光譜技術在肉制品無損檢測中的應用

徐 毅

（四川工商職業技術學院輕工工程學院，四川成都 611800）

作為一個全球性問題，食品安全與質量受到企業界和消費者的廣泛關注，其中肉制品在日常膳食中占據重要地位，因此肉制品的質量與安全一直是消費者關注的問題。肉制品質量和安全受到多方面因素影響，包括肉類的品種、飼養日齡、冷藏時間、加工方式等。現階段肉類及肉制品品質鑒定方法有感官檢驗、理化檢驗和微生物檢驗等，但是這些檢測方法存在檢測效率低、所需時間長、操作復雜及產品破壞大等問題，雖然像色譜-質譜聯用技術這樣的方法更常用，但是需要大量的樣本和較長的分析時間，價格昂貴、操作繁瑣，并且不適合現場分析，用于進行肉制品品質評價檢測的傳統方法需要破壞肉塊，同時高精尖的儀器分析方法需要復雜的樣品前處理過程。對于感官分析，需要經過訓練的小組進行樣本評估，難以滿足我國目前肉類品質安全的嚴峻形勢。因此，建立快速無損的肉制品品質檢測技術成為行業發展的趨勢。

光譜技術憑借其無損、準確、無污染等優點在多種肉類品質檢測領域快速應用起來。基于此，綜述了近年來的研究成果，以期為肉制品品質預測提供一種快速、低成本、無損的檢測思路。

1 光譜技術用于肉品品質檢測的原理

光譜技術用于肉品品質無損檢測的基本原理是當光線（電磁波）照射到材料上時，部分由材料表面反射，其余部分折射到材料組織中。進入材料的光被吸收并轉化為熱，一些光向四面八方散射，其余的通過材料。此外，肉制品原料的光學性質包括肉品的光反射、吸收、透射和光致發光，這些性質隨原料的不同而不同，應用于質量評價、化學分析、等級劃分、成熟度、安全性和新鮮度判別。目前，在肉制品無損檢測中運用到的光譜檢測技術包括近紅外光譜[1]、中紅外光譜[2]、拉曼光譜[3]、高光譜成像[4]和太赫茲光譜[5]等。一般來說，從紫外光到可見光的波長范圍內的光可激發肉制品的電子能級，紅外區的光可激發分子之間的振動能和轉動能。拉曼光譜通過分析不同于入射光頻率的散射譜，獲得分子振動和轉動的信息，并應用于分子結構的研究。

2 光譜技術在肉制品真實性鑒別中的應用

在肉制品的真實性鑒別研究中，目前涉及較廣的包括肉制品的物種、品種、產地、新鮮度和摻假等方面的檢測，應用到的光譜技術包括紫外可見光光譜（Ultraviolet-visible spectroscopy，UV-VIS）、近紅外光譜（Near-Infrared spectroscopy，NIRS）、中紅外光譜（Mid-infrared spectroscopy，MIRS）、拉曼光譜（Raman spectroscopy，RS）和激光誘導擊穿光譜（Laser-induced breakdown spectroscopy，LIBS）等。

在肉類物種、品種鑒別方面，應用拉曼光譜與主成分分析方法可對牛、羊、豬和魚等多個肉類物種進行鑒別，該方法檢測時間短，可在30 s 內完成[7]。Chu Y W 等人[8]研究了LIBS 技術對6 種肉類（扇貝、蝦、豬肝、雞肉、牛肉和混合樣品）鑒別的可行性，為了提高肉類品種鑒定的準確性和穩定性，采用多元散射校正（Multiple scattering correction，MSC）對光譜進行預處理，然后利用K 近鄰（K nearest neighbor，KNN）模型識別校正后的光譜，結果識別準確率從94.17%提高到100.00%，該研究說明利用MSC 和LIBS 結合進行肉種鑒定的準確性和穩定性得到了提高。Gao F 等人[9]研究利用傅里葉變換紅外光譜和拉曼光譜的互補性實現肉骨粉的物種鑒別，結果表明，光譜均呈現出不同的典型脂質峰，與單一的FT-IR 或Raman 光譜相比，結合FT-IR 和Raman光譜可獲得更詳細、更完整的分子振動信息，從而建立更可靠、更穩健的物種識別模型。上述研究充分說明了光譜技術在檢測不同物種或品種的肉制品的化學成分差異的潛力，是一種有效的無損檢測方法。

在肉制品產地溯源方面，應用近紅外高光譜成像技術可以實現寧夏羊肉產地的準確鑒別，通過提取特征波長并結合偏最小二乘判別分析（PLS-DA）分類模型取得了較好的鑒別結果，預測集正確率超過了84%[10]。采用近紅外光譜技術結合PCA-LDA 模型對來自5 個不同地區的羊肉樣本進行分類，準確率達到91.2%，高于PLS-DA 模型（76.7%）。結果表明，利用近紅外光譜技術結合化學計量學分析方法對羊肉進行產地溯源是一種有效的方法[11]。

在肉類新鮮度鑒別方面，硫代巴比妥酸值（Thiobarbituric acid reactive substances，TBARS）是反映脂質氧化程度的重要氧化參數，已被廣泛用于測定肌肉中脂質的氧化降解，通過近紅外高光譜成像技術結合偏最小二乘回歸、最小二乘支持向量機模型和可以快速無損檢測羊肉TBARS，從而實現羊肉脂肪氧化程度和新鮮度的判別[12]。Moon E J 等人[13]通過便攜式可見-近紅外光譜儀獲取食品的光譜信號，使用卷積神經網絡模型確定食品的新鮮度（根據時間和pH 值的不同分為“新鮮”“可能變質”和“變質”），對三文魚、金槍魚、牛肉新鮮度的判別準確率均超過85%。

在肉制品摻假檢測方面，用拉曼光譜檢測牛肉中所存在的馬肉摻假情況，該方法對牛肉、馬肉的鑒別結果準確、分析時間短，為肉品摻假鑒別提供了一種快速鑒別的方法[14]。Zheng X 等人[15]的研究表明，利用可見光近紅外（VIS-NIR）高光譜成像系統可實現羊肉餡中鴨肉摻假的快速無損檢測。Zhao Z等人[16]將高光譜成像技術與回歸系數高斯分布（Re gression coefficient gaussian distribution，GD-RC）模型結合，提出了一種將可視化和像素識別相結合的方法來評價牛肉摻假程度，最佳方法的平均誤差為2.8%，相關系數為0.983 1，預測均方根誤差為0.031 9，說明高光譜成像技術結合GD-RC 模型可成為一種強有力的肉類摻假判別手段。Jiang H 等人[17]的研究，也驗證了化學計量學與高光譜成像（HSI）相結合可以檢測豬肉和鴨肉卷替代生羊肉卷的摻假，判別準確率在訓練集和測試集中均為100%。

3 光譜技術在肉制品品質指標預測中的應用

目前，光譜技術對肉制品品質指標的預測主要包括對肉制品的水分、蛋白質、脂肪等主要營養成分進行檢測，對肉的硬度、彈性等質構特性，以及保水性、pH 值等一系列理化指標進行預測。除此之外，應用光譜技術還可對肉的嫩度、新鮮度、大理石花紋等肉類關鍵質量指標快速預測。

在營養成分含量檢測方面，許多研究已經證實了近紅外光譜在預測肉類主要化學成分（水分、蛋白質[18]、脂肪[19]含量）的能力。Dias C 等人[20]利用近紅外光譜技術對生牛肉的脂肪和蛋白質含量進行了預測，結果表明采用光譜預處理技術結合偏最小二乘回歸（Partial least squares regression，PLSR）模型取得了良好的效果。

在關鍵理化品質檢測方面，Li Y 等人[21]采用一種新型的便攜式VIS-NIRS 系統，同時檢測不同部位羊肉的理化性質。結果發現，預處理的光譜數據能有效提高對各指標的預測精度。6 個指標（pH 值、L*、a*、b*、蒸煮損失、剪切力）最佳預測模型的決定系數R2分別為0.79，0.78，0.68，0.75，0.77 和0.83，預測偏差（Relative prediction bias，RPD）均大于2，表明VIS-NIRS 是預測不同部位肉制品理化性質的有效工具。作為一種靈敏、快速、無損預測方法，人們用近紅外光譜技術對肉制品色澤檢測進行研究[22]，表現出來較好的預測效果。關于肉和肉制品的持水能力的預測，大多認為近紅外光譜分析在滴漏損失和蒸煮損失方面的能力有限。

4 結語

光譜技術作為一種新型的無損檢測技術，可以快速獲取肉制品樣品的整體指紋信息，具有常規檢測方法無可比擬的優勢（成本低、操作方便、樣本預處理簡單），可以作為大型精密儀器分析方法的補充工具。光譜技術在肉制品的質量控制方面具備獨特優勢，同時在肉制品產品的研發、原料、中間產品、最終品的審核等環節都能使用光譜分析儀器，可以大大提高檢測效率。