電子鼻結(jié)合統(tǒng)計(jì)學(xué)分析對牛肉中豬肉摻假的識別

張 娟，張 申，張 力，王 綪，丁 武*

（西北農(nóng)林科技大學(xué)食品科學(xué)與工程學(xué)院，陜西 楊凌 712100）

牛肉味道鮮美、營養(yǎng)價值豐富，深受消費(fèi)者的喜愛，具有“肉中驕子”的美稱[1]。隨著人們膳食結(jié)構(gòu)的不斷科學(xué)化，牛肉也受到越來越多的消費(fèi)者和營養(yǎng)學(xué)家的青睞，隨之而來的食品安全問題也受到廣泛關(guān)注[2]。市場上將便宜的肉類摻入牛肉中，經(jīng)過一定的加工處理制成摻假牛肉的現(xiàn)象并不罕見。摻假牛肉的方式多種多樣，現(xiàn)有報(bào)道中常見牛肉摻假的摻假源有豬肉、鴨肉、馬肉以及動物內(nèi)臟等。隨著牛肉需求量的不斷增加，我國牛肉市場出現(xiàn)供不應(yīng)求的狀況，而進(jìn)口牛肉價格較高，并且通過增加進(jìn)口來彌補(bǔ)供給不足的問題在較短時間內(nèi)不能夠滿足中國的市場需要，因此牛肉摻假現(xiàn)象層出不窮。豬肉是人們廣泛食用的肉類之一，其生鮮肉價格比牛肉低一兩倍，市場供應(yīng)也比較充足。且肉質(zhì)品質(zhì)與牛肉具有一定的相似性，經(jīng)過加工后肉眼很難鑒別。所以豬肉成了牛肉摻假的主要摻假源。此舉嚴(yán)重危害消費(fèi)者的健康安全，阻礙牛肉食品市場的健康發(fā)展。因此，亟需一種快速準(zhǔn)確的檢測方法來檢測牛肉制品中不同的摻假來源。

目前肉制品安全檢測的技術(shù)主要有光譜學(xué)技術(shù)[3-5]、色譜和質(zhì)譜技術(shù)[6-8]、DNA分析技術(shù)[9-11]、免疫學(xué)技術(shù)[12-13]、感官評定法等。雖然方法眾多，但是這些方法很多都存在一定的缺點(diǎn)：耗時長，樣品預(yù)處理復(fù)雜，需要專業(yè)技術(shù)人員操作，無法實(shí)現(xiàn)快速檢測等[14-15]。電子鼻作為一種仿生檢測系統(tǒng)，有著操作簡單、快速、準(zhǔn)確和無損的特點(diǎn)，不僅在環(huán)境監(jiān)測方面得到越來越多的應(yīng)用，也被應(yīng)用到食品安全檢測方面，如在肉制品新鮮度、食用油、乳制品及酒類摻假等方面[16-30]?？傮w來說在牛肉加工生產(chǎn)中，電子鼻作為一種快速無損檢測工具具有很大的發(fā)展前景[31]。本研究將豬肉與牛肉按不同比例混合制成摻假牛肉。以電子鼻檢測系統(tǒng)為無損快速檢測手段，結(jié)合統(tǒng)計(jì)學(xué)分析方法，采用K均值聚類分析法和平均值法提取特征值；通過主成分分析（principal component analysis，PCA）和判別分析（linear discriminant analysis，LDA）進(jìn)行定性分析；使用偏最小二乘（partial leasr square，PLS）、多元線性回歸（multi-linear regression，MLR）和BP神經(jīng)網(wǎng)絡(luò)（BP natural netwrok，BPNN）建模的方法建立定量預(yù)測模型預(yù)測摻假物的含量，以此找到電子鼻最佳數(shù)據(jù)處理方法。

1 材料與方法

1.1 材料與儀器

牛后腿肉和豬里脊肉購自當(dāng)?shù)爻?，放? ℃環(huán)境中保存；PEN3電子鼻（含10 個金屬氧化物傳感器陣列、各傳感器的名稱及性能描述見表1） 德國Airsense公司。

1.2 方法

1.2.1 樣品的制備

將牛后腿肉和豬里脊肉分別絞碎成肉泥，按0%、20%、40%、60%、80%、100%的比例將豬肉分別加入到牛肉中攪拌均勻，放入自封袋中制備成摻假牛肉。實(shí)驗(yàn)共進(jìn)行3 次，每次實(shí)驗(yàn)中不同摻假比例的樣品做20 個平行，以摻假20%豬肉樣品的摻假牛肉為例，實(shí)驗(yàn)過程中取160 g牛肉糜和40 g豬肉糜，完全混合均勻，放入真空袋中，于4 ℃冰箱中放置24 h，測試時每個樣品稱取10 g放入集氣瓶中，在常溫25 ℃環(huán)境下進(jìn)行電子鼻檢測。

1.2.2 電子鼻檢測

打開電子鼻系統(tǒng)，設(shè)定在預(yù)實(shí)驗(yàn)中優(yōu)化所得的參數(shù)：電子鼻檢測時間為1 min，沖洗時間為5 min，檢測前對電子鼻系統(tǒng)清洗30 min。將樣品放置至室溫后，每個平行按照10 g樣品分裝到集氣瓶中，每個平行在室溫環(huán)境中頂空集氣30 min，之后按照電子鼻操作及工作過程進(jìn)行檢測。

1.2.3 特征值的提取

平均值法提取電子鼻響應(yīng)信號：檢測樣品后對每個樣品中53～57 s的響應(yīng)信號（響應(yīng)信號穩(wěn)定）提取平均值，作為該樣品的電子鼻響應(yīng)信號的特征值，取3 次實(shí)驗(yàn)的平均值進(jìn)行數(shù)據(jù)處理和分析。

K均值聚類分析法提取電子鼻響應(yīng)信號：檢測樣品后對每個樣品1～60 s的響應(yīng)信號進(jìn)行聚類分析，通過K均值聚類分析得到最終聚類中心作為此樣品的特征值，取3 次實(shí)驗(yàn)的平均值進(jìn)行數(shù)據(jù)的處理與分析。

1.3 數(shù)據(jù)處理

數(shù)據(jù)處理軟件分別是SPSS 20.0和Minitab 19.0以及JMP。

2 結(jié)果與分析

2.1 傳感器信號曲線

以電子鼻傳感器對牛肉中摻入豬肉的響應(yīng)信號為研究對象，提取10 個傳感器第50秒的響應(yīng)值，取平均值進(jìn)行分析。如圖1所示，S2和S7號傳感器響應(yīng)值最大；隨著摻假比例的增加，S2、S3和S7號傳感器的響應(yīng)值降低，S8號傳感器的響應(yīng)值增大，S4和S9號傳感器的響應(yīng)值幾乎沒變化；因此，能夠鑒別摻假的傳感器有S2、S3、S5、S7和S8。從圖1可以看出，響應(yīng)值差異性最明顯的是S2和S7兩個傳感器，表明電子鼻定性檢測摻假牛肉主要依據(jù)S2和S7兩個傳感器響應(yīng)值的變化差異。根據(jù)表1中電子鼻10 個不同傳感器檢測的揮發(fā)性氣體的不同，S2傳感器主要是對氮氧化合物的敏感，而S7傳感器主要是對無機(jī)硫化物、含硫有機(jī)物以及萜烯類、吡嗪類化合物敏感，而牛肉中的揮發(fā)性成分中含氮、硫的有機(jī)物較多，因此初步判定，能夠區(qū)別牛肉和摻假牛肉的揮發(fā)性成分主要包括氮氧化合物還有萜烯類化合物，吡嗪類化合物。

圖1 傳感器信號響應(yīng)值折線圖Fig. 1 Radar plot of sensor response signals

2.2 PCA與LDA結(jié)果

圖2 平均值法提取的特征值PCAFig. 2 Principal component analysis of the feature data extracted by average value method

如圖2所示，PC1方差貢獻(xiàn)率為57.95%，PC2的方差貢獻(xiàn)率為25.72%，合計(jì)為83.67%。摻假比例為60%和80%的有較大重疊，80%和100%的也有重疊，且每個摻假比例組的落點(diǎn)分散。這是由于摻假比例接近的組分，其揮發(fā)性成分氮、硫及萜烯類、吡嗪類化合物含量比較接近。由圖平均值法提取特征值只能檢測區(qū)分牛肉是否摻假，并不能很好地區(qū)分出不同的摻假比例。

如圖3所示，PC1的方差貢獻(xiàn)率為50.96%，PC2的方差貢獻(xiàn)率為28.42%，合計(jì)為79.38%?？梢钥闯龀?0%和60%的摻假比例有少量的重疊外，其他摻假比例都能很好地區(qū)分，且每個摻假比例的落點(diǎn)相對集中。K均值聚類分析法提取的特征值通過PCA能更好地區(qū)分摻假牛肉。

圖3 K均值聚類分析提取的特征值PCAFig. 3 Principal component analysis of the feature data extracted by K-mean cluster analysis

圖4 均值法提取的特征值LDAFig. 4 Linear discriminant analysis of the feature data extracted by average value method

如圖4所示，LD1的方差貢獻(xiàn)率為66.8%，LD2的方差貢獻(xiàn)率為24.8%，合計(jì)為91.6%。除80%與100%摻假比例（豬肉樣品）組仍有部分重疊外，其他摻假比例組能很好地區(qū)分，且每組的數(shù)據(jù)相對集中。說明平均值法提取的特征值通過LDA在0%～80%范圍內(nèi)能很好地區(qū)分不同比例的摻假牛肉。

圖5 K均值聚類分析法提取的特征值LDAFig. 5 Linear discriminant analysis for the data extracted by K-mean cluster analysis

如圖5所示，LD1的方差貢獻(xiàn)率為61.4%，LD2的方差貢獻(xiàn)率為23.8%，合計(jì)為85.2%。每個摻假比例都能很明顯地區(qū)分開，從LD1增加的方向，摻假比例增大，且每個摻假比例組的落點(diǎn)都比較集中。說明K均值聚類分析提取的特征值通過LDA不僅能有效地鑒別出摻入豬肉的摻假牛肉，而且能很好地區(qū)分不同比例中揮發(fā)性成分氮、硫及萜烯類、吡嗪類化合物的含量進(jìn)而區(qū)別出不同的摻假比例。通過對比PCA與LDA得出，LDA結(jié)合電子鼻檢測摻假牛肉能更好地定性分析。

2.3 多層感知神經(jīng)網(wǎng)絡(luò)

表2 平均值法提取特征值多層感知神經(jīng)網(wǎng)絡(luò)分類結(jié)果Table2 Results of classification by MLPN with average value method

如表2所示，訓(xùn)練集中有7 個樣品被誤判到其他摻假組中，正確分類率為90.1%；測試集中有5個樣品被誤判到其他摻假組中，正確分類率為87.2%。造成多層感知神經(jīng)網(wǎng)絡(luò)對K均值聚類分析法提取特征值的分類結(jié)果如表3所示，訓(xùn)練集中有一個樣品被誤判到其他組，其正確分類率達(dá)到98.8%；測試集中有一個樣品被誤判到其他摻假比例組，其正確分類率達(dá)到97.4%。

表3 K均值聚類分析法提取特征值多層感知神經(jīng)網(wǎng)絡(luò)分類結(jié)果Table3 Results of classification by MLPN with K-mean cluster analysis

表4 平均值法與K均值聚類分析分類結(jié)果對比Table4 Comparative results of classification with average value method and K-mean cluster analysis

從表4可看出，K均值聚類分析提取特征值的訓(xùn)練集和測試集的正確分類率均高于平均值法，且能很好地對不同的組分進(jìn)行分類，說明K均值聚類分析法能更好地提取不同摻假比例的響應(yīng)信號。結(jié)合LDA與PCA得到的效果，K均值聚類分析法能更好地鑒別區(qū)分摻入不同比例豬肉的摻假牛肉。因此為了更好地定量分析預(yù)測摻假牛肉中摻假物的含量，使用K均值聚類分析法提取的特征值進(jìn)行建模分析。

2.4 牛肉中豬肉含量的快速預(yù)測模型的建立

使用BPNN、PLS和MLR建立電子鼻相應(yīng)信號與牛肉中摻入豬肉比例的關(guān)系，使用3 種數(shù)據(jù)統(tǒng)計(jì)方法對經(jīng)過K均值聚類分析得到的特征值進(jìn)行回歸分析。隨機(jī)選取90（15×6） 個數(shù)據(jù)作為預(yù)測集，30（5×6）個數(shù)據(jù)作為驗(yàn)證集。所擬合的模型以均方根誤差（root mean square error，RMSE）和決定系數(shù)R2為判斷標(biāo)準(zhǔn)進(jìn)行判別。RMSE越小，R2越大，則模型效果較好。

表5 3 種預(yù)測模型對摻假牛肉中豬肉含量預(yù)測模型對比Table5 Comparison of three predictive models

多元線性回歸分析建立的電子鼻響應(yīng)值與摻假牛肉中豬肉的含量關(guān)系預(yù)測模型為：摻假牛肉中豬肉含量Y=-1.90＋0.831S1-0.166S2-0.321S3＋0.031S4＋1.49S5＋0.051 4S6＋0.054 1S7-0.223S8＋0.103S9＋0.099S10（Y為預(yù)測摻假比例，S1～S10為10 根傳感器的響應(yīng)值）如表5所示，3 種建模方法得到的RMSE均低于4.56%，R2均高于0.978，表明預(yù)測效果均較好，其中，MLR和PLS的建模集RMSE分別為4.55%和4.56%，R2分別為0.983 7和0.982 3，基本相近表明PLS和MLR都具有較好的預(yù)測能力。BPNN建模集的RMSE為0.90%，R2為0.999 3，2 個判斷指標(biāo)明顯優(yōu)于其他2 種方法，具有更好的建模預(yù)測效果。

從圖6可知，BPNN預(yù)測值落點(diǎn)比PLS的預(yù)測值更加集中，更接近于實(shí)際值。說明BPNN建立的預(yù)測模型對摻假牛肉中摻入豬肉含量預(yù)測更加準(zhǔn)確。

圖6 不同處理的建模集和預(yù)測集Fig. 6 Comparison between actual values and predicted values from PLS and BPNN for calibration and prediction sets

3 結(jié) 論

PCA、LDA及多層感知神經(jīng)網(wǎng)絡(luò)分析說明，K均值聚類分析法能更全面地提取電子鼻的響應(yīng)信號來鑒別區(qū)分不同比例的摻假牛肉，同時使用LDA能更好地對摻假牛肉進(jìn)行定性檢測。通過建模分析可得，BPNN建模分析方法能夠更好的預(yù)測摻假牛肉中豬肉的含量。本實(shí)驗(yàn)建立模型時所用的樣品量小，在實(shí)際生產(chǎn)中，樣品量要遠(yuǎn)大于實(shí)驗(yàn)中的樣品量，因此，模型應(yīng)用于實(shí)際時還需要進(jìn)一步的探索。

[1] 麻海峰, 常征, 楊光輝, 等. 牛肉的營養(yǎng)價值及排酸、速凍工藝研究[J]. 農(nóng)業(yè)科技與裝備, 2010(7): 34-36. DOI:10.3969/j.issn.1674-1161.2010.07.011.

[2] 白躍宇, 張震, 譚旭信, 等. 我國牛肉質(zhì)量追溯體系研究現(xiàn)狀和存在問題[J]. 中國草食動物科學(xué), 2012, 32(5): 75-78. DOI:10.3969/j.issn.2095-3887.2012.05.024.

[3] 孫淑敏, 郭波莉, 魏益民, 等. 近紅外光譜指紋分析在羊肉產(chǎn)地溯源中的應(yīng)用[J]. 光譜學(xué)與光譜分析, 2011, 31(4): 937-941. DOI:10.3964/j.i ssn.1000-0593(2011)04-0937-05.

[4] MORSY N, SUN D W. Robust linear and non-linear models of NIR spectroscopy for detection and quantification of adulterants in fresh and frozen-thawed minced beef[J]. Meat Science, 2013, 93(2): 292-302.DOI:10.1016/j.meatsci.2012.09.005.

[5] KAMRUZZAMAN M, SUN D W, ELMASRY G, et al. Fast detection and visualization of minced lamb meat adulteration using NIR hyperspectral imaging and multivariate image analysis[J]. Talanta, 2013,103(2): 130-136.

[6] 何瑋玲, 黃明, 張馳. 食品中肉類成分種屬鑒別技術(shù)研究進(jìn)展[J]. 食品科學(xué), 2012, 33(3): 304-307.

[7] 謝功昀, 盧晶晶, 吳翼飛. 液相色譜-質(zhì)譜聯(lián)用技術(shù)在低溫肉制品檢測中的應(yīng)用[J]. 肉類工業(yè), 2010(7): 41-44. DOI:10.3969/j.issn.1008-5467.2010.07.014.

[8] GIARETTA N, DI G A, LIPPERT M, et al. Myoglobin as marker in meat adulteration: a UPLC method for determining the presence of pork meat in raw beef burger[J]. Food Chemistry, 2013, 141(3): 1814-1820.DOI:10.1016/j.foodchem.2013.04.124.

[9] 張馳, 邱皓璞, 張?bào)? 熒光定量PCR檢測肉制品中鴨源性成分[J]. 食品科學(xué), 2013, 34(18): 154-157. DOI:10.7506/spkx1002-6630-201318031.

[10] 楊麗霞, 宋濤平, 謝曉紅, 等. SYBR GreenⅠ實(shí)時PCR技術(shù)鑒定鴨源性成分的研究[J]. 中國農(nóng)學(xué)通報(bào), 2013(11): 16-19. DOI:10.3969/j.issn.1000-6850.2013.11.004.

[11] SOARES S, AMARAL J S, MBPP O, et al. A SYBR green real-time PCR assay to detect and quantify pork meat in processed poultry meat products[J]. Meat Science, 2013, 94(1): 115-120. DOI:10.1016/j.meatsci.2012.12.012.

[12] 馬永征, 馬冬, 白娣斯, 等. 免疫學(xué)檢測肉類制品摻假研究進(jìn)展[J]. 肉類研究, 2012, 26(9): 26-29.

[13] 張占軍, 王富花. 酶聯(lián)免疫吸附技術(shù)及其在食品安全檢測中的應(yīng)用[J]. 食品研究與開發(fā), 2011, 32(1): 157-160. DOI:10.3969/j.issn.1005-6521.2011.01.045.

[14] 高敬, 魏迪, 張癸榮, 等. 常見肉類鑒別技術(shù)研究進(jìn)展[J]. 食品科學(xué),2014, 35(11): 356-360. DOI:10.7506/spkx1002-6630-201411068.

[15] 馮永巍, 王琴. 肉類摻假檢驗(yàn)技術(shù)研究進(jìn)展[J]. 食品與機(jī)械, 2013,29(4): 237-240. DOI:10.3969/j.issn.1003-5788.2013.04.058.

[16] 關(guān)鍵, 張小麗. 電子鼻技術(shù)[J]. 中國科技術(shù)語, 2014(增刊1): 137-138;142. DOI:10.3969/j.issn.1673-8578.2014.z1.053.

[17] 田曉靜, 王俊, 崔紹慶. 電子鼻快速檢測區(qū)分羊肉中的摻雜雞肉[J].現(xiàn)代食品科技, 2013, 29(12): 2997-3001.

[18] 任靜, 孫方達(dá), 程龍, 等. 電子鼻技術(shù)研究不同包裝調(diào)理預(yù)制烤豬肉冷卻貯藏過程中品質(zhì)的變化[J]. 肉類研究, 2016, 30(5): 30-35.DOI:10.15922/j.cnki.rlyj.2016.05.007.

[19] 王亞雷, 賈文珅, 潘立剛, 等. 電子鼻技術(shù)在肉類品質(zhì)應(yīng)用中快速分析初探[J]. 食品安全質(zhì)量檢測學(xué)報(bào), 2016, 7(2): 419-424.

[20] 潘磊慶, 唐琳, 詹歌, 等. 電子鼻對芝麻油摻假的檢測[J]. 食品科學(xué),2010, 31(20): 318-321.

[21] 賈茹, 劉占東, 馬利杰, 等. 電子鼻對山羊奶中致膻游離脂肪酸的識別研究[J]. 中國乳品工業(yè), 2015, 43(3): 18-21. DOI:10.3969/j.issn.1001-2230.2015.03.005.

[22] 馬利杰, 賈茹, 楊春杰, 等. 基于電子鼻技術(shù)對羊奶粉中摻假牛奶粉的快速檢測[J]. 中國乳品工業(yè), 2014, 42(11): 47-50. DOI:10.3969/j.issn.1001-2230.2014.11.012.

[23] 于慧春, 王俊. 電子鼻技術(shù)在茶葉品質(zhì)檢測中的應(yīng)用研究[J]. 傳感技術(shù)學(xué)報(bào), 2008, 21(5): 748-752. DOI:10.3969/j.issn.1004-1699.2008.05.009.

[24] NURJULIANA M, CHE M Y, MAT H D, et al. Rapid identification of pork for halal authentication using the electronic nose and gas chromatography mass spectrometer with headspace analyzer[J]. Meat Science, 2011, 88(4): 638-644. DOI:10.1016/j.meatsci.2011.02.022.

[25] OMATU S, YANO M. E-Nose system by using neural networks[J]. Neurocomputing, 2016, 172: 394-398. DOI:10.1016/j.neucom.2015.03.101.

[26] NORMAN A, STAM F, MORRISSEY A, et al. Packaging effects of a novel explosion-proof gas sensor[J]. Sensors & Actuators B Chemical,2003, 95(1/2/3): 287-290. DOI:10.1016/s0925-4005(03)00541-0.

[27] YOUNG R C, BUTTNER W J, LINNELL B R, et al. Electronic nose for space program applications[J]. Sensors & Actuators B Chemical,2003, 93(1/2/3): 7-16. DOI:10.5220/0005628204070414.

[28] VESTERGAARD J S, MARTENS M, TURKKI P. Analysis of sensory quality changes during storage of a modified atmosphere packaged meat product (pizza topping) by an electronic nose system[J]. LWTFood Science and Technology, 2007, 40(6): 1083-1094. DOI:10.1016/j.lwt.2006.06.009.

[29] 謝安國, 王金水, 渠琛玲, 等. 電子鼻在食品風(fēng)味分析中的應(yīng)用研究進(jìn)展[J]. 農(nóng)產(chǎn)品加工: 學(xué)刊, 2011(1): 71-73. DOI:10.3969/jissn.1671-9646(X).2011.01.021.

[30] 孟鑫, 姚曉蕾, 尚宏麗, 等. 應(yīng)用電子鼻檢測內(nèi)源性脂肪酶作用豬肉風(fēng)味的變化[J]. 食品工業(yè)科技, 2016, 37(5): 292-297. DOI:10.13386/j.issn1002-0306.2016.05.050.

[31] 張曉敏. 電子鼻在食品工業(yè)中的應(yīng)用進(jìn)展[J]. 中國食品添加劑,2008(2): 52-56. DOI:10.3969/j.issn.1006-2513.2008.02.013.