近红外光谱技术快速检测狭鳕水分、脂肪和蛋白质的含量

左克利，史 岩，*，徐 坤，赵田田

(1.青岛农业大学食品科学与工程学院，山东青岛266109;2.青岛农业大学中心实验室，山东青岛266109)

狭鳕(Alaska Pollack，wall-eye pollack)，俗称明太鱼或朝鲜明太鱼，是鳕鱼中的重要种类，隶属鳕形目，鳕科，狭鳕属，广泛分布于太平洋北部［1］。其蛋白质含量高，脂肪含量低，特别适宜大规模工厂化、标准化加工生产，可加工成鱼片、鱼糜、鱼粉、鱼油等多种产品，具有很高的经济价值。由于地域、生长坏境以及生长时间的不同，造成鱼体内的水分、脂肪、蛋白质存在较大差异，所以加工前需要对其成分进行测定，同时还可以辨别鳕鱼的真伪，但传统方法比较复杂，且时间长。因此，建立合理、快速地测定组成成分的方法对评价狭鳕的加工尤为重要。近红外光谱技术(NIRS)是近年来迅速发展起来的一种绿色检测技术，因其快速、无损、操作简便、环保等特点广泛应用于石油化工、医药、农药等领域［2］。栾东磊［3］研究养殖大黄鱼脂肪含量及鲜度K值的近红外快速检测模型，结果表明大黄鱼脂肪含量的近红外分析模型相关系数为0.901，RPD值为3.03，可以用于实际检测。黄艳等［4］在利用近红外漫反射光谱对白鲢鱼糜的研究中得到相关系数大于0.98的较好结果。Uddinm等［5］利用配有光纤探头的近红外仪通过透射光谱测定鱼糜的水分和蛋白质含量。但是，透射对样品的厚度有较高的要求，在实际应用时也容易造成误差。本实验拟通过拟合狭鳕鱼的漫反射光谱和化学值建立近红外模型，无需对样品进行预处理，只需采集待测样品的近红外光谱即可快速预测狭鳕鱼水分、蛋白质、脂肪的含量，以期为检测狭鳕组成成分提供方法。

1 材料与方法

1.1 材料与仪器

冷冻北太平洋狭鳕鱼肉，体重范围(1±0.05)kg，取自63条具有代表性的狭鳕背部 购于青岛旭日食品有限公司，实验前于(-18±2)℃冰箱中贮藏;浓硫酸、氢氧化钠、硫酸钾、硫酸铜、硼酸、乙醚 均为分析纯，莱阳市康德化工有限公司。

MATRIX-I傅立叶变换近红外光谱仪 德国布鲁克光谱仪器公司，Bruker Optics Inc.，配OPUS 6.5光谱采集及分析软件和漫反射样品腔。

1.2 实验方法

1.2.1 原料处理 将冷冻狭鳕鱼肉样品放在18℃室温下解冻10h，每个样品各取1.5cm3左右，进行光谱扫描。

1.2.2 化学值的测定 根据GB 5009.3-2010，采用直接干燥法对水分含量进行测定［6］;根据GB/T 5512-2008采用索氏抽提法对脂肪进行测定［7］;根据GB 5009.3-2010采用凯氏定氮法对蛋白质进行测定［8］。三种方法均取做三次平行均值。

1.2.3 近红外光谱的扫描 将样品放入漫反射样品池中进行近红外漫反射光谱扫描，测试温度15～18℃之间，扫描波数范围4000～12000cm-1，扫描次数64次，分辨率16cm-1。以Spectralon为参照背景。采集反射强度，每 4cm-1采集一个数据点，共采集1301个。

1.2.4 模型的建立与优化 利用OPUS 6.5软件，采用偏最小二乘法分别对采用不同预处理方法的光谱进行分析，寻找建立数学模型的最佳光谱预处理方法、最佳校正范围、最佳因子数，为进一步得到最佳建模方法提供依据。本实验采用内部交叉检验的方法建立模型。

1.2.5 化学检测的基本参数 表1是用传统方法对63个狭鳕鱼肉样本进行检测的结果，由水分、脂肪和蛋白质的最大值、最小值、平均值以及样本偏差可以看出，样品选取范围比较均匀，其中脂肪的含量相对较低，样本偏差较小。

表1 狭鳕鱼肉中水分、脂肪和蛋白质的含量范围、平均值和标准差Table 1 Ranges，mean values and standard deviations(SD)of moisture fat and protein contents in Alaska pollock

1.2.6 建模评价的依据 近红外光谱的模型以决定系数(R2)、预测相关系数(Rv)、交叉检验标准差(RMSEV)、相对分析误差(RPD)为评价依据。

2 结果与分析

2.1 近红外光谱扫描结果

狭鳕鱼肉扫描光谱见图1。横坐标为波数(cm-1)，纵坐标为相对吸光度A。

2.2 模型的建立

表2 不同预处理方法对四个指标的影响Table 2 The impact of different pretreatment methods on the four indicators

图1 狭鳕鱼鱼肉近红外扫描光谱Fig.1 Near-infrared scanning spectroscopy of pollock fish

2.2.1 最佳预处理方法的确立 近红外光谱采集时，存在高频随机噪声、基线漂移、光散射等非线性因素，这将影响有效特征信息的提取，对光谱进行预处理，能够有效减轻这些因素的影响。采用Bruker公司NIR OPUS 6.5软件的光谱预处理功能，比较不同光谱预处理方法建模效果。表2列出了不同光谱预处理方法对决定系数(R2)、预测相关系数(Rv)、交叉检验标准误差(RMSECV)、相对分析误差(RPD)四个指标的影响。

可以看出，水分和蛋白质在经过最小-最大归一化处理后，水分模型的R2、Rv、RPD分别比无光谱预处理提高了 5.02%、2.71%、0.43，蛋白质提高了10.26%、5.82%、0.51，显著高于其他几种方法，表明此方法对光谱的预处理效果是最佳的。但这些方法对脂肪模型的改善效果不显著，其中消除常数偏移量、一阶倒数+矢量归一化、最小—最大归一化、减去一条直线四种方法均能改善模型的预测效果，对这四种处理方法采用组合的方式再次对脂肪模型进行预处理，得到脂肪模型的最佳预处理组合—矢量归一化+消除常数偏移量。

2.2.2 最佳因子数的确立 合理确定参加建模的主因子数是充分利用光谱信息和滤除噪音的有效方法之一。建模时使用的主因子数过少，则会出现拟合不充分，过多则会出现过拟合，这两种情况分别会造成模型准确度降低和预测能力下降。本研究采用交互验证的方法，以校正均方根误差(RMSECV)、决定系数(R2)和预测相关系数(Rv)为评价指标，设置的最高因子数是12，经过验证后，最终确定水分、脂肪、蛋白质的最佳因子数分别是9、8、9。

2.2.3 波数范围和拟合方法选择 大多数情况下PLS法校正结果明显优于PCR法［9］，本实验采用PLS法和全光谱波段进行建模。最后模型的最佳处理条件见表3。

表3 建立水分、脂肪和蛋白质的最佳处理条件Table 3 Best conditions for establishment of water，fat and protein

R2和RV值越大说明模型越准确，RPD值越大，说明模型稳定性越好。利用表3所确定的最佳预处理方法、最佳波数范围和最佳因子数，建立水分、脂肪、蛋白质的光谱检验模型，由此条件建立的模型决定系数(R2)和预测相关系数(RV)最高，定标标准差最小，RPD值最大。

2.2.4 异常值的剔除 采用马氏距离法(GH)判断和分析校正模型中的异常点，即用光谱影响值对光谱进行异常值检验和分析，如果GH较大，表明该回归模型对样本值的依赖性较大［10］，以GH值等于3.0作为临界值，大于3.0为异常值。本研究中共剔除三条检验光谱。

每次剔除异常值后模型的性能都会有一定的提高，最终经过优化后的水分、脂肪和蛋白质模型的各项统计参数值见表4。

表4 水分、脂肪、蛋白质参数表Table 4 Water，fat and protein parameters table

从表4中可以看出，模型经过对异常值的剔除和维数的选择效果有显著改善。水分和蛋白质的预测值比真值的相关系数均能达到91%以上，交叉检验标准差达到0.10，RPD分别为3.4和3.1，均大于3，表明预测值与真值之间具有较高的相关性和预测精度(图2、图4)。脂肪的相关系数只有81%，RMSEV和RPD分别为0.0748和2.3，表明模型的相关系数和预测精度不如水分和蛋白质(图3)。

图2 内部交叉检验后水分的预测值比化学值散点图Fig.2 Predictive value of the moisture than the chemical values Scattert after internal cross-examination

图3 内部交叉检验后脂肪的预测值比化学值散点图Fig.3 Predictive value of the fat than the true value Scatter after internal cross-examination

图4 内部交叉检验后蛋白质的预测值比化学值散点图Fig.4 Predictive value of the protein than the chemical values Scatter after internal cross-examination

由图2～图4，能够明显发现水分和蛋白质的散点图分布比较均匀，脂肪的散点图比较分散。水分与蛋白质的斜率达到0.87以上，化学值与预测值的相关系数达到90%以上，能够直观的看出模型的样品采集均匀程度。脂肪的相关系数与水分和蛋白质的相关系数相比，差异显著，分析原因主要有以下两点:一是蛋白质测量使用的UDK142型凯氏定氮仪，精确度比较高，测得化学值比脂肪使用索氏抽提器测得化学值准确。二是水分和蛋白质含量平均值分别为81.6%和17.6%，脂肪为0.58%，使得脂肪的测量误差相对较大，同时，狭鳕的脂肪含量接近近红外的最低检测线(10-3～10-4)［10］。

Ripoll等［11］利用近红外指纹图技术在对牛肉的主要成分的研究中，水分和蛋白质的相关系数分别为0.86和0.74，相对比较低，主要由于牛肉中不同部位以及不同牛之间的成分差异比较大。黄艳等［4］在利用近红外漫反射光谱对白鲢鱼糜的研究得到相关系数大于0.98的较好结果，王锡昌等［12］也对狭鳕鱼糜进行过研究，也得到了大于0.98的结果，证明鱼糜是一种成分均一的再加工产品，可以用近红外指纹图谱技术进行含量测量。但对于整体鱼肉的研究，报导尚少。

3 结论

本研究以近红外光谱技术为基础，对解冻去皮狭鳕鱼肉建立水分、脂肪和蛋白质含量模型。通过对光谱预处理方法和最佳因子数的筛选，使其相关系数分别达到 0.9342、0.8125、0.9113，RPD 值为 3.4、2.3、3.1。水分和蛋白质的相关系数都达到90%以上，RPD大于3，证明模型比较稳定。虽然鱼肉比鱼糜的相关系数低，但利用近红外对鱼肉的检测也是可行的。脂肪的预测相关系数RV＜0.9，RPD＜3，模型的准确性和稳定性均不如水分和蛋白质。综上所述，近红外检测狭鳕鱼肉中水分、脂肪和蛋白质的含量是完全可行的。

［1］高天翔，张肖荣，王丹，等.几种鳕鱼的生物学研究［M］.海洋湖沼通报，2003:35-42.

［2］王小燕，顾赛麒，刘源，等.近红外光谱法快速检测带鱼肉中的水分和蛋白质含量［J］.食品工业科技，2012，33(5):317-319.

［3］栾东磊.近红外光谱技术在几种水产品中的应用研究［D］.青岛:中国海洋大学，2009.

［4］黄艳，王锡昌，邓德文.利用近红外光谱技术快速测定白鲢鱼糜中的水分含量［J］.食品工业科技，2008，29(2):282-284.

［5］UDDINM，OKAZAKIE，FUKUSHIMA H，et al.Nondestructive determinationof water and protein in surimi by near-infrared spectroscopy［J］.Food Chemistry，2006，96:491-495.

［6］GB 5009.3-2010食品安全国家标准 食品中水分的测定［S］.

［7］GB/T 5413.36-2008粮食中粗脂肪含量测定［S］.

［8］GB 5009.3-2010食品安全国家标准食品中蛋白质的测定［S］.

［9］薛利红，杨林章.基于可见近红外高光谱的菠菜硝酸盐快速无损测定研究［J］.光谱学与光谱分析，2009(4):926-930.

［10］Whitfield R G，GergerM K，Sharp R L.Near infraredspectrum qualification via mahalanobis distance determination［J］.Applied Spectroscopy，1987，41(7):1204-1213.

［11］RIPOLL G，ALBERTI P，PANEA B，et al.Near-infrared reflectance spectroscopy for predicting chemical，instrumental and sensory qualityof beef［J］.Meat Science，2008，80:697-702.

［12］王锡昌，陆烨，刘源.近红外光谱技术快速无损测定狭鳕鱼糜水分和蛋白质含量［J］.食品科学，2010(16):168-171.