程麗娟，劉貴珊*，何建國，萬國玲，馬 超，班晶晶，馬麗敏，楊國華，袁瑞瑞

1. 寧夏大學(xué)農(nóng)學(xué)院食品系，寧夏 銀川 750021 2. 寧夏大學(xué)物理與電子電氣工程學(xué)院，寧夏 銀川 750021

引 言

灘羊?yàn)閷幭膬?yōu)勢(shì)特色畜種，其肉質(zhì)一直是研究熱點(diǎn)。 色澤是羊肉品質(zhì)最重要的屬性之一，MetMb在肉中所占比例直接影響色澤，MetMb含量的增加將導(dǎo)致肉色變暗。 目前，肌紅蛋白傳統(tǒng)檢測(cè)方法包括質(zhì)譜法、色譜法、電化學(xué)法和X射線等[1-4]。 這些方法需要高度專業(yè)化的設(shè)備以及存在耗時(shí)費(fèi)力、破壞性大等問題[5]。 高光譜成像具有突出的特征識(shí)別能力，可以同時(shí)獲得待測(cè)物品的光譜信息和二維空間信息，形成三維數(shù)據(jù)立方體，實(shí)現(xiàn)對(duì)物品特性的探測(cè)與識(shí)別。 近幾年，高光譜對(duì)肉類的研究主要集中在： 內(nèi)部成分、表面特性以及摻假等方面[6-12]。 但是尚未有文獻(xiàn)報(bào)道此技術(shù)對(duì)肉中MetMb的研究。

以寧夏灘羊肉為研究對(duì)象，探究高光譜成像快速無損檢測(cè)灘羊肉中MetMb含量的可行性以及開發(fā)灘羊肉中MetMb含量的定量函數(shù)，為快速測(cè)定灘羊肉中MetMb的含量提供參考。

1 實(shí)驗(yàn)部分

1.1 材料與試劑

樣品來自寧夏鹽池鑫海牧場(chǎng)，選取灘羊背最長(zhǎng)肌作為測(cè)試部位，將屠宰后的灘羊在24 h內(nèi)運(yùn)輸?shù)綄?shí)驗(yàn)室，密封袋包裝，4 ℃貯藏。 每3 d測(cè)試一次(貯藏期1, 4, 7, 10, 13, 16, 19, 22, 25和28 d各測(cè)一測(cè)，共計(jì)10次)。 圖像采集之前，用紙巾擦拭待測(cè)樣本表面的水分。

1.2 儀器

VIS/NIR高光譜成像系統(tǒng)由CCD攝像機(jī)(配備距離樣品表面385 mm的鏡頭)、成像光譜儀、線性電控位移平臺(tái)、計(jì)算機(jī)、光源系統(tǒng)構(gòu)成。 具體介紹參閱文獻(xiàn)[13]。

獲取圖像時(shí)將樣本放置在黑色背景上使樣品和背景之間有良好的對(duì)比度。 暗電流的存在使相機(jī)記錄了一些無用信息。 因此，在捕獲圖像之前須進(jìn)行校正，校正公式如式(1)所示

(1)

式(1)中，R是校準(zhǔn)后的高光譜圖像，R0是灘羊原始高光譜圖像，D是幾乎沒有反射的暗參考圖像(反射率約0%)，W是幾乎全反射的白色參考圖像(反射率約100%)。

光譜掃描的最佳參數(shù)通過預(yù)實(shí)驗(yàn)確定。 CCD相機(jī)曝光時(shí)間： 20 ms； 物鏡高度： 385 mm； 線掃描長(zhǎng)度： 70 mm； 電控位移平臺(tái)速度： 200 μm·s-1。

1.3 分光光度計(jì)測(cè)定MetMb含量

首先，制備磷酸鹽緩沖液(0.04 mol·L-1，pH 6.8)和待測(cè)肉樣(5 g)，樣品加入到25 mL緩沖液中，混合均勻； 其次，在室內(nèi)使用均化器(10 000 r·min-1)均質(zhì)25 s后得到的溶液在冰箱中儲(chǔ)存1 h，隨后離心15 min(4 ℃，6 000 g)，過濾上清液； 最后，在525，545，565和572 nm處讀取濾液的吸光度，磷酸鹽緩沖液作空白。 MetMb所占的比例通過式(2)計(jì)算

[MetMb](%)=(-2.514R1+0.777R2+

0.800R3+1.098)×100

(2)

式(2)中：R1，R2和R3分別是A572 nm/A525 nm，A565 nm/A525 nm和A545 nm/A525 nm的吸光度比。

2 結(jié)果與討論

2.1 MetMb化學(xué)值

灘羊肉樣本按照3∶1的比例劃分，灘羊肉中MetMb相對(duì)含量(%)的參考值如表1所示，MetMb具有寬范圍(12.325～56.087)，可以建立相對(duì)穩(wěn)健的預(yù)測(cè)模型。

表1 高鐵肌紅蛋白含量的化學(xué)參考值

2.2 光譜曲線的提取

選取整個(gè)灘羊肉樣本光譜圖像作為感興趣區(qū)域。 圖1(a)為原始反射光譜圖，明顯看出，430，560，595，780和970 nm為主要吸收帶。 430 nm附近稱為Soret吸收帶，因?yàn)榇嬖诤粑陨匮t蛋白[14]； 540和595 nm處的吸收帶主要是脫氧肌紅蛋白或氧合肌紅蛋白[15]； 980和780 nm有兩個(gè)微小的吸收帶，分別對(duì)應(yīng)于水產(chǎn)生的O—H鍵的第二和第三泛音[16]。

2.3 光譜曲線預(yù)處理

2.4 特征波長(zhǎng)的選擇

2.4.1 iVISSA算法選取特征波長(zhǎng)

iVISSA利用變量的全局和局部搜索程序，以準(zhǔn)確地區(qū)分特征波長(zhǎng)的最佳位置、寬度和組合。 使用iVISSA算法選取特征波長(zhǎng)時(shí)，設(shè)置5折交互驗(yàn)證，采樣次數(shù)為1 000，共選擇了45個(gè)特征波長(zhǎng)，占到總波長(zhǎng)的36%。

2.4.2 SPA算法選取特征波長(zhǎng)

SPA算法選取特征波長(zhǎng)時(shí)，變量范圍設(shè)置為10～35，如圖2所示，共選出14個(gè)特征變量，特征變量數(shù)占到總波長(zhǎng)數(shù)的11.2%。

圖1 反射光譜

表2 不同預(yù)處理方法下高鐵肌紅蛋白含量的PLSR模型Table 2 PLSR mothod of MetMb content based on different pretreatment

圖2 SPA算法選擇的特征波長(zhǎng)

圖3 組合間隔的RMSECV值

2.4.3 IRF選取特征波長(zhǎng)

運(yùn)行IRF程序，前10個(gè)區(qū)間選出的波點(diǎn)范圍是17～42，82～100，然而組合間隔數(shù)的RMSECV值(圖3)最低時(shí)，組合間隔數(shù)為11，因此，排名前11間隔的波長(zhǎng)被選作為特征波長(zhǎng)，這些波長(zhǎng)依次是14～42，82～100號(hào)，總共48個(gè)波長(zhǎng), 占總波長(zhǎng)的38.4%。

2.4.4 VCPA算法選取特征波長(zhǎng)

VCPA可以有效地消除無信息變量，并同時(shí)根據(jù)單個(gè)光譜預(yù)測(cè)一些屬性。 使用VCPA算法選取特征波長(zhǎng)時(shí)，共選擇了13個(gè)特征波長(zhǎng)，占到總波長(zhǎng)的10.4%。

2.4.5 CARS算法選取特征波長(zhǎng)

使用CARS算法篩選特征變量數(shù)的過程如圖4所示。 圖4(a)為變量數(shù)隨采樣次數(shù)的變化過程，采樣變量的變化分為兩部分，即第一階段快速減少(粗選)而第二階段非常緩慢(精選)； 圖4(b)為5折交互驗(yàn)證的RMSECV值隨采樣次數(shù)的變化趨勢(shì)，起初，采樣數(shù)緩慢下降，說明無信息變量被消除，然后，RMSECV增加，應(yīng)該歸因于損失了一些關(guān)鍵變量。 圖4(c)為回歸系數(shù)的變化過程，最佳變量子集對(duì)應(yīng)于最小的RMSECV值，其位置由垂直星號(hào)線標(biāo)記。 由線(標(biāo)記為L(zhǎng)1，L2，L3，L4，L5)表示的RMSECV值上升得更高時(shí)，變量(標(biāo)記為P1，P2，P3，P4，P5)被消除為零，因?yàn)橐恍╆P(guān)鍵波長(zhǎng)被移除。 用此方法共選取了16個(gè)特征變量，占總波長(zhǎng)的12.8%。

圖4 CARS算法選取波長(zhǎng)變量過程

2.5 建立模型

2.6 定量函數(shù)的開發(fā)

表3 不同波長(zhǎng)提取方法建立的的PLSR模型的結(jié)果

圖5 測(cè)量的MetMb含量與預(yù)測(cè)含量的關(guān)系

3 結(jié) 論

以寧夏灘羊肉為研究對(duì)象，采集樣本光譜圖像，利用分光光度計(jì)測(cè)量樣本的MetMb含量，建立PLSR模型，高光譜成像可以實(shí)現(xiàn)灘羊中MetMb含量的預(yù)測(cè)。 結(jié)論如下：