肉类新鲜度无损检测装置和方法

钟 南，李易蓬，吴 霆，李炫宗，郭成贤

（1.华南农业大学工程学院，广东 广州 510642； 2.仲恺农业工程学院信息科学与技术学院，广东 广州 510225）

0 引言

随着我国经济的持续快速发展，人民生活水平不断提高，人们对肉类食品的需求也大幅增加，2018年中国肉类食品的消费甚至超过了美国和欧盟的总和，达到了7 100万t。面对肉类食品需求的大量增加，我国对于肉类食品的品质控制越来越严格，因此肉类新鲜度检测手段需进一步提升。肉类新鲜度等级一般分为新鲜、次鲜、不新鲜3个等级。传统的检测方法主要通过感官判定或者化学试验测定肉类表面的菌落总数、挥发性盐基氮等指标来评定新鲜度等级。化学分析方法属于破坏性检测，而且试验操作较为繁琐、检测周期较长、试验需要大量的化学试剂导致检测成本高；而感官判断有主观性强、精度低、难以量化等缺点[1-4]。

传统的检测方法已经很难达到快速检测肉类食品新鲜度的要求。随着检测仪器技术的发展，无损检测方法应运而生。无损检测即非破坏性检测，在不破坏待测物的物理结构、化学成分的情况下，获取与样本新鲜度相关的物理、化学指标[5]。本文分析了无损检测装置在肉类新鲜度检测中的发展趋势，介绍了无损检测方法，它主要是通过电子鼻、近红外光谱、拉曼光谱、低场核磁共振、多源感知信息融合等方法对肉类的新鲜度指标进行检测。多源感知信息融合装置、高光谱成像装置等都包含了多种肉质信息，在未来的无损检测装置发展中占有较大优势。

1 肉类新鲜度无损检测装置的应用

1.1 电子鼻检测装置

电子鼻也称气味扫描仪，是20世纪末发展起来的一种快速无损检测食品的装置。其检测系统是一种仿生嗅觉系统，主要由气敏传感器、数据处理装置和软件分析系统组成。该系统含有多个对挥发性气体极其敏感的气敏传感器，在肉类变质的过程中，气味往往是新鲜度等级评定的重要指标，将肉类挥发性气体传入到该传感器中，与传感器中的敏感性材料发生化学反应，从而检测出该肉类挥发性成分的信息[6]，如图1所示。电子鼻装置中常见的气敏传感器有红外光电检测装置、金属氧化物半导体传感器等。红外光电检测装置在通过红外线照射不同的气体时，强度和光谱的峰位会发生变化，根据这些特征变化来对气体的成分进行检测分析。金属氧化物半导体传感器在检测氨气、氯气、氢气等气体时，效果显著。

目前，对电子鼻装置用于检测肉类气味、评定肉类新鲜度等级的研究较多。刘明等[7]使用电子鼻对鸡蛋的气味进行检测，选择线性判别（LDA）进行数据分析，对不同贮藏时间的鸡蛋进行分类，以此来判断鸡蛋新鲜度的变化。Xuxiang等[8]基于电子鼻检测装置，采用非线性数据特征分析方法，结合化学计量学，建立了鸡肉新鲜度检测模型，该模型检测准确率为93.9%。

图1 电子鼻检测系统结构图

1.2 光谱检测装置

1.2.1 近红外光谱检测装置

美国材料检测协会（ASTM）将780～2 526 nm定为近红外光谱区域，该区域和有机分子含氢基团如O-H、N-H、C-H等的振动合频和倍频相吸收。近红外光谱检测装置主要基于不同的分子振动、转动频率表现不同的光谱吸收率原理来获取不同的光谱曲线，通过寻找光谱曲线与化学成分的相关性来分析被检测样品的新鲜度，并且近红外光谱能够反映有机物含氢基团的振动信息，检测平台如图2所示。相对于中红外光谱，近红外光对物质穿透能力更强，利用近红外光谱结合化学分析可以检测某些肉类的蛋白质含量、脂肪含量、水分、pH值、TVB-N等多种化学指标。在获取光谱数据之后，还需要进行光谱预处理、光谱降维、光谱建模等过程。

图2 近红外光谱检测平台

近年来，由于近红外光谱使用成本低、绿色环保、检测便捷并且不需要破坏样本即可检测样本内部的分子信息，因此被广泛应用于肉类假冒、掺假和新鲜度检测。吴霆等[9]基于近红外光谱检测装置，对贮藏0～12 d的三文鱼肉和鱼皮进行光谱检测，并提出一种自编码神经网络算法来建立鱼肉和鱼皮的贮藏时间预测模型，结果表明，鱼肉光谱更适合作为预测模型的输入样本，其预测精度更高，模型更加稳定。王丽等[10]选择近红外光谱检测装置进行猪肉新鲜度的检测，采用PLS算法建立一种定量模型分别对猪肉的色泽指标、pH值和挥发性盐基氮（TVB-N）进行预测，结果表明，样本的预测值与真实测定值之间没有显著性差异，说明近红外光谱可用于快速、无损检测猪肉新鲜度。

1.2.2 拉曼光谱检测装置

印度科学家拉曼于1928年发现一种非弹性散射现象，即拉曼散射。在散射过程中一般会出现斯托克斯线和反斯托克斯线两种情况，斯托克斯线在样品分子受激后返回到基态较高振动能级时出现，而反斯托克斯线在样品分子受激后返回到基态较低振动能级时出现。拉曼光谱检测装置是近年来用于肉类检测方面较为新颖的技术之一，该装置有快速、无损、检测便捷、成本低等优点。与红外光谱不同，拉曼光谱是基于拉曼散射效应的原理，通过分子对光子的非弹性散射来获取分子的转动或振动信息，从而确定检测物内部的化学键。目前，拉曼光谱检测装置被应用于多个领域，如法医鉴定、医疗领域、石油化工等，市面上主要有自带光源的便携式拉曼光谱仪和中型拉曼光谱检测平台，如图3—4。

图3 便携式拉曼光谱仪

图4 激光共聚焦拉曼光谱检测平台

将拉曼光谱应用于肉类新鲜度检测在近几年较为火热，刘琦等[11]利用拉曼光谱检测装置对贮藏不同天数的冷冻猪肉和冷藏猪肉的蛋白质进行光谱检测，得出随着贮藏天数的增加，两种肉的蛋白质的拉曼光谱谱峰都呈现下降趋势的结论，在贮藏15 d左右，谱峰已极其不明显。实验结果表明，拉曼光谱检测装置可以快速、无损检测猪肉新鲜度。Santos等[12]使用便携式拉曼光谱仪对猪肉进行光谱采集，建立PLS回归模型来预测猪肉的肉质剪切力，该模型预测的准确率可达92.7%。

1.3 机器视觉检测装置

机器视觉是人工智能正在快速发展的一个分支，是一种用机器来代替人眼对目标进行识别和判断的技术。肉类的纹理、色泽等外观信息在其新鲜度的分级中起着重要作用。传统的肉类色泽、纹理等信息往往是通过人眼判断，存在主观性较强、缺乏客观性、视觉疲劳等缺陷。机器视觉检测装置能够捕捉到这些肉类的重要外观信息，通过数据采集模块获取肉类的纹理、色泽等图像信息，根据颜色、像素和亮度等信息将图像信息转换为数字信号。机器视觉检测装置如图5所示，由光源模块、样本放置平台、相机模块组成，是一种较为常见的机器视觉检测装置。

图5 机器视觉检测装置

目前，机器视觉装置在识别肉类新鲜度上的应用已较为成熟。姜沛宏等[13]通过机器视觉装置来检测牛肉的品质，研究随贮藏时间的变化，牛肉表面红（R值）、绿（G值）、蓝（B值）三个颜色通道的变化规律，然后通过SPSS软件建立牛肉新鲜度分级模型，结果显示，该模型识别正确率为91%，可见机器视觉装置在牛肉新鲜度分级应用中可行性较高。Shi等[14]利用机器视觉检测装置对罗非鱼瞳孔颜色参数进行评估，作为一种低成本的在线预测4℃贮藏期间罗非鱼新鲜度的方法。

1.4 低场核磁共振检测装置

核磁共振检测装置是确定化学反应进程和分子结构的较为常见的一种方法，而低场核磁共振检测装置可以利用氢原子核在磁场中的特性，追踪到待测物中的氢原子，可以快速获取肉类食品中的水分含量以及脂肪、蛋白质结构的变化，从而进行肉类新鲜度等级的评定[15]。

国内学者在将低场核磁共振检测装置应用于肉类新鲜度等级的评定中做了大量研究。王梦娇等[16]利用低场核磁共振检测装置，对羊肉中自由水、结合水与不易流动水的分布情况来判断羊肉新鲜度等级，试验表明，羊肉中自由水、结合水与不易流动水的弛豫时间均与羊肉的pH值、TVB-N以及菌落总数有显著相关性，亦可以确定低场核磁共振检测装置获得的数据与羊肉的新鲜度密切相关。

1.5 其他无损检测装置

除了上述介绍的几种常见的肉类新鲜度无损检测装置外，还有诸多国内外较为少见的无损检测装置，如超声波无损检测装置、电磁特性检测装置、电子舌检测装置、质构仪检测装置、探针式pH计等，均可应用在肉类新鲜度无损检测领域。

2 肉类新鲜度无损检测装置的发展趋势

目前对于肉类新鲜度的检测方法较多，但是大部分检测装置对肉类新鲜度相关信息的采集过于单一，肉类脂肪、蛋白质等所含化学成分十分复杂，如肌红蛋白、血红蛋白、多种氨基酸以及钙、钠、钾、镁等无机物，单类型的特征往往无法全面的表现肉类新鲜度的变化。近年来，许多学者采用多种传感器装置获取肉质信息，如光谱仪器结合机器视觉装置、电子鼻装置结合核磁共振装置等，通过多种信息融合装置进行综合性的评定会在未来肉类新鲜度无损检测装置的发展中占用较大优势，亦更为科学。

2.1 多源感知信息融合装置

多源感知信息融合装置充分利用多个传感器资源, 对观测到的有关同一目标的信息进行合理支配和使用, 把多个传感器在空间或时间上的冗余或互补信息依据某种准则进行组合, 以获得对被观测目标的最佳估计[17]。将拉曼光谱、电子鼻和机器视觉相结合，即可检测到肉类的化学结构、挥发性成分和表面灰度等。和其他的检测装置相比，多源感知信息融合装置可以提高对肉类新鲜度的检测精度，可以全面地对肉类新鲜度进行评定，其容错性好，可靠性高，且更加灵敏。

目前，多源感知信息融合已成为当下研究的热点。刘木华等[18]利用光谱分析、超声波、电子鼻和机器视觉等多种信息融合建立牛肉品质检测模型，并使用支持向量机（SVM）进行分类，结果显示，多传感器信息融合建立的模型优于单个传感器信息模型。周炜等[19]采用电子鼻和机器视觉检测装置，建立基于多源感知信息技术的猪肉新鲜度检测模型，其识别准确率可达到100%。Peihong等[20]将机器视觉检测和近红外光谱检测双信息融合，对牛肉新鲜度进行检测，选择BP神经网络建立模型，该模型分类准确率为98.29%。

2.2 高光谱成像检测装置

高光谱成像技术近年来受到诸多关注，被广泛应用于食品、军事等领域，是一种图像信息和光谱信息相结合的检测技术，图像信息能够反映肉类表面的变化规律，光谱信息能够反映肉类内部化学结构的变化规律。高光谱成像检测平台一般由光谱仪、电机、CCD相机、计算机、光源组成，通过集成硬件和软件来获取肉类的每个像元的空间信息以及光谱信息[21]，如图6所示。

图6 高光谱成像检测平台示意图

目前，许多国内外学者对高光谱成像装置在肉类新鲜度检测的应用格外关注。柴玉华等[22]选择高光谱成像装置来检测牛肉的含水率，选择偏最小二乘法建立模型，结果显示，预测集的准确率为88%，标准差为0.120。王婉娇等[23]选择高光谱成像技术结合化学计量方法来检测羊肉的色泽、贮藏时间、水分含量等品质指标，结果表明，高光谱成像装置在肉类品质的检测当中是可行的。Crichton等[24]使用高光谱成像装置对新鲜牛肉和冻融牛肉进行数据采集，采用支持向量机（SVM）建立分类模型，该模型准确率可达93.7%。

3 总结

随着当今社会的智能化、数字化、快速化发展趋势，肉类新鲜度无损检测装置也在快速发展。无损检测装置具有检测速度快、操作简单、成本低廉等优点，并且在不破坏待测样本的情况下对其进行检测，该装置未来将会被广泛应用于肉类新鲜度的检测当中[25-27]。在人们对肉类品质要求更高的今天，多源感知信息融合装置是必然发展趋势，将多个传感器信息，如挥发性气体信息、肉质内部分子信息以及肉质外部视觉信息等相融合，肉类新鲜度检测精度将会更加准确、稳定性更高。

目前，热门的无损检测装置一般无法检测到与肉类新鲜度密切相关的化学参数，如菌落总数、挥发性盐基氮等，往往要加以化学试验测得，然后找其相关性。未来需要进一步加深对无损检测装置的研究，使得无损检测装置在肉类新鲜度检测中更加科学，从而确保我国肉类食品质量安全。