包装生鲜牛肉pH值的高光谱无损检测方法

引言

生鲜牛肉经过排酸后能有效提高牛肉品质，使肉质鲜美细嫩，具有良好的市场前景。生鲜牛肉的pH是判别其新鲜度的参考指标之一。宰后牛肉肌糖原酵解产生乳酸和ATP分解释放磷酸，使牛肉 pH下降，排酸24h牛肉的pH为5.6~6.0。pH指标的变化极大的影响肉类的颜色、风味、蛋白质特性等，同时它也是反应微生物活性、脂质和生物胺氧化程度的重要参数。鲜肉储存中受到自身新陈 代谢和微生物活动的影响，蛋白质分解，产生碱性物质，最终使 pH值上升,出现变质和腐败现象，进而影响食品安全，导致消费者无法接受。测定肉类pH值的传统方法主要是基于pH计和表面电极法，但是这些方法是侵入性的、耗时且繁琐，难以满足现代肉类品质检测的需要。高光谱成像技术是一种快速、准确和无损的光学方法，具有光谱分辨率高、波段多和数据量多等特点，在食品质量与安全检测上受到了广泛关注。然而，高光谱用于肉类等食品检测研究大多关注于无包装膜情况下的直接检测，很少考虑包装后的检测及包装的影响。食品在运输、仓储和销售环节中，对包装食品的检测可有效减少外界环境对食品品质的影响，进一步保障食品安全。在这个过程中，需要的是通过包装膜对食品进行无损检测，而不是去除包装膜直接对产品进行检测。本研究采用两种包装膜包装下的牛肉样本的高光谱图像和测量pH指标含量。通过提取感兴趣区域、光谱预处理和特征波段筛选分别建立PLSR和LSSVM模型，对包装牛肉的pH值含量进行预测，建立最优模型，为包装生鲜牛肉品质的无损检测提供理论支持。

材料与方法

2.1 实验材料

从无锡当地大型超市购买已经排酸处理后的新鲜牛肉后臀部位作为实验对象，将购买的牛肉放置在0~4℃培养箱中并在2h内转移到实验室，用无菌刀将牛肉切成尺寸为5cm×4cm×2cm(长×宽 ×厚)、质量约为20g的肉样。然后将所有样品用单独的自密封塑料袋包装并储存在4℃的冰箱中。实验用聚合物薄膜采用食品接触用 PP(厚度 0.08 mm)和 PE(厚度 0.04 mm)。

2.2 实验方法

2.2.1 光谱采集

实验过程中，先将样品去除密封袋，放置在黑色托盘中，再放于电动位移平台上采集无包装膜的高光谱图像(记作NP)；再将PP和 PE膜分别放置在托盘上并与牛肉样本之间存在约2cm 的间隙，保 持薄膜表面平整，然后分别收集有包装膜的高光谱图像(分别标记为G-PP，G-PE)。前6d 每天采集5块样本，由于发现样本变化较慢，10~25d调整为每天采集4块样本，以获得不同程度的腐败样本。

2.2.2 pH含量测定

将采集高光谱图像后的样本立即采用GB5009.237—2016中pH 测定方法测定样本中的pH值，并作为定量分析的参考值，每个样本均作6次测定，取平均值作为该样品的pH值。

2.2.3 光谱预处理及波段提取

为了消除高光谱反射率中的噪声、基线等干扰，提取有用信息，需要对原始光谱进行光谱预处理。常用的光谱预处理方法有中心化处理、归一化、Savitzky-Golay 平滑(S-G 平滑)、多元散射校正和标准正态变换等。全光谱含有的448个波段有较多的冗余信息，这些无关的信息不仅减低了运算速度，也让模型变的复杂。有效的光谱预处理方法能够删除无关信息，提高运算效率。本研究采用竞争性自适应加权算法、连续投影变换算法和变量组合集群分析算法共3种方法提取特征重要波长。

2.2.4 模型建立与评价

本研究采用PLSR和LSSVM两种模型方法建立包装牛肉pH值的预测模型。LSSVM是一种可以解决非线性和局部最小值问题的非线性建模方法。在本研究中，径向基函数作为训练核函数，退火算法用于全局优化两个模型参数(γ和σ2)。PLSR是结合了主成分分析、多元线性回归和典型性相关分析的特征，解决多重共线问题的一种线性建模方法。模型评价标准采用校正集和预测集误差平方根、校正集和预测集的决定系数(RC2、RP2)。较小的RMSEC和RMSEP分别表示模型建模和预测效果好，较小的RC2、RP2分别表示预测值与实际值相关性好。

3、结果与分析

3.1 pH含量结果的统计

使用Kennard-Stone(K-S)算法将总共98个样品分为校正集(73个样品)和预测集(25个样品)，比率约为 3:1。校正集用于构建和校准模型，预测集用于评估模型。牛肉储存期间pH值的变化统计结果如表1所示，且校正集中样本的pH含量范围包含预测集中样本的pH含量，这确保了它们之间的独立性并有助于提高模型精度。

表1 牛肉pH值统计

3.2 样品的光谱提取

为减少高光谱图像中的冗余信息，需进行感兴趣区域提取。图1为感兴趣区域光谱提取方法，高效准确地提取薄膜下肌肉部分光谱数据，避免了手动操作。采用波段运算减法(689~582 nm)并二值化处理得到掩膜图像，掩膜图像与原始光谱图像相乘得到只含有肌肉、脂肪的高光谱图像。为去除脂肪，采用PCA获取高光谱图像前2个主成分图像PC1和PC2。由于前2个主成分中肌肉部分与脂肪部位的灰度值差异大，可通过图像运算后再经过二值化和掩膜处理，最终提取纯肌肉部分作为感兴趣区域。将样本 RIOs 的反射率求平均，即获得代表该样本的光谱反射率。

图 1 薄膜存在下感兴趣区域光谱提取方法

3.3 包装牛肉光谱分析

牛肉在400~1000nm范围的98个样本的原始光谱反射率曲线如图2所示，显示了牛肉一些特征吸收峰。400~1000nm波长范围对蛋白质、脂肪和水分中的官能团的拉伸振动和泛音敏感。420nm 和560nm 处有血红蛋白和肌红蛋白等色素的吸收峰。610nm 为氨基酸的3级倍频吸收峰。739nm 是甲基的第三个泛音区域，而760nm 主要是由于O-H拉伸第三泛音或肌红蛋白氧化产生的吸收带引起的。810nm 是蛋白质中 C-H键的振动吸收峰。波长960nm 附近的吸收峰与肉中的水分含量有关。图2可知，随着储存时间的不同，光谱反射率存在差异性变化，有助于牛肉pH预测模型的建立。图3为无薄膜和有薄膜存在下的牛肉样本平均光谱曲线，薄膜的存在显著改变了光谱反射率值。有薄膜存在下的光路会受到薄膜散射、消耗损失和反射的作用，影响了传感接收到的光谱数据。由图3可知，PP 膜对牛肉光谱的影响主要为光谱通过薄膜的消耗损失，使整体反射率低于原始牛肉光谱反射率；而PE膜表示出较大的散射影响，导致400~600nm 的反射率高于牛肉原始反射率。

图 2 牛肉原始光谱反射率曲线

图 3 不同薄膜下的牛肉样本平均光谱曲线

3.4 模型建立与分析

3.4.1 包装牛肉最优光谱预处理

分别采用不同的方法对原始光谱数据进行预处理，基于预处理后的数据与原始光谱数据建立PLSR模型，建立模型的结果如表2所示。由表2可知，与无包装牛肉的预测结果相比，薄膜的存在降低了预测集的预测效果。通过对比5种光谱预处理方法，对于无包装膜和PP薄膜存在下牛肉pH值PLSR模型的最优光谱预处理方法为 Normalization，PE薄膜的最优光谱预处理方法为SNV 处理。乔芦等在400~1000nm全光谱建立牛肉的pH含量PLSR模型，发现归一化预处理的模型稳定性比其他预处理方法好。外界噪声、暗电流的干扰以及薄膜的散射和干涉等影响，使光谱出现基线漂移、分离误差，Normalization 预处理可以有效减少了噪声干扰并使光谱曲线变的光滑，而 SNV 处理可校正样品之间因散射干涉等引起的误差。光谱预处理可以潜在地减少因薄膜存在下的散射现象，SNV是PE薄膜下牛肉pH值的最优光谱预处理方法，可能与PE薄膜有更多的干涉和散射有关。因此，使用预处理方法可以提升包装牛肉pH值预测模型的精度。

3.4.2 特征波长筛选与建模分析

将无包装牛肉和有包装膜的牛肉分别经其最优光谱预处理方法处理后，在CARS、SPA 和 VCPA共 3 种算法提取特征波长基础上建立PLSR和LSSVM模型，结果如表3所示。对比PLSR和LSSVM 两种建模方法，总体上LSSVM的预测效果要比PLSR模型的预测效果好，这可能与 pH 指标与高光谱数据之间关系的复杂非线性有关，通过特征波长提取方法能够有效降低波长数，去除无用信息，3种波长提取算法中，其中CARS方法建立的2种模型均提高了模型预测的精度。通过建模分析结果可知，SPA-LSSVM是无包装牛肉pH值的最优预测模型，2为0.964 0，RMSEP为 0.095 9；CARS-PLSR是PP包装牛肉pH值的最优预测模型，2为0.955 3，RMSEP为0.106 7；VCPA-LSSVM是PE包装牛肉 pH值的最优预测模型，2为 0.956 9，RMSEP为 0.104 9。因此，通过特征波长筛选后建立的预测模型有效提升了包装牛肉 pH含量预测精度。包装牛肉pH值在最优预测模型下的预测效果如图4所示，图4-a为PP薄膜包装下的牛肉pH值最优预测模型建模效果图，图4-b为PE膜下牛肉pH值最优预测模型建模效果图，实际值与预测值之间无明显差异，说明模型预测结果很好。

表2 光谱预处理方法的选择

表3 不同特征波长筛选的包装牛肉pH值预测模型

图 4 包装牛肉 pH 值模型预测效果

4、结论

本文利用高光谱技术采集并提取了PP薄膜和PE薄膜下生鲜牛肉的高光谱信息，选择最优预处理方法结合特征波长筛选方法，建立 PLSR和LSSVM预测模型快速定量预测牛肉pH值。结果表明，选择Normalization预处理结合CARS-PLSR方法筛选并建立的模型对PP包装牛肉pH值预测效果最佳，预测集决定系数2为 0.955 3，RMSEP为 0.106 7；选择SNV预处理结合VCPA-LSSVM方法筛选并建立的模型对PE包装牛肉pH值预测效果最佳，2为0.956 9，RMSEP为0.104 9。研究表明，高光谱技术用于包装生鲜牛肉pH值的快速检测是可行的，为包装肉品的无损检测提供参考依据。

欢迎关注公众号：莱森光学，了解更多光谱知识。

莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。

审核编辑黄宇