利用近红外光谱快速检测大青山山羊肉脂肪与蛋白质含量

车天宇，杨 峰，谢遇春，米 璐，马丽娜，郭俊涛，苏 馨，王志新，刘志红，李金泉

（内蒙古农业大学动物科学学院，内蒙古自治区动物遗传育种与繁殖重点实验室，农业农村部肉羊遗传育种重点实验室，内蒙古自治区山羊遗传育种工程技术研究中心，内蒙古呼和浩特 010018）

内蒙古大青山位于内蒙古包头市、呼和浩特市、乌兰察布以北，坐落在土默特左旗阴山山脉的主要段落，是阴山山地生物多样性最集中的区域[1]。大青山山羊以丰富的野生植被为主要的营养来源，其肉质细嫩、味美多汁、高蛋白、低脂肪、低胆固醇，富含多种人体必需氨基酸和微量元素，是天然的绿色健康食品，不仅符合当代大众的口味，更能够满足养生保健的需求[2]。

羊肉是我国主要的食用肉种类之一，与猪肉相比，羊肉具有脂肪与胆固醇含量较低、蛋白质含量较高、更容易被消化等特点[3-5]。近年来，消费者对于羊肉的需求逐渐从价格转向质量，羊肉消费量逐年上升[6]。为获取更大的利益，供应商往往会进行胴体分割，对不同的部位制定不同的价格[7]。然而，对于不同部位羊肉品质的分级并不明确，只能依靠经验及市场口碑。而常规的实验室肉质检查方式不仅耗时长，效率低，而且会损坏样品，很难在屠宰加工流水线上进行应用。因此，需要一种能够在流水线上应用的快速、准确的羊肉品质检测手段。

近红外光谱分析技术是一种已经较为成熟的、在产品生产过程中对物质成分进行定量的物理检测方式，这种技术不仅耗时短，精确度较高，而且不会对样品造成破坏[8]，是一种较为理想的羊肉品质检测方式。但目前这种方式在国内鲜有报道。刘晓琳等[9]利用偏最小二乘法针对样本中的蛋白质和脂肪含量进行了建模，其中蛋白质含量最优模型相关系数为0.931 2，脂肪含量最优模型相关系数为0.915 7。王培培等[10]针对采集小尾寒羊、乌珠穆沁羊、滩×寒杂交羊等绵羊品种的蛋白质、脂肪、水分含量建立了近红外光谱预测模型，其样品水分含量近红外光谱校正决定系数为0.94，验证决定系数是0.86；蛋白质含量近红外光谱预测模型的校正决定系数为0.90，验证决定系数为0.72；脂肪含量近红外光谱校正决定系数0.81，验证决定系数0.64，证明近红外在绵羊肉化学成分预测上具有较好的效果。本研究在利用近红外光谱分析技术的基础上，对不同年龄、不同部位的羊肉蛋白质、总脂肪含量进行分析；建立近红外预测模型，旨在实现羊肉中蛋白质、总脂肪2 种成分含量的快速检测，为实现肉品质分级奠定基础。

1 材料与方法

1.1 试验仪器 赛默-飞世尔科技 Antaris™II FT-NIR分析仪；BUCHI K-360 全自动凯氏定氮仪；海能SOX-406 脂肪测定仪。

1.2 试剂 石油醚（福晨（天津）化学试剂有限公司），30～60℃沸程；滴定酸（广州凯尔化工科技有限公司），H+浓度为0.1 mol/L；其他试剂均为国产分析纯。

1.3 试验材料 大青山地区18、30、42 月龄的山羊各20 只，采集臂三头肌（Q）、股二头肌（H）以及背最长肌（B）的样品，共180 块肌肉样本。去除表面上的筋膜以及脂肪，快速放入液氮，带回实验室放入-80℃冰箱保存备用。

1.4 蛋白质及脂肪含量测定 脂肪含量按照肉与肉制品总脂肪含量的测定（GB 5009.6-2016）进行测量[11]，蛋白质含量按照肉与肉制品中氮含量测定（GB 5009.5-2016）进行测量[12]。

1.5 近红外光谱扫描取 取5～10 g 样本，采用不锈钢刀将解冻后的样本切碎成肉糜状，置于Antaris™II FTNIR 分析仪（thermo）样品杯中，设置扫描分辨率为16 cm-1，增益为8x，扫描250 次。每个样本扫描3 次，保存平均光谱。

1.6 统计分析 用SPSS 对不同年龄、不同部位的肌肉样本的蛋白质及总脂肪含量数据进行方差分析。利用TQ Analysis 软件分析光谱特征并对光谱进行前处理消除环境影响并突出可能与定量信息相关的波段，并利用波段信息进行关联建模。

1.7 光谱处理 在TQ Analysis 中选择合适的方法对扫描的光谱进行处理。一般而言，首先选择预处理方法如多元散射校正（MSC）或者标准正态量变换（SNV）的方法，消除由于环境造成的光谱之间的差异；随后选择对全光谱求一阶导数或者二阶导数以放大光谱中的特征信息，并选择利用S-G 方法或者Norris 方法平滑光谱中的噪音。

2 结果

图1 不同年龄与不同部位肌肉中蛋白质与总脂肪含量变化

2.1 大青山山羊肉蛋白质与总脂肪的定量分析 如图1所示，不同年龄组之间蛋白质含量没有显著差异，而不同年龄组间肌肉中总脂肪含量差异显著且随着年龄上升肌肉中总脂肪含量增加。不同部位间，臂三头肌与背最长肌间中蛋白质与总脂肪含量没有显著差异，而股二头肌与背最长肌中蛋白质与总脂肪含量差异显著，均为背最长肌高于股二头肌。

2.2 羊肉近红外光谱分析 基于180 个样品扫描结果发现（图2），样品之间光谱相对集中，光谱的各个部分变化趋势基本一致。其中1 200、1 450、1 950 nm 处出现了明显的吸收峰，而这3 个波长分别是C—H 的二级倍频吸收、O—H 伸缩振动的一级倍频和震动组合频以及N—H 伸缩振动的一级倍频。而在1 700 nm 左右的波长处可以看见较小的吸收峰，这是C—H 的一级倍频吸收。

图2 180 个样本的近红外光谱扫描结果

2.3 偏最小二乘法建模 近红外光谱采集过程中往往受到多种因素的影响导致光谱基线漂移以及噪音，因此在建模之前往往需要对光谱进行平滑、求导、校正等预处理。对不同的预处理方法进行组合建模，从中选择交叉验证均方根误差（RMSECV）值最小且相关系数较高的模型作为建模结果。建模结果中均方根误差（RMSEC）值越小，表明模型回归程度越好，通常RMSECV 高于RMSEC 值，故认为RMSECV 值较低的模型建模效果较好（表1）。

如图3 所示，总脂肪含量近红外光谱预测模型RMSEC 值为0.668，交叉验证后，得到其RMSECV 值为0.697，其相关系数为0.951 6。蛋白质含量近红外光谱预测模型结果RMSEC 值为0.503，交叉验证后得到其RMSECV 值为0.580，相关系数为0.919 6。

2.4 模型的验证 选择未参加建模的样本（30 个）中，不同年龄不同部位的样本各3 个，共27 个。扫描其光谱，带入总脂肪含量预测模型与蛋白质含量预测模型中。如图4、5 所示，可以看出预测值与真实值之间差异较小，变化趋势一致。分别计算脂肪含量验证结果和蛋白质含量验证结果的RPD 值。总脂肪验证结果的RPD 值为3.23，蛋白质含量验证结果的RPD 值为3.71。通过计算验证集的RPD 值可以判断模型的预测效果。RPD为验证集标准偏差与预测标准偏差的比值。在浓度范围相同的前提下，RPD 越大，准确性越高。一般而言，当验证集决定系数为0.9 时，RPD 值约等于2.3；若验证集决定系数为0.98，则RPD 约等于5.0。

表1 不同预处理方法建立近红外预测模型

3 讨 论

图3 肌肉中总脂肪与蛋白质含量建模及验证结果

图4 脂肪预测模型的验证结果

图5 蛋白质预测模型的验证结果

不同年龄阶段的大青山山羊肉中蛋白质含量较为稳定，而总脂肪含量会随着年龄增长显著增加。师帅等[13]研究发现，20 月龄柯尔克孜羊后腿骨骼肌中蛋白质与脂肪含量均显著高于7 月龄。徐小春[14]在研究舍饲饲养条件下中卫山羊成年羊羊肉中粗脂肪和粗蛋白质含量极显著高于幼龄羊。丁武[15]研究发现，随月龄增加，杂交羊中粗脂肪、粗蛋白质呈极显著增加趋势。说明年龄是影响肌肉中蛋白质与脂肪含量的重要因素。

张唐伟等[16]在分析岗巴羊的营养价值时发现，在3、4、5 岁年龄组中，背部肌肉样本中含有的粗脂肪含量均显著高于腿部肌肉中粗脂肪含量。王莉梅等[17]在分析乌珠穆沁羊的不同部位间营养价值差异时发现，乌珠穆沁羊背最长肌中蛋白含量总体优于肱三头肌和股二头肌。表明不同部位肌肉之间营养价值存在差异，从蛋白质及总脂肪含量来看，背最长肌的营养价值高于臂三头肌和股二头肌。

花锦等[18]在利用近红外光谱对鲜肉中脂肪含量建立定量预测模型时发现，猪肉、牛肉、羊肉近红外光谱吸光度变化趋势一致，均在1 450 nm（6 900 cm-1）及1 990 nm（5 110 cm-1）处存在峰值。郭丽丽等[19]在基于近红外技术测定不同鲜肉中挥发性盐基氮含量的研究中得到了相同结论。从以上结果来看，1 450、2 000 nm附近可能是肉类特有的吸收峰。

对不同预处理方法的建模结果进行比较发现，对光谱进行MSC（多元散射矫正）[20]，SNV（归一化）[21]等预处理，发现模型的精确程度没有显著提高。这可能与样本的预处理方式有关。Guy 等[22]在利用近红外光谱预测脂肪酸含量是在测定成分含量数据时，粉末状样本的建模效果（RMSECV=0.29～0.98）优于完整样本（RMSECV=0.05～0.53）。Barbin 等[23]在建立鸡肉肉质指标近红外光谱预测结果时发现磨碎完整样本与磨碎样本的的建模结果相差不大，如针对光泽度进行建模时完整样本和磨碎样本的RMSECV 值分别为0.46 和0.48，甚至优于磨碎样本，如针对pH 进行建模时，完整样本与磨碎样本的RMSECV 值分别为0.50 和0.72。说明样本前处理对于建模结果具有重要影响，在衡量样本中化学成分时，磨碎样本往往能够取得更好的结果[24]。

Liao 等[25]在利用近红外对完整猪肉样本中蛋白质、肌内脂肪和水分含量的建模结果为水分、蛋白质、脂肪的RPD 值分别为2.01、1.74、1.77。Prieto 等[26]利用近红外预测研磨后的牛肉中水分、蛋白和肌内脂肪的RPD 值分别是2.13、2.10、2.01。本试验结果较其更佳。

4 结 论

利用近红外光谱对大青山山羊肉中蛋白质与总脂肪含量建立定量预测模型，其中蛋白质预测模型RMSEC值为0.503，交叉验证后RMSECV 值为0.58；脂肪预测模型RMSEC 值为0.668，交叉验证后RMSECV 值为0.697。说明模型回归效果较好，同时较为稳定。选择不同年龄不同部位样本作为验证集对模型进行校验，蛋白质预测模型的RPD 值为3.71，总脂肪含量预测模型RPD 值为3.23。本研究为羊肉品质的分析测定提供了一种快速简便的检测方法，为进一步进行肉品质分级奠定基础。