不同贮藏温度下滩羊肉pH值的近红外高光谱动力学模型建立

任迎春， 刘贵珊， 张晶晶, 白 杰

(宁夏大学 农学院， 宁夏 银川 750021)

1 引 言

滩羊为宁夏优势特色畜种，因特定的生态环境使得滩羊肉肉质细嫩，纤维丰富，低脂无膻。研究表明，肉品随着贮藏时间的延长而发生腐败，蛋白质分解产生氨(NH3)和胺类(R-NH2)等碱性含氮的有毒物质，pH 值随之升高。为了快速、精确地预测滩羊肉的品质及其贮藏时间，必须寻找一种新的预测滩羊肉品质的方法。国内外在以pH值作为参考评价肉品质方面已作了相关研究[1-3]。但pH值在工业规模上对红肉品质性状的客观测量是非常不切实际的并且十分昂贵，因此，在生产线中寻找一种检测或预测肉的某些非侵入性和非破坏性方法十分必要[4]。

动力学模型也是一种描述食品品质变化的方式。食品品质改变一般指生产过程中化学、物理和微生物的变化，由微生物引起的肉类腐败往往伴随着外部属性(颜色、质地等)和内部属性(化学成分、组织结构等)的变化[5]。动力学模型在食品品质方面的研究已经得到了广泛的应用，应用食品动力学特性已对草莓的保鲜、鱼丸、猪肉等品质变化做了一些理论研究[6-9]。

国内利用高光谱技术对肉类研究多在 400～1 000 nm 波长范围，检测指标主要为嫩度、颜色、新鲜度、pH值等，研究对象主要为牛肉、猪肉等。但是利用近红外高光谱对羊肉pH值检测研究较少，而且基于滩羊肉品质变化的动力学特性和近红外高光谱特性的结合研究更鲜见报道[16-24]。因此，本文研究了不同贮藏温度下的滩羊肉pH值变化，建立了传统动力学模型，和900～1 700 nm下的高光谱模型再建立了滩羊肉pH值的近红外光谱结合动力学模型，为综合评价冷鲜滩羊肉的品质和预测滩羊肉的贮藏期提供理论依据。

2 材料方法

2.1 滩羊肉预处理

以滩羊的背最长肌为实验样品，去除样本表面的脂肪和肌膜，整形切块，大小为40 mm×30 mm×10 mm，分装于自封袋，分别在4 ℃、15 ℃条件下恒温贮藏。每24 h取样检测，先进行光谱数据采集，再测定pH值。15 ℃样本实验共进行8 d，实验结束共获取121个实验数据；4 ℃样本实验共进行15 d，实验结束共获取213个实验数据。

2.2 高光谱扫描

2.2.1 高光谱成像系统

N17E-NIR 高光谱成像系统(波长范围 900～1 700 nm，光谱分辨率 5 nm，256 个波段)购置于北京卓立汉光仪器有限公司；主要由五部分组成：高光谱成像光谱仪(Imspector N17E)，芬兰Oulu光谱成像公司；CCD 相机(Zelos-285GV)，德国 Gleichen公司；4个35 W卤钨灯(HSIA-LS-TDIF)；电控位移平台(PSA200-11-X)；计算机(Lenovo Inter(R) Core i7-2600CPU@3.40 GHz，RAM 4.00 G)和数据采集软件(Spectra SENS)，北京Zolix仪器有限公司，如图1所示。

图1 NIR 高光谱成像系统

2.2.2 滩羊肉光谱数据采集

测试扫描过程中，每次取4～5个羊肉样本作为一组，按照一定的顺序摆放在载物台上，记录好编号，开始扫描。

N17E-NIR 高光谱成像系统：经预试验确定的最佳图像采集参数：物距为385 mm，输送步距为14 mm/s，成像光谱仪曝光时间为10 ms，扫描线实际长度为180 mm。样品图像扫描前，由于各波段下光源强度分布不均匀及摄像头中暗电流存在都会导致图像中含有较大的噪声，为减弱成像光谱仪暗电流和室内照明对图像的影响，需对仪器进行黑白校正。计算公式如下[11]：

(1)

式中：R0是样本原始的漫反射光谱图像强度，W是白板的漫反射图像强度，D是暗图像强度，R是校正后的漫反射光谱图像强度。

2.3 图像处理

样本经高光谱采集图像后，利用 ENVI 4.6 软件(美国Research Systems 有限公司)校正光谱和选取感兴趣区域(Region of Interest,ROI)，ROIS取自于每个样品的中心区域，大约包括2 500个像素点。选取ROIS时要尽量避免脂肪区域以及由于残余水分带来的明显发亮的区域，并且以 ROIS中所有像素点的平均光谱作为每个样品的代表性光谱。

2.4 pH值的测定

采用的仪器为肉品酸度检测仪(Testo 205型 pH计),深圳卓越仪器有限公司。pH值的测定：将pH 酸度计的探头刺入样品约8 mm深，待数值保持不变时记录，选择邻域内的3点进行测定，取平均值作为样本的 pH值。

2.5 动力学模型建立

如果食品某种品质的变化是由化学反应引起的,其反应产物浓度随时间变化而降低或升高,则用该品质变化表示的货架寿命数据大多遵循零级或一级模式。对于0级模式,采用线性坐标可得到一条直线;对于1级模式,则需要通过自然对数坐标才能得到一条直线,其反应模型的方程式分别为[25]：

零级方程A=A0+K0t,

(2)

一级方程 ln(A/A0)=K1t,

(3)

式中：A为贮藏t天后某理化指标的含量;A0为某理化指标的初始含量;t为贮藏时间;Kn为n(n= 0,1)级反应速率。

利用SPSS17.0软件建立滩羊肉在4 ℃、15 ℃两种存储温度下的两组动力学模型。

2.6 全波段下光谱数据分析及模型建立

2.6.1 数据处理方法

使用软件The Unscrambler X10.4对原始光谱进行预处理及建模。为消除图谱偏移或漂移现象和高频噪声干扰，确定最佳预处理方法，本文选用多元散射校正(Multiple scattering correction，MSC)、卷积平滑(Savitzky-Golay smoothing，SGS)、基线校准(Baseline)、归一化(Normalize)、标准正态化变化(Standardized normal variate，SNV)等方法对样品反射光谱数据进行预处理。

2.6.2 数据建模方法

对于数据预处理，偏最小二乘(Partial least squares regression,PLSR)是一种常用的线性多变量方法，已广泛应用于农产品质量无损检测的定性和定量分析。 PLSR分解光谱矩阵X，但也考虑浓度矩阵Y的影响[18]。模型采用相关系数(Rc/Rp)、均方根误差(RMSEC/RMSEP)进行评估，建立的模型若相关系数越大，均方根误差越小，且RMSEC和RMSEP差异越小，则模型效果越好。

2.7 特征波长的提取及光谱动力学模型建立

为减少模型的输入变量，缩短计算处理时间，提取对预测目标最有效的波长，本文对全波段进行特征波长的提取主要应用连续投影算法(Successive projections algorithm，SPA)。模型建立同样采用PLSR方法。

3 结果与讨论

3.1 滩羊肉pH含量统计

利用spss17.0做描述性统计，如表1所示。

表1 使用传统方法测量的滩羊肉pH的参考值

滩羊肉pH值随贮藏时间的延长和贮藏温度的升高而增加。4 ℃下pH出现最大值为7.19，15 ℃下的pH在第9 d就已达到最大值6.21,但因贮藏温度的不同使得增长率不同。Li等在文献中指出CFPS(Controlled freezing point storage,-0.8 ℃)和对照下储存(4 ℃)的样品的pH显示出相同的趋势，即起初降低然后保持稳定，pH在前两天从7.0附近降到5.8附近再平稳缓慢地上升[19]，与本试验中的结果一致。Díaz等在其研究中表示序列数据显示分布不均匀，主要来源于屠宰场内普遍存在的皮肤微生物群落[20]。本文中的样品测试的pH值分布不均，也可能存在微生物菌落的污染。

3.2 动力学模型的评判

对不同贮藏温度下保存的滩羊肉pH值与时间变化进行回归分析，得到的模型参数见表2。

15 ℃贮藏条件下pH值的动力学模型效果好，其零级、一级模型相关系数均达到0.912，表明回归方程拟合程度高。反应速率越大，动力学特性越明显，因此，选择零级方程为室温贮藏下滩羊肉pH值动力学反应模式。方程如下：

Y=5.188+0.069t,

(4)

式中，Y为15 ℃贮藏下滩羊肉pH值，t是贮藏时间。

表24℃和15℃下滩羊肉pH值的动力学模型参数

Tab.2 Kinetic model parameters of pH value of Tan mutton at 4 ℃ and 15 ℃

贮藏条件反应模式相关系数R反应速率预测标准偏差常数4 ℃零级0.6500.0470.2105.040一级0.6640.0080.0370.00415 ℃零级0.9120.0690.1695.188一级0.9120.0130.0310.001

由此可得，15 ℃贮藏下滩羊肉pH值可作为快速无损预测货架期模型的关键指标，进一步建立基于光谱特征值的动力学模型。

3.3 光谱模型的评判

4 ℃、15 ℃贮藏温度下滩羊肉900～1 700 nm的原始光谱平均反射曲线如图2所示。由原始光谱图可以看出光谱反射曲线在900～1 000 nm波段范围内抖动严重，经直接剔除后建模，模型效果差，这是因为删除时不仅剔去了噪音、杂乱波，同时也删去了有效波段，故而仍采用先预处理后建模的数据处理过程。

图2 滩羊肉4 ℃(a)和15 ℃(b)下900～1 700 nm原始光谱

4 ℃下900～1 700 nm的光谱数据剔除异常样本1，140，151，190，192，193，194，196，200，按照3∶1划分校正集与预测集，再进行不同预处理和PLSR建模；15 ℃下900～1 700 nm的光谱数据剔除异常样本15，34，35，66，80，95后，按照3∶1划分校正集与预测集，再进行不同预处理和PLSR建模。4 ℃和15 ℃下不同预处理方法的PLSR模型如表3、4所示。

遵循相关性系数越大、均方根误差越小则模型越好，主成分数越小、运算速度越快的评价原则，4 ℃贮藏温度下滩羊肉pH值在900～1 700 nm的原始光谱数据建模效果最好。其Rc、RMSEC为0.821和0.185，Rp、RMCEP为0.863和0.177。发现SG-S(3,7)与De-trending(4)联合处理为15 ℃贮藏条件下900～1 700 nm的滩羊肉pH值光谱数据最佳预处理方法。

表3 4 ℃下不同预处理方法的滩羊肉pH 值PLSR模型

表4 15 ℃下不同预处理方法的滩羊肉pH 值PLSR模型

3.4 特征光谱选取

采用Matlab软件中的SPA算法选取经SG-S(3,7)、De-trending(4)联合预处理后900～1700 nm的特征波长，进行参数调试后，共选出10个特征波段，结果如图3所示，分别为919，922，931，939，945，982，1 011，1 270，1 309，1 398 nm。用所选特征波长对15 ℃下pH值进行建模分析，结果如表5所示。

图3 SPA最终推选的有效波段数

Fig.3 Number of valid bands for the final selection of SPA

由表5可知，经SPA法提取SG-S(3,7)、De-trending(4)联合预处理后光谱数据的特征波长建立PLSR模型，其预测效果比全波段要好，预测相关系数为0.831。选取高贡献率特征波长的同时，去除了部分干扰波段，能够对滩羊肉15 ℃贮藏期间的pH值进行有效预测。以特征波长所建立的光谱模型为：

Y=24.4864-0.13512X1-0.1095X2-

0.8951X3-0.7286X4+0.0902X5-

0.5479X6-0.1195X7-1.17696X8-

1.1802X9-0.1363X10,

(5)

式中，Y为15 ℃贮藏温度下羊肉的pH值；X1～X10为预处理后的特征波长处的吸光度值。

表5 全波段与特征波段PLSR光谱模型参数

3.5 特征光谱-动力学模型预测贮藏期

由3.2可知，15 ℃下贮藏的滩羊肉，其pH值零级反应模式拟合度较高，零级动力学相关系数为0.912，模型方程为：

Y=5.188+0.069t,

(6)

结合SG-S(3,7)+De-trending(4)+SPA-PLSR光谱预测模型，将公式(5)代入公式(6)，即得到贮藏时间与光谱特征值间的关系：

t=279.6933-1.9583X1-1.5870X2-

12.9727X3-10.5596X4+1.3073X5-

7.9407X6-1.7319X7-17.0577X8-

17.1046X9-1.9754X10,

(7)

式中，X1～X10为滩羊肉贮藏t天时的特征波长处的吸光度值。

4 结 论

利用传统测量方法测得滩羊肉的pH值，建立了4 ℃和15 ℃下的传统动力学模型，又经不同的预处理方法建立了900～1 700 nm波段两种贮藏温度的光谱最优模型，再与传统的动力学模型相结合进行建模，得出的结论如下：

(1)滩羊肉在储藏过程中，pH值随着贮藏温度的升高、时间的延长而升高，与已有的研究一致。

(2)15 ℃下滩羊肉的传统动力学模型比4 ℃下的模型效果好，4 ℃下零级、一级模型相关系数分别为0.650和0.664，而15 ℃下的零级、一级模型的相关系数则达到0.912和0.912，15 ℃下的模型效果明显好于4 ℃；4 ℃贮藏温度下滩羊肉pH值在900～1 700 nm的原始PLSR模型效果最好，Rc及RMSEC为0.821和0.185，Rp及RMSEV为0.863和0.177，建模效果良好；15 ℃贮藏温度下滩羊肉 pH值的900～1 700 nm光谱经SG-S(3,7)+De-trending(4)预处理后，PLSR建模效果最好，Rc及RMSEC为0.876和0.115，Rp及RMSEV为0.819和0.154；15 ℃下应用近红外高光谱和动力学的结合模型也具有良好的预测效果，其相关系数达到0.758。