模型預(yù)測效果進行驗證，取驗證集的26 頭份冷凍干燥豬肉粉，用所得模型預(yù)測檢驗各樣品中該成分的含量，求出預(yù)測值與實際值的偏差值以及模型的預(yù)測標(biāo)準(zhǔn)偏差，如表1 所示。

表1 驗證集冷凍干燥豬肉粉的預(yù)測值與實測值的偏差值

結(jié)果顯示，模型測定值和實測值比較接近，其中水分、粗蛋白和粗脂肪模型的RMSEP 值分別為0.294、2.297、0.460。

3 討論與結(jié)論

近紅外光是可見光區(qū)和中紅外區(qū)域之間，波長780～2 526 nm 的電磁波，該光區(qū)的吸收帶主要產(chǎn)生于低能電子躍遷、含氫的原子團（例如N-H，O-H，C-H）伸縮、彎曲振動的倍頻和組合頻率吸收。當(dāng)有機物中的物質(zhì)分子被近紅外光照射時，含氫的基團會產(chǎn)生振動，并吸收一部分光的能量。由于分子結(jié)構(gòu)的特點可以反映在吸收帶波長位置與吸收譜帶的強度，因此該方法可用于識別未知物體的結(jié)構(gòu)。同時，吸收譜帶的吸收強度與分子或化學(xué)基團的含量有關(guān)，其也可用于執(zhí)行定量分析或純度鑒別[14]。對于某些無近紅外光譜吸收的物質(zhì)，可以間接通過共存本體物質(zhì)的近紅外光譜的變化信息來反映其信息。通過近紅外光譜傳遞的復(fù)雜樣本信息具有多樣化的特征，形成了光譜的復(fù)雜、重疊和變化，很難從中提取較弱的信息。因此，運用化學(xué)計量學(xué)算法建立和應(yīng)用待測量與樣品光譜特征間具有容變性的關(guān)系模型的使用是近紅外分析技術(shù)的關(guān)鍵。因為肉類產(chǎn)品中大多數(shù)有機化合物，例如蛋白質(zhì)、脂肪、有機酸、碳水化合物等，都包含不同的含氫基團，這些化學(xué)成分的含量均可以使用近紅外光譜來測定，并且可以以此為據(jù)，獲取有關(guān)肉品品質(zhì)的更多相關(guān)信息[15]。

當(dāng)建立近紅外光譜的定量校正模型時，所有樣品按4∶1 的比例分成校正集和驗證集，分別用于建立定量校正模型和驗證模型，還需要結(jié)合相關(guān)系數(shù)（R2）、交互驗證標(biāo)準(zhǔn)偏差（RMSECV）、預(yù)測標(biāo)準(zhǔn)偏差（RMSEP）來評價模型。校正集中每個樣品的交叉預(yù)測值和化學(xué)方法測量值誤差的平方和除以校正集中每個樣品測量值與全部樣品測定的平均值的平方和，用1 減去以上數(shù)值得到的數(shù)據(jù)即為R2值，R2值用來判斷定量校正模型與待測組分之間的線性關(guān)系，其數(shù)值越接近1，模型的預(yù)測結(jié)果越好。通過交互驗證的方法驗證模型的原理是：在模型驗證過程中，每次從校正集中提取1 個或多個樣品作為臨時驗證樣品，對剩余樣品進行建模，然后預(yù)測該樣品，如此循環(huán)以便分別獲得每個樣品的模型交叉預(yù)測值，最后得到交叉預(yù)測值和測定值誤差平方和的均方根值即為RMSECV。驗證集中的樣品未參與建立校正模型的過程，通過計算測定值與模型得出的預(yù)測值之間誤差的平方和的均方根即為RMSEP[16]。

本研究使用交互式驗證和驗證集驗證相結(jié)合來驗證模型的效果。對于同一批次樣品，模型的RMSECV 值和RMSEP 值越小，表明模型效果越好。通過圖5 至圖7 顯示的數(shù)據(jù)可知，冷凍干燥豬肉粉的水分、粗蛋白、粗脂肪模型的R2值均大于96%，RMSECV 均達到0.75 以下，近紅外預(yù)測值與實測值擬合較好。另外，通過表1 數(shù)據(jù)可知，3 種模型的RMSEP 值均達到2.30 以下，進一步證明模型的有效性，建立的模型可以用于冷凍干燥豬肉粉樣品的快速檢測，表明此次冷凍干燥豬肉粉模型的建立比較成功。

目前基于冷凍干燥基礎(chǔ)建立肉營養(yǎng)成分模型的研究較少。陶琳麗等[17-18]測定了263 個雞腿肌凍干粉的蛋氨酸含量以及雞胸肌凍干粉的賴氨酸含量，分別建立了近紅外定量預(yù)測模型。其中，雞腿肌凍干粉蛋氨酸模型的R2值為93%，RMSECV 值為0.060 9，RMSEP 值為0.83；雞胸肌凍干粉賴氨酸模型的R2值為92%，RMSECV 值為0.328 4，RMSEP 值為0.88。王巖等[19]測定了近江牡蠣6 處組織及其全部軟體混樣凍干粉的糖原含量，所建立的7 個模型R2值為97.16%～99.63%，RMSECV 值為0.969 4～0.996 9，RMSEP 值為0.949 0～0.990 8。黃偉等[20]分別對滇南小耳豬和DLY 商品豬肉的整塊、勻質(zhì)肉糜、烘干粉、凍干粉的光譜進行建模分析，其中豬肉凍干粉的近紅外光譜模型鑒別效果較好，驗證集的識別率和拒絕率均為100%。結(jié)合本研究結(jié)果可以得出，基于冷凍干燥基礎(chǔ)的肉營養(yǎng)成分近紅外檢測技術(shù)，在肉品質(zhì)檢測研究中蘊含巨大潛力，將在肉的品種鑒定、等級鑒別、產(chǎn)地溯源、組分分析等方面發(fā)揮巨大作用。

近紅外模型建立后,需要不斷維護和改進以擴充樣品庫，在今后工作中，仍需要測量大量具有代表性的樣品用于優(yōu)化近紅外光譜模型,以提高檢測結(jié)果準(zhǔn)確度。