近红外光谱技术快速鉴别碱水浸泡鸡肉的研究.pdf

命科学版），2 0 2 4，45（1）：10 1-10 5.啸，等近红外光谱技术快速鉴别碱水浸泡鸡肉的研究J扬州大学学报（农业与生引文格式：章明，樊艳凤，沈Jan.2024Journal of Yangzhou University(Agricultural and Life Science Edition)2024年1月Vol.45 No.1扬州大学学生命科学版）期第45卷第DOI:10.16872/ki.1671-4652.2024.01.013近红外光谱技术快速鉴别碱水浸泡鸡肉的研究章明，樊艳凤，沈啸，唐修君，陆俊贤，高玉时（江苏省家禽科学研究所江苏省家禽遗传育种重点实验室，江苏扬州2 2 512 5）摘要：采用近红外光谱分析技术并结合主成分分析法，建立碱水浸泡鸡肉快速鉴别模型。原始光谱经平滑、多元散射校正和一阶导数等预处理后进行系统主成分分析，结果显示正常鸡肉和碱水浸泡鸡肉能得到清晰的分类。通过不同光谱预处理方法，采用簇类的独立软模式法建立分类模型，结果显示通过对样品光谱采用7 点卷积平滑方法预处理，分类模型综合正确率最高，校正回判正确率在7 7.0 8%10 0%之间，预测正确率在8 1.2 5%10 0%之间。综上，采用近红外光谱分析技术对碱水浸泡鸡肉进行快速鉴别可行。关键词：碱水浸泡鸡肉；近红外光谱技术；主成分分析中图分类号：S831；T S2 0 7.3文献标志码：A文章编号：16 7 1-46 52（2 0 2 4）0 1-0 10 1-0 5Study on rapid identification of alkali-soaked chickenmeat by near-infrared spectroscopyZHANG Ming,FAN Yanfeng,SHEN Xiao,TANG Xiujun,LU Junxian,GAO Yushi(Key Laboratory for Poultry Genetics and Breeding of Jiangsu Province/Jiangsu Institute of Poultry Sciences,Yangzhou 225125,China)ABSTRACT:A rapid identification model of alkaline-soaked chicken meat was established by using near-infrared spectralanalysis combined with principal component analysis.The raw spectra were pretreated by smoothing,multiple scatteringcorrection and first-order derivatives,and then subjected to systematic principal component analysis.The results showedthat normal chicken meat and alkaline-soaked chicken meat could be clearly classified.The classification models were es-tablished by different spectral preprocessing methods using the soft independent modeling method.The results showedthat by preprocessing the sample spectra with the 7-point savizkg golag method,the classification models had the highestcorrect rate.The correct rate of correction back judgment was 77.08%-100%and the correct rate of prediction was81.25%-100%.The study showed that the NIR spectral analysis technique is feasible for the rapid identification of alka-li-soaked chicken meat.KEY WORDS:alkali-soaked chicken meat;near-infrared spectroscopy;principal component analysis火碱，化学名为氢氧化钠，是一种碱性非常强的化学物质。用火碱浸泡的鸡肉呈现“白、胖、嫩、大”，其重量增加3%10%1，且大多数碱水浸泡鸡肉是由劣质鸡肉再加工而来，因而碱水浸泡鸡肉在价格上有一定的竞争优势，一些不法商贩为牟取暴利，偶卖碱水浸泡鸡肉。然而由于火碱的强腐蚀性，碱水浸泡鸡肉不仅其风味、营养价值明显下降，而且有极大的安全风险。目前，市场上缺乏对碱水浸泡鸡肉检测的规章制度，即便是专业检测机构，大多利用pH试纸或pH计等进行辅助检测，不能直接定性识别，消费者更缺乏相关的辨别知识收稿日期：2 0 2 3-0 4-2 0基金项目：江苏省农业科技自主创新资金项目CX（2 1)2 0 11；扬州市社会发展项目（YZ2022090）作者简介：章明与樊艳凤同为第1作者。章明（197 8 一），男，江苏泰州人，江苏省家禽研究所副研究员，主要从事家禽信息技术、期刊数字化出版及中国家禽地方品种资源保护研究；樊艳风（198 8 一），女，河北沧州人，江苏省家禽科学研究所助理研究员，主要从事家禽品质评价与质量安全控制研究。*通信作者，高玉时，江苏省家禽科学研究所研究员，主要从事家禽遗传育种与质量安全研究；E-mail：g a o y s l o o s i n a.c o m。*通信作者，高玉时，江苏省家禽科学研究所研究员，主要从事家禽遗传育种与质量安全研究；E-mail：g a o y s l o o s i n a.c o m。较102扬州大学学生命科学版）第45卷近红外光谱检测技术具有操作简便、反应迅速、不破坏样品等优点，其原理是利用样品含氢集团对发射的近红外光的吸收、反射和散射而产生的特异光谱图进行定性或定量检测鉴别技术2 3。近年来，近红外光谱技术常用于猪牛肉的注水肉4-6 、注胶肉7 和掺假肉8 等劣质肉的定性、定量鉴别。本研究在此基础上，利用近红外光谱技术并结合模式判别法对碱水浸泡鸡肉进行判别，以期探索一种快速、有效的碱水浸泡鸡肉定性鉴别方法。1材料与方法1.1材料及仪器从市场上随机购买8 0 只6 0 日龄青脚麻鸡，体重约1.6 kg。屠宰后，随机选取12 只作为对照组（C 组），经检测其pH值约为5.6；剩余试验鸡随机分为3组，屠宰后将整鸡分别浸泡在pH值9（2 4只，P9组）、11（2 4只，P11组）、13（2 0 只，P13组）的NaOH溶液中，2 h后用清水冲洗2 min，用吸水纸吸去表面多余水分。取4组试验鸡的双侧胸肌备用。试验仪器为S450近红外光谱分析仪（上海棱光技术公司），用于鸡肉光谱图采集。1.2试验方法剔除胸肌表面的筋、腱、膜和脂肪，用绞肉机将其制成均匀的肉糜，将肉糜样品放人样品槽且覆盖整个玻璃底部9-10 1，近红外光谱仪波长设为90 0 2 50 0 nm，分辨率设为8 nm，用于背景扫描，平滑点21，扫描次数2 0 次，每条光谱扫描时间4S，每个样品重复扫描3次，取3次平均光谱作为碱水浸泡鸡肉样品的光谱1.3数据处理使用平滑、多元散射校正和一阶导数等预处理方法对碱水浸泡鸡肉样品原始光谱进行预处理，比各预处理方法所建模型的预测正确率。近红外光谱采用nirChem软件建立模型92结果与分析2.1原始近红外光谱由图1可见，不同组碱水浸泡鸡肉的波动趋势比较相似，有较明显的波峰和波谷，吸光度在0.6 92 1.311之间。光谱图在部分波长处存在交叉重合现象，但在较短波长处光谱强度差异较大，可清晰地识别不同pH组碱水浸泡鸡肉原始图谱，如在波长90 0 1440 nm之间，不同组光谱图差异较大，尤其在波长980nm附近4组碱水浸泡鸡肉的吸收峰存在明显差异。但由于检测数量及温度、湿度等检测环境的改变，易引起光谱图的漂移11，因此为提高鉴别正确率，需通过光谱预处理方法并结合定性判别算法进一步对碱水浸泡鸡肉进行定性区分。本研究预处理方法采用无处理方式（NO）、7 点卷积平滑（7 SG）、标准正态变量变换（SNV)和多元散射校正（MSC)中的1种或2 种，经预处理后，碱水浸泡组和对照组光谱能得到较好分离，结果如图2（红色为碱水浸泡鸡肉，蓝色为对照组鸡肉）所示。1.3201.1731.027在98 0 nm处，由上至下pH分别为5.6、9.0、11.0 和13.0Fromtoptobottom,pHwas5.6,9.0,11.0and13.00.880respectivelyin980nm0.73396011201280144016001760192020802240波长wavelength/nm图1鸡肉近红外原始光谱Fig.1Raw NIR spectrum of chickenmeat103章明等：近红外光谱技术快速鉴别碱水浸泡鸡肉的研究第1期0.6990-0.699-1.397-2.096990110012101320143015401650176018701980波长wavelength/nm图2碱水浸泡鸡肉最优模型前处理图谱Fig.2Pre-treatment mapping of the optimal model of alkali-soaked treatment on chicken meat2.2碱水浸泡鸡肉近判别模型的建立与检验对碱水浸泡鸡肉近红外光谱采用多种预处理方法，利用簇类的独立软模式（SIMCA）法建立碱水浸泡鸡肉鉴别模型。由于原始光谱波长范围为90 0 2 50 0 nm，有16 0 1个数据点，数据计算量大、干扰因素多且波长2 0 0 0 nm后的光谱信息较弱，因此选取波长90 0 2 0 0 0 nm范围的数据进行分析处理SIMCA方法是对训练集进行主成分分析，以主成分累计贡献率8 5%为基准选择特征数目，建立每一类数学模型，将未知样本与各类模型拟合以达到分类效果。在样品划分时，当主成分数少于4个时，选择样品数的6 0%作为校正集，当主成分数超过4个时，选择样品数的7 0%作为校正集，剩余样品作为预判样品对所建模型进行检验。针对本研究数据分类器的类型，选择簇类的SIMCA分类器。在分组分析时，分别针对C-P9、C-P11、C-P13、C-P9或P11、C-P11或P13、C-P9或P11或P13等6 组进行判别模型的建立与检验。各组模型的主要参数为主成分数、校正回判正确率和预测正确率,其结果如表1所示。综合分析主成分数、校正回判正确率和预测正确率，结果（表1)显示，单组碱水浸泡鸡肉与对照组进行比对时，样品数据未经预处理，即可得到较好的判别结果，且7 SG预处理结果与无预处理结果基本一致。而2 组碱泡鸡肉合并与对照组比对时，样品数据不经过预处理或7 SG预处理均能获得较好的鉴别结果，但对原始数据进行预处理后，能得到更好的判别效果。如C-P9或P11组选择MSC十7 SG联合处理，C-P11或P13组的MSC十SNV联合预处理，其鉴别效果更好。将3组碱泡鸡肉合并与对照组比对时，7 SG预处理能得到更好的鉴别效果，校正回判正确率为7 7.0 8%，预测正确率为8 1.2 5%。通过对几组数据的比对，发现对样品数据进行7 SG预处理时能较好地满足各种pH值样品的快速鉴别要求。3讨论3.1近红外光谱技术在劣质鸡肉鉴别中的可行性分析本课题组前期研究表明，碱水浸泡鸡肉可显著增加鸡肉重量，影响鸡肉蛋白质、脂肪、氨基酸、肌苷酸、挥发性盐基氮及生物胺等成分。有研究12-13 认为，近红外光谱可用于测定肉和肉制品的脂肪、水分和蛋白质含量。本研究中，碱水浸泡鸡肉的近红外光谱与对照组相比，在波长90 0 1440 nm之间各组光谱图差异较大。Zhou等14研究表明，鲜鱼肉脂肪吸收带在波长1130 nm处的波峰与12 10 nm处的波谷之间，这两处主要与C一H的伸缩振动有关，而水分子中O一H键的一级伸缩振动主要反映在波长140 0 nm左右的波峰处，这与本课题组前期研究结果一致。本研究在比较几种预处理方法时发现，被误判的样品多为将轻碱度碱液浸泡鸡肉（P9组）错误地判别为正常鸡肉。孟一等15 研究发现，注水量多少直接影响近红外光谱模型的判断正确率。Hou等16 利用近红外反射光谱法的挥发性碱氮值预测模型可快速、无创地预测猪肉的新鲜程度。因此在本研究定性鉴别的基础上，碱液浓度和碱液浸泡程度可作为近红外光谱模型鉴别碱水浸泡鸡肉定量分析的指标之一3.2近红外光谱预处理方法的应用分析在近红外光谱检测数据中存在大量无关的高维数据集，如2 0 0 0 2 50 0 nm波长数据，其对光谱数据的分析增加了很大难度，解决这一问题的重要方法是数据降维和特征提取17 。其中主成分分析就是104第45卷扬州大学学生命科学版）使用最广泛的一种降维方式。本研究中，不同组合碱水浸泡鸡肉的近红外光谱与对照组相比，在样品原始数据7 SG预处理的情况下只用2 个主成分数，其校正回判正确率7 7.0 8%，最高可达10 0%，表明在本模型中利用主成分分析方法可达到快速鉴别的目的。本研究结果表明，碱水浸泡鸡肉的近红外光谱与对照组相比，在无前处理的情况下，即可得到较高的校正回判正确率（7 5.0 0%10 0%）和预测正确率（6 5.6 310 0%）。但经过预处理及模型的建立能很好地减少光谱基线漂移，提高信噪比，消除部分仪器、样本背景、环境条件等影响，过滤掉原始光谱中一些无关信息变量，提高模型的预测能力和稳定性118-19。因此在样品比较清晰、仪器性能较好以及环境条件适宜的情况下，碱水浸泡鸡肉的近红外光谱图可不经任何处理，直接对样品进行定性鉴别，但在样品、仪器和环境等不能满足要求时，需对原始光谱图进行预处理及利用模型进行鉴别。4结论本研究采用S450近红外光谱分析仪并结合主成分分析对碱水浸泡鸡肉快速鉴别的可行性进行了研究，探讨不同光谱预处理方法对模型预测结果的影响，结果表明，利用7 点卷积平滑处理的碱水浸泡鸡肉近红外光谱数据所建碱水浸泡鸡肉近红外光谱鉴别模型效果最好，能满足不同样本量和pH值范围的鉴别需要，校正回判正确率在7 7.0 8%表1碱水浸泡鸡肉近红外光谱鉴别模型的比较Tab.1Comparison of near-infrared spectroscopic identificationmodels for alkali-soaked treatment on chicken meat预处理方法主成分数校正回判正确率/%预测正确率/%分组pre-processingprincipalcorrectionicallbackpercentage ofgroupsmethodscomponentcorrectnesscorrectpredictionsC-P9NO286.361007SG286.3692.86SNV395.4564.29一阶导数(7)281.8250.00MSC+7SG395.4585.71MSC+一阶导数(7)268.1857.14MSC+SNV395.4550.00C-P11NO21001007SG2100100SNV495.45100一阶导数(7)277.2757.14MSC+7SG595.4592.86MSC+一阶导数(7)277.2757.14MSC-+SNV495.45100C-P13NO21001007SG2100100SNV4100100一阶导数(7)284.2153.83MSC+7SG489.47100MSC+一阶导数(7)284.2153.85MSC+SNV410084.62C-P9 或 P11NO288.8983.337SG288.8983.33SNV394.4475.00一阶导数(7)277.7875.00MSC+7SG495.2494.44MSC+一阶导数（7)266.6770.83MSC-+SVV394.4475.00C-P11 或 P13NO294.1290.917SG294.1286.36SNV4100100一阶导数（7)272.9270.59MSC-+7SG594.84100MSC+一阶导数(7)285.2972.73MSC+SNV494.87100C-P9 或 P11NO275.0065.63或P137SG277.0881.25SNV491.0741.67一阶导数（7)237.5034.38MSC+7SG483.9345.83MSC+一阶导数(7)225.0037.50MSC+SNV491.0741.67100%之间，预测正确率在8 1.2 5%10 0%之间，证实了利用近红外光技术对碱水浸泡鸡肉鉴别的可行性。参考文献：1樊艳凤，唐修君，葛庆联，等.NaOH溶液处理对鸡肉品质的影响J7.肉类研究。2 0 2 1。35（2）：9-12.FAN Y F,TANG X J,GE Q L.et al.Effect of aqueous NaOH treatment on chicken meat quality JJ.Meat Re-张立元）（责任编辑105章明等：近红外光谱技术快速鉴别碱水浸泡鸡肉的研究第1期search,2021,35(2):9-12.2邢素霞，王睿，郭培源，等高光谱成像及近红外技术在鸡肉品质无损检测中的应用J肉类研究，2 0 17，31(12)：30-35.XING S X,WANG R,GUO P Y,et al.Comparative application of hyperspectral imaging and near infrared spec-troscopy in nondestructive detection of chicken quality J.Meat Research,2017,31(12):30-35.3CEN H Y,HE Y.Theory and application of near infrared reflectance spectroscopy in determination of food qualityJJ.Trends in Food Science&.Technology,2007,18(2):72-83.4王文秀，彭彦昆，刘媛媛基于近红外光谱的猪肉新鲜度无损检测方法的改进J食品安全质量检测学报，2015，6(8):3 0 0 7-3 0 13.WANG W X,PENG Y K,LIU Y Y.Quantitative evaluation of pork freshness based on near-infrared spectroscopyJ.Journal of Food Safety&Quality,2015,6(8):3007-3013.5唐鸣，田潇瑜，王旭，等基于近红外特征波段的注水肉识别模型研究JI.农业机械学报，2 0 18，49（S1）：440-446.TANG M,TIAN X Y,WANG X,et al.Recognition model of water-injected meat based on characteristic spectrumextraction of infrared spectroscopy J.Transactions of the Chinese Society for Agricultural Machinery,2018,49(S1)：440-446.6DING H B,XU R J.Near-infrared spectroscopic technique for detection of beef hamburger adulteration JJ.Jour-nal of Agricultural&.Food Chemistry,2000,48(6):2193-2198.7程灵豪，焦永亮白肌肉、注水肉、注胶肉的鉴别检验方法J.中国动物检疫，2 0 15，32（4）：2 8-31.CHENG L H,JIAO Y L.Inspection methods of the PSE meat,water-injected meat and gel-injected meat JJ.Chi-na Animal Health Inspection,2015,32(4):28-31.8ALAMPRESE C,AMIGO J M,CASIRAGHI E,et al.Identification and quantification of turkey meat adulterationin fresh,frozen-thawed and cooked minced beef by FT-NIR spectroscopy and chemometrics JJ.Meat Science,2016,121:175-181.9沈啸。基于近红外光谱的不同品种鸡肉鉴别及肉品质研究D北京：中国农业科学院，2 0 2 1.SHEN X.Identification of different chicken breeds and meat quality research based on near infrared spectroscopyD.Beijing:Chinese Academy of Agricultural Sciences,2021.10COZZOLINO D,MURRAY I.Effect of sample presentation and animal muscle species on the analysis of meat bynear infrared reflectance spectroscopy J.Journal of Near Infrared Spectroscopy,2002,10(1):37-44.11周娇娇，徐文杰，许竞，等基于近红外光谱与KPCA-SVM鉴别淡水鱼肉J.华中农业大学学报，2 0 19，38(5):98-104.ZHOU J J,XU W J,XU J,et al.Identification of freshwater fish species based on near infrared spectroscopy andKPCA-SVM method JI.Journal of Huazhong Agricultural University,2019,38(5):98-104.12ANDERSON S.Determination of fat,moisture,and protein in meat and meat products by using the FOSS foodscan near-infrared spectrophotometer with FOSS artificial neural network calibration model and associated data-base:Collaborative study Jl.Journal of Aoac International,2007,90(4):1073-1083.13KESTENS V,CHAROUD-GOT J,BAU A,et al.Online measurement of water content in candidate referencematerials by acousto-optical tuneable filter near-infrared spectrometry(AOTF-NIR)using pork meat calibrantscontrolled by Karl Fischer titration JJ.Food Chemistry,2008,106(4):1359-1365.14ZHOU J J,WU X Y,ZHOU C,et al.Evaluation of freshness in freshwater fish based on near infrared reflec-tance spectroscopy and chemometrics JJ.Lebensmittel Wissenschaft Und Technologie,2019,106:145-150.15孟一，张玉华，许丽丹，等近红外光谱技术对猪肉注水、注胶的快速检测J食品科学，2 0 14，35（8）：299-303.MENG Y,ZHANG Y H,XU L D,et al.Rapid detection of meat injected with water or gum by near infraredspectroscopy JJ.Food Science,2014,35(8):299-303.16HOU R F,HUANG L,WANG Z Y,et al.The preliminary study for testing freshness of meat by using near-in-frared reflectance spectroscopy J.Spectroscopy&.Spectral Analysis,2006,26(12):1310-1314.17VERHEIJ B,FRANCESCONI E,GARDNER A.Proceedings of the fourteenth international conference on artifi-cial intelligence and law Jl.Ai Magazine,2014,35(2):81-82.18SAMUEL D,PARK B,SOHN M,et al.Visible-near-infrared spectroscopy to predict water-holding capacity innormal and pale broiler breast meat JJ.Poultry Science,2011,90(4):914-921.19李明，李翠，雷萌一种煤炭近红外光谱数据预处理方法研究J.工矿自动化，2 0 15，41（1)：6 2-6 6.LI M,LI C,LEI M.Research of a data preprocessing method for near infrared spectrum of coal J.Industry andMineAutomation,2015,41(1):62-66.