引言

生鮮牛肉經(jīng)過(guò)排酸后能有效提高牛肉品質(zhì)，使肉質(zhì)鮮美細(xì)嫩，具有良好的市場(chǎng)前景。生鮮牛肉的pH是判別其新鮮度的參考指標(biāo)之一。宰后牛肉肌糖原酵解產(chǎn)生乳酸和ATP分解釋放磷酸，使牛肉 pH下降，排酸24h牛肉的pH為5.6~6.0。pH指標(biāo)的變化極大的影響肉類的顏色、風(fēng)味、蛋白質(zhì)特性等，同時(shí)它也是反應(yīng)微生物活性、脂質(zhì)和生物胺氧化程度的重要參數(shù)。鮮肉儲(chǔ)存中受到自身新陳 代謝和微生物活動(dòng)的影響，蛋白質(zhì)分解，產(chǎn)生堿性物質(zhì)，最終使 pH值上升,出現(xiàn)變質(zhì)和腐敗現(xiàn)象，進(jìn)而影響食品安全，導(dǎo)致消費(fèi)者無(wú)法接受。測(cè)定肉類pH值的傳統(tǒng)方法主要是基于pH計(jì)和表面電極法，但是這些方法是侵入性的、耗時(shí)且繁瑣，難以滿足現(xiàn)代肉類品質(zhì)檢測(cè)的需要。高光譜成像技術(shù)是一種快速、準(zhǔn)確和無(wú)損的光學(xué)方法，具有光譜分辨率高、波段多和數(shù)據(jù)量多等特點(diǎn)，在食品質(zhì)量與安全檢測(cè)上受到了廣泛關(guān)注。然而，高光譜用于肉類等食品檢測(cè)研究大多關(guān)注于無(wú)包裝膜情況下的直接檢測(cè)，很少考慮包裝后的檢測(cè)及包裝的影響。食品在運(yùn)輸、倉(cāng)儲(chǔ)和銷售環(huán)節(jié)中，對(duì)包裝食品的檢測(cè)可有效減少外界環(huán)境對(duì)食品品質(zhì)的影響，進(jìn)一步保障食品安全。在這個(gè)過(guò)程中，需要的是通過(guò)包裝膜對(duì)食品進(jìn)行無(wú)損檢測(cè)，而不是去除包裝膜直接對(duì)產(chǎn)品進(jìn)行檢測(cè)。本研究采用兩種包裝膜包裝下的牛肉樣本的高光譜圖像和測(cè)量pH指標(biāo)含量。通過(guò)提取感興趣區(qū)域、光譜預(yù)處理和特征波段篩選分別建立PLSR和LSSVM模型，對(duì)包裝牛肉的pH值含量進(jìn)行預(yù)測(cè)，建立最優(yōu)模型，為包裝生鮮牛肉品質(zhì)的無(wú)損檢測(cè)提供理論支持。

材料與方法

2.1 實(shí)驗(yàn)材料

從無(wú)錫當(dāng)?shù)卮笮统匈?gòu)買已經(jīng)排酸處理后的新鮮牛肉后臀部位作為實(shí)驗(yàn)對(duì)象，將購(gòu)買的牛肉放置在0~4℃培養(yǎng)箱中并在2h內(nèi)轉(zhuǎn)移到實(shí)驗(yàn)室，用無(wú)菌刀將牛肉切成尺寸為5cm×4cm×2cm(長(zhǎng)×寬 ×厚)、質(zhì)量約為20g的肉樣。然后將所有樣品用單獨(dú)的自密封塑料袋包裝并儲(chǔ)存在4℃的冰箱中。實(shí)驗(yàn)用聚合物薄膜采用食品接觸用 PP(厚度 0.08 mm)和 PE(厚度 0.04 mm)。

2.2 實(shí)驗(yàn)方法

2.2.1 光譜采集

實(shí)驗(yàn)過(guò)程中，先將樣品去除密封袋，放置在黑色托盤(pán)中，再放于電動(dòng)位移平臺(tái)上采集無(wú)包裝膜的高光譜圖像(記作NP)；再將PP和 PE膜分別放置在托盤(pán)上并與牛肉樣本之間存在約2cm 的間隙，保 持薄膜表面平整，然后分別收集有包裝膜的高光譜圖像(分別標(biāo)記為G-PP，G-PE)。前6d 每天采集5塊樣本，由于發(fā)現(xiàn)樣本變化較慢，10~25d調(diào)整為每天采集4塊樣本，以獲得不同程度的腐敗樣本。

2.2.2 pH含量測(cè)定

將采集高光譜圖像后的樣本立即采用GB5009.237—2016中pH 測(cè)定方法測(cè)定樣本中的pH值，并作為定量分析的參考值，每個(gè)樣本均作6次測(cè)定，取平均值作為該樣品的pH值。

2.2.3 光譜預(yù)處理及波段提取

為了消除高光譜反射率中的噪聲、基線等干擾，提取有用信息，需要對(duì)原始光譜進(jìn)行光譜預(yù)處理。常用的光譜預(yù)處理方法有中心化處理、歸一化、Savitzky-Golay 平滑(S-G 平滑)、多元散射校正和標(biāo)準(zhǔn)正態(tài)變換等。全光譜含有的448個(gè)波段有較多的冗余信息，這些無(wú)關(guān)的信息不僅減低了運(yùn)算速度，也讓模型變的復(fù)雜。有效的光譜預(yù)處理方法能夠刪除無(wú)關(guān)信息，提高運(yùn)算效率。本研究采用競(jìng)爭(zhēng)性自適應(yīng)加權(quán)算法、連續(xù)投影變換算法和變量組合集群分析算法共3種方法提取特征重要波長(zhǎng)。

2.2.4 模型建立與評(píng)價(jià)

本研究采用PLSR和LSSVM兩種模型方法建立包裝牛肉pH值的預(yù)測(cè)模型。LSSVM是一種可以解決非線性和局部最小值問(wèn)題的非線性建模方法。在本研究中，徑向基函數(shù)作為訓(xùn)練核函數(shù)，退火算法用于全局優(yōu)化兩個(gè)模型參數(shù)(γ和σ2)。PLSR是結(jié)合了主成分分析、多元線性回歸和典型性相關(guān)分析的特征，解決多重共線問(wèn)題的一種線性建模方法。模型評(píng)價(jià)標(biāo)準(zhǔn)采用校正集和預(yù)測(cè)集誤差平方根、校正集和預(yù)測(cè)集的決定系數(shù)(RC2、RP2)。較小的RMSEC和RMSEP分別表示模型建模和預(yù)測(cè)效果好，較小的RC2、RP2分別表示預(yù)測(cè)值與實(shí)際值相關(guān)性好。

3、結(jié)果與分析

3.1 pH含量結(jié)果的統(tǒng)計(jì)

使用Kennard-Stone(K-S)算法將總共98個(gè)樣品分為校正集(73個(gè)樣品)和預(yù)測(cè)集(25個(gè)樣品)，比率約為 3:1。校正集用于構(gòu)建和校準(zhǔn)模型，預(yù)測(cè)集用于評(píng)估模型。牛肉儲(chǔ)存期間pH值的變化統(tǒng)計(jì)結(jié)果如表1所示，且校正集中樣本的pH含量范圍包含預(yù)測(cè)集中樣本的pH含量，這確保了它們之間的獨(dú)立性并有助于提高模型精度。

表1 牛肉pH值統(tǒng)計(jì)

3.2 樣品的光譜提取

為減少高光譜圖像中的冗余信息，需進(jìn)行感興趣區(qū)域提取。圖1為感興趣區(qū)域光譜提取方法，高效準(zhǔn)確地提取薄膜下肌肉部分光譜數(shù)據(jù)，避免了手動(dòng)操作。采用波段運(yùn)算減法(689~582 nm)并二值化處理得到掩膜圖像，掩膜圖像與原始光譜圖像相乘得到只含有肌肉、脂肪的高光譜圖像。為去除脂肪，采用PCA獲取高光譜圖像前2個(gè)主成分圖像PC1和PC2。由于前2個(gè)主成分中肌肉部分與脂肪部位的灰度值差異大，可通過(guò)圖像運(yùn)算后再經(jīng)過(guò)二值化和掩膜處理，最終提取純肌肉部分作為感興趣區(qū)域。將樣本 RIOs 的反射率求平均，即獲得代表該樣本的光譜反射率。

圖 1 薄膜存在下感興趣區(qū)域光譜提取方法

3.3 包裝牛肉光譜分析

牛肉在400~1000nm范圍的98個(gè)樣本的原始光譜反射率曲線如圖2所示，顯示了牛肉一些特征吸收峰。400~1000nm波長(zhǎng)范圍對(duì)蛋白質(zhì)、脂肪和水分中的官能團(tuán)的拉伸振動(dòng)和泛音敏感。420nm 和560nm 處有血紅蛋白和肌紅蛋白等色素的吸收峰。610nm 為氨基酸的3級(jí)倍頻吸收峰。739nm 是甲基的第三個(gè)泛音區(qū)域，而760nm 主要是由于O-H拉伸第三泛音或肌紅蛋白氧化產(chǎn)生的吸收帶引起的。810nm 是蛋白質(zhì)中 C-H鍵的振動(dòng)吸收峰。波長(zhǎng)960nm 附近的吸收峰與肉中的水分含量有關(guān)。圖2可知，隨著儲(chǔ)存時(shí)間的不同，光譜反射率存在差異性變化，有助于牛肉pH預(yù)測(cè)模型的建立。圖3為無(wú)薄膜和有薄膜存在下的牛肉樣本平均光譜曲線，薄膜的存在顯著改變了光譜反射率值。有薄膜存在下的光路會(huì)受到薄膜散射、消耗損失和反射的作用，影響了傳感接收到的光譜數(shù)據(jù)。由圖3可知，PP 膜對(duì)牛肉光譜的影響主要為光譜通過(guò)薄膜的消耗損失，使整體反射率低于原始牛肉光譜反射率；而PE膜表示出較大的散射影響，導(dǎo)致400~600nm 的反射率高于牛肉原始反射率。

圖 2 牛肉原始光譜反射率曲線

圖 3 不同薄膜下的牛肉樣本平均光譜曲線

3.4 模型建立與分析

3.4.1 包裝牛肉最優(yōu)光譜預(yù)處理

分別采用不同的方法對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，基于預(yù)處理后的數(shù)據(jù)與原始光譜數(shù)據(jù)建立PLSR模型，建立模型的結(jié)果如表2所示。由表2可知，與無(wú)包裝牛肉的預(yù)測(cè)結(jié)果相比，薄膜的存在降低了預(yù)測(cè)集的預(yù)測(cè)效果。通過(guò)對(duì)比5種光譜預(yù)處理方法，對(duì)于無(wú)包裝膜和PP薄膜存在下牛肉pH值PLSR模型的最優(yōu)光譜預(yù)處理方法為 Normalization，PE薄膜的最優(yōu)光譜預(yù)處理方法為SNV 處理。喬蘆等在400~1000nm全光譜建立牛肉的pH含量PLSR模型，發(fā)現(xiàn)歸一化預(yù)處理的模型穩(wěn)定性比其他預(yù)處理方法好。外界噪聲、暗電流的干擾以及薄膜的散射和干涉等影響，使光譜出現(xiàn)基線漂移、分離誤差，Normalization 預(yù)處理可以有效減少了噪聲干擾并使光譜曲線變的光滑，而 SNV 處理可校正樣品之間因散射干涉等引起的誤差。光譜預(yù)處理可以潛在地減少因薄膜存在下的散射現(xiàn)象，SNV是PE薄膜下牛肉pH值的最優(yōu)光譜預(yù)處理方法，可能與PE薄膜有更多的干涉和散射有關(guān)。因此，使用預(yù)處理方法可以提升包裝牛肉pH值預(yù)測(cè)模型的精度。

3.4.2 特征波長(zhǎng)篩選與建模分析

將無(wú)包裝牛肉和有包裝膜的牛肉分別經(jīng)其最優(yōu)光譜預(yù)處理方法處理后，在CARS、SPA 和 VCPA共 3 種算法提取特征波長(zhǎng)基礎(chǔ)上建立PLSR和LSSVM模型，結(jié)果如表3所示。對(duì)比PLSR和LSSVM 兩種建模方法，總體上LSSVM的預(yù)測(cè)效果要比PLSR模型的預(yù)測(cè)效果好，這可能與 pH 指標(biāo)與高光譜數(shù)據(jù)之間關(guān)系的復(fù)雜非線性有關(guān)，通過(guò)特征波長(zhǎng)提取方法能夠有效降低波長(zhǎng)數(shù)，去除無(wú)用信息，3種波長(zhǎng)提取算法中，其中CARS方法建立的2種模型均提高了模型預(yù)測(cè)的精度。通過(guò)建模分析結(jié)果可知，SPA-LSSVM是無(wú)包裝牛肉pH值的最優(yōu)預(yù)測(cè)模型，2為0.964 0，RMSEP為 0.095 9；CARS-PLSR是PP包裝牛肉pH值的最優(yōu)預(yù)測(cè)模型，2為0.955 3，RMSEP為0.106 7；VCPA-LSSVM是PE包裝牛肉 pH值的最優(yōu)預(yù)測(cè)模型，2為 0.956 9，RMSEP為 0.104 9。因此，通過(guò)特征波長(zhǎng)篩選后建立的預(yù)測(cè)模型有效提升了包裝牛肉 pH含量預(yù)測(cè)精度。包裝牛肉pH值在最優(yōu)預(yù)測(cè)模型下的預(yù)測(cè)效果如圖4所示，圖4-a為PP薄膜包裝下的牛肉pH值最優(yōu)預(yù)測(cè)模型建模效果圖，圖4-b為PE膜下牛肉pH值最優(yōu)預(yù)測(cè)模型建模效果圖，實(shí)際值與預(yù)測(cè)值之間無(wú)明顯差異，說(shuō)明模型預(yù)測(cè)結(jié)果很好。

表2 光譜預(yù)處理方法的選擇

表3 不同特征波長(zhǎng)篩選的包裝牛肉pH值預(yù)測(cè)模型

圖 4 包裝牛肉 pH 值模型預(yù)測(cè)效果

4、結(jié)論

本文利用高光譜技術(shù)采集并提取了PP薄膜和PE薄膜下生鮮牛肉的高光譜信息，選擇最優(yōu)預(yù)處理方法結(jié)合特征波長(zhǎng)篩選方法，建立 PLSR和LSSVM預(yù)測(cè)模型快速定量預(yù)測(cè)牛肉pH值。結(jié)果表明，選擇Normalization預(yù)處理結(jié)合CARS-PLSR方法篩選并建立的模型對(duì)PP包裝牛肉pH值預(yù)測(cè)效果最佳，預(yù)測(cè)集決定系數(shù)2為 0.955 3，RMSEP為 0.106 7；選擇SNV預(yù)處理結(jié)合VCPA-LSSVM方法篩選并建立的模型對(duì)PE包裝牛肉pH值預(yù)測(cè)效果最佳，2為0.956 9，RMSEP為0.104 9。研究表明，高光譜技術(shù)用于包裝生鮮牛肉pH值的快速檢測(cè)是可行的，為包裝肉品的無(wú)損檢測(cè)提供參考依據(jù)。

歡迎關(guān)注公眾號(hào)：萊森光學(xué)，了解更多光譜知識(shí)。

萊森光學(xué)（深圳）有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯黃宇