基于数据可视化方法分析冷鲜羊肉质构指标的误差

张国祥，张海瑜，罗海玲

（1.中国农业大学 食品质量与安全北京实验室，北京 100083；2.中国农业大学烟台研究院，山东 烟台 264670；3.中国农业大学动物科技学院，动物营养学国家重点实验室，北京 100193）

随着人们生活水平的提高和现代食品产业的快速发展，食品质量安全问题越来越受到人们的关注。全质构分析（texture profile analysis，TPA）法作为食品质量安全检测的重要方法，在各类食品质量检测中的应用日益普遍，具有快捷、简便、高效，且综合检测能力强等优点。食品品质劣变期间大多会发生明显的质构特征变化可以被人类感官所感知，也同样可以使用专业质构仪进行TPA检测，通过获得准确客观的TPA指标数据进行综合量化表达。与剪切力测试、单次压缩等质构检测模式相比，质构仪利用数据可视化方法将传感器获得的TPA检测数据形成直观的力度-时间曲线（TPA曲线），因能够包含更全面的样品质构信息，在科学研究和实际应用中得到广泛认可。通过计算样品2 次受力压缩形成TPA曲线上的峰值位置、峰值面积和形成时间等参数，可以确定食品相关质构特征指标。

检测样品进行TPA测定时的质构信息获取，主要包括力度数值实时采集、数据可视化处理及提取指标数据等主要步骤，而20世纪80年代便开始利用计算机技术实现测定步骤的自动化处理。借助计算机辅助系统，从利用数据可视化方法生成的TPA曲线中自动分析提取所需的指标数据已成为目前TPA测定的常规方法。但是在实际测定过程中，由于仪器轻微震动、测定条件设置不合理、人员操作误差等因素的综合影响，检测系统生成的实际TPA曲线与理想的曲线形态具有较大区别，导致获取的部分TPA指标数值存在较大的数据误差。

在众多使用TPA检测的食品中，肉类及肉制品作为人们膳食中的重要组成部分，为人类提供所需的蛋白质、氨基酸、脂肪等营养物质。冷鲜羊肉作为主要肉类食品，其质量安全问题尤为受到关注。冷鲜羊肉组织劣变过程中，其肌肉组织在蛋白酶和微生物作用进一步分解，肌纤维发生断裂，使其整体结构变得松软，冷鲜羊肉样品表面出现具有黏性的蛋白䏡和蛋白胨，反映出相应的质构特性变化。

本研究以市售阶段的冷鲜羊肉为测试实验对象，通过解析基础的TPA检测过程，确定造成冷鲜羊肉TPA检测数据误差的主要原因及其对测定获取的TPA指标的具体影响，在此基础上进行研究结果的验证。本实验旨在为检测样品TPA测定指标数据的获取提供理论参考，并提高其数据准确性和可靠性。

1 材料与方法

1.1 材料

实验用冷鲜羊肉取样于北京市售的内蒙古地区草原羔羊冷鲜里脊肉，依据GB 20799—2016《肉和肉制品经营卫生规范》要求被保存在0～4 ℃的环境温度下，样品取自肉羊胴体背部最长肌，其均匀的肉质能够有效消除筋骨、脂肪、筋膜等其他组织结构对实验结果的影响。研究一次性共购置市售冷鲜羊里脊肉实验样品60 盒，质量为（30.0±0.1）kg，在低温运输携带条件下从超市运入实验室0 ℃冷藏恒温箱中。样品被均分成2 份，分别用于开展TPA测定和样品菌落总数等其他指标的测取。

TPA实验测定时采用专业的切取装置沿着肉样纤维方向切割制取厚度均匀的标准圆柱状冷鲜羊肉样品，切割时避开肉眼可见的血管、结缔组织及其他缺陷，样品截面面积为10 cm，厚度为10～15 mm，平均质量控制在（10±2）g。切割制取的标准形状检测样品共计120 份，被装入独立干净的塑封袋中，排气密封后重新放回恒温箱，实验周期在预实验基础上确定为0～10 d。

1.2 仪器与设备

TA-XTPlus质构仪 英国Stable Micro Systems公司。

1.3 方法

1.3.1 冷鲜羊肉TPA检测

通过参考过往冷鲜肉类TPA测定相关文献材料，采用的仪器设定参数包括：预压力5 g，实验使用探头为P/5平底柱形探头，第1次压缩及第2次压缩之间的恢复时间间隔为5 s，采用较慢的测试速率以更充分反映样品内部组织状态的变化，测前、测中和测后速率均设置为1.00 mm/s。根据TA-XTPlus质构仪操作手册，研究采用20%、30%、40%、50%、60%、70%、80%和90%的8种不同压缩比测定条件。在实际测定前对TA-XTPlus质构仪进行必要的检测力度校核和探头高度校核，测定实验环境的空气温度24～28 ℃、相对湿度为25%～45%。研究每天定点定时采用8种不同压缩比条件进行单个标准形状冷鲜羊肉样品的TPA测定，采用五点取样法获取5组平行指标数据，取其平均值作为样品的TPA指标测定值。

研究使用TA-XTPlus质构仪对冷鲜羊肉样品进行TPA检测时，固接有力度传感器的探头会对样品进行2 次循环往复的按压过程，期间检测系统实时连续采集探头受力数值，并借助数据可视化方法形成实时TPA曲线。TAXTPlus质构仪附带的系统程序需要操作者对TPA曲线上的3个峰值点（、和）进行选定，而对于其余曲线参数则是由系统对曲线波峰和波谷进行自行识别选择，最终确定6个曲线特征节点的位置用以提取最终的TPA指标数据，如图1所示。

图1 TA-XTPlus质构仪生成的冷鲜羊肉TPA曲线Fig. 1 TPA curves of chilled mutton generated by TA-XTPlus texture analyzer

通过单次TPA检测，通常可以从所得的TPA曲线中获得检测样品的8个质构特性指标，分别为脆性、硬度、弹性、内聚性、黏性、回复性6个测定指标值和咀嚼性、胶着性2个计算指标值。其中，脆性的评价对于消费者购买和食用冷鲜羊肉并没有实际意义，而冷鲜羊肉被广泛认为是固态的，用于评价半固体的胶着性指标并不适用于冷鲜羊肉。因此脆性和胶着性的指标数据忽略不计。其余6个与冷鲜羊肉相关的TPA指标的具体解释定义如表1所示。

表1 质构仪测定TPA指标的具体解释定义Table 1 Definition of the TPA indicators

结合图1和表1可知，根据指标的具体解释定义，各个TPA指标数值均可以通过峰值点、峰值面积以及压缩时间等TPA曲线参数予以充分表达，再经过相应的公式换算后，可以得到测定TPA指标具体计算方法为：硬度为，弹性为/，内聚性为/，黏性为，回复性为/，咀嚼性为内聚性、硬度和弹性的乘积，因此通过计算获得相应的TPA曲线参数值即可得到反映检测样品质构特性的TPA指标值。

1.3.2 样品参考评价指标测取

研究检测冷鲜羊肉样品的挥发性盐基氮（total volatile base nitrogen，TVB-N）、菌落总数以及大肠菌群计数所涉及的实验仪器（包括恒温培养箱、恒温水浴箱等）和实验试剂均按照现行的GB 5009.228—2016《食品中挥发性盐基氮的测定》、GB 4789.2—2016《食品微生物学检验 菌落总数测定》和GB 4789.3—2016《食品微生物学检验 大肠菌群计数》执行，且将其作为冷鲜羊肉品质变化的参考评价指标。实验期间按照现行食品安全国家标准完成3个平行冷鲜羊肉样品的参考评价指标数据测取，将其平均值作为测定值。

1.3.3 TPA指标数据修正量计算

研究对不同压缩比测定条件下测定的冷鲜羊肉实验期间TPA指标数据进行分析，将特征节点修正前后的TPA指标数据相对变化量的绝对值定义为TPA指标修正量，按式（1）计算：

对实验期间内冷鲜样品的6个TPA指标数据修正量结果进行统计分析，获得单个压缩比条件下的任意TPA指标数据对应的平均修正量，按式（2）计算：

式中：δ为压缩比条件下冷鲜羊肉样品任意TPA指标数据的平均修正量结果。

1.3.4 TPA指标数据修正效果验证

冷鲜羊肉贮藏期间的品质劣变过程中不仅表现出黏性等质构特性的改变，其同样伴随着TVB-N等标志物含量增加，因此劣变期间的TPA指标数据和TVB-N、菌落总数等生理指标特征变化存在明显的内部联系。研究借助其彼此之间联系进一步说明数据误差对TPA检测指标的影响。研究采用Pearson相关系数用来描述修正前后TPA指标和参考评价指标之间的关联程度，其取值范围介于-1与1之间，其绝对相关系数||值越接近1，说明2个变量之间的线性相关的密切程度越高，越接近0则说明密切程度越低。不同压缩比条件下的TPA指标数据和参考评价指标的Pearson相关系数r，按式（3）计算：

式中：x为实验期间（0～10 d）冷鲜羊肉在第个压缩比测定条件下测定的第个TPA指标数据；x为测定的第个参考评价指标数据；Cov为协方差。

1.4 数据处理

2 结果与分析

2.1 基于数据可视化的TPA测定误差分析

2.1.1 冷鲜羊肉TPA测定误差分析

通常在食品理化分析过程中，检验结果的误差按其来源性质可分为系统误差、偶然误差和过失误差3大类。就冷鲜羊肉TPA检测而言，偶然误差一般是由于样品受到实验环境变化等偶然因素影响导致，可通过环境控制和多次测定的方式予以消减；而过失误差一般是由于质构仪操作过失导致测定结果出现明显错误，在数据核定过程被舍弃；而系统误差则是作为样品TPA测定过程中的固有误差难以避免，多是由于测定方法不合理、仪器细微震动等具体原因，具有分析和解释的意义。

TPA指标数据的获取源于其TPA曲线参数的解析，因此测定误差的影响同样会反映到可见的TPA曲线上。例如，在Alvarez、吴伟都等获取的苹果、湿面等样品的TPA曲线表现的异常峰值和曲线波动，这些测定误差的表现在本实验冷鲜羊肉TPA曲线中有所体现，如图2所示。

图2 第10天30%压缩比条件下获取的冷鲜羊肉样品TPA曲线AFig. 2 TPA curve A obtained at a 30% compression ratio for chilled mutton sample stored for 10 days

图2 中的2 处异常峰（a和b）及其之间的曲线波动在实验期间获取的TPA曲线中均有所体现，且其并不会随设定测定条件等因素的改变而完全消失，其数值的变化幅度也较为稳定，如图3所示，说明其是系统固有且存在规律性的系统误差，具有进一步分析和解释的意义。

冷鲜羊肉TPA检测过程中，探头从样品表面运动到达预定压缩比设定位置后，立即返回并停留在冷鲜羊肉样品表面，完成第1次压缩过程，经过设定的压缩间隔时间，探头重新启动并重复压缩过程后回到样品表面位置，至此完整的TPA曲线形成。结合图2和图3可知，特殊峰a、b独立于测定曲线的循环压力峰之外，出现在探头停止和启动的瞬间。因此导致特殊峰a、b出现并不是样品压缩过程的偶然因素作用，而是仪器完成循环压力峰前后，探头运动状态发生改变而造成的固有且无法避免的轻微震动所致。而仪器安装的力度传感器采集信号时的自身数据抖动导致特殊峰a、b之间的曲线波动在全程TPA曲线A、B上均有所体现。测定误差分析结果帮助研究进一步明确冷鲜羊肉TPA检测过程并为TPA曲线参数解析提供参考。

图3 第0天80%压缩比条件下获取的冷鲜羊肉样品TPA曲线BFig. 3 TPA curve B obtained at a 30% compression ratio for chilled mutton sample stored for zero days

特殊峰和曲线波动等系统误差的产生会干扰到检测系统对TPA曲线的特征节点识别和后续的参数解析，进而造成提取TPA指标数据误差的产生。因此，研究通过修正特征节点位置说明特殊峰和曲线波动等系统误差对冷鲜羊肉TPA检测的具体影响。

2.1.2 TPA曲线特征节点修正

TPA曲线上的特征节点位置修正需要对在冷鲜羊肉TPA测定过程中提取的6个特征节点的具体位置、标志意义以及影响曲线参数进行分析。对此在相关研究基础上，结合冷鲜羊肉TPA指标数据提取过程以及特殊峰等因素的考虑，最终得出的TPA曲线特征节点分析结果如表2所示。

表2 TPA曲线特征节点分析结果Table 2 Analysis results of key characteristic nodes on TPA curve

结合图1和表2内容可知，TPA曲线上的特征节点1、2、5、6都有较为明确的位置定义，确认方法简单直接，存在位置偏差的可能性较小。而特征节点3的位置位于第1次压缩过程的循环正值峰末端点，研究将第1个循环正值峰结束后的第1个零值点作为特征节点3的明确位置。而特征节点4则是完全由系统进行自动识别选定，同时受到曲线波动和特殊峰的显著影响，存在着位置偏差的较大可能。研究结合误差分析结果和TPA指标定义及其计算方法进行特征节点4的位置选定。由表2可知，TPA曲线上的特征节点4所在位置的选择严重影响弹性、内聚性和黏性的指标数值结果。

其中，黏性反映的是探头测试样品的黏着作用所消耗的功，在TPA曲线上表征为第1次压缩过程中循环负值峰的面积。因此提取其指标数据时，特征节点4的位置选于其负值峰的终点或是特殊峰a的起点，即图4和图5中的点c处。而弹性和内聚性的计算方法源于TPA曲线中2次压缩过程中的循环正值峰面积和压缩时间，因此在提取弹性和内聚性指标数据时，特征节点4的位置选择在第2次压缩中循环正值峰的起点或是特殊峰b的终点，即图4和图5中的点d处。选择特征节点4时，将压缩间隔时间内特殊峰a、b之间的数据曲线波动和视为无效内容予以忽略。

图4 TPA曲线A上特征节点4的确定Fig. 4 Determination of node 4 on TPA curve A

图5 TPA曲线B上特征节点4的确定Fig. 5 Determination of node 4 on TPA curve B

通过30%压缩比测定条件下的TPA曲线A（图4）和70%压缩比测定条件下的TPA曲线B（图5）的形态对比，可以初步观察到不同压缩比测定条件会导致探头对于冷鲜羊肉样品的实际作用力产生明显差异。特殊峰和曲线波动的系统误差对低压缩比下获取TPA指标数据获取产生显著影响，而在较大的压缩比下则相对较为微弱。在此基础上，研究采用人工操作调整的方式在TAXTPlus质构仪自带系统的基础上，完成6个特征节点的位置修正，并进一步展开修正结果分析和方法验证。

2.2 修正结果分析与方法验证

2.2.1 数据修正结果分析

基于以上分析结果，研究通过特征节点修正最终得到的不同压缩比条件下的各个TPA指标平均修正量结果如图6所示。

图6 不同压缩比条件下TPA指标的平均修正量结果分析Fig. 6 Analysis of average correction levels of TPA indexes under different compression ratios

TPA指标修正结果（图6）分析表明，特征节点的修正效果受到压缩比条件的影响，且对于不同TPA指标数据的具体影响效果存在差异和关联性。其中，硬度的指标数据取决于第1次压缩过程形成的循环正值峰峰值，因此仅受到曲线波动的干扰，其修正前后的平均修正量小于0.01%，未在图6显示。弹性、内聚性和咀嚼性由于在计算方法上存在相似性以及内部联系，在修正效果的体现上呈现较为明显的关联性，且其最大平均修正量均出现在20%压缩比测定条件下，随后修正量急剧下降直至接近消失，其中弹性和咀嚼性的平均修正量在20%压缩比测定条件下超过10%。不同压缩比条件下的回复性的指标数据的平均修正量结果保持在1%左右，而冷鲜羊肉的黏性指标数据平均修正量随着压缩比的增大呈现相类似的平稳递减规律性变化，但均达到20%以上。

从具体的修正效来看，20%压缩比条件下的5个TPA指标数据的修正效果均较为明显，但都存在数据标准差较大的问题，这是由于该压缩比测得的力度数值较小，极易因受到干扰导致测得的指标数据修正效果稳定性较差，而随着压缩程度极大，测定指标数值的增大受到干扰的影响力度减弱，修正效果变得稳定，其中回复性在90%的压缩情况下平均修正量和标准误差出现增大，则是由于过大的压缩比条件使得冷鲜羊肉测试样品出现严重破坏，造成的样品黏附情况严重干扰特征节点3的选择，导致直接与之直接相关的回复性数据的修正效果稳定性变差。而从整体的特征节点的修正效果看，特征节点的修正效果在黏性指标数据方面体现的尤为显著，这主要是由于弹性、内聚性、咀嚼性和回复性直接关联的特征节点1、2、5、6在曲线上的位置定义相对比较明确，特征节点3的检测系统识别难度也较低，存在的位置偏差可能均较小，使得最终的修正效果体现并不明显。而对于存在着较大的不确定性的特征节点4，与之相关的黏性指标数据直接取决于由第1次压缩过程形成的循环负值峰大小，和2 处特殊峰及其之间的曲线波动同处于2个循环正值峰中间位置，因此受到系统误差的影响极为显著，表现出较好的修正效果。以50%压缩比条件下的修正前后黏性指标数据结果为例，如图7所示。

图7 修正前后50%压缩比条件下的黏性Fig. 7 Comparison of adhesiveness data under 50% compression ratio before and after correction

从图7可以看出，特殊峰和曲线波动的系统误差对黏性指标数据变化规律的影响较小，但修正后的黏性指标数据相比修正前，随贮藏时间延长逐渐下降的趋势更加明显，数值结果有所增加且标准差较小，稳定性有所提升。

2.2.2 修正方法的验证

研究同样以黏性在50%压缩比测定条件下的数据分析结果为例，计算其与参考评价指标数据的Pearson相关系数，结果如图8所示。

图8 50%压缩比测定条件下黏性指标和参考评价指标的相关性结果Fig. 8 Correlation coefficients between adhesiveness and reference evaluation indicators under 50% compression ratio

从图8可知，相比较特征节点修正前的冷鲜羊肉TPA数据，修正后的50%压缩比测定条件下黏性指标数据与冷鲜羊肉样本TVB-N、菌落总数对数以及大肠杆菌数对数的相关系数分别提高11.2%、20.7%和8.3%，说明修正后的黏性指标数据和反映冷鲜羊肉品质劣变的理化指标数据的密切程度更多，更能充分地反映冷鲜羊肉的贮藏实验期间的质构特性变化。

3 结 论

以冷鲜羊肉为实验对象，基于数据可视化方法分析冷鲜羊肉的具体TPA检测过程，确定特殊峰和曲线波动等系统误差使得检测系统对冷鲜羊肉TPA曲线上特征节点选择产生偏差，最终致使TPA指标数值产生数据误差。结果表明：特殊峰和曲线波动等系统误差受到压缩比测定条件的影响，在20%压缩比条件下影响较为显著，且对于不同TPA指标数据的具体影响效果存在差异和关联性，其中通过对TPA曲线上的特征节点进行修正得到的黏性指标数据在不同压缩比条件下的平均修正量均超过20%；且修正后的50%压缩比条件下的黏性指标数据与TVB-N、菌落总数等冷鲜羊肉参考评价指标的相关性显著提升。综上所述，通过修正TPA曲线特征节点位置可以有效地减少TPA测定时的数据误差影响，从而提高获取的TPA指标数据的准确性和可靠性。