近紅外光譜采集方式與樣品形態對帶魚新鮮度檢測結果的影響

孟 一，張玉華，2，* ，許麗丹，2，陳東杰，2，張詠梅，張應龍，2

(1.山東商業職業技術學院，山東省農產品貯運保鮮技術重點實驗室，山東濟南250103;2.國家農產品現代物流工程技術研究中心，山東濟南250103)

近紅外技術具有分析速度快、效率高、重現性好、適用范圍廣、無損傷等優點［1］，被稱為“具有解決全球農業分析的潛力”［2］，在食品/農產品新鮮度檢測及品質分析中應用廣泛。國內外許多學者開展了近紅外技術檢測魚類新鮮度的研究，Sivertsen等［3］將近紅外技術應用于魚片的新鮮度定性判別。Lin等［4］用近紅外光譜檢測了虹鱒魚排微生物導致的腐敗，分別采用主成分分析法(PCA)和PLS對腐敗程度進行預測，表明近紅外光譜用于虹鱒魚排的腐敗程度和微生物載荷的預測具有可行性。徐富斌等［5］在整魚背部采集近紅外光譜，建立了大黃魚TVBN值、菌落總數的PLS模型，證明大黃魚的近紅外光譜信息與其TVBN、菌落總數間相關性較高。欒東磊等［6］利用便攜式近紅外分析儀檢測了養殖大黃魚鮮度K值，并采用PLS法建立了預測模型。筆者［7］前期采用近紅外漫反射光譜結合PLS建立了帶魚魚糜TVBN、pH和菌落總數的定量分析模型。實驗中發現魚糜漫反射和漫透射兩種光譜采集方式對模型的預測性能影響較大，且魚糜和完整帶魚的漫反射光譜模型性能也存在差異，這可能與采集的光譜包含的信息完整程度有關。前人大多利用一種光譜采集方式對一種形態的樣品進行研究，尚未見不同的光譜采集方式和樣品形態對檢測結果影響的相關報道。因此為優化帶魚新鮮度的近紅外檢測方法，有必要對兩種光譜采集方法和兩種樣品形態建立的模型進行比較。

本研究以不同新鮮度的帶魚為實驗對象，分別采集魚糜漫反射、漫透射和完整帶魚漫反射光譜數據，利用PLS法建立TVBN、pH和菌落總數的定量檢測模型。根據模型對未知樣品的預測結果，評價光譜采集方法和樣品形態對帶魚新鮮度檢測結果的影響，從而確定帶魚新鮮度近紅外檢測的最佳方法。

1 材料與方法

1.1 材料與儀器

冰鮮帶魚 購于山東省省濟南市銀座超市，用保鮮膜包好并編號置于4℃冰箱中貯藏待測，每天采集光譜并測定TVBN值、pH、菌落總數，直至帶魚腐敗變質。制備魚糜樣品時，將帶魚去皮絞碎成糜狀。共制備魚糜樣品100個，其中70個作為校正集，建立校正模型;30個作為驗證集，驗證模型的預測能力。用于整魚漫反射的樣品共69個，其中校正集46個，驗證集23個。

AntarisⅡ傅立葉變換近紅外光譜儀 美國Thermo Electric公司，配有積分球漫反射采樣系統、Result操作軟件、TQ Analyst 8光譜分析軟件。

1.2 近紅外光譜采集方法

利用積分球漫反射系統采集光譜，掃描范圍為4000～10000cm－1，掃描次數 128 次，分辨率 8cm－1，以內置背景為參照。采集魚糜漫反射光譜時，將魚糜置于旋轉杯內，均勻攤平，每個樣品連續采集3次，取平均值為原始光譜。采集魚糜漫透射光譜時，魚糜裝在漫透射專用樣品袋內，將掃描點對準光譜儀的樣品池光孔進行掃描，每次掃描光孔對準樣品的不同位置，共掃描6次，取平均值作為樣品的原始光譜。采集整魚漫反射光譜時，將帶魚某一部位對準樣品池光孔，共掃描6個部位，取平均值作為樣品的原始光譜。

1.3 化學分析法

TVBN 按照水產品行標 SC/T3032－2007［8］的方法測定。

pH測定:將待測樣品絞成泥狀后，準確稱取10g，置于盛有90mL雙蒸水的燒杯中，浸泡并不時振搖15min后，過濾取濾液，用pH計測定。

菌落總數按照國標 GB/T4789.2－2010［9］的方法測定。

1.4 數據處理

利用儀器自帶的TQ Analyst 8軟件進行數據處理，將樣品分成訓練集和預測集，前者用于建立預測模型，后者驗證模型的精確度。采用PLS法分別建立魚糜漫反射、漫透射和完整帶魚漫反射光譜的TVBN、pH和菌落總數的定量校正模型。以訓練集樣品的交叉驗證均方差RMSECV及其相關系數r為指標優化模型，以對預測集樣品的預測均方差RMSEP及其相關系數r以及配對t－檢驗驗證模型的預測能力。

2 結果與分析

2.1 光譜采集方法和樣品狀態對原始光譜的影響

分別采集帶魚魚糜的近紅外漫反射光譜、漫透射光譜和完整帶魚的漫反射光譜，原始光譜如圖1所示。

圖1 魚糜漫反射(a)、漫透射(b)和整魚漫反射(c)原始光譜圖Fig.1 Original spectra for diffuse reflection and diffuse transmission of the mined ribbonfish and for diffuse reflection of the complete ribbonfish

由圖1可見，漫反射和漫透射兩種不同光譜采集方式得到的魚糜樣品原始圖不同，漫反射法得到的各光譜精密度較高，而不同樣品的漫透射光譜有較大區別，原因可能是漫反射利用樣品杯在旋轉過程中完成光譜采集，每次掃描采集的點數多，使樣品的代表性大大提高;采集漫透射光譜時，每次掃描采集1個點，每個樣品分別采集6個不同的點，得到的原始光譜圖為6個點的平均值，樣品本身的不均勻性導致光譜間的差異較大。魚糜與整魚漫反射原始光譜圖也存在差異，后者樣品間光譜差別較大，吸收峰的數量較少，且有的峰較尖。原因可能一方面整條帶魚不同部位新鮮度差異和光譜采集方式導致光譜精密度差，另一方面整魚帶有魚皮，而魚糜樣品制備過程中已將魚皮去掉?？傊?，單純從原始圖上不能確定光譜采集方式和樣品形態對帶魚新鮮度檢測結果的影響，需對光譜進行化學計量學方法處理才能進行客觀的評價。

表1 經優化的建模參數Table 1 The optimized modeling parameters

2.2 建模參數的優選

利用PLS法建立帶魚TVBN值、pH和菌落總數定量模型時，采用內部交叉驗證法對建模波段、光譜預處理方法和主成分數進行優選。RMSECV越小，交互驗證預測值與實測值間的相關系數r越大，對應的建模參數越好，模型越準確。魚糜近紅外漫反射、漫透射和整魚漫反射光譜經優化后，得到的最佳建模波段、光譜預處理方法和主成分數見表1所示。即所建的9個模型在相應的建模波段內采用對應的預處理方法和主成分數時，RMSECV最小，交互驗證預測值與實測值間的相關系數r值最大。

2.3 模型的建立

選取上述優化的最佳建模波段、預處理方法和主成分數，利用PLS法分別建立魚糜漫反射、漫透射和整魚漫反射的TVBN、pH和菌落總數校正模型，模型的預測值與實測值的散點及殘差分布如圖2～圖4所示。

魚糜漫反射、漫透射和整魚漫反射TVBN模型校正集樣品的RMSECV值分別為1.81、2.28和3.13，預測值與實測值的相關系數r分別為0.935、0.892和0.902;魚糜漫反射、漫透射和整魚漫反射pH模型校正集樣品的 RMSECV值分別為 0.148、0.149和0.151，預測值與實測值的相關系數r分別為0.831、0.814和0.905;魚糜漫反射、漫透射和整魚漫反射菌落總數模型的 RMSECV值分別為0.459、0.472和0.538，預測值與實測值的相關系數r分別為0.814、0.794和0.806。由上述結果可見，魚糜漫反射、漫透射和整魚漫反射的TVBN、pH和菌落總數定量校正模型校正集的交叉驗證均方差RMSECV較小，預測值與實測值的相關系數r較高，說明上述模型的性能良好。魚糜漫反射、魚糜漫透射與整魚漫反射相比，魚糜漫反射方式得到的三個模型性能均優于魚糜漫透射和整魚漫反射。

2.4 模型的驗證

分別用魚糜漫反射模型、魚糜漫透射模型和整魚漫反射模型對預測集樣品進行預測，預測值與實測值如表2所示。

圖2 TVBN預測值與實測值的散點圖及殘差分布圖Fig.2 Scatter and residual plots of actual and predictive values of TVBN

圖3 pH預測值與實測值的散點圖及殘差分布圖Fig.3 Scatter and residual plots of actual and predictive values of pH

圖4 菌落總數預測值與實測值的散點圖及殘差分布圖Fig.4 Scatter and residual plots of actual and predictive values of total number of colonies

魚糜漫反射、漫透射和整魚漫反射TVBN模型預測值和實測值的相關系數r分別為0.960、0.935和0.892，預測標準差 RMSEP分別為 5.178、5.74和5.813。經配對 t－檢驗，︱t︱均小于 t0.05，p ＞0.05，故預測值與實測值間的差異均不顯著;魚糜漫反射、漫透射和整魚漫反射pH模型預測值和實測值的相關系數 r分別為 0.923、0.898和 0.978，預測標準差RMSEP分別為0.333、0.351和0.367。經配對 t－檢驗，︱t︱均小于 t0.05，p＞0.05，故預測值與實測值間的差異均不顯著;魚糜漫反射、漫透射和整魚漫反射菌落總數模型預測值和實測值的相關系數r分別為0.994、0.95和 0.971，預測標準差 RMSEP分別為0.823、0.81 和 0.83。經配對 t－檢驗，︱t︱均小于t0.05，p＞0.05，故預測值與實測值間的差異均不顯著。上述驗證結果表明，所建魚糜漫反射、魚糜漫透射和整魚漫反射的TVBN、pH和菌落總數模型的預測性能良好，準確度較高，能滿足TVBN、pH和菌落總數的定量檢測要求。將魚糜漫反射、漫透射和整魚漫反射模型預測值和實測值的相關系數r及預測標準差RMSEP進行比較，發現魚糜漫反射模型的預測性能高于魚糜漫透射和整魚漫反射模型。

3 結論

分別采集了帶魚魚糜漫反射、漫透射和整魚漫反射光譜數據，將原始光譜圖對比發現，三種原始圖存在差異，原因可能與光譜采集方式和樣品均勻性有關。對最佳建模波段、預處理方法和主成分數等參數進行了優化，根據優化的建模參數，利用PLS法分別建立了TVBN、pH和菌落總數的定量檢測模型。分別用上述模型對預測集樣品的TVBN、pH和菌落總數值進行預測，結果表明各模型的預測值與實測值間差異均不顯著，說明模型的預測性能良好。但近紅外漫反射與漫透射兩種光譜采集方式相比，前者所建模型的預測能力高于后者。采用漫反射光譜時，魚糜模型的預測能力高于整魚。說明近紅外漫反射和漫透射光譜均可用于檢測帶魚新鮮度，但前者檢測的準確度高于后者。利用近紅外漫反射技術可實現完整帶魚新鮮度的無損檢測，但檢測的準確度低于魚糜樣品。因此，建立帶魚新鮮度近紅外檢測模型時采集魚糜漫反射光譜建立的模型預測性能較好。

［1］劉愛秋，鄧曉建，王平榮，等.近紅外光譜分析技術及其在農業領域的應用［J］.西南農業學報，2003，16(2):98－101.

［2］彭彥昆，張雷蕾.光譜技術在生鮮肉品質安全快速檢測的研究進展［J］.食品安全質量檢測學報，2010，27(2):62－72.

［3］Sivertsen AH，KimiyaT，HeiaK.Automaticfreshness assessment of cod(Gadus morhua)fillets by Vis/Nir spectroscopy［J］.J Food Eng，2001，103:317－323.

［4］Mengshi Lin，Mojgan Mousavi，Murad Al－ Holy，et al.Rapid Near Infrared Spectroscopic Method for the Detection of Spoilage in Rainbow Trout(Oncorhynchus mykiss)Fillet［J］.Journal of Food Science，2006，71(5):18－23.

［5］徐富斌，黃星奕，丁然，等.基于近紅外光譜的大黃魚新鮮度評價模型［J］.食品安全質量檢測學報，2012，3(6):644－648.

［6］欒東磊，薛長湖.近紅外光譜分析技術在幾種水產品中的應用研究［D］.青島:中國海洋大學，2009:40－45.

［7］張玉華，孟一，許麗丹，等.基于近紅外光譜技術的帶魚新鮮度檢測研究［J］.食品工業科技，2013，34(19):281－286.

［8］SC/T3032－2007水產品中揮發性鹽基氮的測定［S］.

［9］GB 4789.2－2010食品微生物學檢驗 菌落總數測定［S］.

表2 模型的預測結果Table 2 Predicted results of the models