基于气流与多点激光技术的牛肉新鲜度检测装置研发

何 珂，罗秀芝，孙钦明，汤修映

·农产品加工工程·

基于气流与多点激光技术的牛肉新鲜度检测装置研发

何 珂，罗秀芝，孙钦明，汤修映※

（中国农业大学工学院，北京 100083）

为了提高气流-激光技术在冷鲜肉品质检测方面的预测性能，该研究根据牛肉黏弹性与其品质的相关性，基于气流与多点激光技术研发了牛肉新鲜度检测装置。该装置硬件系统主要包括气流控制模块、位移信息采集模块、载物台升降模块和气室。基于该检测装置获取不同新鲜度牛肉样本的黏弹性信息，采用S-G卷积平滑（Savitzky-Golay smooth, S-G）、一阶导数处理（First derivative, FD）、一阶导数处理结合S-G卷积平滑（Savitzky-Golay smoothing after the first derivative pre-processing, FD+S-G）对样品黏弹性信息进行预处理，并测定牛肉新鲜度指标挥发性盐基总氮（Total Volatile Basic Nitrogen, TVB-N）含量, 建立了牛肉TVB-N含量的较佳预测模型。模型验证集的相关系数与均方根误差分别为0.859和1.337 mg/100 g。基于QT应用程序开发框架设计完成了检测装置控制软件，并将预测模型植入软件内部，实现了该检测装置的一键式操作。为验证检测装置稳定性进行了外部验证试验，结果表明该检测装置预测值与国标测量参考值间相关系数为0.887，均方根误差为1.385 mg/100 g。该检测装置基于黏弹性原理实现了牛肉新鲜度的无损检测，预测性能较好，可以为肉品新鲜度检测提供参考。

无损检测；模型；气流；多点激光；牛肉新鲜度；检测装置

0 引 言

中国是肉类消费大国，2018年中国的肉类消费总量已达到8 829.6万t，人均消费总量已超过50 kg[1]。随着生活水平的提高，肉类消费结构也逐渐得到优化升级，牛羊肉的消费占比逐年提高[2-3]。尽管目前猪肉仍占据肉类消费的主体地位，但牛羊肉的生产与消费也逐步成为热点[4]。牛肉因其富含丰富的蛋白质、矿物质和微量元素而深受消费者喜爱[5]。

牛肉在贮藏过程中新鲜度会逐渐降低，发生腐败变质，因而牛肉的安全卫生问题越来越受到重视。肉的新鲜度主要根据肉的挥发性盐基总氮含量（Total Volatile Basic Nitrogen, TVB-N）进行判别。传统的检测方式参照半微量凯氏定氮法或自动凯氏定氮仪法进行理化试验检测[6]，但是这种检测方式效率低，耗时长，依赖于相关操作人员的技术水平[7]。因此，国内外已有诸多学者致力于肉品新鲜度的无损检测研究[8-9]。如蔡健荣等[10]利用激光散斑技术和改进惯性矩算法对冷鲜猪肉新鲜度进行等级预测，结果显示预测集的识别率可以达到89.29%；Wijaya等[11]采用电子鼻传感技术实现了预测牛肉样品中微生物的种群规模；王文秀等[12]利用可见/近红外光谱技术建立生鲜肉TVB-N含量的预测模型，模型相关系数为0.936。上述研究分别从图像、气味、光谱分析等方面进行肉品新鲜度的判别。

食品的黏弹性是食品的固有属性，它与食品的品质密切相关。肉作为典型的黏弹性体，其黏弹性信息同样可以反映其相关品质特性[13]。如徐亚丹等[14]分析牛肉在低温贮藏期间质构参数与TVB-N含量的相关性，结果表明牛肉的回复性与TVB-N含量显著相关；Mythan等[15]提出了加工猪肉的非线性黏弹性模型，建立了黏弹性模型参数与蛋白质含量的预测关系；刘立意等[16]对鲜猪肉系水力与应力松弛特性进行相关性分析，结果表明鲜猪肉应力松弛特性参数对系水力的预测具有一定应用价值。卢伟等[17]利用气流与结构光成像技术针对牛肉嫩度建立了广义回归神经网络预测模型，结果表明结构光成像技术可以反映牛肉的黏弹性。

气流-激光融合技术因其无损伤、非接触的特点近年来在食品黏弹性研究中得到广泛应用。例如检测水果硬度[18-19]、监测面团揉捏特性[20]、测量糖基食品流变特性[21]等。气流-激光融合技术利用气流对样品施加压力，样品的黏弹性信息表现为变形信息的变化，该变形信息最终由激光传感器获得并用来对样品的品质进行判别[22]。在肉品应用中，Lee等[23]利用该技术分析熟制禽肉嫩度与变形曲线特征参数间相关性，结果表明曲线特征参数可以用来预测熟制禽肉嫩度。徐虎博等[24]探究了不同气流冲击模式对鸡肉嫩度预测的影响，结果显示根据气流瞬时冲击作用下鸡肉的变形曲线可以建立鸡肉嫩度的较佳预测模型。Long等[25]搭建基于气流-激光融合技术的黏弹性检测系统并对牛肉进行试验，提取牛肉变形曲线的最大变形量、最小变形量等特征参数建立牛肉嫩度的预测模型，模型预测集的相关系数为0.835；Li等[26]应用该系统采用相同的方式建立牛肉TVB-N含量的预测模型，模型预测集相关系数为0.821。上述文献表明利用气流-激光融合技术对牛肉新鲜度检测具有可行性。然而上述文献多采用单点激光测量牛肉变形区域的位移变化，实际上气流自喷嘴喷出后将与周围空气环境产生卷吸效应从而发生扩散现象[27-28]，所以样品表面受到气流作用的变形区域的深度并不一致。因而目前的研究多是建立在位移变化一致的假设上，这在一定程度上对样品黏弹性信息的反映存在偏差。此外，目前基于气流-激光融合技术在肉品质判别的研究多集中于预测模型的建立，缺乏相应的检测设备。

综上所述，针对目前气流-激光融合技术在肉品研究中存在的不足，本文采用多点激光传感器对样品表面变形区域进行位移测量从而弥补当前气流-激光技术的不足，同时在建立牛肉TVB-N含量预测模型之后，编写系统控制软件，研发牛肉新鲜度检测装置，实现牛肉新鲜度的无损检测。

1 牛肉新鲜度检测装置设计

1.1 检测装置工作原理

牛肉新鲜度检测装置的工作原理如图1所示。将牛肉样品置于载物台面上，利用微型计算机通过运动控制卡调节载物台高度，使样品表面与气流喷嘴出口处于适宜的距离。微型计算机通过模拟量电压输出器控制电磁阀与比例阀，气流经由过滤器、比例阀、电磁阀后，最终通过喷嘴作用在样品表面，样品表面产生的位移信息通过激光传感器经信号放大器与RS-232信号传输器传输至微型计算机，微型计算机根据内置的牛肉TVB-N含量预测模型对位移信息进行运算处理，并显示结果。

图1 牛肉新鲜度检测装置工作原理图

1.2 牛肉新鲜度检测装置硬件系统设计与选型

装置硬件系统主要由气流控制模块、位移信息采集模块、载物台升降模块和气室组成。装置结构如图2所示。其中气流控制模块主要包括空气压缩机（图中未示出）、两级空气过滤器、电磁阀、电气比例阀、模拟量电压输出器和气流控制电路板；位移信息采集模块包括激光传感器、信号放大器和RS-232信号传输器；载物台升降模块包括运动控制卡、驱动器和电动位移升降台。

1. 微型计算机 2. 气流控制电路板 3. 两级空气过滤器 4. 模拟量电压输出器 5. 电动位移升降台 6. 开关电源 7. 驱动器 8. 运动控制卡 9. 气室 10. 激光传感器 11. RS-232信号传输器 12. 信号放大器 13. 电磁阀 14. 电气比例阀

1.2.1 气流控制模块

气流控制模块中空气压缩机选用奥突斯工贸4X550W-120L型无油空压机作为气源，同时为保证气流清洁无污染，配备有SMC（中国）有限公司的两级空气过滤器（AC30C-03DG-A）用于滤清气流。

选用SMC（中国）有限公司VX220LA电磁阀用于控制气流作用时间，当电磁阀通电后，电磁阀开启，气流通过，电磁阀断电后，电磁阀即刻关闭，气流截止。电磁阀控制电路如图3a所示，利用NPN型三极管的截止与饱和状态作为电磁阀开关控制的核心原理。三极管Q1集电极C串联有继电器K1和肖特基二极管并被上拉至24V工作电压，基极B串联10K限流电阻以防止输入电压VCC_1幅值过高损坏三极管，发射极E并联有22K下拉电阻确保无输入电压时三极管处于截止状态。三极管截止状态下，继电器K1处于常开状态，电磁阀关闭，当基极B输入有高电平时，三极管处于饱和状态，继电器K1得电后处于关闭状态，电磁阀开启。由于微型计算机不能直接发出输入电压信号VCC_1，因此选用模拟量电压输出器（DAM-AIAO，北京聚英翱翔电子有限公司）作为电压输出器件。

电气比例阀是气压大小的控制器件，选用SMC（中国）有限公司高精度电气比例阀ITV2030-21F2L。该比例阀的工作原理为当给定比例阀指定电压值后，比例阀按照内置的电压与气压线性关系进行内部阀芯开度的调节。给定的电压值同样由模拟量电压输出器输出，由于该比例阀限定电压为0～5.000 V，因此需要对比例阀进行保护与稳压处理，比例阀控制电路如图3b所示。图3b中，VCC_2为电压输出器输出的给定电压，为保护比例阀，加入了额定电流1A的保险丝F1和防反接二极管D1，电容C1与C2用于防止电流骤变，D2和D3为瞬态电压保护二极管，用于防止浪涌电压对比例阀精度控制影响同时起到保护作用。上述两部分电路经PCB制板后形成气流控制电路板。

图3 气流控制电路

1.2.2 气室结构设计

气流在气管内流动过程中存在沿程损失[29]，因此若喷嘴直连气管将导致系统实际工作时喷嘴入口压力处于不稳定状态。为此，本研究设计了气室作为过渡器件，当气管内气流进入气室后将迅速充盈气室腔体内部，然后再经由喷嘴喷出，气室承担起稳压的作用。气室主要由上密封板、天窗、气室主体、喷嘴和下密封板组成，如图4a所示。由于多点激光传感器位于气室上方，且需要实时检测样品在气流作用下的位移变化，因此气室结构中，天窗与喷嘴均选用透光率超过90%的石英玻璃材料[30]。

喷嘴收缩曲线的形状影响气流冲击在样品表面时压力分布均匀性，参照文献[31]，选取维多辛斯基曲线作为喷嘴的收缩曲线，因此喷嘴收缩曲线满足式（1）, 收缩曲线如图4b所示。气室的入口半径为标准管接头半径 5 mm，为保证气室内空气量充裕，设计喷嘴入口半径1为3 mm，喷嘴出口半径2为2 mm。

注：1为喷嘴进口断面半径，mm;2为喷嘴出口断面半径，mm;为喷嘴长度，mm;为断面沿喷嘴轴向距喷嘴进口的距离，mm;为沿喷嘴轴向距离喷嘴进口处的喷嘴断面半径，mm。

Note:1is radius of import section of nozzle, mm;2is radius of outlet section of nozzle, mm;is length of nozzle, mm;is distance of section to nozzle import, mm;is radius of section at a distance offrom nozzle import, mm.

图4 气室结构示意图

Fig.4 Schematic diagram of air chamber

1.2.3 位移信息采集模块

位移信息采集模块的功用是将牛肉样品在气流作用下产生的变形信息进行实时采集并反馈至微型计算机进行运算处理。位移信息采集模块中激光传感器选用基恩士(中国)有限公司研发的多点式激光传感器IX-080，其质量约为190 g，采用波长为660 nm的红色半导体Ⅱ类激光，检测距离为32 mm，精度为20m。每个检测点的位移信息为设定检测位置处直径为0.5 mm的圆形区域内高度的平均值，为避免检测干扰，每两个检测点中心间距应≥1.5 mm。由于气流喷嘴出口为圆形轴对称结构，因此当气流喷出作用在样品表面时，样品变形区域在平面上的投影同理亦为圆形。因此，检测点只需沿圆形半径等距设置。

气流自喷嘴喷出后，在轴向一定距离内压力衰减基本保持不变，此区域称为核心区，超出此区域后，压力将迅速衰减。为保证样品在变形阶段受到的压力稳定，因此样品表面距离喷嘴的初始距离及产生最大变形后与喷嘴的最终距离应始终位移核心区范围内。根据冲击射流力学[27]可知，核心区的长度约为7（为喷嘴出口直径），因此本研究中核心区域长度约为28 mm。基于课题组前期的研究[24-26]，样品距离喷嘴出口距离为10 mm，比例阀气压设定为55～65 kPa时, 牛肉样品不会发生损伤现象，且产生明显的位移变化。此时，牛肉样品变形区域半径约为6 mm，因此选择检测点数为4～5点，为避免样品变形区域边缘的影响，最终设定检测点数为4，每两个检测点中心间距为1.5 mm，如图5a所示。

激光传感器将检测到的位移信息通过信号放大器（IX-1000，基恩士）转换为数字信号经RS-232信号传输器（DL-RS1A，基恩士）直接传输至微型计算机。由于各检测点位置位移变化程度不相同，如图5b所示，采用式（2）将各检测点位移信息转换为应变信息进行均一化处理。

式中1()为第一点应变信息；2()为第二点应变信息；3()为第三点应变信息；4()为第四点应变信息；0为样品厚度，mm；i(i=1,2,3,4)为检测点位移变化，mm。

注：x为相邻两检测点间距，mm;0为样品厚度，mm；h(=1, 2, 3, 4)为检测点位移变化，mm。

Note:xis the distance between two adjacent detection points, mm;0is the thickness of the sample, mm;h(=1, 2, 3, 4) is the displacement change of the detection point, mm.

图5 激光检测点与样品变形

Fig.5 Laser detection point and sample deformation

1.2.4 载物台升降模块

载物台升降模块中电动位移升降台采用了赛凡光电科技的交叉型升降台（型号为7SVA160），该升降台配备有标准42式步进电机及驱动器，行程50 mm, 重复定位精度可达0.02 mm。为保证升降台移动精准，配置了恒凯电子科技的运动控制卡USB_AMC2XE作为运动控制单元。系统工作时，微型计算机通过运动控制卡向驱动器发出指定脉冲从而驱动升降台按指令进行移动。

2 牛肉TVB-N含量预测模型建立

2.1 试验材料

试验材料为皓月冷鲜牛肉小黄瓜条部位，订购于北京市海淀区物美超市。牛屠宰后经过1d的排酸处理后于翌日运送至超市并于当天购买。牛肉样品被分割成6 cm×6 cm×3 cm（长×宽×厚）统一尺寸，分割完成后的牛肉样品单独用保鲜袋包装并冷藏装箱后运送至试验室置于4℃冰箱中贮藏，总计制备牛肉样品52块。同批样本中，每天（间隔24 h）随机选取4块牛肉样品进行试验，试验持续13 d。

2.2 黏弹性信息采集与TVB-N理化值测定

每天从冰箱随机取出试验样品后，将样品放置约 20 min等待其恢复室温以蒸发样品表面水分，避免对变形信息的采集。试验时，将待测样品置于载物台面上，调整样品距离喷嘴出口距离为10 mm，根据前期研 究[24-26]，比例阀气压优选为60 kPa。按照食品黏弹性理论，静态试验，例如蠕变试验、应力松弛试验，可以更好反映试验样品的黏弹性[13]。鉴于本装置可以实时测量样品应变而无法实时测量作用力的特点，该装置采用蠕变试验进行测量。试验时，气流加载时间设定为30 s, 停止气流加载后继续采集样品变形恢复信息30 s。每块牛肉样品试验5处不同位置，取变形信息的平均值作为该样品的最终变形信息。为避免样品边缘对测量位置黏弹性的影响，每处试验位置均距离样品边缘超过2 cm。试验最终获得50块有效牛肉样本的应变信息，如图6所示。

图6 50块牛肉样品应变信息

从图6可以看出，气流作用在牛肉样品表面瞬间，牛肉样品位移迅速增加，随着气流的持续作用，牛肉样品的位移逐渐趋向一个稳定值；气流停止作用的瞬间，样品变形迅速恢复一定距离并随着时间延长逐渐稳定到一个恒定的位移值。这种变化规律符合食品的蠕变特性，表明应变信息可以表达牛肉样品的黏弹性。同时，可以看出由于气流扩散导致样品表面压力分布的差异性，4个检测位置处应变数据也不相同。

试验样本完成黏弹性信息采集后，采用食品安全国家标准《食品中挥发性盐基氮的测定：GB 5009.228-2016》规定的自动凯氏定氮仪法进行牛肉挥发性盐基氮含量的测定。

牛肉样品每日TVB-N含量平均值如图7所示。从图7可以看出在贮藏期间牛肉的TVB-N平均含量从 11.50 mg/100 g增加至21.15 mg/100 g。随贮藏时间延长牛肉样品的TVB-N含量迅速增加，说明牛肉的腐败变质过程是一个加速过程。

图7 每日试验牛肉的TVB-N含量均值

2.3 牛肉TVB-N样品集及预测模型

2.3.1 样品集合划分

按照国家标准对50块牛肉样本进行TVB-N含量测定后，根据浓度梯度法按3:1的比例对所有样品进行校正集和验证集的划分，总计划分出38个样本作为校正集用于模型的建立，12个样本作为验证集用于模型验证。校正集与验证集的划分结果统计如表1所示。

表1 牛肉校正集和验证集样本TVB-N含量参考测量值分布

由表1可知，校正集样本的TVB-N含量参考值范围包含整个验证集，且校正集和验证集的平均值和标准差之间没有明显差异，表明样本集划分合理，可以用于模型的建立。

2.3.2 应变信息预处理

激光穿透天窗与石英喷嘴过程中将发生一定程度折射现象，因此试验采集的应变信息数据中存在噪声等测量误差信息。为减弱测量误差带来的干扰，选取S-G卷积平滑（Savitzky-Golay smoothing, S-G）、一阶导数处理（First derivative, FD）、一阶导数处理结合S-G卷积平滑（Savitzky-Golay smoothing after the first derivative pre-processing, FD+S-G）对采集的应变信息数据进行预处理[32]。

2.3.3 牛肉TVB-N含量预测模型

主成分回归（Principal Component Regression, PCR）与偏最小二乘回归（Partial Least Squares Regression, PLSR）是两种广泛应用的多变量回归分析方法。PCR通过对自变量进行主成分分析从而消除自变量内部的多重共线性，利用主成分变量进行多元线性回归。PLSR是一种基于因子分析的多变量校正方法[33]，与PCR回归不同的是，PLSR在分析过程中会逐步提取数据成分，逐步增加变量并逐步检验预测模型效果，直到满足要求。本文选择这两种典型的回归分析方式进行牛肉TVB-N含量预测模型的建立。利用获取的牛肉样本的应变信息数据形成自变量矩阵，采用国标法测量的TVB-N含量参考值形成因变量矩阵，利用上述两类分析方法建立定量预测模型。

模型的稳健性通常用校正集相关系数（correlation coefficient of calibration, Rc）、校正集均方根误差（Root Mean Square Error of Calibration, RMSEC）、验证集相关系数（correlation coefficient of validation, Rv）、验证集均方根误差（Root Mean Square Error of Validation, RMSEV）进行判定[34]。一般而言，校正集和验证集的相关系数越高，模型的准确性越高，校正集和验证集的均方根误差之间差异越小，模型的稳健性越高。

2.4 结果与分析

经不同预处理后应变信息建立模型的结果如表2所示。由表2可知，不同的建模方式与预处理方法对牛肉TVB-N含量预测模型有显著影响。PLSR建立的模型预测精度整体均高于PCR建立的模型预测精度。S-G平滑、一阶导数与一阶导数结合S-G平滑均可提高模型的预测精度。这可能是由于S-G平滑可以有效消除测量误差带来的影响，而导数处理将应变信息转化为应变率信息，更有效的反映出样品的黏弹性。这一结果与Xu关于应变信息预处理的研究分析接近[32]。采用一阶导数结合S-G平滑的预处理方式建立的预测模型效果较佳，模型校正的相关系数为0.891，均方根误差为1.071 mg/100 g，预测集的相关系数为0.859，均方根误差为1.337 mg/100 g。

表2 牛肉TVB-N含量建模结果

与气流-单点激光技术在牛肉TVB-N含量的定量研究相比[26]，模型校正集的相关系数从0.847上升至0.891，模型预测集的相关系数从0.821上升至0.859。这表明多点激光可以更全面的反映样品的变形信息从而提高模型的预测精度。但是综合而言，较优模型的相关系数仍然相对较低。这是由于气体自石英喷嘴喷出后产生的气体射流属于典型的紊流现象，因此待测样品表面产生的变形并非绝对的轴对称结构。尽管多点激光技术在一定程度上弥补了单点激光的不足之处，但仍然无法更为全面的反映样品的变形状态，因而预测模型的精度相对偏低。但是在目前气流与激光融合技术检测领域中，该较优模型的预测精度与稳定性均是可以接受的。

3 检测装置软件开发

采用Qt Creator基于QT5.0应用程序开发框架编写检测装置控制系统软件，如图8a所示。软件整体分为功能选项区、图形显示区、图形工具区和结果输出区。功能选项区主要实现对载物台升降模块、气流控制模块和位移信息采集模块的控制运行；图形显示区采用基于C++的开源工具QCustomPlot进行牛肉样品4个检测位置应变曲线的绘制显示；图形工具区实现对图形显示区的相关操作，例如图形的显示与保存等；结果输出区用于将检测结果输出显示。将预测模型植入控制系统软件，最终形成牛肉新鲜度检测装置，如图8b所示。

图8 牛肉新鲜度检测装置软件界面与实物图

4 检测装置性能测试

为验证检测装置的稳定性与可靠性，重新购置一批皓月牛小黄瓜条部位并按前述要求制备成13块样本形成测试集，每天取一块样本分别采用本装置与国标理化试验进行TVB-N含量的测定，将两者所得试验结果进行比较分析，预测值与实测值的散点图如图9所示。

图9 TVB-N含量试验测试结果

由图9可知，测试集样本的检测装置检测值与国标测量参考值的相关系数为0.887，样本均方根误差为1.385 mg/100 g。结果表明测试集样本的检测精度较高，所研发的基于气流与多点激光技术的牛肉新鲜度检测装置可以实现对牛肉TVB-N含量的检测。

5 讨 论

本研究通过分析气流与单点激光技术的不足，并提出采用多点激光技术弥补现有技术不足的方案。所建立的牛肉TVB-N含量较优预测模型的校正集与验证集的相关系数为0.891和0.859。和传统气流-单点激光在牛肉TVB-N含量的定量研究相比[26]，模型的精度获得了提高。这表明采用多点激光的技术手段来更全面的反映样品在气流作用下的变形信息可以更有效的反映样品的黏弹特性进而判别样品相关品质。

本文采用的多点激光技术方案是建立在样品产生的变形属于轴对称结构的理想情况下，但是由于气流发展的紊流现象，样品的变形区域存在一定的差异。因此，后续可以考虑应用线扫描激光或者面阵激光的测量方式来进一步获得更加完整的样品变形信息。

本研究建立的牛肉新鲜度检测装置基于牛肉的黏弹性原理实现了对牛肉TVB-N含量的无损检测，预测稳定性较好。但预测模型主要针对皓月牛小黄瓜条部位进行建立，因此在进一步的研究中，还应针对其余品种牛肉进行更大样本的试验或者采用模型传递的方法进行预测模型的更新以提高检测装置在生产应用中的可靠性。

6 结 论

1）采用气流与多点激光融合技术，基于样品黏弹性原理研发了牛肉新鲜度检测装置，装置硬件系统主要包括位移信息采集模块、气流控制模块、载物台升降模块和气室。

2）基于研发的牛肉新鲜度检测装置，采集了牛肉样本受气流作用下形变区域内多点的应变信息，利用S-G卷积平滑（Savitzky-Golay smoothing, S-G）、一阶导数处理（The first derivative, FD）、一阶导数处理结合S-G卷积平滑（Savitzky-Golay smoothing after the first derivative pre-processing, FD+S-G）对采集的应变信息数据进行预处理。根据不同预处理方式建立了牛肉挥发性盐基总氮（TVB-N）含量的主成分回归模型与偏最小二乘回归模型。牛肉TVB-N含量的较佳预测模型（FD+S-G预处理）的模型校正集的相关系数为0.891，均方根误差为 1.071 mg/100 g，预测集的相关系数为0.859，均方根误差为1.337 mg/100 g。

3）基于QT5.0应用程序开发框架，采用Qt Creator编译器编写了牛肉新鲜度检测装置控制系统软件，并将所建立的牛肉TVB-N含量较佳预测模型封装软件内部。通过软件界面，可以完成对检测装置的硬件控制和TVB-N含量检测的一键式操作。

4）对该检测装置的稳定性和检测精度进行了外部验证，结果显示测试集样本的检测值与国标测量参考值的相关系数为0.887，样本均方根误差为1.385 mg/100 g。

[1] 韩磊. 中国肉类供需形势及稳产保供对策研究[J]. 价格理论与实践，2020(7)：57-61.

Han Lei. Study on situation of meat supply and demand and countermeasures of ensuring stable production and supply in China[J]. Price: Theory & Practice, 2020(7): 57-61. (in Chinese with English abstract)

[2] 朱文博，陈永福. 世界和中国肉类消费及展望[J]. 农业展望，2018，14(3)：98-109.

Zhu Wenbo, Chen Yongfu. Meat consumption and outlook in the world and China[J]. Agricultural Outlook, 2018, 14(3): 98-109. (in Chinese with English abstract)

[3] 崔姹，王明利. 中国肉类消费发展分析及未来展望[J]. 农业展望，2016，12(10)：74-80.

Cui Zha, Wang Mingli. China’s meat consumption development and its prospect[J]. Agricultural Outlook, 2016, 12(10): 74-80. (in Chinese with English abstract)

[4] 毛衍伟，张一敏，朱立贤，等. 中国牛羊肉的供需现状及消费者对牛羊肉的态度和品质需求[J]. 食品与发酵工业，2016，42(2)：244-251.

Mao Yanwei, Zhang Yimin, Zhu Lixian, et al. Beef and mutton production and consumers’ requirement in China[J]. Food and Fermentation Industries, 2016, 42(2): 244-251. (in Chinese with English abstract)

[5] 赵鑫龙，彭彦昆，李永玉，等. 基于深度学习的牛肉大理石花纹等级手机评价系统[J]. 农业工程学报，2020，36(13): 250-256.

Zhao Xinlong, Peng Yankun, Li Yongyu, et al. Mobile phone evaluation system for grading beef marbling based on deep learning[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(13): 250-256. (in Chinese with English abstract)

[6] 陈雪，罗欣，梁荣蓉，等. 不同冰温条件对长期贮藏牛肉品质和货架期的影响[J].农业工程学报，2019，35(23)：305-311.

Chen Xue, Luo Xin, Liang Rongrong, et al. Effects of super-chilled conditions on quality and shelf life of beef during long term storage[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(23): 305-311. (in Chinese with English abstract)

[7] 孙武亮，李文博，靳志敏，等. 花青素纳米纤维智能标签对羊肉新鲜度的无损检测[J]. 农业工程学报，2021，37(4)：24-30.

Sun Wuliang, Li Wenbo, Jin Zhimin, et al. Non-destructive detection of mutton freshness using anthocyanin nanofiber smartlabel[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(4): 24-30. (in Chinese with English abstract)

[8] 彭彦昆，张雷蕾. 农畜产品品质安全高光谱无损检测技术进展和趋势[J]. 农业机械学报，2013，44(4)：137-145.

Peng Yankun, Zhang Leilei. Advancement and trend of hyperspectral imaging technique fore nondestructive detection of agro-product quality and safety[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(4): 137-145. (in Chinese with English abstract)

[9] Kucha C T, Ngadi M O. Rapid assessment of pork freshness using miniaturized NIR spectroscopy[J]. Journal of Food Measurement and Characterization, 2020, 14(2): 1105-1115.

[10] 蔡健荣，刘梦雷，孙力，等. 基于改进惯性矩算法的冷鲜猪肉新鲜度激光散斑图像检测[J]. 农业工程学报，2017，33(7)：268-274.

Cai Jianrong, Liu Menglei, Sun li, et al. Laser speckle image detection of chilled pork freshness based on improved moment of inertia algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(7): 268-274. (in Chinese with English abstract)

[11] Wijaya D R, Sarno R, Zulaika E. Noise filtering framework for electronic nose signals: An application for beef quality monitoring[J]. Computers and Electronics in Agriculture, 2019, 157: 305-321.

[12] 王文秀，彭彦昆，孙宏伟，等. 基于可见/近红外光谱生鲜肉多品质参数检测装置研发[J]. 农业工程学报，2016，32(23)：290-296.

Wang Wenxiu, Peng Yankun, Sun Hongwei, et al. Development of simultaneous detection device for multi-quality parameters of meat based on Vis/NIR spectroscopy[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(23): 290-296. (in Chinese with English abstract)

[13] 李立特. 食品物性学[M]. 北京：中国农业出版社，2001.

[14] 徐亚丹，代丽. 牛肉低温储藏期间质构参数分析及新鲜度指标的确定[J]. 农业工程学报，2016，32(12)：267-272.

Xu Yadan, Dai Li. Analysis of texture parameters and determination of freshness index of beef in low temperature storage[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(12): 267-272. (in Chinese with English abstract)

[15] Myhan R, Markowski M, Daszkiewicz T, et al. Non-linear stress relaxation model as a tool for evaluating the viscoelastic properties of meat products[J]. Journal of Food Engineering, 2015, 146: 107-115

[16] 刘立意，刘影，刘冬梅，等. 鲜猪肉系水力与应力松弛特性相关性的试验研究[J]. 东北农业大学学报，2015，46(8)：88-93.

Liu Liyi, Liu Ying, Liu Dongmei, et al. Study on relationship between stress relaxation and the water holding capacity of fresh pork[J]. Journal of Northeast Agricultural University, 2015, 46(8): 88-93. (in Chinese with English abstract)

[17] 卢伟，胡庆迎，代德建, 等. 基于气流脉冲和结构光成像的牛肉嫩度检测方法[J]. 农业机械学报，2020，51(12)：324-331.

Lu Wei, Hu Qingying, Dai Dejian, et al. Beef tenderness detection based on pulse air-puff combined with structural light 3D imaging[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(12): 324-331. (in Chinese with English abstract)

[18] Mcglone V A, Jordan R B. Kiwifruit and apricot firmness measurement by the non-contact laser air-puff method[J]. Postharvest Biology & Technology, 2000, 19(1): 47-54.

[19] Mcglone V A, Ko S, Jordan R B. Non-contact fruit firmness measurement by the laser air-puff method [J]. Transactions of the ASAE, 1999, 42(5): 1391-1400.

[20] Asaithambi N, Fontaine J, Lancelot E, et al. Evaluation of bread dough aeration during kneading by an air-jet impulse system[J]. Journal of Food Engineering, 2020, 278: 109931.

[21] Morren S, Dyck T V, Mathijs F, et al. Applicability of the food texture puff device for rheological characterization of viscous food products[J]. Journal of Texture Studies, 2015, 46(2): 94-104.

[22] Prussia S E, Astleford J J, Hewlett B, et al. Non-destructive firmness measuring device[P]. US, US5372030 A, 1994.

[23] Lee Y S, Owens C M, Meullenet J F. A novel laser air puff and shape profile method for predicting tenderness of broiler breast meat[J]. Poultry Science, 2008, 87(7): 1451-1457.

[24] 徐虎博，赵庆亮，何珂，等. 基于可控气流-激光检测技术的鸡肉嫩度评估方法[J]. 农业机械学报，2020，51(S2)：457-465.

Xu Hubo, Zhao Qingliang, He Ke, et al. Evaluation of chicken tenderness based on controlled air-flow laser detection technique[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(S2): 457-465. (in Chinese with English abstract)

[25] Long Y, Tang X Y, Wang W J, et al. A unique method for detecting beef tenderness based on viscoelasticity principle[J]. Journal of Texture Studies, 2017, 48(5): 433-438.

[26] Li Y L, Wang W J, Long Y, et al. A feasibility study of rapid nondestructive detection of total volatile basic nitrogen (TVB-N) content in beef based on airflow and laser ranging technique[J]. Meat Science, 2018, 145: 367-374.

[27] Tu C V, Wood D H. Wall pressure and shear stress measurements for normal jet impingement[J]. Experimental Thermal and Fluid Science, 1996, 13(4): 364–373.

[28] 申正. 圆喷嘴气体垂直冲击射流壁面压力分布规律研究[D]. 上海：上海交通大学，2018.

Shen Zheng. Study of Wall Pressure Distribution of Vertical Air Impinging Jet of Round Nozzles[D]. Shanghai: Shanghai Jiao Tong University, 2018.

[29] Bernardi C, Dib S, Girault V, et al. Finite element methods for Darcy’s problem coupled with the heat equation[J]. Numersche Mathematik, 2018, 139(2): 315-348．

[30] 鲁兵. 椰糠基质有效氮近红外光谱检测技术及其装备研究[D]. 北京：中国农业大学，2021.

Lu Bing. Study on NIR Spectroscopy Detection Technology and Equipment of Available Nitrogen in Facility Coco-peat Substrate[D]. Beijing: China Agriculture University, 2021.

[31] 杨敏官，孟宇，李忠，等. 轴流泵叶轮导水锥型式设计及其流道水力特性模拟[J]. 农业工程学报，2015，31(11)：81-88.

Yang Minguan, Meng Yu, Li Zhong, et al. Design of axial-flow impeller guide cone and simulation on hydraulic performance of its passage[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 81-88. (in Chinese with English abstract)

[32] Xu Hubo, Lin Yingzi, Zhang Beibei, et al. A multi-mode excitation hardness prediction method based on controlled laser air-force detection (CLAFD) technique[J]. Materials Research Express, 2019, 6(12): 125419.

[33] 李岩，李芳芳，于林宏，等. 电子鼻和电子舌单独与联合检测掺大豆蛋白或淀粉的鸡肉糜[J]. 农业工程学报，2020，36(23)：309-316.

Li Fan, Li Fangfang, Yu Linhong, et al. Separate and combined detection of minced chicken meat adulterated with soy protein or starch using electronic tongue[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(23): 309-316. (in Chinese with English abstract)

[34] 王凡，赵春江，徐波，等. 便携式茶鲜叶品质光谱检测装置研制[J]. 农业工程学报，2020，36(24)：273-280.

Wang Fan, Zhao Chunjiang, Xu Bo, et al. Development of a portable detection device for the quality of fresh tea leaves using spectral technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(24): 273-280. (in Chinese with English abstract)

Development of beef freshness detection device based on air flow and multi-point laser technique

He Ke, Luo Xiuzhi, Sun Qinming, Tang Xiuying※

(,,100083,)

The quality and texture of meat are closely related to the viscoelasticity changes during storage. The current viscoelastic model can also be widely applied to assess the physical properties and chemical components in the meat. Therefore, the viscoelasticity and meat freshness can be indirectly related, where the internal properties of meat caused by spoilage can be expressed by viscoelastic characteristics. It is very necessary to detect the viscoelastic information for a better prediction of freshness. However, the current laser technique has been limited in the food industry, due to the airflow diffusion. In this study, an innovative detection device of beef freshness was developed using airflow and multi-point laser technique. The hardware system of the device mainly included an airflow control, a displacement information acquisition, a stage lifting, and an air chamber. Some design strategies were selected to obtain a stable air flow, including the air chamber and the nozzle with the contraction curve, while the specific circuits to control the solenoid and electro-pneumatic proportional valve. Some key parameters were also selected for the displacement information acquisition and stage lifting module. The viscoelasticity of beef samples with different freshness was first represented by the displacement of the beef under airflow. Then, the data set of displacement was preprocessed via the Savitzky-Golay smooth (SG), the First Derivative processing (FD), and the FD+SG. After that, a prediction model was established using the Total Volatile Basic Nitrogen (TVB-N) content. Finally, a systematic evaluation was also made using the Partial Least Squares Regression (PLSR) and Principle Component Regression (PCR). The results showed that the preprocessing was greatly contributed to the accuracy of the model, where the accuracy of the PLSR model was much higher than that of the PCR model. The best PLSR prediction model was also achieved, when the viscoelasticity information was pretreated by FD+SG with the correlation coefficients in the calibration and validation set of 0.891 and 0.859, respectively, and the root mean squared errors in the calibration and prediction set of 1.071 and 1.337 mg/100 g, respectively. It indicated that the accuracy and stability of the model were improved significantly, compared with the traditional. Particularly, the multi-point laser technique was superior to the traditional single-point one. In addition, the control software of the device was designed to implement using the QT application development framework. Subsequently, the prediction model was implanted in the software to realize the one-click operation of the device. Furthermore, an external prediction test was performed on the 13 beef samples, in order to verify the stability of the device. It was found that the correlation coefficient between the prediction and measurement value was 0.887, where the root mean square error was 1.385 mg/100 g. Consequently, an excellent performance of the device was achieved for the non-destructive detection of beef freshness. Furthermore, the new technique can be widely expected to comprehensively represent the deformation of the sample in the future. The finding can also provide a strong reference for the freshness detection of meat products.

nondestructive detection; models; air flow; multi-point laser; beef freshness; detection device

10.11975/j.issn.1002-6819.2021.21.032

TS251.7；S237

A

1002-6819(2021)-21-0278-09

何珂，罗秀芝，孙钦明，等. 基于气流与多点激光技术的牛肉新鲜度检测装置研发[J]. 农业工程学报，2021，37(21)：278-286.doi：10.11975/j.issn.1002-6819.2021.21.032 http://www.tcsae.org

He Ke, Luo Xiuzhi, Sun Qinming, et al. Development of beef freshness detection device based on air flow and multi-point laser technique[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(21): 278-286. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.21.032 http://www.tcsae.org

2021-08-09

2021-09-14

北京市自然基金资助项目（6202020）

何珂，博士生，研究方向为农产品无损检测技术。Email：1433104752@qq.com

汤修映，教授，博士生导师，研究方向为智能检测技术与装备。Email：txying@cau.edu.cn