多維度快速分析比薩羅豬肉的品質(zhì)
食品原材料通常都有一個(gè)或幾個(gè)影響其價(jià)格的關(guān)鍵營(yíng)養(yǎng)成分含量，但除此之外，有時(shí)還有一些理化指標(biāo)則會(huì)間接地影響材料的品質(zhì)等級(jí)，進(jìn)而直接決定最終產(chǎn)品口感與風(fēng)味。以肉類為例，主要有以下幾方面影響著其質(zhì)量的優(yōu)劣：商業(yè)價(jià)值、肉的感官、營(yíng)養(yǎng)與技術(shù)（加工和存儲(chǔ)的適應(yīng)性）特性。由此可以看出，營(yíng)養(yǎng)特性只是決定其品質(zhì)的冰山一角。
對(duì)于企業(yè)而言，質(zhì)量控制不僅涉及最終產(chǎn)品的質(zhì)量檢測(cè)，而是從原料到生產(chǎn)過程關(guān)鍵環(huán)節(jié)的全流程監(jiān)控，這樣才能夠有效率地生產(chǎn)出滿足法規(guī)監(jiān)管需求的產(chǎn)品，從而保障食品安全。相較于費(fèi)時(shí)廢力的傳統(tǒng)檢測(cè)方法，高效快速的近紅外光譜技術(shù)在生產(chǎn)的過程控制中往往起著關(guān)鍵作用。
在肉制品加工行業(yè)，不同來源地甚至不同飼養(yǎng)品種的肉可能其蛋白、脂肪含量接近，但實(shí)際采購(gòu)價(jià)格卻相距懸殊。而近紅外技術(shù)在快速分析肉類的各種指標(biāo)上可謂是大放異彩。尤其在市場(chǎng)巨大的豬肉加工中，近紅外被廣泛應(yīng)用于測(cè)定不同部位豬肉中水分、蛋白質(zhì)與脂肪的含量，也有用來分析肉的色澤、酸堿度等參數(shù)。此次分享的一項(xiàng)研究就是用近紅外光譜技術(shù)從多個(gè)角度分析比薩羅豬肉的品質(zhì)。
當(dāng)今人們愈加關(guān)注影響肉類品質(zhì)的非構(gòu)成方面的因素，如動(dòng)物物種和品種等固有特征、地理來源、飲食來源、飼養(yǎng)方法及屠宰方式等。因此，肉制品生產(chǎn)商對(duì)于具有的來源地的優(yōu)質(zhì)肉類的興趣就日益劇增。比薩羅豬肉與相關(guān)肉制品是被認(rèn)證的優(yōu)質(zhì)產(chǎn)品，它是葡萄牙北部的一種土生品種。所以，能夠快速地量化這一優(yōu)質(zhì)肉源的品質(zhì)具有很強(qiáng)的現(xiàn)實(shí)意義。
研究數(shù)據(jù)
在該研究中，共選取了 40 頭飼養(yǎng)了 90 天以上且平均體重在 100 公斤的比薩羅豬，屠宰后儲(chǔ)存在 4 ℃ 的冷庫(kù)中 24 小時(shí)并計(jì)重。隨后將其運(yùn)送至布拉干薩理工大學(xué)農(nóng)學(xué)院的肉制品實(shí)驗(yàn)室進(jìn)行數(shù)據(jù)分析。
測(cè)量前使用步琦 B-400 均質(zhì)儀進(jìn)行 5 至 10 秒的粉碎，取 100g 左右的樣品進(jìn)行檢測(cè)，測(cè)量指標(biāo)包括水活性（aW）、水分（Moisture）、灰分（Ash）、膠原蛋白（Collagen）、完整腰部持水力（WHC）、色素（Pigments）、熟肉剪切力（CT）、生肉剪切力（RT）、脂肪（Fat）和蛋白質(zhì)（Protein）。
其數(shù)據(jù)分布如下表所示：
同時(shí)上述所有樣品使用了步琦 N-500 傅里葉變換近紅外光譜儀采集其近紅外光譜數(shù)據(jù)用于后續(xù)分析，其原始光譜與各種預(yù)處理光譜圖如下所示：
作者分別采用了偏最小二乘（PLS）和支持向量機(jī)（SVM）兩種算法對(duì)上述數(shù)據(jù)進(jìn)行建模分析，40 個(gè)樣品通過 KS 算法將 32 個(gè)（80 %）選為校正集，8 個(gè)（20 %）選為獨(dú)立驗(yàn)證集，建模對(duì)校正集采用8折交互檢驗(yàn)并執(zhí)行 10 個(gè)循環(huán)進(jìn)行模擬選出最好模型，然后對(duì)獨(dú)立驗(yàn)證集的數(shù)據(jù)進(jìn)行預(yù)測(cè)。
研究結(jié)果
通過校正集數(shù)據(jù)在每種算法下的 80 次模擬建模，最終得到的模型參數(shù)如下表所示：
作者在嘗試了不同的參數(shù)發(fā)現(xiàn)，這些指標(biāo)在使用PLS時(shí)往往需要的潛變量比較高（大于14 PCs），可能是這些指標(biāo)大多與樣品的近紅外光譜之間的關(guān)系是非線性的，所以對(duì)于能夠描述非線性關(guān)系的SVM在建模時(shí)就更低均方根誤差。
隨后用上述模型預(yù)測(cè)獨(dú)立驗(yàn)證集中數(shù)據(jù)結(jié)果如下表所示：
驗(yàn)證結(jié)果也表明 PLS 對(duì)于所建的指標(biāo)，部分指標(biāo)的預(yù)測(cè)值和參考值之間是有較低誤差與良好的線性關(guān)系，但也存在較大驗(yàn)證誤差與較差的線性關(guān)系的指標(biāo)。而 SVM 幾乎可以較好地解釋樣品光譜與指標(biāo)間的非線性關(guān)系，但也有諸如色素和持水力這兩個(gè)線性關(guān)系較差的指標(biāo)。
該研究盡管收集的樣品有限，但也為快速分析特定品種肉的質(zhì)量給出了解決方案，同時(shí)為近紅外光譜分析非線性參數(shù)提供了思路，展示了近紅外在食品質(zhì)量控制中的無(wú)盡潛力。
參考文獻(xiàn)
Foods 2023, 12, 470. doi.org/10.3390/foods12030470
(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)
會(huì)員.png)
4
立即詢價(jià)
您提交后，專屬客服將第一時(shí)間為您服務(wù)