豬肉含有豐富的營養成分，是人類生活中必不可少的食物來源。近年來，我國豬肉產量不斷提高，人們對豬肉產品的需求量加大，同時對其質量也提出更高的要求。然而由于肉制品中的脂肪、蛋白質含量豐富，水分活度高，在加工、貯存、銷售過程中，很容易被微生物污染及受環境因素的影響，致使產品腐敗變質，從而失去其食用價值。生鮮豬肉在流通、儲存過程中易受內源酶、外界環境、微生物等的作用而發生腐敗變質。生鮮豬肉中的蛋白質在酶和細菌的作用下，發生分解而產生氨和胺等堿性含氮物，并與組織內的酸性物質結合，形成鹽基態氮。鮮豬肉中TVB-N含量隨著放置時間的延長，呈現出緩慢增高，平穩增高和大幅度增高變化三個過程。
光譜成像技術是一個新興的平臺技術。它是光譜分析技術與圖像分析技術相結合的產物，具有空間分辨能力和光譜分辨能力，可以同時獲得對象的空間和光譜信息。光譜成像技術在食品、農產品檢測中的應用較廣泛，Peng和Lu等人研究利用光譜散射特性預測牛肉的pH值、嫩度和顏色。多光譜成像技術在便攜、小型、批量生產場合更具有優越性。
本文研究的目標是探究利用多光譜成像技術結合數學建模方法預測生鮮豬肉貨架期的可行性。
1材料和方法1.1多光譜成像系統收稿H期：修訂曰期：項9金：公益性行業（農業）科研專項經費資助（項目編號：201003008）。
作簡介：李翠玲（1985），女（漢），新，碩士，主要從事生鮮肉的品質安全快速檢測關鍵技術的研發。北京市海淀區華東路17號，100083.Email：通訊作者：彭彥昆（1960），男（漢），山東，教授，牛要從事農畜產品品質安全尤損檢測的研究。北京市海淀區清華東路丨7號，丨00083.丨1：川6881.6（。（。
多光譜成像系統所使用的多光譜成像系統如所示。主要由光源單元、圖像采集單元和數據處理單元組成。光源單元包括穩壓電源、溴鎢燈光源（HL2000，USA）、光纖；圖像采集單元包括高性能可見/近紅外CCD相機（UM301，USA）、采集卡（CronosPlus，Canada）、濾光片，通過查閱相關的，共選擇7片窄帶濾光片，中心波長分別為551、560、580、600、625、760、810rnn9，半高帶寬1015nm；數據處理單元的主要功能是接收并保存多光譜圖像數據、提取有效信息、建立預測模型。暗箱用于隔離外界光線和噪聲的干擾。轉動支架旋鈕可調節載物臺的高度。肉樣放置在載物臺上，當光照射在肉樣表面時，肉樣的漫反射光經濾光片，通過CCD相機形成多光譜圖像，經圖像采集卡生成8位圖像數據文件。
2011年7月從超市購置宰后24小時出自同一頭豬的新鮮豬里脊肉，將肉樣分割成約2cm厚的肉塊，選擇其中的21塊作為有效樣品，用保鮮膜包裝好后放入冷藏箱運回圖像上像素的灰度值）表示該樣品圖像采集區域的反射光強。
2.2揮發性鹽基氮的測定參照國標GB/T5009.44-2003，對標準方法進行適當的改進，采用KDY-9820型半自動定氮儀法替代半微量定氮法測定豬肉中的揮發性鹽基氮。測得的21個豬肉樣品的TVB-N參照值如表1所示。
序號2.3多光譜散射圖像特征提取研究中使用MATLAB7.11.0（R2010b）對數據進行處理。
求得圖像上以光束的入射點為圓心，以一個像素尺寸（8.6nmx8.3）為帶寬的圓環（近似）上所有像素灰度值的平均值，圓環半徑從小到大遞增一個像素，以平均值作為對應圓環上像素的灰度值，以減小誤差。以圓環半徑為橫坐標，以圓環像素灰度值為縱坐標，可做出各個波長處圖像的散射曲線。
21個樣品在760mn波段處圖像的散射曲線如所示。
使用非線性回歸方法，用含有四個參數的洛倫茲函數擬合各個波長處得散射曲線。含有四個參數的洛倫茲函數表示如下：其中：R為散射曲線上任意一點的反射光強（灰度值）：z為該點距離光束入射點的散射距離（圓環半徑）；a為散射曲線的漸進值；b為散射曲線的峰值：c為散射曲線的半波帶寬；d為散射曲線拐點處的斜率。
對每個波長處的散射曲線做LD函數擬合，這樣每個波長處的散射圖像就可以用LD函數的4個參數來描述，進一步對參數進行分析可預測生鮮豬肉的TVB-N.a所示圖像的散射曲線的擬合圖如。4揮發性鹽基氮預測模型的建立偏最小二乘回歸（PLSR）方法因其在提取主成分時考慮到與待分析組分的相關性，所建線性模型通常具有較高的預測精度，因此本文采用PLSR方法建立生鮮豬肉TVB-N的預測模型。將樣品分為兩組，樣品序號為3的倍數的7個樣品為預測集，其余14個樣品為校正集。每一個樣品的TVB-N參照值對應于其散射圖像的LD函數的4個參數。校正集14個樣品的TVB-N參照值與392（14x7x4）個參數值做偏最小二乘回歸。模型預測相關系數達到0.87，預測標準誤差為2.50mg/100g，為采用PLSR方法建模的預測效果圖。
2.5貨架期預測模型的建立觀察中參照值的變化，可以發現在本研究中TVB-N隨著時間的變化呈對數增長，處于快速增高變化階段，因此本文采用對數函數擬合TVB-N的變化曲線，在此基礎上建立生鮮豬肉的貨架期預測模型。
率參數；t為時間（d）。對（2）式進行移項、取對數等變形處理可得下式：式（3）是在式（2）的基礎上推導出來的，可以計算生鮮豬肉的貨架期。
TVB-N的變化規律呈對數特性，擬合的相關系數為0.93，標準誤差為1.76mg/100g.擬合的效果圖如所示。擬合得三個參數A=29.1076，B=19.8618，k=0.1824.將這三個參數代入（3）式，可建立生鮮豬肉貨架期（Shelflife，SL，d）的預測模型：TVB-N隨時間變化規律將由揮發性鹽基氮預測模型預測的21個TVB-N值帶入（4）式，可獲得相應肉樣的貨架期數值，為生鮮豬肉貨架期的預測效果圖，可以看出預測的整體趨勢是正確的，但預測精度欠佳。
3.結論生鮮豬肉的貨架期是衡量其商品價值的重要依據之一，因此，能夠的得出一種對生鮮豬肉貨架期快速、無損傷、可靠的檢測方法就顯得十分重要。傳統的化學實驗室分析等方法雖然具有準確度高、可靠等優點，但其分析過程繁瑣、耗時、對試樣具有破壞性，逐漸不能滿足快速發展的生產和經濟要求。光譜圖像技術結合了光譜和圖像分析技術，具有快速、非破壞等特點，其中多光譜成像技術在便攜、小型、批量生產場合更具有優越性。本文在多光譜成像技術的基礎上，針對小樣本非線性問題，探索針對生鮮豬肉貨架期可行有效的檢測方法。研究結果表明利用多光譜成像技術結合相應的數學建模方法預測生鮮豬肉貨架期具有可行性。
在研究的過程中發現了一些問題和不足，有待改進：（1）所選用的樣品偏少，應增加樣本的廣泛性，以建立應適當增加樣品數量；（2）由于在采集多光譜圖像時是手動更換濾光片，并且樣品厚度不均，因此很難保證每次樣品上表面到濾光片的距離相等，所使用的多光譜成像系統有待改進；（3）誤差的傳遞，從揮發性鹽基氮預測模型到貨架期預測模型存在著誤差的傳遞，應盡量減小誤差，提高精度：（4）評定指標單一，可以從影響貨架期的因素出發，選擇一些其他適宜的指標，并根據它們對貨架期的影響程度，為其分配權重。
|
