肉類主要包括畜禽類和水產(chǎn)品類，人體所需的蛋白質(zhì)、脂肪酸、微量元素等重要能量物質(zhì)都來源于肉類。隨著生活水平不斷地提高，人們在飲食方面更加注重食品的品質(zhì)和營養(yǎng)均衡搭配，但一些不法商家將一些低品質(zhì)的肉類混入高品質(zhì)肉類中，以次充好，特別是2013年歐洲的“馬肉風(fēng)波”，引發(fā)了人們對肉類摻假問題的極度關(guān)注。肉類摻假檢測方法包括感官評測、熒光PCR檢測技術(shù)、電泳分析法和酶聯(lián)**分析技術(shù)等，但大都需要樣品前處理，試驗(yàn)操作較為繁瑣且費(fèi)時費(fèi)力，很難實(shí)現(xiàn)較大樣品量的現(xiàn)場快速實(shí)時檢測。
江蘇雙利合譜公司利用GaiaField-Pro-V10E型和GaiaField-Pro-N17E型高光譜相機(jī)，搭配GaiaSoter分選儀，對羊肉中摻假鴨肉進(jìn)行快速定量檢測，以期為羊肉摻假的定量檢測提供數(shù)據(jù)和技術(shù)支撐。
圖1為獲取羊肉中摻雜不同比例的鴨肉高光譜數(shù)據(jù)的簡易流程（摻假比例為0%~100%，間隔為10%），包括感興趣區(qū)域的選取及光譜的提取工作。在整個光譜范圍（400～1000nm和900～1700nm）內(nèi)并不存在隨著羊肉摻假比例地升高，光譜的反射率曲線有明顯的升高或下降的規(guī)律，因此需要通過化學(xué)計(jì)量學(xué)方法提取光譜中的有效信息，剔除無用的干擾信息后建立模型。
圖1
首先對全光譜進(jìn)行預(yù)處理后建模，如表1，表2所示，對于400～1000nm波段范圍的光譜，采用歸一化預(yù)處理后建模效果*好，對于900～1700nm波段范圍的光譜，采用SNV預(yù)處理后的光譜建模*好。
表1 400～1000nm采用不同預(yù)處理方法的全波段PLS模型性能
|
模型
|
主因子數(shù)
|
校正集
|
預(yù)測集
|
|
|
R2cv
|
SECV
|
R2p
|
RMSEP
|
RPD
|
|
NONE
|
7
|
0.9059
|
0.0994
|
0.9078
|
0.0903
|
3.2933
|
|
WT
|
10
|
0.8605
|
0.1147
|
0.8886
|
0.1117
|
2.9661
|
|
MSC
|
13
|
0.9169
|
0.0955
|
0.8184
|
0.1247
|
2.3466
|
|
SNV
|
9
|
0.8980
|
0.1058
|
0.8761
|
0.1052
|
2.8410
|
|
歸一化
|
6
|
0.9071
|
0.0988
|
0.9153
|
0.0853
|
3.4360
|
|
SG
|
7
|
0.9060
|
0.0993
|
0.9074
|
0.0905
|
3.2832
|
表2 900～1700nm采用不同預(yù)處理方法的全波段PLS模型性能
|
模型
|
主因子數(shù)
|
校正集
|
預(yù)測集
|
|
|
R2cv
|
SECV
|
R2p
|
RMSEP
|
RPD
|
|
NONE
|
6
|
0.7856
|
0.1455
|
0.8618
|
0.1169
|
2.6900
|
|
WT
|
13
|
0.8712
|
0.1042
|
0.8970
|
0.1081
|
3.1159
|
|
MSC
|
5
|
0.9038
|
0.0979
|
0.9269
|
0.0944
|
3.6986
|
|
SNV
|
5
|
0.9055
|
0.0970
|
0.9311
|
0.0967
|
3.8087
|
|
歸一化
|
7
|
0.8974
|
0.0995
|
0.8842
|
0.1479
|
2.9386
|
|
SG
|
12
|
0.8022
|
0.1397
|
0.9106
|
0.0941
|
3.3445
|
隨后在選擇*佳預(yù)處理方法的基礎(chǔ)上，對光譜進(jìn)行特征選擇，并與全光譜進(jìn)行模型性能對比，*終選擇在900-1700nm波段范圍內(nèi)，采用SNV-SPA方法的建模效果*好，其建模效果：R2cv為0.9191，SECV為0.0997，R2p為0.9684，RMSEP為0.0582，RPD為5.6254。表3、表4為不同特征波長挑選方法的建模效果對比,圖2為挑選波長的位置分布及建模效果。
表3 400～1000nm采用歸一化后的PLSR建模效果
|
模型
|
特征波長數(shù)
|
主因子數(shù)
|
校正集
|
預(yù)測集
|
|
R2cv
|
SECV
|
R2p
|
RMSEP
|
RPD
|
|
CARS
|
10
|
9
|
0.8998
|
0.0964
|
0.8708
|
0.1024
|
2.7821
|
|
iRF
|
29
|
6
|
0.9098
|
0.0983
|
0.9292
|
0.0760
|
3.7582
|
|
SiPLS
|
47
|
7
|
0.9088
|
0.0982
|
0.8960
|
0.0919
|
3.1009
|
|
SPA
|
14
|
10
|
0.9103
|
0.0987
|
0.9479
|
0.0704
|
4.3811
|
表4 900～1700nm采用SNV預(yù)處理方法后的PLSR建模效果
|
模型
|
特征波長數(shù)
|
主因子數(shù)
|
校正集
|
預(yù)測集
|
|
R2cv
|
SECV
|
R2p
|
RMSEP
|
RPD
|
|
CARS
|
14
|
13
|
0.9167
|
0.0996
|
0.9575
|
0.0184
|
4.8507
|
|
iRF
|
70
|
7
|
0.9062
|
0.0967
|
0.9434
|
0.0197
|
4.2033
|
|
SiPLS
|
205
|
6
|
0.9092
|
0.0951
|
0.9554
|
0.0600
|
4.7351
|
|
SPA
|
13
|
7
|
0.9191
|
0.0997
|
0.9684
|
0.0582
|
5.6254
|
*后對*佳模型進(jìn)行可視化反演，從圖3可以看出，隨著摻假比例的增加，顏色由深色變成淺色。高光譜成像技術(shù)提供了一種切實(shí)可靠的方法來可視化摻假樣品的分布，這是其他方法無法實(shí)現(xiàn)的。
圖3羊肉摻假鴨肉摻假可視化圖像
參考文獻(xiàn)：趙靜遠(yuǎn), 張俊芹, 孫梅,等. 基于高光譜成像的羊肉摻假可視化無損定量檢測[J]. 食品與機(jī)械, 2022, 38(10):8.
