光谱技术在肉制品无损检测中的应用

徐 毅

（四川工商职业技术学院轻工工程学院，四川成都 611800）

作为一个全球性问题，食品安全与质量受到企业界和消费者的广泛关注，其中肉制品在日常膳食中占据重要地位，因此肉制品的质量与安全一直是消费者关注的问题。肉制品质量和安全受到多方面因素影响，包括肉类的品种、饲养日龄、冷藏时间、加工方式等。现阶段肉类及肉制品品质鉴定方法有感官检验、理化检验和微生物检验等，但是这些检测方法存在检测效率低、所需时间长、操作复杂及产品破坏大等问题，虽然像色谱-质谱联用技术这样的方法更常用，但是需要大量的样本和较长的分析时间，价格昂贵、操作繁琐，并且不适合现场分析，用于进行肉制品品质评价检测的传统方法需要破坏肉块，同时高精尖的仪器分析方法需要复杂的样品前处理过程。对于感官分析，需要经过训练的小组进行样本评估，难以满足我国目前肉类品质安全的严峻形势。因此，建立快速无损的肉制品品质检测技术成为行业发展的趋势。

光谱技术凭借其无损、准确、无污染等优点在多种肉类品质检测领域快速应用起来。基于此，综述了近年来的研究成果，以期为肉制品品质预测提供一种快速、低成本、无损的检测思路。

1 光谱技术用于肉品品质检测的原理

光谱技术用于肉品品质无损检测的基本原理是当光线（电磁波）照射到材料上时，部分由材料表面反射，其余部分折射到材料组织中。进入材料的光被吸收并转化为热，一些光向四面八方散射，其余的通过材料。此外，肉制品原料的光学性质包括肉品的光反射、吸收、透射和光致发光，这些性质随原料的不同而不同，应用于质量评价、化学分析、等级划分、成熟度、安全性和新鲜度判别。目前，在肉制品无损检测中运用到的光谱检测技术包括近红外光谱[1]、中红外光谱[2]、拉曼光谱[3]、高光谱成像[4]和太赫兹光谱[5]等。一般来说，从紫外光到可见光的波长范围内的光可激发肉制品的电子能级，红外区的光可激发分子之间的振动能和转动能。拉曼光谱通过分析不同于入射光频率的散射谱，获得分子振动和转动的信息，并应用于分子结构的研究。

2 光谱技术在肉制品真实性鉴别中的应用

在肉制品的真实性鉴别研究中，目前涉及较广的包括肉制品的物种、品种、产地、新鲜度和掺假等方面的检测，应用到的光谱技术包括紫外可见光光谱（Ultraviolet-visible spectroscopy，UV-VIS）、近红外光谱（Near-Infrared spectroscopy，NIRS）、中红外光谱（Mid-infrared spectroscopy，MIRS）、拉曼光谱（Raman spectroscopy，RS）和激光诱导击穿光谱（Laser-induced breakdown spectroscopy，LIBS）等。

在肉类物种、品种鉴别方面，应用拉曼光谱与主成分分析方法可对牛、羊、猪和鱼等多个肉类物种进行鉴别，该方法检测时间短，可在30 s 内完成[7]。Chu Y W 等人[8]研究了LIBS 技术对6 种肉类（扇贝、虾、猪肝、鸡肉、牛肉和混合样品）鉴别的可行性，为了提高肉类品种鉴定的准确性和稳定性，采用多元散射校正（Multiple scattering correction，MSC）对光谱进行预处理，然后利用K 近邻（K nearest neighbor，KNN）模型识别校正后的光谱，结果识别准确率从94.17%提高到100.00%，该研究说明利用MSC 和LIBS 结合进行肉种鉴定的准确性和稳定性得到了提高。Gao F 等人[9]研究利用傅里叶变换红外光谱和拉曼光谱的互补性实现肉骨粉的物种鉴别，结果表明，光谱均呈现出不同的典型脂质峰，与单一的FT-IR 或Raman 光谱相比，结合FT-IR 和Raman光谱可获得更详细、更完整的分子振动信息，从而建立更可靠、更稳健的物种识别模型。上述研究充分说明了光谱技术在检测不同物种或品种的肉制品的化学成分差异的潜力，是一种有效的无损检测方法。

在肉制品产地溯源方面，应用近红外高光谱成像技术可以实现宁夏羊肉产地的准确鉴别，通过提取特征波长并结合偏最小二乘判别分析（PLS-DA）分类模型取得了较好的鉴别结果，预测集正确率超过了84%[10]。采用近红外光谱技术结合PCA-LDA 模型对来自5 个不同地区的羊肉样本进行分类，准确率达到91.2%，高于PLS-DA 模型（76.7%）。结果表明，利用近红外光谱技术结合化学计量学分析方法对羊肉进行产地溯源是一种有效的方法[11]。

在肉类新鲜度鉴别方面，硫代巴比妥酸值（Thiobarbituric acid reactive substances，TBARS）是反映脂质氧化程度的重要氧化参数，已被广泛用于测定肌肉中脂质的氧化降解，通过近红外高光谱成像技术结合偏最小二乘回归、最小二乘支持向量机模型和可以快速无损检测羊肉TBARS，从而实现羊肉脂肪氧化程度和新鲜度的判别[12]。Moon E J 等人[13]通过便携式可见-近红外光谱仪获取食品的光谱信号，使用卷积神经网络模型确定食品的新鲜度（根据时间和pH 值的不同分为“新鲜”“可能变质”和“变质”），对三文鱼、金枪鱼、牛肉新鲜度的判别准确率均超过85%。

在肉制品掺假检测方面，用拉曼光谱检测牛肉中所存在的马肉掺假情况，该方法对牛肉、马肉的鉴别结果准确、分析时间短，为肉品掺假鉴别提供了一种快速鉴别的方法[14]。Zheng X 等人[15]的研究表明，利用可见光近红外（VIS-NIR）高光谱成像系统可实现羊肉馅中鸭肉掺假的快速无损检测。Zhao Z等人[16]将高光谱成像技术与回归系数高斯分布（Re gression coefficient gaussian distribution，GD-RC）模型结合，提出了一种将可视化和像素识别相结合的方法来评价牛肉掺假程度，最佳方法的平均误差为2.8%，相关系数为0.983 1，预测均方根误差为0.031 9，说明高光谱成像技术结合GD-RC 模型可成为一种强有力的肉类掺假判别手段。Jiang H 等人[17]的研究，也验证了化学计量学与高光谱成像（HSI）相结合可以检测猪肉和鸭肉卷替代生羊肉卷的掺假，判别准确率在训练集和测试集中均为100%。

3 光谱技术在肉制品品质指标预测中的应用

目前，光谱技术对肉制品品质指标的预测主要包括对肉制品的水分、蛋白质、脂肪等主要营养成分进行检测，对肉的硬度、弹性等质构特性，以及保水性、pH 值等一系列理化指标进行预测。除此之外，应用光谱技术还可对肉的嫩度、新鲜度、大理石花纹等肉类关键质量指标快速预测。

在营养成分含量检测方面，许多研究已经证实了近红外光谱在预测肉类主要化学成分（水分、蛋白质[18]、脂肪[19]含量）的能力。Dias C 等人[20]利用近红外光谱技术对生牛肉的脂肪和蛋白质含量进行了预测，结果表明采用光谱预处理技术结合偏最小二乘回归（Partial least squares regression，PLSR）模型取得了良好的效果。

在关键理化品质检测方面，Li Y 等人[21]采用一种新型的便携式VIS-NIRS 系统，同时检测不同部位羊肉的理化性质。结果发现，预处理的光谱数据能有效提高对各指标的预测精度。6 个指标（pH 值、L*、a*、b*、蒸煮损失、剪切力）最佳预测模型的决定系数R2分别为0.79，0.78，0.68，0.75，0.77 和0.83，预测偏差（Relative prediction bias，RPD）均大于2，表明VIS-NIRS 是预测不同部位肉制品理化性质的有效工具。作为一种灵敏、快速、无损预测方法，人们用近红外光谱技术对肉制品色泽检测进行研究[22]，表现出来较好的预测效果。关于肉和肉制品的持水能力的预测，大多认为近红外光谱分析在滴漏损失和蒸煮损失方面的能力有限。

4 结语

光谱技术作为一种新型的无损检测技术，可以快速获取肉制品样品的整体指纹信息，具有常规检测方法无可比拟的优势（成本低、操作方便、样本预处理简单），可以作为大型精密仪器分析方法的补充工具。光谱技术在肉制品的质量控制方面具备独特优势，同时在肉制品产品的研发、原料、中间产品、最终品的审核等环节都能使用光谱分析仪器，可以大大提高检测效率。