基于电子舌感应技术的肉类硝盐组分可行性研究

潘 岳

(长沙商贸旅游职业技术学院，长沙 410116)

目前，国内外有很多肉类公司都使用亚硝酸盐作为肉类着色剂，添加的目的是提供红色着色并抑制微生物生长[1,2]。然而，使用高于某一标准(>150 mg/kg)的亚硝酸盐将导致大量残留的NO—进一步和蛋白质代谢物仲胺的次级产物形成亚硝胺，是致癌因子。在肉类加工中使用着色剂一直是一个有争议的问题，需要在它的安全问题与它对肉制品的外观、风味和稳定性方面的应用中权衡[3]。常用的硝盐定量分析方法有重氮偶合比色法、催化动力学法、氧化还原比色法和透析法等[4-6]，但这些方法的检测时间都较长。

电子舌的原理是将来自特定的、非特定的和重叠的传感器的信号与模式识别相结合，对样品进行模拟识别和定量定性分析[7]。电子舌技术在肉制品新鲜度评价、品质评价中已有广泛应用，但对于定量测定肉类硝盐组分却鲜有报道[8-10]。本文以猪肉为对象，应用多频大幅脉冲电子舌，采用偏最小二乘法 (PLS)对数据进行分析,建立预测模型，为电子舌在肉类硝盐组分测定中的可行性提供了试验依据。

1 材料与方法

1.1 材料

猪肉(猪后腿肉)、羊肉(羊后腿肉)：购自长沙市菜市场。

1.2 材料处理

将猪肉和羊肉绞碎，加水匀浆(料液比1∶5，匀浆5 min)并加入适量的硝酸钠(NaNO3)、亚硝酸钠(NaNO2)、氯化钠(NaCl)，使匀浆液中盐浓度达到以下4个水平：极低等(0)、低等(100 mg/kg NaNO3和NaNO2；1%NaCl)、中等(200 mg/kg NaNO3和NaNO2；2%NaCl)和高等(300 mg/kg NaNO3和NaNO2；3% NaCl)。在测定含量之前冷藏1 d使盐和匀浆液充分渗透。2/3的样本随机选择作为训练集，其他1/3的样本作为构建回归模型的预测集用于验证模型性能，校正集和预测集样品分配见表1。

表1 猪肉、羊肉校正集和预测集样品分配Table 1 Sample distribution of pork and mutton correction set and prediction set

1.3 测量原理、设备和程序

电子舌片装置由8个工作电极(即Au，Pt，Ir，Rh，Ag，Cu，Ni和Co)组成，其纯度为99.9%，直径为1 mm，安装在自制的不锈钢圆筒内，与电子舌系统的主体和参考电极同时使用。以铂柱电极为辅助电极，Ag/AgCl 作为参比电极，通过使用电子设备执行脉冲的产生和当前数据的记录。系统可以生成最多32个脉冲的序列，正向最大多频大幅脉冲电位1.0 V，负向多频大幅脉冲电位-1.0 V，递减脉冲幅度0.2 V。使用的相关频率在1 kHz～1 MHz的范围内。检测每个样品传感器共采集2 min。在进行数据分析和处理时，采用第120 s所得的稳定数据作为输出值进行分析。每次测量后，从样品中取出针电极并用蒸馏水和丙酮清洗[11]。

1.4 数据处理

提取电流采集信号的顶点和拐点值作为检测样品的变量。使用多变量数据分析处理从实验收集的所有数据，特别是PLS[12]。 PLS的主要目标是通过同时分解一组成分(潜在变量)中的矩阵或向量来预测X中的Y，这些成分尽可能地解释X和Y的协方差[13]。通过使用校准集(标准)和收集数据分别创建预测模型，所有数据管理均使用SPSS19软件进行。

2 结果与分析

2.1 猪肉硝盐组分电子舌检测

以电子舌传感器响应值为样本的测量数据，以猪肉中NaNO3、NaNO2、NaCl浓度为拟合目标值进行拟合，PLS预测模型结果见图1。

图1 猪肉NaNO3、NaNO2、NaCl的PLS预测图Fig.1 PLS prediction charts of NaNO3, NaNO2 and NaCl in pork

由于肉类中NaCl的添加会影响NaNO3和NaNO2，含量的测定，故本实验还另外测定了NaCl含量。3个模型的相关参数见表2。

表2 猪肉NaNO3、NaNO2、NaCl 的PLS预测模型参数Table 2 PLS prediction model parameters of NaNO3，NaNO2，NaCl in pork

p1为校正集中真实值与预测值之间的相关系数，p2为截距，r2为相关指数[14]。NaNO3、NaNO2、NaCl的拟合效果良好，回归方程分别为y=0.9432x-0.0031，y=0.9315x-0.0011和y=0.9192x+0.2032。

由回归方程和表2 参数可知，PLS预测模型对猪肉NaNO3具有最高的相关性，其次为NaNO2，最低的是NaCl。但是在这三者之中，NaCl模型的r2最高，也就是说其最稳定，可能是其较大添加量决定的。说明即使在NaCl大量存在的情况下，少量的硝酸盐和亚硝酸盐的预测模型也能很好地发挥作用。

分别以不同浓度NaNO3、NaNO2、NaCl的猪肉样品对模型进行验证，结果见表3。

表3 猪肉NaNO3、NaNO2、NaCl 的预测值、实测值和相对误差 Table 3 Predicted values, measured values and relative error of NaNO3,NaNO2 and NaCl in pork

由表3可知，猪肉NaNO3、NaNO2、NaCl 的预测值、实测值和相对误差。数据显示，各盐组分的PLS预测模型预测效果较好，在2.08%～12.24%之间，均在低浓度下误差较大，高浓度下误差较小，这符合模型特征[15]。由表3还可知，相对误差总体NaNO3

2.2 羊肉硝盐组分电子舌检测

以电子舌传感器响应值为样本的测量数据，以羊肉中NaNO3、NaNO2、NaCl浓度为拟合目标值进行拟合，PLS预测模型结果见图2。3个模型的相关参数见表4。

图2 羊肉NaNO3、NaNO2、NaCl的PLS预测图Fig.2 PLS prediction charts of NaNO3, NaNO2 and NaCl in mutton

表4 羊肉NaNO3、NaNO2、NaCl 的PLS预测模型参数Table 4 PLS prediction model parameters of NaNO3, NaNO2 and NaCl in mutton

NaNO3、NaNO2、NaCl的拟合效果良好，回归方程分别为y=0.9831x+0.0034，y=0.9676x+0.0024和y=0.9302x+0.2279。

由回归方程和表4 参数可知，PLS预测模型对羊肉NaNO3具有最高的相关性，其次为NaNO2，最低的是NaCl。但是在这三者之中，NaCl模型的r2最高，也就是说其最稳定，可能是其较大添加量决定的。说明即使在NaCl大量存在的情况下，少量的硝酸盐和亚硝酸盐的预测模型也能很好地发挥作用。结果与猪肉中NaNO3、NaNO2、NaCl的PLS预测模型一致，但相关性更强，也更稳定，可能是由于羊肉组分中干扰成分较少，例如脂肪含量、胆固醇含量较猪肉少得多。

分别以不同浓度NaNO3、NaNO2、NaCl羊肉样品对模型进行验证，结果见表5。

表5 羊肉NaNO3、NaNO2、NaCl 的预测值、实测值和相对误差 Table 5 Predicted values, measured values and relative error of NaNO3,NaNO2 and NaCl in mutton

由表5可知，羊肉NaNO3、NaNO2、NaCl的预测值、实测值和相对误差。数据显示，各盐组分的PLS预测模型预测效果很好，在0.02%～15.81%之间，均在低浓度下误差较大，高浓度下误差较小，这符合模型特征。由表5还可知，相对误差总体呈现NaNO3

3 结论

本文提出了一种基于电子舌技术测量猪肉、羊肉中硝酸盐、亚硝酸盐和氯化物含量的方法。电子舌片由8种金属电极组成，用于检测和测定阴离子硝酸根、亚硝酸根和氯离子的浓度水平，采用PLS对数据进行处理，并建立了预测模型。本研究表明，可以通过测量简单但合适的一组金属电极的电化学响应来检测真实复杂猪肉、羊肉样品中的硝酸盐、亚硝酸盐和氯化物含量。结果表明电子舌传感器PLS模型具有较好的预测能力和精确度，羊肉的PLS预测模型效果优于猪肉；3种盐分的预测效果优劣顺序为：硝酸盐>亚硝酸盐>氯化物；高浓度优于低浓度。基于电子舌技术的肉类硝盐组分检测方法简单、快速、成本低，是一种具有较强市场竞争力的检测手段。