1 中国农业大学食品科学与营养工程学院, 北京 100083 北京市农林科学院信息技术研究中心, 北京 100097农产品质量安全追溯技术及应用国家工程实验室, 北京 100097
2 北京市食品风味化学重点实验室, 北京工商大学, 北京 100084
3 北京市农林科学院信息技术研究中心, 北京 100097农产品质量安全追溯技术及应用国家工程实验室, 北京 100097
4 中国农业大学食品科学与营养工程学院, 北京 100083
金属有机骨架材料（MOFs）是一类高比表面积、 结构多样性、 可修饰性较强的无机配位多孔骨架材料, 在挥发性有机化合物的吸附、 传感等领域有巨大应用前景。 新鲜度的评价对于肉类工业发展具有重要意义, 肉类在品质劣变时会产生挥发性物质, 是指示其新鲜度变化的灵敏的信息。 据此, 研究制备了一种基于荧光传感的冷鲜猪肉新鲜度指示MOFs复合膜, 并且依据膜对劣变挥发性化合物的响应信息、 对应猪肉样品的新鲜度指标（TVB-N值）建立PLS定量分析模型, 证实其有望成为冷鲜肉品质劣变监测的新技术。 主要结论如下: 以六水硝酸锌∶对苯二甲酸=2∶1的比例, 并向其中添加浓度为2×10-3 mol·L-1的罗丹明B, 制备得到RhB@MOF-5, 并对其进行表征。 根据RhB@MOF-5吸附冷鲜猪肉劣变气味前后的红外光谱变化, 推测其中可能有胺类物质。 之后以MOF∶PVDF(w/w)=4∶5的比例按照混合基质法制得MOFs复合薄膜。 并通过贮藏期实验验证了MOFs复合膜的贮藏稳定性, 证明其能在4 ℃避光环境中维持至少60 d的荧光稳定性。 此外, 利用MOFs 复合膜结合荧光传感技术对冷鲜猪肉整个劣变期间的挥发性化合物进行吸附、 响应, 观察其荧光性质的变化。 同时采用三维荧光技术观察到吸附后MOF-5相关峰和罗丹明B相关峰强度减弱, 分析是由胺类物质引起的罗丹明B电子云改变, 从而产生荧光猝灭。 采集激发波长340 nm处的表面荧光光谱可同时得到两个发射波长分别为435nm和550nm的特征峰与TVB-N值的响应信息, 使用偏最小二乘算法（PLS）建立新鲜度指标（TVB-N）预测模型, 建模结果R2c为0.908, R2p为0.821, RMSEC和RMSEP分别为3.435和3.647 mg·(100 g)-1, 具有良好的预测精度。 表明功能化MOFs复合膜可用于冷鲜猪肉的新鲜度预测。
冷鲜猪肉 金属有机骨架材料 挥发性化合物 荧光光谱 新鲜度检测 Chilled pork Metal-organic Framework materials Volatile compounds Fluorescence spectrum Freshness detection 光谱学与光谱分析
2023, 43(7): 2105
左旋咪唑是一种广谱抗虫药, 被广泛应用于抗猪、 牛等牲畜体内的线虫。 同时左旋咪唑具有特殊的免疫调节作用, 在动物养殖中常用于抗菌消炎、 抗病毒、 促生长等方面。 当其被不合理使用时容易在禽畜肉中产生残留, 目前常见的左旋咪唑检测方法为液相色谱法与气相色谱法, 该类方法具有操作复杂、 耗时长、 成本高等缺点。 表面增强拉曼光谱法具有分析速度快、 检测灵敏度高和特异性好等优点, 近年来被广泛应用于农残、 兽残等物质的快速检测。 为实现猪肉中左旋咪唑残留的快速检测, 建立了一种猪肉中左旋咪唑残留的表面增强拉曼光谱快速检测方法。 通过单因素实验, 确定了金胶与样品溶液最佳体积比和最适积分时间分别为2∶1与20 s。 通过比较不同萃取方法与萃取溶剂对猪肉中左旋咪唑盐酸盐残留量的提取效果, 确定了正己烷液液萃取后离心、 取上清液氮吹复溶的操作简单、 耗时短的提取条件。 通过密度泛函理论中B3LYP/6-311+G(d)基组对左旋咪唑盐酸盐理论光谱进行计算, 在优化分子结构后进行频率与拉曼光谱计算, 所得理论计算光谱与固体光谱、 溶液光谱出峰情况具有较好的一致性。 根据理论计算光谱、 固体光谱与溶液光谱确定左旋咪唑盐酸盐的SERS特征峰并进行振动归属, 得到469, 627和969 cm-1处特征峰作为左旋咪唑盐酸盐的定量特征峰, 其中469 cm-1为C—S键伸缩振动, 627 cm-1为苯环C—C弯曲变形振动, 969 cm-1为咪唑环面内弯曲和侧链骨架振动。 在最佳实验条件下, 建立了左旋咪唑盐酸盐标准溶液特征峰SERS信号与浓度的标准曲线, 线性方程R2值均在0.9以上。 对不同加标浓度的实际样品进行检测, 得到平均回收率为80.39%~95.94%, RSD值为3.08%~6.20%。 该法操作简便、 稳定性好, 无需对样品进行复杂的预处理即可实现对猪肉中左旋咪唑残留的快速准确测定。
左旋咪唑 猪肉 表面增强拉曼光谱 快速检测 Levamisole Pork SERS Rapid detection 光谱学与光谱分析
2021, 41(12): 3759
1 长春理工大学理学院, 吉林 长春 130022
2 长春工业大学机电工程学院, 吉林 长春 130012
3 包头师范学院物理科学与技术学院, 内蒙古 包头 014030
近年来, 激光诱导击穿光谱(LIBS)与算法相结合分类、 识别生物组织逐渐兴起。 由于猪肉各部位组织光谱特性相似, 仅通过分析光谱信息很难达到准确识别的效果, 采用来自于同一个体、 四个不同部位的猪肉进行研究, 并将其进行切片、 压平, 应用LIBS技术对4种部位的组织(里脊, 梅花, 前腿, 五花)进行了样品光谱的采集, 每种样品采集100幅光谱进行分析, 选取Ca, Na, K等6条谱线进行了初步光谱分析, 观测谱线发现除脂肪含量较多的五花组织C—N以及C含量较其他组织高以外, 其他组织很难区分, 进一步对这6个成分进行主成分分析(PCA), 得到PC1, PC2, PC3累计贡献率达到95%, 通过特征分数作为支持向量机(SVM)模型输入源, 建立SVM分类模型, 得到几种部位样品的混淆矩阵图, 通过观察混淆矩阵可以清楚分辨出每个种类样品的分类整准确率, 发现四种样品准确率分别为96%, 98%, 97%, 100%, 平均准确率达到了97%以上。 研究证明LIBS结合PCA-SVM可作为一种快速鉴别猪肉不同组织部位的检测方法。
激光诱导击穿光谱 主成分分析 支持向量机 猪肉组织 Laser-induced breakdown spectroscopy Principal component analysis Support Vector Machines Pork tissue 光谱学与光谱分析
2021, 41(11): 3572
合肥工业大学食品与生物工程学院, 安徽 合肥 230009
冻融猪肉作为肉制品加工原料, 被广泛应用于无骨肉制品加工。 该原料中的危害级碎骨(1~2.5 cm)对后期加工及食用安全均有较大风险。 因此, 开展多光谱成像技术(405~970 nm)快速无损识别冻融猪肉中碎骨的可行性研究十分必要。 将195块肉片制备成65个无骨肉样、 65个碎骨表面嵌入式肉样和65个碎骨内部嵌入式肉样, 经冻融处理后采集其多光谱图像; 再利用经典判别分析(CDA)进行图像分割, 获得两类感兴趣区域(ROIs-1和ROIs-2), 并提取相应光谱和图像信息; 最后运用支持向量机(SVM)和神经网络(NN)建立冻融猪肉危害级碎骨识别模型。 结果显示: ROIs-2全光谱比ROIs-1全光谱有更好的识别能力, SVM和NN模型的精度均为100%, 表明区域分割与模型精度密切相关。 基于连续投影算法(SPA)筛选出六个关键波长(505, 590, 700, 850, 890和970 nm), 所提取的ROIs-2特征光谱可实现样品碎骨高精度识别, 准确率为100%, 进一步提升了识别效率。 利用图像信息既能建立优越的SVM和NN碎骨识别模型, 准确率分别为93.8%和93.33%, 又能实现结果可视化, 体现出优良的技术优势, 但精度低于光谱识别模型。 综上所述, 多光谱成像技术可实现冻融猪肉危害级碎骨的高精度识别, 为工业在线检测提供理论基础。
碎骨 冻融猪肉 多光谱成像 计量学 Bone fragment Frozen-thawed pork Multispectral imaging Chemometric 光谱学与光谱分析
2021, 41(9): 2892
长春工业大学电气与电子工程学院, 吉林 长春 130012
猪肉内部结构成分复杂, 各部位的成分相似, 分辨较为困难。 结合激光诱导击穿光谱技术, 通过光谱分析的方式提高分类精度。 以5种不同部位的长白山黑猪肉(里脊肉、 梅花肉、 后腿肉、 前腿肉、 五花肉)作为待测样品, 通过冷藏、 切片等预处理方法, 探究激光诱导击穿光谱技术鉴别猪肉脂肪与肌肉及其不同部位的可行性。 首先通过采集猪肉脂肪样品与肌肉样品的LIBS谱线信息发现, 猪肉中Mg, K, Fe, Cu, Ca和Na等元素较为丰富, 并在脂肪样品光谱中发现C—N键, 与肌肉样品LIBS谱线信息相比, 脂肪样品受其内部水分、 有机质成分影响致使其谱线信息背景和噪声信号干扰较大, 二者谱线信息存在一定差异, 说明LIBS可对脂肪组织与肌肉组织进行鉴别。 通过对目标元素Ca, Na, Mg, K和Al其LIBS特征谱线强度进行检测, 计算Mg/Ca, Al/Ca, Na/Ca和K/Ca比值, 发现与Al/Ca和Mg/Ca相比, Na/Ca和K/Ca各部位元素比值分布差异明显, 在此基础上, 根据Na/Ca和K/Ca比值, 计算猪肉各部位元素分布决策阈值[(1-α)=90%]。 发现与Al/Ca和Mg/Ca比值相比, Na/Ca和K/Ca更能明显的反应出各部位元素分布的不同。 其比值分布阈值基本可对猪肉各部位进行区分。 以前腿肉与后腿肉为例, 前腿肉Na/Ca和K/Ca比值分别分布在1.29~1.58和0.31~0.42, 后腿肉Na/Ca和K/Ca比值分别分布在0.98~1.18和0.15~0.23。 其元素比值分布无明显重叠。 最后, 为提高LIBS技术对猪肉不同组织分类的可靠性, 将光谱元素强度比值数据与主成分分析法相结合, 基本可以实现对猪肉各部位的分类, 说明元素特征谱线强度比值在对猪肉各部位分类时具有一定的预测精度。 该工作证明, 使用激光诱导击穿光谱技术对猪肉进行分类识别等定性分析时具有一定可行性, 有望适用于其他生物组织检测分析。
激光诱导击穿光谱 猪肉分类 元素强度比 主成分分析 Laser induced breakdown spectroscopy (LIBS) Classification of pork parts Element intensity ratio Principal component analysis
中国农业大学工学院, 国家农产品加工技术装备研发分中心, 北京 100083
嫩度是猪肉食用品质最重要的指标之一。 猪肉嫩度取决于猪肉组织复杂的物理、 化学特性, 目前难以实现快速无损伤检测。 探索空间分辨光谱技术用于生鲜肉嫩度无损检测的可行性。 首先利用点光源高光谱扫描系统采集54块猪肉背最长肌的空间可分辨散射光谱, 经过感兴趣区域选择, 提取出猪肉样本表面光斑的空间扩散轮廓, 结合4-参数洛伦兹分布函数对扩散轮廓进行非线性拟合, 拟合优度R2>0.992, 并通过残差分析, 表明4-参数洛伦兹分布函数符合肉样表面光强的空间散射规律, 进而提取出480～950 nm波长下空间分辨光谱的四个形态学参数: 渐进值a、 峰值b、 半带宽c以及半带宽处的斜率d。 然后将单参数谱分别与猪肉样本Warner-Bratzler剪切力(WBSF)测量值进行偏最小二乘回归(PLSR)分析。 结果表明不同参数谱都含有猪肉嫩度信息, 其中峰值参数谱b建模效果最佳, 其回归模型的校正集决定系数R2c为0.674, 均方根误差SEC为8.396N, 预测集决定系数R2p为0.610, 均方根误差SEP为8.643N。 为提高模型的预测精度和稳定性, 实现多参数谱信息的融合, 先通过PLSR分析, 分别提取出每个参数谱中对猪肉嫩度方差贡献大的公共因子, 然后将其因子得分组合在一起作为参数谱的特征变量, 与猪肉样本WBSF测量值作多元统计回归分析。 为避免数据冗余, 对不同参数谱特征变量进行多重共线性判别, 进一步采用PLSR算法对参数谱特征变量进行降维和变换, 采用交叉验证方法, 选择前两维因子得分进行校正模型的建立。 其中所提取第一维公共因子对猪肉WBSF值方差解释率达92.28%。 与单参数谱所建PLSR模型相比, 多参数谱信息融合模型预测效果有了较大提高, 其R2c和R2p分别为0.923和0.800, SEC和SEP分别为4.083N和5.655N。 通过对回归系数进行统计量t检验, 结果表明所有回归系数极显著(p<0.01)。 本研究通过采取多参数信息融合方法为空间分辨光谱在生鲜肉嫩度无损检测应用提供一种思路, 该方法有效将空间分辨光谱解析为4个形态学参数, 并实现不同参数谱信息的提取和融合, 为开发基于空间分辨光谱的生鲜肉嫩度无损快速检测装备提供技术支撑。
4-参数洛伦兹分布函数 猪肉嫩度 空间分辨光谱技术 多参数信息融合 4-parameter Lorentzian distribution function Pork tenderness Spatially resolved hyperspectral imaging The multi-parameter information fusion 光谱学与光谱分析
2019, 39(11): 3365
1 长春理工大学 电子信息工程学院 国家纳米操纵与制造国际联合研究中心, 吉林 长春 130022
2 中国科学院重庆绿色智能技术研究院 重庆市高分辨三维动态成像检测工程技术研究中心, 重庆 400714
3 中国科学院大学, 北京 100049
4 吉林大学 仪器科学与电气工程学院, 吉林 长春 130061
5 重庆大学 教育部生物流变科学与技术重点实验室, 重庆 400044
利用搭建的基于光电导微探针的近场太赫兹(Terahertz, THz)系统对新鲜猪肉组织切片进行了成像检测研究, 结果发现近场THz成像可以很好地区分猪肉组织中的脂肪组织区域和肌肉组织区域, 其成像效果明显优于传统远场THz时域光谱成像系统。研究表明了基于光电导微探针的近场THz成像技术在生物样品检测方面的可行性, 展示出该技术在生物医学检测领域具有很好的应用前景。
太赫兹 近场成像 猪肉组织 光电导微探针 terahertz wave near-field imaging porcine tissue photoconductive microprobe
1 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058
2 农业部农产品产地处理装备重点实验室, 浙江 杭州 310058
3 Graduate School of Agriculture, Kyoto University, Kyoto 6068502, Japan
利用三维荧光光谱技术, 研究了冷鲜猪肉三维荧光光谱特征, 主要探讨了不同温度存储条件下冷鲜猪肉荧光峰的位置和荧光峰所处区域内荧光强度平均值随存储时间变化的规律, 并初步判断了荧光物质的种类, 为实现基于三维荧光光谱技术快速、 无损检测冷鲜猪肉新鲜度奠定了理论基础。 实验结果表明, 不同温度存储条件下样本的三维荧光光谱图中均含有2个明显的荧光峰(Peak A和Peak B), 它们所在位置的激发波长(λex)/发射波长(λem)范围分别为: λex/λem约为250～310 nm/300～400 nm和约为300～450 nm/400～550 nm。 其中, Peak A为类蛋白荧光, Peak B为脂质氧化产物荧光。 此外, 实验还发现, 两个荧光峰在各自所处区域内荧光强度的平均值随存储时间变化的趋势不受存储温度影响, 均是Peak A在λex/λem=250～310 nm/300～400 nm区域内荧光强度的平均值(IA)逐渐下降, Peak B在λex/λem=300～450 nm/400～550 nm区域内荧光强度的平均值(IB)逐渐上升。 但IA和IB的变化速率受存储温度影响, 冷藏条件下比室温条件下变化慢。
三维荧光光谱 冷鲜猪肉 荧光特性 Three-dimensional fluorescence spectroscopy Chilled pork Fluorescence characteristic 光谱学与光谱分析
2018, 38(11): 3434
中国矿业大学信息与控制工程学院, 江苏 徐州 221116
为研究一种快速有效的猪肉质量检测方法，解决传统检验方法耗时、成本高等问题，从市场上收集了109组猪肉样品，通过理化方法将其区分为健康猪肉和病死猪肉。使用FT-NIR光谱仪采集了样品的光谱，并对光谱进行去噪和降维处理。结果显示，光谱数据经过标准正态变换，结合多元散射校正处理和傅里叶变换降维后，建立了基于支持向量机的分类模型，5-折交叉验证准确率达到94.5%。结果表明，利用该方法可以很好地进行不同品质猪肉样品的分类，为用近红外光谱技术检测猪肉质量提供了依据和基础。
猪肉质量检测 近红外光谱分析 支持向量机 pork quality inspection near-infrared spectrum amalysis support vector machine
1 中国科学院遥感与数字地球研究所, 北京 100101
2 福州大学空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350000
3 湖南师范大学资源与环境科学学院, 湖南 长沙 410081
4 中国科学院大学, 北京 100049
猪肉是我国居民最主要的消费畜肉产品, 其在储藏、 运输、 加工等环节易受酶、 微生物等作用腐败变质, 导致新鲜度下降。 冷鲜猪肉的新鲜度关系着消费者的食肉口感与安全, 是消费者购买猪肉最为关心的指标之一。 及时、 快速、 准确检测冷鲜猪肉的新鲜程度是确保消费者“舌尖上的安全”的重要举措。 相比于传统的理化检验方法, 可见-近红外光谱分析技术具有快速、 高效、 无损、 非接触等独特优势, 适合于食品安全的快速检测, 光谱快检技术已成为冷鲜猪肉品质无损检测的研究热点。 然而目前研究大都基于统计方法进行光谱建模, 模型缺乏物理意义, 适用性差, 阻碍了该技术的应用推广。 通过分析不同新鲜程度猪肉的可见-近红外光谱特征, 利用反映猪肉新鲜度的肌红蛋白在760 nm处稳定的吸收特性, 构建了猪肉新鲜度光谱特征指数(FI); 通过模拟不同光谱分辨率与信噪比水平, 进一步探索了FI指数对光谱检测设备性能的敏感性。 研究表明, FI指数构建简单, 物理意义明确, 能够较好指示猪肉的新鲜程度; 且该指数对光谱仪的性能要求并不严苛: 只要在760 nm及附近波段, 光谱分辨率优于10 nm, 信噪比不低于45, 即可较好反映猪肉新鲜水平。 研究结果可为低成本、 手持式简易的猪肉新鲜度光谱检测设备的设计与研发提供科学依据, 有望在食品安全快速检测领域得到推广应用。
光谱分析技术 光谱特征指数 无损检测 猪肉新鲜度 肌红蛋白 Spectral analysis technology Spectral feature index Non-destructive detection Pork freshness Myoglobin
