张国祥 张海瑜 李鑫星,3
(1.中国农业大学食品质量与安全北京实验室, 北京 100083; 2.中国农业大学烟台研究院,烟台 264670;3.中国农业大学信息与电气工程学院,北京 100083)
随着人们生活水平的提高和现代食品产业的快速发展,食品质量安全问题越来越受到关注[1-3]。近年来,冷鲜羊肉(冷却羊肉)因其良好的食用品质而逐渐取代冷冻羊肉[4]。但是,冷鲜羊肉在生产、加工、储运以及销售过程中存在腐败变质的可能性,极易因加工和贮藏环境的细微变化而导致羊肉理化特性变化和微生物生长繁殖速率加快,进而致使肉品迅速发生腐败变质[5]。
全质构分析法(Texture profile analysis,TPA)是冷鲜羊肉质量安全检测的重要方法,具有检测效率高、综合检测能力强等优点[6]。在冷鲜羊肉组织劣变过程中,其肌肉组织在蛋白酶和微生物作用下进一步分解,肌纤维发生断裂[7],使其整体结构变得松软,冷鲜羊肉样品表面出现具有粘性的蛋白月示和蛋白胨[8]。这些质地特征变化可以被人类感官所感知,同样也可以使用专业质构仪进行TPA质构检测,通过准确客观的TPA指标数据进行综合量化表达[9]。与剪切力测试、单次压缩等质构检测模式相比,质构仪在TPA模式下利用数据可视化方法形成的力度-时间曲线(TPA曲线)包含了更全面的样品质地信息,在科学研究和实际应用中得到广泛认可[10-12]。
与国外相比,由于冷藏技术和消费者偏好的差异,国内冷鲜羊肉生产和消费尚处于发展初期阶段。与部分果蔬、奶酪等简单均质食品相比,冷鲜羊肉具有更加复杂的内部结构和外表面特征,而国内与其相关的TPA质构检测研究相对薄弱[13-14]。在冷鲜羊肉TPA质构检测过程中,由于测量仪器及其安装和测量方法等因素的综合影响,检测系统生成的实际TPA曲线与理想曲线差别较大,存在部分异常峰值和较为明显的曲线波动,由此造成仪器检测系统对TPA曲线特征节点的选择产生歧义和偏差,进而导致获取的部分TPA指标数据存在较大的误差[15]。
本文以市售冷鲜羊肉为研究对象,通过解析冷鲜羊肉的TPA质构检测过程,验证其测量机理,分别进行TPA曲线对应各特征节点的具体定位,提出基于数据可视化的冷鲜羊肉TPA指标数据提取优化方法,在此基础上设计相应的自主检测系统,并进行试验检测,以证明优化方法的合理性。
TPA质构测量时的样品质地信息获取主要包括力度数值实时采集、数据可视化处理及指标数据提取等主要步骤,而20世纪80年代便开始利用计算机技术实现测量步骤的自动化处理[16-17]。借助计算机辅助系统,从利用数据可视化方法生成的TPA曲线中自动分析提取所需的指标数据已成为目前TPA质构测量的常规方法。如图1所示,本文使用TA-XT PLUS型质构仪对冷鲜羊肉样品进行TPA质构检测时,固接有力度传感器的探头对样品进行两次循环往复的按压过程,期间检测系统借助数据可视化方法形成实时的TPA曲线。
通过进一步分析获得的TPA曲线可以提取所需冷鲜羊肉检测样品的6个质地特性指标,分别为硬度(Hardness)、弹性(Springiness)、内聚性(Cohesiveness)、粘性(Adhesiveness)、回复性(Resilience)和咀嚼性(Chewiness),其具体解释定义如表1所示[18-19]。
表1 TPA指标的具体解释定义
结合图1和表1可知,TA-XT PLUS型质构仪的TPA质构检测系统识别出具体的6个曲线特征节点位置,并以此计算所需的曲线参数。而各个TPA指标数值均可以通过峰值点、峰值面积以及压缩时间等TPA曲线参数予以充分表达,再经过相应的公式换算后,可以得到测量TPA指标具体计算方法:硬度为F2,弹性为T2/T1,内聚性为A2/A1,粘性为A3,回复性为A5/A4,咀嚼性为内聚性、硬度和弹性的乘积[19-20]。因此,通过确定曲线特征节点位置,获得相应的TPA曲线参数值,通过进一步计算即可得到反映冷鲜羊肉检测样品质地特性的TPA指标数值。
但是在实际的冷鲜羊肉TPA质构检测过程中,质构仪器由于受到仪器轻微震动、测量条件设置不合理、人员操作误差等因素的综合影响,其检测系统生成的TPA曲线会存在异常峰值和明显的曲线波动,使得检测系统对于TPA曲线特征节点的选择产生偏差,影响具体的TPA曲线参数,最终导致系统提取的部分TPA指标数值存在较大的数据误差[15, 21]。因此,本文提出了一种基于数据可视化的冷鲜羊肉TPA指标数据提取优化方法。
通过对实际检测力度数据进行滑动平均滤波处理,消减曲线波动对TPA指标数据提取的影响,并通过对TPA曲线上各个特征节点的具体位置、标志意义以及影响曲线参数进行分析,在数据可视化方法基础上,分别进行TPA曲线对应的各个特征节点具体定位,构建TPA指标数据提取优化模型。在模型方法研究基础上,结合现有TA-XT PLUS型质构仪工作原理,自主设计并组装了一套冷鲜羊肉TPA质构检测系统,生成的TPA曲线及其特征节点位置情况如图2所示。
如图2所示,在所设计的基于数据可视化的TPA指标数据提取优化方法中,使用压头部件对冷鲜羊肉样品两次循环往复按压,力度传感器检测TPA质构检测过程中的样品受力情况,借助数据可视化方法形成实时的TPA曲线。所构建TPA指标数据提取优化模型将特征节点4按照计算不同TPA指标数值的需要拆分为新的节点4和节点5,在对利用数据可视化方法形成TPA曲线进行特征节点定位方面,除了对波峰和波谷等曲线特征进行识别外,增加了更多压头行程距离和行程时间的计算[15],完成对7个曲线特征节点的自动识别。完整的TPA曲线可以用检测力度与时间的函数方程表达,即
y=F(t)
(1)
首先利用预设值找到整体TPA曲线的起始位置,确定起始时间t0,然后对TPA曲线进行滑动平均滤波处理,以消减曲线波动带来的数据误差[22],其基本原理为
(2)
式中f(t)——t时刻的滤波结果,g
t——压头测试时的行程时间,s
n——滑动窗口半径
如式(2)所示,通过设定一个宽度固定的滑动窗口,该窗口沿着时间序列滑动,同时提取窗内检测力度数据的算术平均值作为输出值,形成滤波后的检测力度和时间的TPA曲线,其各个特征节点对应的测试时间节点随着特征节点编号依次增大,其检测到的实时力度满足的函数关系可以表达为
ym=f(tm)
(3)
式中ym——实时检测力度,g
tm——特征节点m对应的测试时间节点,s
如图2所示,特征节点1处于完整TPA曲线的最前端,代表压头到达冷鲜羊肉样品表面,样品开始受力压缩,检测力度稳定增加,因此研究同样采用设定定量预压力度的方式确定特征节点1,并以此确定压头从复位高度H(距样品托盘高度)到达冷鲜羊肉样品表面的位移S1和测试时间节点t1,公式为
y1=f(t1)=FD
(4)
式中FD——事先人工输入的定量预压力度,g
特征节点2处于第1次压缩形成的循环正值峰的峰顶点,第1次压缩过程中的探头实时感知力达到最大,依据设定的压缩比p计算获得其压头到达预定位置所需的行程时间t′2,公式为
(5)
式中S——压头测试时的行程距离,mm
v——系统设定的压头运行测量速度,mm/s
以得到的行程时间t′2为基准,取前后固定时间(0.25 s)范围的最大值为特征节点2对应的检测力度y2,并确定其对应时间节点t2,公式为
y2=f(t2)=argmax{f(t′2-0.25),f(t′2+0.25)}
(6)
同样参考行程时间t′2可以确定压头返回至冷鲜羊肉样品表面所需的时间,确定特征节点4所对应的测量时间节点t4并确定其实时检测力度f(t4),公式为
y4=f(t4)
(7)
其中
t4=2t′2-t1
(8)
特征节点4处于第1次压缩过程中的循环负值峰的末端点,代表第1次压缩过程结束,而特征节点3是第1次压缩过程的循环正值峰末端点,其探头实时感知力为零,因此是处于t2和t4之间零值点,公式为
y3=f(t3)=0
(9)
特征节点5是第2次压缩过程的循环正值峰前端点,标志第2次压缩过程开始,依据设定的两次循环压缩的间隔时间tD得以确定,公式为
y5=f(t5)
(10)
其中
t5=t4+tD
(11)
特征节点6是第2次压缩过程的循环正值峰峰值点,代表第2次压缩探头实时感知力达到最大,其计算方法与特征节点2相一致,在获得压头行程时间t′6基础上,计算得到时间节点t6并确定其实时检测力度f(t6),公式为
t′6=t5+t′2-t1
(12)
y6=f(t6)=argmax{f(t′6-0.25),f(t′6+0.25)}
(13)
特征节点7是完整TPA曲线最末端点,代表TPA质构测量的结束,探头完全脱离样品表面,其计算方法与特征节点3相一致,为曲线末端的零值点,公式为
y7=f(t7)=0
(14)
由此,研究得到具体的冷鲜羊肉TPA指标数据提取优化模型,借助程序语言可以在自主设计组装的冷鲜羊肉TPA质构检测系统上加以实现,且可以精准地确定曲线上的7个特征节点位置,减少数据误差的影响,提高TPA指标数据的稳定性和可靠性。
本文自主设计组装的冷鲜羊肉TPA质构检测系统,主要包括检测硬件和上位机软件两个主要组成部分。由检测硬件部分完成冷鲜羊肉样品的TPA质构测量环节,采集的数据信息最终被传输至PC端的上位机软件中,依据相应的检测算法和数据模型,生成相应的冷鲜羊肉样品TPA质构检测结果,通过模拟界面的形式进行展现。
冷鲜羊肉TPA质构检测系统的检测硬件主要由结构框架、直线导轨、压头等机械结构部件和下位机控制系统组成,如图3所示。
检测硬件的整体高度约为330 mm,质量约为5 kg,主体框架采用铝合金材质,承载台采用硬质绝缘的3D打印树脂材料,用于施加TPA质构检测作用力的压头采用不锈钢材质。
3.1.1机械结构设计
检测系统进行TPA质构检测工作时,步进电机通过驱动带轮、同步带和从动带轮带动丝杠转动,配套丝杠螺母带动压杆沿直线导轨上下移动,固接在压杆端部的压头对放在承载台上的冷鲜羊肉样品进行施压作业[23-24]。传递动力采用的丝杠部件自主设计完成,其具体尺寸参数如图4所示。
相比较现有质构仪在悬梁部位放置力度传感器,自主检测系统的力度传感器及其附件置于承载台下方,降低重心高度,提高整体硬件结构的稳定性,同时也不改变其受力变化,如图5所示。
进行冷鲜羊肉样品的TPA质构检测时,放置好冷鲜羊肉样品后,将承载台、受力承台及检测肉块视为统一整体进行受力分析,其重力为G,FN为非接触状态下的支撑力,F4为下压过程中压头施加作用力,F5为上拉过程中压头受到的肉块粘附拉力,由于作用力与反作用力大小相等,在系统检测过程中,压头受到的反作用力和承载台内置的力度传感器受到力度变化在数值上相等。因此,相比较TA-XT PLUS型质构仪在悬梁部位放置力度传感器,将力度传感器放在承载台下部,所采集的力度数据并没有区别。
3.1.2下位机控制系统
根据实际工作要求及所用到的检测机械结构设计下位机控制系统,如图6所示,主要包括STM32控制板、压头运动单元、力度数据采集单元和外部按键4部分。
其中,步进电机驱动器接收来自STM32控制板的控制信号,根据信号驱动步进电机完成转动、停止等动作,上限位光电开关和下限位光电开关用于测量压头的上、下极限位置,起到保护作用。外部按键用于操作人员直接控制检测硬件,并可以在发生故障时紧急停止检测硬件运行。
力度数据采集单元由力度传感器和数据变送器组成,当压头对冷鲜羊肉样品施压时,力度传感器的内部应变片受力发生变化,导致其实时阻值发生改变,通过相应的检测电路把阻值变化转化为电信号,由数据变送器采集并进行AD转换后发送至STM32控制板。检测系统所采用的力度传感器为蚌埠恒远传感器科技有限公司生产的HYLY-011型号的S型磁敏传感器,其量程为1~50 kg。
检测硬件的下位机控制系统根据硬件的工作流程以及工作过程中各传感器的反馈信号,对TPA质构检测硬件单元进行驱动和控制。下位机控制系统主要分为4个模块:初始化模块、参数设定模块、校准模块和测量模块。
初始化模块包括通用输入与输出(General-purpose input/output,GPIO)初始化、定时器初始化、串口初始化等。系统初始化首先对系统使用的GPIO进行配置,再进行串口初始化(波特率为115200 b/s、8位数据位、1位停止位、无奇偶校验),然后进行定时器初始化。
下位机控制系统共使用两个定时器,定时器2用于产生1 ms定时时间,主要用于系统中的定时操作。定时器3用于产生步进电机脉冲,步进电机脉冲频率f2需根据压头的运动速度v、丝杠导程s、电机驱动器细分数B以及同步带传动的减速比λ进行确定,公式为
(15)
其中,电机驱动器细分数B=2 000,减速比λ=1/3,丝杠导程s为4 mm,因而定时器3的定时时间T3计算公式为
(16)
参数设置模块通过串口接收来自上位机软件的设置指令,对TPA质构测量过程中的关键参数进行设置,包括测前速度、测试速度、测后速度、压缩比、预设力和压头复位高度等具体参数。
校准模块主要用于TPA质构检测单元的校准,以减少系统误差对测量结果的影响。在TPA质构检测前,在样品托盘上放置已知质量的砝码对力度传感器进行力度校准,通过空载测试(压头施加力度大于预设力)后,压头回到复位高度,进行TPA质构检测单元的高度位置校准。
测量模块主要用于控制TPA质构具体检测过程。其中,下位机控制系统控制压头对样品进行两次循环往复的按压过程,同时实时采集力度传感器上的压力数据,并通过串口发送至上位机软件进行数据处理,TPA质构检测的控制流程如图7所示,其中,A、B分别表示串口接收模块和串口发送模块。
除此之外,在进行冷鲜羊肉的TPA质构检测过程中,检测系统全程监测硬件的异常情况,包括力度传感器数据大小和压头运动状态,当力度传感器数据接近其量程时,立即停止压头运动并控制压头向上运动至复位高度同时进行故障报警;当压头运动到上部或者下部极限位置时,立即停止压头运动并进行故障报警,以防止损坏硬件结构部件。
上位机软件采用C++语言编写,上位机软件通过两个串口分别与检测硬件中的下位机控制系统进行通讯,选择对应的串口号并打开串口,系统即开始运行。如图8所示,在冷鲜羊肉样品的TPA质构检测过程中,操作人员在上位机软件系统界面的操作区完成TPA相关测量参数的设定,控制下位机控制系统实时采集力度传感器的压力数据并通过串口发送至上位机软件所在的PC端,上位机软件通过内部的检测算法和数据模型完成压力数据信息的数据可视化处理,在软件界面的数据可视化显示区生成所需的TPA曲线,并在结果区展现具体的TPA指标数值。在所设计TPA指标数据提取优化方法的系统实现上,本文采用定时器和行程计算相结合的方式,自动识别确定特征节点的位置,并自动计算提取所涉及的曲线参数和具体TPA指标数值[25]。
从图8可以看出,所设计的冷鲜羊肉TPA质构自主检测系统能够较完整地展现冷鲜羊肉TPA质构检测中的曲线特征变化,并对其曲线特征节点实现有效识别。采用TA-XT PLUS型质构仪和自主检测系统两种检测方式对比试验进一步验证优化方法的实际检测效果。
试验选用冷鲜羊肉取样于北京地区的“菜鲜果美”超市,为当日从屠宰厂总部内库发往销售点超市的草原羔羊冷鲜里脊肉,依据GB 20799—2016《食品安全国家标准 肉和肉制品经营卫生规范》要求保存在0~4℃的环境温度下,总体质量约为90 kg,在低温运输携带条件下从超市运入实验室0℃冷藏恒温箱中。试验测量时采用专业的切取装置沿着肉样纤维方向切割制取厚度均匀的标准圆状冷鲜羊肉样品,样品截面面积为10 cm2,厚度为10~15 mm,质量控制在10 g左右,试验周期在预试验基础上确定为6 d[26-27]。
将自主检测系统和TA-XT PLUS型质构仪采用相同的测量参数设定,通过参照文献[28-29]冷鲜肉类进行TPA质构测量,采用的设定参数包括:预压力5 g,试验使用探头为P/5平底柱形探头,第1次压缩及第2次压缩之间的恢复时间间隔为5 s,采用较慢的测试速度以更充分反映样品内部组织状态的变化,测前、测中和测后速度均设置为1.00 mm/s,选用50%的压缩比测试条件[30-31]。在实际测量前对质构仪进行必要的力量校核和高度校核,确定冷鲜羊肉样品测定空气温度为26℃,环境相对湿度为25%。同时依据我国现行的冷鲜羊肉质量安全检验相关的国家及行业标准,研究选定菌落总数作为其品质变化的参考评价指标,以更加全面反映试验期间冷鲜羊肉的品质劣变过程。所涉及的试验仪器(包括微量天平、恒温箱、台式振荡器等)和具体测量方法均按照GB 4789.2—2016《食品安全国家标准 食品微生物学检验 菌落总数测定》执行。
由图9可知,自主设计实现的检测系统相比较TA-XT PLUS型质构仪,TPA指标数据的稳定性有所提升。除弹性指标的平均测量误差均保持在1.5%以外,基于TPA指标优化方法所设计实现的自主检测系统获得的TPA指标数据的平均测量误差及数据标准差相比较前述测量使用的TA-XT PLUS型质构仪均有明显降低,其中最为显著的粘性指标平均测量误差下降12.4个百分点。
为进一步验证基于优化方法所设计的自主系统的可行性,借助冷鲜羊肉劣变期间的TPA质构指标数据和菌落总数生物指标特征变化的内部联系[25],采用皮尔逊相关系数r描述自主系统测定TPA质构指标和菌落总数参考评价指标之间的关联程度[12]。皮尔逊相关系数r的取值范围为-1~1,其绝对相关系数|r|值越接近1,说明两变量之间的线性相关的密切程度越高,越接近0则说明密切程度越低。自主系统测得的硬度、弹性、内聚性、回复性、咀嚼性和粘性与菌落总数对数值指标的相关系数结果分别为0.825、-0.941、-0.837、0.870、0.815和0.840。由此可知,自主检测系统获得的TPA指标数据与冷鲜羊肉样本菌落总数对数值具有较好的相关性,其相关系数绝对值均大于0.8,能够较为充分地反映冷鲜羊肉的贮藏试验期间的质地特性变化。
综上所述,基于优化方法自主设计实现的冷鲜羊肉TPA质构检测系统所获取的TPA指标数据表现出较良好的稳定性和可靠性。试验结果也进一步验证了所提出的基于数据可视化的冷鲜羊肉TPA指标数据提取优化方法的可行性和优势。
(1)通过解析冷鲜羊肉的TPA质构检测过程,在数据可视化方法基础上,提出了一种基于数据可视化的冷鲜羊肉TPA指标数据提取优化方法。构建了TPA指标数据提取优化模型,分别进行TPA曲线对应各特征节点的具体定位,设计相应的自主检测系统,并进行了试验检测。
(2)基于优化方法自主设计的检测系统相比于试验质构仪器,其TPA指标数据的稳定性有所提升,其中最为显著的粘性指标数据平均测量误差下降12.4个百分点。
(3)自主检测系统获得的TPA指标数据与冷鲜羊肉样本菌落总数对数值表现出较高的相关性,其相关系数绝对值均大于0.8,能够充分反映冷鲜羊肉在贮藏试验期间的质地特性变化。