近红外光谱在肉品分析中的应用

近红外光谱在肉品分析中的应用

王黎

鄂尔多斯市东胜区市场监督管理局

摘要：近年来由于一些不法商贩以低价肉如猪肉、鸡肉、鸭肉等全部或部分替代羊肉进行销售，严重危害了羊肉市场的秩序。本研究为探索羊肉掺假鉴别技术，维护市场秩序，利用近红外光谱技术建立了羊肉掺杂猪肉、羊肉掺杂鸭肉、羊肉同时掺杂鸭肉和猪肉、鸭肉泡羊尿、鸭肉抹羊肉等5个实验组的预测模型。

关键词:羊肉；鉴别；可见/近红外

一、研究意义和目的

近年来由于一些不法商贩以低价肉如猪肉、鸡肉、鸭肉等全部或部分替代羊肉进行销售，严重危害了羊肉市场的秩序，同时也挫伤了广大消费者的购买热情。据报道，目前市场上的掺假羊肉尤以鸭肉掺假为多，这主要是由于鸭肉色泽与两周岁羊的肉色泽较为接近，而且鸭肉纹理细腻，有一定的肌纤维，这就为伪装成羊肉提供了天然的便利条件。如何鉴别掺入低价鸭肉的掺假羊肉已成为确保羊肉安全的问题之一。

    针对这种情况，本研究建立一种利用400-1000nm的可见/近红外光谱技术对羊肉掺杂鸭肉及猪肉的情况进行鉴别的方法。本研究以新鲜羊肉糜为研究对象，通过掺入不同比例的鸭肉糜和猪肉糜，评价不同光谱预处理方法不同的模型的预测效果，探索近红外光谱分析方法判别掺假羊肉的可行性。

二、实验材料与方法

2.1　实验材料

2.1.1　实验样品准备

（1）在内蒙古鄂尔多斯东胜地区购买的生鲜羊肉、生鲜猪肉及生鲜鸭肉各若干，羊肉取的是羊外脊肉、猪肉为里脊肉，鸭肉为鸭大胸肉，分别用绞肉机绞碎，混匀备用。

（2）新鲜羊尿及羊油样品取自当地农户。

（3）取猪肉肉糜5g，再取羊肉肉糜95g，用绞肉机搅匀备用，制成10%的羊肉掺猪肉样品，以此类推，制得1%、10%、15%、20%、25%、30%、35%、40%、45%、50%、55%、60%比例的混合肉糜，100%的羊肉肉糜作为添加量为0的混合肉糜。每个样品取25g左右，放入直径为50mm左右的聚四氟乙烯培养皿中，上表面压平备用。每个比例样品三个平行，每个样品共100g，该模型共42个样品。

（4）取鸭肉肉糜5g，再去羊肉肉糜95g，用绞肉机搅匀备用，制成10%的羊肉掺猪肉样品，以此类推，制得1%、10%、15%、20%、25%、30%、35%、40%、45%、50%、55%、60%比例的混合肉糜，100%的羊肉肉糜作为添加量为0的混合肉糜。每个样品取25g左右，放入直径为50mm左右的聚四氟乙烯培养皿中，上表面压平备用。每个比例样品三个平行，每个样品共100g，该模型共42个样品。

（5）取鸭肉肉糜5g，取猪肉肉糜5g，再取羊肉肉糜90g，用绞肉机搅匀备用，制成10%的羊肉掺鸭肉-猪肉样品，以此类推，制得1%、10%、15%、20%、25%、30%、35%、40%、45%、50%、55%、60%比例的混合肉糜，100%的羊肉肉糜作为添加量为0的混合肉糜。每个样品取25g左右，放入直径为50mm左右的聚四氟乙烯培养皿中，上表面压平备用。每个比例样品三个平行，每个样品共100g，该模型共42个样品。

（6）取羊肉肉糜100g，加入5mL的羊尿，用用绞肉机搅匀备用，制成5%的羊肉泡羊尿样品，以此类推，制得0、1%、2%、4%、8%、10%、12%、15%、18%、20%、22%、25%、28%、30%比例的肉糜，100%的鸭肉肉糜作为添加量为0的样品。每个样品取25g左右，放入直径为50mm左右的聚四氟乙烯培养皿中，上表面压平备用。每个比例样品三个平行，每个样品共100g，该模型共39个样品。

（7）取羊肉肉糜100g，加入5g的羊油，用用绞肉机搅匀备用，制成5%的羊肉抹羊油样品，以此类推，制得0、1%、2%、4%、8%、10%、12%、15%、18%、20%、22%、25%、28%、30%比例的肉糜，100%的鸭肉肉糜作为添加量为0的样品。每个样品取25g左右，放入直径为50mm左右的聚四氟乙烯培养皿中，上表面压平备用。每个比例样品三个平行，每个样品共100g，该模型共39个样品。

（8）对于所有的样品组，其中3/4的样品作为校正集建立模型，其余1/4作为验证集进行模型验证。

2.1.2　实验仪器与设备

2.1.2.1可见近红外光谱

本研究所使用的主要实验仪器是荷兰爱万提斯（AVANTES）光学公司的可见近红外光谱仪AvaSpec-2048x14和光纤等相关附件。

2.1.2.2  其他仪器

分析天平(ME204，由METTLER TOLEDO) ；医用冷藏运输箱（北京由冷科技有限公司）；MO－385 小型绞肉机；卤钨灯光源（AVANTES，AvaLight DHc）。

2.2  实验方法 

2.2.1 光谱数据采集

将样品从冰箱中取出，在室温下静置约30分钟，用滤纸沾拭样品表面的水分，以避免表面残留水分对光谱曲线的影响。将样本放置试验台上，对每个样本表面分别在几个不同部位采集其反射光谱曲线，取这几个点处光谱的平均值作为该样品的光谱数据。通过采集标准校正白板采集白参考，通过关闭电源的方法采集黑参考。采集过程中要使白板表面与样品表面处于同一高度，光谱采集、存储及黑白参考处理运算过程由光谱仪附带的软件（AvaSoft7.4）进行。

2.2.2数据处理方法与分析方法

2.2.2.1光谱数据预处理方法

可见/近红外光谱数据分析是从原始光谱背景中提取微弱的有效信息，并用其有效的光谱数据进行建模，而可见/近红外光谱区的光谱复杂、谱峰重叠、谱带较宽、光谱变动大、干扰信号多，因此分析难度较大。另外，光谱数据在采集过程中，还会收到受检测系统、光的散射、样品差异以及外界环境等因素的影响。为从原始光谱数据中提取有效的光谱信息、消除光谱采集过程中随机非目标因素对光谱数据的影响、提高建模精度，在建模前需要通过不同的预处理方法对所采集的原始光谱进行预处理，经预处理后会有效地消除光谱中包含的冗余信息，改进其光谱特性，从而提高光谱建模效果。

2.2.3建模方法

要实现对某待测量的定量预测，必须先建立相应的数学模型，也就是建立样品光谱与待测量之间的数学关系。可见/近红外光谱定量分析常用的建模方法有：多元线性回归（multiple linear regression，MLR）、偏最小二乘回归（partial least squares regression，PLSR）、支持向量机（support vector machine，SVM）、主成分回归（principal component regression，PCR），以及人工神经网络法（artificial neural networks，ANN）等，本研究主要使用最常用的偏最小二乘回归。

三、结论与展望

3.1 结论

本研究建立了羊肉肉糜中掺杂不同比例的鸭肉模型、羊肉中掺杂不同比例的猪肉模型和羊肉中同时掺杂不同比例的猪肉和鸭肉混合的PLSR模型。同时为了探索鸭肉泡羊尿、抹羊油的“假羊肉”的鉴别检测方法，本研究还建立了鸭肉肉糜掺杂不同比例的羊尿、羊油的PLSR模型。本研究在建立模型时，分别探索了使用不同的预处理及分组方式建立各个实验组的预测模型。

3.2 展望

本研究利用近红外光谱技术建立羊肉掺杂猪肉模型、羊肉掺杂猪肉模型、羊肉同时掺杂鸭肉和猪肉模型、鸭肉泡羊尿模型、鸭肉抹羊肉模型等5个实验组的预测模型，均达到了很好的预测效果，但是由于时间及经费关系，研究仍然还有多的研究工作需要接续，具体如下：

（1）本研究建立了5类有助于羊肉掺假检测的模型，但是均在肉糜状态下进行的实验，整块肉的实验在下一步需要进行探索验证。

（2）本研究验证了羊肉中猪肉和鸭肉的混合模型，下一步可以加入其它肉类比如说马肉及鸡肉的掺假模型。

（3）本研究的样品数较少，下一步研究需要增加一些。

参  考  文  献

1王培培. 基于近红外光谱的不同品种绵羊肉鉴别及品质检测技术研究[D].中国农业科学院,2012.

2张玉华,孟一,姜沛宏,张应龙,张咏梅. 近红外技术对不同动物来源肉掺假的检测[J]. 食品工业科技,2015,03:316-319+334.

3张宁. 羊肉产地近红外光谱溯源模型的建立与机理初探[D].中国农业科学院,2008.

4冯海永. 羊肉产品肉种来源的分子追溯研究[D].中国农业科学院,2010.

5王昱陆. 基于可见/近红外光谱的生鲜猪、牛、羊肉识别方法研究[D].新疆农业大学,2015.

6  KAMRUZZAMAN M, SUN D W, ELMASRY G, et al. Fast detectionand visualization of minced lamb meat adulteration using NIRhyperspectral imaging and multivariate image analysis[J]. Talanta,2013, 103(1): 130-136.