摘 要：在北京市内收集生鲜羊通脊肉样品98 个，研究应用便携式近红外仪快速无损检测生鲜羊通脊肉嫩度，结合化学计量学的方法建立可以快速无损检测生鲜羊通脊肉嫩度的近红外光谱检测模型。在建模过程中，研究了平滑、求导和信号校正等不同光谱预处理方法对模型的影响。结果表明：最佳的光谱预处理方法为均值中心化、Savitzky-Golay（SG）一阶导数、SG平滑和正交信号校正。应用偏最小二乘法建模所得模型的校正集标准偏差0.90、验证集标准偏差2.39、校正集相关系数（Rc）=0.94、验证集相关系数（Rp）=0.64、主因子数为4，说明模型具备较好的预测准确性，可应用于生鲜羊通脊肉嫩度的快速无损检测中。
关键词：便携近红外光谱；羊肉；嫩度；无损
Abstract： Using chemometrics， a predictive model for rapid nondestructive detection of lamb tenderloin tenderness was established by analyzing 98 lamb meat samples collected in Beijing by portable near-infrared spectroscopy. The influences of smoothing， derivation and signal correction and other pre-treatments on the model were discussed. The results showed that the optimum pretreatments were average centralization Savitzky-Golay （SG） first-order derivative， SG smoothing and orthogonal signal correction. The model was developed by using partial least square （PLS） regression. The standard errors of calibration and prediction were 0.90 and 2.39， respectively. The coefficient correlation of calibration set （Rc） and prediction set （Rp） were 0.94 and 0.64， respectively and the number of main factors was 4， which illustrated the model had good predictive accuracy and could be applied in the detection of fresh lamb tenderloin tenderness.
Key words： portable near-infrared spectroscopy； lamb； tenderness； non-destructive
中图分类号：O657.3 文献标志码：A文章编号：1001-8123（2014）10-0015-05
羊肉是我国主要肉类食品之一，因其营养丰富、高蛋白、低脂肪、富含多种维生素、矿物质和人体所需的必需氨基酸等特点，深受国际国内市场的青睐[1]。我国是羊肉生产大国，约占世界羊肉总产量的1/3，居世界首位[2]。但因我国羊肉品质参差不齐，普遍存在品质较差的问题，导致我国羊肉的国际竞争力不强，始终无法在羊肉国际贸易的舞台上扮演重要的角色。与此同时，随着国内经济的发展，人们生活水平的提高，对生鲜羊肉的质量要求越来越高，各种鲜、嫩羔羊肉越来越受到广大消费者的青睐，而目前这些优质、高档羊肉90%都依靠进口。近年来，嫩度作为肉的主要食用品质指标，成为评判肉质优略的最常用指标[3]。
肉的嫩度是指肉入口咀嚼时对碎裂的抵抗力。对生鲜肉而言，嫩度主要表现在肉的硬度、韧性、多汁性和纤维性等综合效应上，通常用咀嚼的食感来判断肉的嫩度，用剪切力表示嫩度的高低[4]。生鲜羊肉嫩度的检测方法目前主要有主观评价和客观评价两种方法，主观评价是靠评价员的咀嚼品尝来判定，评判结果受主观因素的干扰，误差较大；客观评价目前主要根据行业标准
NY/T 1180—2006《肉嫩度的测定剪切力测定法》中介绍的剪切力测定方法，借助质构仪测量肉的剪切力，该方法检测过程繁琐，耗时长，受人为因素干扰大且具有破坏性，被检测的样品不能继续应用于生产或销售，造成实际生产的大量浪费，无法满足大批量、快速、非破坏性和在线检测的检测要求。
近些年，随着光谱学和计算机学的快速发展，现代近红外光谱分析技术凭借其速度快，效率高，对检测目标无损害等特点，在农业，医药，食品行业等得到了广泛关注[5]。现代近红外光谱分析技术始于20世纪60年代，Norris等[6]首先开始研究应用近红外光谱分析技术来测定谷物中的水分、蛋白质和脂肪含量。此后，学者们开始将近红外光谱分析技术应用于各个行业中进行研究[7]。例如赵家松等[8]开发了应用近红外技术快速检测生鲜猪肉新鲜度的方法。朱迅涛[9]应用近红外技术快速检测火腿肠的蛋白质、脂肪和水分含量。Isaksson等[10]应用及红外技术实现在线快速检测牛肉馅的蛋白质、脂肪和水分含量。刘炜等[11]采用傅里叶变换近红外光谱法结合偏最小二乘回归法建立了鲜猪肉中肌内脂肪、蛋白质和水分含量的定量模型。赵丽丽等[12]应用近红外光谱分析技术建立了腊肉中酸价和水分含量的偏最小二乘回归模型。如今国内外学者已尝试采用近红外光谱分析技术对生鲜肉的嫩度做初步评定工作。Geesink等[13]利用近红外光谱数据结合偏最小二乘法对猪肉嫩度进行建模，结果显示猪肉的近红外光谱与嫩度的相关性较差。Park等[14]采集牛通脊肉在1 100～1 350 nm之间的近红外光谱，应用偏最小二乘法进行建模，结果相关系数R2=0.63，验证集标准偏差0.63。Byrne等[15]采集牛肉在750～1 098 nm间的光谱数据结合主成分分析，建立的嫩度模型相关系数R=0.82。Rodbotten等[16]将牛肉在1 100～2 500nm的近红外光谱进行建模，结果模型预测牛肉嫩度的相关系数为0.47。赵杰文等[17]应用傅里叶式近红外仪采集牛通脊肉在11 000～3 800cm-1的近红外漫反射光谱，利用多元线性回归建立了有关牛肉嫩度的近红外光谱监测模型，其检测正确率可达到84.21%。张德权等[18]应用台式傅里叶近红外仪对生鲜羊肉的嫩度进行检测，采集的近红外波段为11 995～5 446 cm-1和4 601～4 246 cm-1，模型精度可达到86.2%，但该方法检测前，需要对生鲜羊肉样品进行剔除脂肪和筋膜等预处理工作，且因采用的台式傅里叶近红外仪对生鲜羊肉样品进行近红外光谱数据信息采集时需要将样品放置在样品杯中，因此需将样品加工成5 cm×5 cm×1 cm大小的肉块，而由于台式傅里叶近红外仪不便于携带，因此应用台式傅里叶近红外仪对生鲜羊肉的嫩度进行检测，步骤复杂，对样品的大小有限制且对样品有破坏，无法满足在线快速无损检测生鲜羊肉嫩度的要求。目前，国内一些学者已开始尝试应用便携式近红外仪对农产品的一些质量指标进行检测[19-21]，但还没有基于便携式近红外仪对生鲜羊肉嫩度进行检测方法的相关报道。
因此，为了改进我国生鲜羊肉品质检测技术，改善人们生活水平，提高我国生鲜羊肉在国际市场上的竞争力，保障我国生鲜羊肉的品质，开发可以实现在线快速无损检测生鲜羊肉嫩度的检测方法，具有十分重要的意义。
1 材料与方法
1.1 材料
本实验使用的98 份土种羊通脊肉生鲜样品均采集于北京市牛街清真牛羊肉市场。其中随机选取73 份生鲜羊通脊肉样品作为校正集，用于模型的建立，25 份样品作为验证集，用来检验模型的可靠性。
1.2 仪器与设备
SupNIR-1520型便携式近红外仪 聚光科技（杭州）股份有限公司；TA.TX.Plus型质构仪 英国Stable Micro System公司。
1.3 方法
1.3.1 样品制备
将收集的98 份生鲜羊通脊肉样品置于0～4 ℃环境中，使样品温度一致，并尽快对样品进行光谱采集和嫩度化学测量值的测定。
1.3.2 嫩度化学测量值的测定
根据行业标准NY/T 1180—2006中介绍的剪切力测定法对采集的98 份生鲜羊通脊肉样品进行嫩度化学测量值的检测。
1.3.3 样品光谱数据的采集
每次光谱检测前先将便携式近红外仪预热30 min，并用参比标准板进行校准。近红外光谱信息采集前，不对采集的生鲜羊肉样品进行任何预处理。近红外光谱信息采集过程中，将羊肉样品表面紧贴于便携式近红外仪的光谱检测探头，避免因漏光导致采集的光谱信息不准确。因近红外光谱的采集对温度敏感，所有羊肉样品在光谱采集过程中始终保持在0～4 ℃。采集的近红外光谱波长范围为1 000～1 799 nm，分辨率为10 nm，每个样品进行2 次光谱采集，每次间隔5 s，每次光谱采集，光谱扫描次数为10 次。
1.3.4 光谱的预处理与模型建立
首先将样品的嫩度化学测量值与采集的光谱数据一一对应输入到聚光科技（杭州）股份有限公司开发的RIMP Client近红外分析软件中。为了去除校正集和验证集的近红外光谱数据信息中的无关干扰信息、降低随机噪声和强化谱带特征，将不同的预处理方法包括标准化（均值中心化、标准化）、Savitzky-Golay（SG）平滑、求导（SG一阶导数、差分一阶导数）、信号矫正（多元散射校正、标准正太变量变换、净分析信号、正交信号校正，去趋势校正、基线校正）进行组合，应用偏最小二乘法建立多个生鲜羊通脊肉嫩度预测模型。根据模型校正集标准偏差、交互验证标准偏差、验证集标准偏差、校正集相关系数、验证集相关系数主因子数等模型评价参数对通过不同预处理方法建立的模型的预测准确性、重复性、稳健性等性能进行评价。选出针对生鲜羊通脊肉嫩度的最佳预测模型和最佳近红外光谱数据信息预处理方法
由图1和表1可知，总样品嫩度集中范围为1.85～14.26 kg，其中主要集中在2～4 kg，嫩度分布范围比较广，具有较好的代表性。校正集和验证集的嫩度化学测量值最大值分别为14.22 kg和14.26 kg，最小值分别为1.85 kg和2.19 kg，验证集的嫩度化学测量值大致在校正集内，所选校正集和验证集均合理。
2.2 生鲜羊通脊肉近红外光谱采集结果分析
3 结 论
从北京市清真牛羊肉市场采集生鲜羊通脊肉样品98 份，其中73 份作为校正集，用于模型的建立，25 份作为验证集，用来检测模型的可靠性，样品集中嫩度最小的为1.85 kg，最大的为14.26 kg，覆盖范围广，样品具有较好的代表性。
应用偏最小二乘法建模，最佳光谱预处理方法为：均值中心化、SG一阶导数、SG平滑和正交信号校正。利用偏最小二乘法所得模型的校正集标准偏差0.90、验证集标准偏差2.39、校正集相关系数0.94、验证集相关系数0.64、主因子数为4，说明模型具有较好的预测准确性，可应用于生鲜羊通脊肉嫩度的快速无损检测中。
参考文献：
[1]夏晓平， 李秉龙. 我国羊肉产品国际竞争力之分析[J]. 国际贸易问题， 2009（8）： 38-44.
[2]崔燕， 穆月英， 李秉龙. 我国羊肉贸易及国际竞争力影响因素分析[J]. 农业经济问题， 2009（10）： 94-99.
[3]SHACKELFORD S D， WHEELER T L， MEADE M K， et al. Consumer impressions of tender select beef[J]. Journal of Animal Science， 2001， 79： 2605-2614.
[4]张英华. 肉的品质及其相关质量指标[J]. 食品研发与开发， 2005， 26（1）： 39-42.
[5]褚小立， 袁洪福， 陆婉珍. 近年来我国近红外光谱分析技术的研究与应用进展[J]. 分析仪器， 2006（2）： 1-10.
[6]NORRIS K H， BARNES R F， MOORE J E， et al. Predicting forage quality by near infrared reflectance spectroscopy[J]. Journal of Animal Science， 1976， 43： 889-897.
[7]孙通， 徐惠荣， 应义斌. 近红外光谱分析技术在农产品/食品品质在线无损检测中的应用研究发展[J]. 光谱学与光谱分析， 2009， 29（1）： 122-126.
[8]赵家松， 严伟榆， 曹志勇， 等. 猪肉新鲜度近红外检测仪的设计与应用研究[J]. 安徽农业科学， 2011， 39（13）： 7817-7819.
[9]朱迅涛. 近红外分析技术在火腿肠检测中的应用[J]. 肉类研究， 2002， 16（2）： 42-44.
[10]ISAKSSON T， NILSEN B N， TOGERSEN G， et al. On-line， proximate analysis of ground beef directly at a meat grinder outlet[J]. Meat Science， 1996， 43（3/4）： 245-253.
[11]刘炜， 俞湘麟， 孙东东， 等. 傅里叶变换近红外光谱法快速检测鲜猪肉中肌内脂肪、蛋白质和水分含量[J]. 肉质与猪产品加工， 2005（3）： 47-50.
[12]赵丽丽， 张录达， 宋忠祥， 等. 近红外光谱定量检测腌腊肉制品品质的研究[J]. 光谱学与光谱分析， 2007， 27（1）： 46-49.
[13]GEESINK G H， SCHREUTELKAMP F H， FRANKHUIZEN R， et al. Prediction of pork quality attributes from near infrared reflectance spectra[J]. Meat Science， 2003， 65： 661-668.
[14]PARK B， CHEN Y R， HRUSCHKA W R， et al. Near-infrared reflectance analysis for predicting beef longissimus tenderness[J]. Journal of Animal Science， 1998， 76： 2115-2120.
[15]BYRNE C E， DOWNEY G， TROY D J， et al. Non-destructive prediction of selected quality attributes of beef by near-infrared reflectance spectroscopy between 750 and 1098nm[J]. Meat Science， 1998， 49（4）： 399-409.
[16]RODBOTTEN R， NILSEN B N， HILDRUM K I. Prediction of beef quality attributes from early post mortem near infrared reflectance spectra[J]. Food Chemistry， 2000， 69： 427-436.
[17]赵杰文， 翟剑妹， 刘木华， 等. 牛肉嫩度的近红外光谱法检测技术研究[J]. 光谱学与光谱分析， 2006， 26（4）： 640-642.
[18]张德权， 陈宵娜， 孙素琴， 等. 羊肉嫩度傅里叶变换近红外光谱偏最小二乘法定量分析研究[J]. 光谱学与光谱分析， 2008， 28（11）： 2550-2553.
[19]王加华， 韩东海. 便携式近红外水果糖度分析模型简化研究[J]. 食品安全质量检测技术， 2009， 1（1）： 32-38.
[20]李晓云， 王加华， 黄亚伟， 等. 便携式近红外仪检测牛奶中脂肪、蛋白质及干物质含量[J]. 光谱学与光谱分析， 2011， 31（3）： 665-668.
[21]王旭， 张凤清， 林家永， 等. 便携式近红外谷物分析仪快速测定小麦蛋白质的研究[J]. 粮食与饲料工业， 2012（1）： 13-17.
相关热词搜索： 生鲜 检测 羊通脊肉
