王 慧,何鴻舉*,劉 璐,馬漢軍,劉 璽,莫海珍,劉儒彪,潘潤淑,康壯麗,朱明明,趙圣明,王正榮
(河南科技學(xué)院食品學(xué)院,河南 新鄉(xiāng) 453003)
魚肉中富含蛋白質(zhì)且消化吸收率極高,其脂肪含量比較低且多為不飽和脂肪酸,具有預(yù)防心腦血管疾病、降低膽固醇和血液稠度、增強(qiáng)記憶力和思維能力等功效,而且它還富含鐵、磷、鈣、VA和VD等人體日常生活必需的微量元素;因此魚肉一直深受消費(fèi)者的青睞[1-2]。據(jù)國家統(tǒng)計局官方數(shù)據(jù)顯示,2016年我國全年水產(chǎn)品產(chǎn)量6 901.25萬 t,其中魚類海水產(chǎn)品產(chǎn)量1 252.03萬 t,魚類淡水產(chǎn)品產(chǎn)量2 986.65萬 t,魚類產(chǎn)品占全年水產(chǎn)品總產(chǎn)量的61.4%,是水產(chǎn)品的重要組成部分。隨著人們對魚肉需求量不斷增長,魚肉質(zhì)量和安全問題成為消費(fèi)者關(guān)注的重點(diǎn)。
傳統(tǒng)魚肉質(zhì)量的檢測方法主要依靠感官檢測、理化檢測及微生物學(xué)檢測等[3],這些方法一般需要專業(yè)人員進(jìn)行操作,主觀干擾因素較大,不但費(fèi)時耗力、污染環(huán)境,而且容易破壞樣品的完整性,從而導(dǎo)致魚肉品質(zhì)檢測工作效率低下。此外,這些傳統(tǒng)方法只能適用于實(shí)驗(yàn)室等小規(guī)模的操作,無法滿足現(xiàn)代企業(yè)對于在線快速自動化檢測的要求。近年來,隨著圖像處理和光譜學(xué)等現(xiàn)代分析技術(shù)的不斷創(chuàng)新和發(fā)展,魚肉品質(zhì)的檢測正朝著快速、經(jīng)濟(jì)、準(zhǔn)確、無損的方向發(fā)展[4]。
高光譜成像技術(shù)(hyperspectral imaging,HSI)融合了傳統(tǒng)的光譜技術(shù)(反映化學(xué)組成等)和圖像技術(shù)(反映形態(tài)學(xué)特征)[5-6],不僅能同時捕捉到被測樣品的光譜信息和圖像信息,而且具有高分辨率、無需預(yù)處理、非破壞性、檢測速度快、易于操作等特點(diǎn),既彌補(bǔ)了傳統(tǒng)光譜技術(shù)不能提供被測樣品空間信息的不足,也打破了圖像技術(shù)不能提供光譜信息的局限性。目前,HSI技術(shù)已在水產(chǎn)品無損檢測方面獲得大量研究,并產(chǎn)生諸多成果。本文主要綜述了HSI技術(shù)在魚肉品質(zhì)快速檢測方面的最新研究進(jìn)展,主要涉及到魚肉的化學(xué)組成、物理屬性、微生物污染以及新鮮度四大方面,同時對HSI技術(shù)在魚肉檢測中的應(yīng)用研究進(jìn)行了展望。
HSI系統(tǒng)的主要組成部分包括:光源、載物臺、照相機(jī)、鏡頭、光譜儀、計算機(jī)。圖1為典型的實(shí)驗(yàn)室用“推掃式”HSI系統(tǒng),采用面陣電荷耦合器件(charge coupled device,CCD)掃描,鏡頭不動,物體移動。當(dāng)光源打在物體表面時,通過反射或透射光直接進(jìn)入到成像鏡頭內(nèi),直達(dá)光譜儀,而光譜儀再根據(jù)接收到的不同波長光信息進(jìn)行色散,最后形成光譜,光譜進(jìn)入到面陣CCD探測器內(nèi),CCD把收到的光信號轉(zhuǎn)化成電信號,圖像采集卡把CCD得到的電信號再轉(zhuǎn)化成數(shù)字信號,最后通過計算機(jī)顯示出來[7-8]。
HSI系統(tǒng)采用“推掃式”成像方法得到高光譜圖像;線列或面陣探測器(x軸向),獲取研究對象條狀空間中每個像素在各個波長λi(i=1,2,3…,n;n為正整數(shù))下的圖像信息;同時在檢測系統(tǒng)輸送帶前進(jìn)過程中,排列的探測器如同刷子掃地一樣掃出一條帶狀軌跡,從而完成縱向掃描(y軸向)[9]。綜合橫縱掃描信息就可得到樣品的三維高光譜圖像數(shù)據(jù)(圖2)[10]。HSI系統(tǒng)一般可覆蓋波長范圍在紫外(200~400 nm)、可見光(400~760 nm)、近紅外(760~2 560 nm),以及波長大于2 560 nm的區(qū)域范圍[11]。
圖 1 實(shí)驗(yàn)室用“推掃式”HSI系統(tǒng)Fig. 1 diagram of the “push-broom scanning” HSI system for experimental application
圖 2 三維高光譜圖像數(shù)據(jù)塊[10]Fig. 2 Data block of three-dimensional HSI[10]
魚肉中富含水分、蛋白質(zhì)、脂肪、無機(jī)鹽、礦物質(zhì)和維生素等營養(yǎng)物質(zhì)。魚肉中化學(xué)組成成分的含量及分布不同時,對魚肉的品質(zhì)會產(chǎn)生一定的影響,比如其肌肉內(nèi)的水分含量和分布會影響魚肉的口感,脂肪含量的多少則與魚肉的嫩度有關(guān)[12]等。近幾年,HSI技術(shù)已經(jīng)被作為一種快速無損技術(shù)用于魚肉化學(xué)組成、成分含量的預(yù)測研究,且獲得了良好效果。高光譜屬于分子振動的倍頻和合頻光譜,與含氫基團(tuán)如O—H、N—H、C—H等的倍頻和合頻的吸收區(qū)域一致,可通過提取光譜數(shù)據(jù),分析樣品中的含氫基團(tuán)的特征信息,對被測樣品化學(xué)成分進(jìn)行定性和定量分析[13-18],目前HSI所使用的波段大多數(shù)在400~1 000 nm和900~1 700 nm之間,不同的光譜波長所對應(yīng)的生化基團(tuán)見表1。
表 1 不同光譜波長對應(yīng)的生化基團(tuán)[19]Table 1 Biochemical groups corresponding to different spectral wavelengths[19]
He Hongju等[20]采用可見-近紅外波段的HSI技術(shù)檢測大西洋鮭魚片在0~4 ℃貯藏條件下的含水量變化及空間分布狀態(tài);結(jié)果顯示,使用400~1 000、900~1 700 nm和400~1 700 nm 3 個波段構(gòu)建的偏最小二乘(partial least squares regression,PLSR)預(yù)測模型相關(guān)系數(shù)(r)均達(dá)到0.9,預(yù)測均方根誤差(root means square error of prediction,RMSEP)均在1.5%左右,其中400~1 000 nm波段的效果好于其他2 個波段,獲得的大鮭魚水分分布見圖3,從圖3中可以很直觀地觀察到鮭魚水分質(zhì)量分?jǐn)?shù)的分布?;赑LSR和最小二乘支持向量機(jī)(least-squares support vector machines,LS-SVM)算法,朱逢樂等[21-22]使用Random frog方法從近紅外波段的151 個全波長內(nèi)提取了12 個特征波長預(yù)測研究三文魚的水分含量,獲得了更好的結(jié)果(表2)。通過采用連續(xù)投影算法(successive projections algorithm,SPA)篩選最優(yōu)變量,詹白勺等[23]進(jìn)一步將預(yù)測三文魚水分含量的PLSR模型r提高到0.96,RMSEP降到1.0%以下。除了預(yù)測水分,HSI技術(shù)也被用于預(yù)測鮭魚的脂肪含量研究。Zhu Fengle等[24]構(gòu)建的PLSR模型顯示鮭魚脂肪質(zhì)量分?jǐn)?shù)和全波段(900~1 700 nm)光譜信息之間的r可達(dá)0.93,RMSEP為1.24%,競爭適應(yīng)再加權(quán)抽樣(competitive adaptive reweighted sampling,CARS)算法篩選最優(yōu)波長后,PLSR模型r分別提高至0.97,RMSEP也均降低到1.0%以下,其結(jié)果均優(yōu)于使用400~1 000 nm波段所獲得的結(jié)果,可視化分布圖見圖4。HSI技術(shù)預(yù)測鮭魚不飽和脂肪酸含量也有所報道,在近紅外波段,Tao Feifei等[25]使用二階導(dǎo)數(shù)和卷積平滑處理原始光譜數(shù)據(jù)后,建立了C20:2n-6、C20:3n-6、C20:5n-3、C22:5n-3和C22:6n-35 種不飽和脂肪酸的PLSR預(yù)測模型,r分別為0.82、0.83、0.94、0.93、0.93,RMSEP分別為0.31%、1.06%、1.96%、1.11%、2.45%,C20:5n-3脂肪酸的預(yù)測效果較好?;贖SI技術(shù)(385~970 nm),Dissing等[26]對虹鱒魚的蝦青素含量也進(jìn)行了研究,所建立的PLSR預(yù)測模型的r達(dá)0.93,RMSEP為0.25%。就目前研究而言,HSI技術(shù)在魚肉化學(xué)組成成分的研究主要集中在水分和脂肪兩方面,且效果良好;而對其他化學(xué)成分的預(yù)測研究較少,詳細(xì)的研究統(tǒng)計結(jié)果見表2。
圖 3 鮭魚的水分分布圖[20]Fig. 3 Moisture distribution in salmon fi llets[20]
圖 4 鮭魚脂肪的分布圖[24]Fig. 4 Fat distribution in salmon fi llets[24]
表 2 HSI技術(shù)在魚肉化學(xué)品質(zhì)方面的評價Table 2 Application of HSI in chemical quality evaluation of fi sh
肉品的質(zhì)構(gòu)、嫩度以及系水力等物性指標(biāo),理論上HSI技術(shù)不能檢測,但肉品物性指標(biāo)的不同是肉中水分、蛋白質(zhì)、脂肪以及碳水化合物含量的不同所致。因此可以通過測定水分、蛋白質(zhì)、脂肪和碳水化合物等含量的變化間接反映物性指標(biāo)[27]。HSI技術(shù)在魚肉物理屬性方面的研究應(yīng)用也卓有成效。
2.2.1 質(zhì)構(gòu)特性
國際標(biāo)準(zhǔn)化組織規(guī)定食品質(zhì)構(gòu)是指“通過力學(xué)的、觸覺的、視覺的、聽覺的方法能夠感知的食品流變學(xué)特性的綜合感覺”。質(zhì)地是決定魚產(chǎn)品整體質(zhì)量的關(guān)鍵參數(shù),魚肉的質(zhì)構(gòu)特性受其品種、魚肉的部位、飼養(yǎng)條件及蛋白質(zhì)的物理化學(xué)性質(zhì)變化的影響[28-29]。魚肉質(zhì)構(gòu)的測定對魚肉品質(zhì)和新鮮度具有重要的意義,魚肉的質(zhì)構(gòu)特性一般可使用質(zhì)構(gòu)儀測定。這種傳統(tǒng)檢測魚肉質(zhì)構(gòu)特性的方法在當(dāng)今魚肉產(chǎn)業(yè)快速發(fā)展的時代下已跟不上步伐,新興的HSI憑借其快速、無損的特點(diǎn),可提供潛在的質(zhì)構(gòu)特性快速分析,目前有關(guān)HSI在魚肉質(zhì)構(gòu)特性方面的檢測已有報道。
Wu Di等[30-31]采用HSI技術(shù)(400~1 100 nm)對三文魚的質(zhì)構(gòu)進(jìn)行了兩次研究,2012年第一次研究了三文魚的硬度、內(nèi)聚性、黏性,在全波段內(nèi)所建立的PLSR預(yù)測模型的r分別為0.73、0.65、0.73,RMSEP為3.69%、0.06%、0.42%;2014年其又在此基礎(chǔ)上使用RC方法從全波段光譜數(shù)據(jù)中提取了硬度(10 個)、內(nèi)聚性(9 個)、黏性(11 個)、膠著性(10 個)、咀嚼性(10 個)的最優(yōu)波長,以最優(yōu)波長為輸入變量建立了PLSR預(yù)測模型,即所得到的硬度和內(nèi)聚性預(yù)測模型的r與之前相比均有降低,但其新研究咀嚼性的模型r高達(dá)0.7?;赑LSR和LS-SVM算法,朱逢樂[32]使用Random frog方法從近紅外的全波長內(nèi)提取了黏性、彈性和內(nèi)聚性的特征波長預(yù)測大菱鲆魚的質(zhì)構(gòu)特性,分別建立了PLSR和LS-SVM預(yù)測模型,結(jié)果表明三者的PLSR預(yù)測模型的r分別為0.89、0.75和0.88,RMSEP分別為12.06%、0.29%和0.09%,均優(yōu)于LS-SVM預(yù)測模型。通過采用遺傳算法(genetic algorithm,GA)篩選最優(yōu)變量,Cheng Junhu等[33]也使用同樣的技術(shù)研究了冷凍貯藏期間草魚的堅(jiān)實(shí)度變化,從全波段內(nèi)提取了7 個最優(yōu)波長來建立LS-SVM預(yù)測模型,該模型的r高達(dá)0.98,RMSEP為1.01%。目前有關(guān)HSI技術(shù)在魚肉質(zhì)構(gòu)方面的研究報告相對較少,以上研究為將來HSI技術(shù)在魚肉質(zhì)構(gòu)方面的快速無損檢測應(yīng)用提供了理論借鑒。
2.2.2 嫩度
嫩度能很直觀地反映出魚肉品質(zhì),然而評價魚肉嫩度的傳統(tǒng)方法一般都需要對熟肉進(jìn)行剪切,此過程不但操作復(fù)雜、費(fèi)時費(fèi)力,且魚肉在煮熟的過程中其物理及化學(xué)結(jié)構(gòu)已被破壞,故檢測結(jié)果誤差比較大。Isaksson等[34]應(yīng)用可見近紅外光譜分析技術(shù)對僵直前(死后2 h)和僵直后(死后冷藏6 d)大西洋鮭魚片嫩度的等級進(jìn)行了研究,研究結(jié)果表明,使用非破壞性的可見近紅外光譜技術(shù)來預(yù)測鮭魚的嫩度很有潛力。在此基礎(chǔ)上,He Hongju等[35]采用可見-近紅外波段的HSI技術(shù)研究了0~4 ℃貯藏條件下大西洋鮭魚片的嫩度變化及空間分布狀態(tài),通過采用SPA算法從全波段內(nèi)提取了4 個(555、605、705 nm和930 nm)特征波長,所構(gòu)建的LS-SVM模型顯示鮭魚嫩度和光譜的最優(yōu)波長之間的r可達(dá)0.92,RMSEP為1.09%,總體結(jié)果顯示,HSI技術(shù)在定量預(yù)測鮭魚片的嫩度方面效果良好。目前國內(nèi)外學(xué)者使用HSI技術(shù)來預(yù)測肉品嫩度的研究主要集中在豬[36]、牛[37]、羊[38]以及家禽肉[39]方面,對于魚肉研究依然較少。
2.2.3 系水力
系水力又稱為持水力和保水性,當(dāng)肌肉在受到外界壓力(切碎、加壓、加熱、冷凍、融化、貯存、加工等)時不僅能保持其固有水分,而且還能保持添加水分的能力[40]。魚肉系水力的高低會直接影響肉的營養(yǎng)、口感、色澤、嫩度和硬度等食用品質(zhì)。傳統(tǒng)檢測魚肉系水力的方法不但費(fèi)時費(fèi)力,而且對魚肉具有損害,人為因素較大,所得到的數(shù)據(jù)誤差也比較大。近幾年,HSI在魚肉系水力方面的研究已有報道,如He Hongju等[41]使用HSI技術(shù)(400~1 100 nm)對冷藏期間鮭魚片的滴水損失進(jìn)行了研究,通過采用RC法從121 個全波段內(nèi)提取出了11 個特征波長,利用特征波長結(jié)合PLSR來建立近紅外光譜和鮭魚片滴水損失之間的預(yù)測模型,該模型的r為0.85,RMSEP為0.06%。朱逢樂[32]利用HSI技術(shù)探究了冷凍-解凍條件下大菱鲆魚的滴水損失的變化,用Random frog方法從全波段內(nèi)提取了16 個特征波長建立LS-SVM預(yù)測模型,其預(yù)測r為0.85,RMSEP為0.01%。在以上研究基礎(chǔ)上,Cheng Junhu等[42]利用HSI技術(shù)研究了草魚的滴水損失變化,結(jié)合GA和SPA方法從全波段內(nèi)提取了5 個特征波長建立了多元線性回歸(multiple linear regression,MLR)和LS-SVM的預(yù)測模型,研究結(jié)果表明MLR預(yù)測模型效果要好,其r高達(dá)0.96,RMSEP為1.21%。Wu Di等[43]利用HSI技術(shù)對鮭魚的液體損失率、水損失率、脂肪損失率和水保留率進(jìn)行了研究,采用CARS算法分別提取了4 個系水力指標(biāo)的最優(yōu)波長(13、12、9 個和12 個),以選取的最優(yōu)波長為自變量分別建立4 個指標(biāo)的PLSR分析模型,其r分別為0.95、0.95、0.83和0.97,RMSEP為1.06%、0.92%、0.33%和1.14%,并將得到的最優(yōu)預(yù)測模型轉(zhuǎn)化到圖像的每個像素中,便可得到三文魚4 個系水力指標(biāo)的所有可視化分布圖。上述研究結(jié)果表明,HSI技術(shù)在對魚肉的系水力及分布進(jìn)行快速無損檢測方面具有很大潛力。
2.2.4 色澤
色澤是反映魚肉外觀品質(zhì)變化的重要物理指標(biāo),魚肉的顏色主要由肌肉中的肌紅蛋白、血紅蛋白和細(xì)胞色素的含量所決定[44]。檢驗(yàn)魚肉色澤最常用的方法是使用色差儀測量肉表面的亮度L*值、紅綠度a*值和黃藍(lán)度b*值[45]。近幾年,有些學(xué)者嘗試使用HSI技術(shù)來檢測魚肉的色澤,如Wu Di等[46]采用HSI技術(shù)(897~1 753 nm)對鮭魚的色澤進(jìn)行了快速無損檢測,首先采用SPA分別選出色澤L*、a*和b*值的最優(yōu)波長,然后利用選取的有效波長建立了MLR預(yù)測模型,最后獲得的L*、a*和b*值的MLR預(yù)測模型的r分別為0.88、0.74和0.80,RMSEP為2.17%、1.55%和2.24%。隨后兩年,基于可見-近紅外(400~1 000 nm)HSI技術(shù),Cheng Junhu等[47]采用SPA算法從草魚的全波段光譜內(nèi)提取了L*值(5 個)和a*值(7 個)的有效波長,所建立的LS-SVM預(yù)測模型的r均高于0.95,RMSEP均小于2.70%。兩者的研究結(jié)果表明,HSI技術(shù)在快速、無損檢測魚肉的顏色分析方面具有很廣的應(yīng)用前景。
HSI技術(shù)在魚肉物理屬性方面的評價應(yīng)用如表3所示。
表 3 HSI技術(shù)在魚肉物理屬性方面的評價Table 3 Application of HSI in the evaluation of physical properties of fi sh
魚肉是一種極易腐敗的食物,其貨架期極短,當(dāng)魚肉中腐敗微生物的含量超過一定值時,不僅會造成資源的浪費(fèi),而且一旦消費(fèi)者在不知情的狀況下誤食,則可能對健康造成損害,甚至導(dǎo)致生命危險;所以檢測魚肉中微生物是否超標(biāo)是評價魚肉質(zhì)量必不可少的一道程序。微生物的檢測方法一般有平板計數(shù)法[48]、聚合酶鏈反應(yīng)技術(shù)和酶聯(lián)免疫吸附測定法等[49-53],但這些方法都達(dá)不到快速、綠色、無損的檢測要求。鑒于HSI技術(shù)的高分辨率且可對被測樣品的化學(xué)成分做定量和定性分析等特點(diǎn),故HSI技術(shù)也能檢測出微生物細(xì)胞核中的蛋白質(zhì)、多糖、核酸等混合成分的分子振動信息,且能靈敏地檢測到微生物分子基團(tuán)光譜吸收峰的位置和強(qiáng)度[54];因此國內(nèi)外學(xué)者開始探討探究HSI快速檢測魚肉中微生物潛在可行性。
He Hongju等[55-57]先后采用近紅外HSI技術(shù)(900~1 700 nm)對0~4 ℃貯藏條件下的鮭魚肉表面乳酸菌、假單胞菌和腸桿菌科的菌落數(shù)及其可視化分布進(jìn)行了研究,結(jié)果顯示所建立的3 種微生物的最優(yōu)預(yù)測模型r均大于0.93,預(yù)測誤差均小于0.55%。其所獲得的每塊鮭魚肉中各種微生物含量的可視化分布圖分別如圖5~7所示,圖中的不同顏色代表鮭魚肉中微生物的含量值,以lg(CFU/g)表示。He Hongju等[58]又以鮭魚表面的腸桿菌屬和假單胞菌屬的菌落數(shù)之和(Enterobacteriaceae and Pseudomonas spp. count,EPC)為主要污染微生物指標(biāo),探究了HSI技術(shù)對鮭魚表面EPC含量的檢測,結(jié)果顯示所建模型的r高達(dá)0.98,預(yù)測誤差降至0.29%,同樣獲得了鮭魚肉表面EPC含量的可視化分布圖,其結(jié)果較理想?;诳梢?近紅外HSI技術(shù)(400~1 000 nm),Cheng Junhu等[59-60]先后研究了草魚被腸桿菌科和總細(xì)菌污染的情況,其使用加權(quán)回歸系數(shù)法(weighted regression coefficient method,WRC)從全波段中選取了6 個特征波長,基于最優(yōu)波長所建立的草魚腸桿菌數(shù)的MLR預(yù)測模型的r為0.94,預(yù)測誤差為0.25%,而使用SPA算法提取的7 個特征波長所建立的草魚總細(xì)菌數(shù)的PLSR模型的r高達(dá)0.96,RMSEP為0.51%。在相同波段內(nèi),Wu Di等[61]研究了鮭魚肉變質(zhì)過程中總菌數(shù)的動態(tài)變化預(yù)測,通過CARS算法從全波段的光譜數(shù)據(jù)中提取8 個最優(yōu)波長建立PLSR模型,r高達(dá)0.98,RMSEP低至0.26%,且均獲得了魚塊表面腸桿菌科和總細(xì)菌數(shù)的可視化分布圖。以上研究結(jié)果表明,HSI技術(shù)在快速無損的檢測魚肉表面有害微生物的變化有很大潛力。表4概括總結(jié)了近年來HSI技術(shù)用于魚肉微生物檢測方面的相關(guān)結(jié)果。
表 4 HSI技術(shù)在魚肉微生物方面的評價Table 4 Application of HSI in the evaluation of microbial contamination in fi sh
圖 5 鮭魚中乳酸菌數(shù)的可視化分布圖[55]Fig. 5 Visual distribution of lactic acid bacterial count in salmon[55]
圖 6 不同貯藏時間的鮭魚中假單胞菌科數(shù)的可視化分布圖[56]Fig. 6 Visual distribution of Pseudomonas counts in salmon samples at different storage times[56]
圖 7 鮭魚中腸桿菌科數(shù)的可視化分布圖[57]Fig. 7 Visual distribution of Enterobacteriaceae count in salmon[57]
魚肉在腐敗過程中,其蛋白質(zhì)、脂肪等物質(zhì)會發(fā)生一系列復(fù)雜的化學(xué)反應(yīng),所產(chǎn)生的揮發(fā)性鹽基氮(total volatile base nitrogen,TVB-N)、硫代巴比妥酸(thiobarbital acid,TBA)反應(yīng)物、三磷酸腺苷分解物(K值)等化學(xué)物質(zhì)以及pH值均能反映出魚肉的新鮮度,從而導(dǎo)致魚肉的物理結(jié)構(gòu)、化學(xué)組成信息發(fā)生變化,同時魚肉的O—H、N—H、C—H等含氫基團(tuán)的倍頻和合頻信息也會隨之發(fā)生相應(yīng)的變化,故可以通過蛋白質(zhì)、脂肪等含量的變化間接地進(jìn)行新鮮度指標(biāo)的測定[62-63]。
2.4.1 pH值
pH值是化學(xué)指標(biāo)評定法中常用的指標(biāo)[64],魚肉的新鮮度可以通過pH值進(jìn)行判定,一般新鮮魚肉的pH值在6.5~6.8之間,而不在此范圍內(nèi)的肉即為不新鮮肉。pH值通常采用pH試紙或者pH計進(jìn)行測定,雖然結(jié)果可靠,但耗時長、效率低。鑒于此,一些學(xué)者開始研究應(yīng)用HSI技術(shù)測定魚肉的pH值。He Hongju等[65]使用HSI技術(shù)對鮭魚片的pH值先后進(jìn)行了兩次研究;第一次使用Loading weights算法從全波段光譜內(nèi)提取6 個最優(yōu)波長來建立PLSR模型,該模型的r為0.86,RMSEP為0.05%;第二次使用RC算法提取的10 個最優(yōu)波長所建立的PLSR模型的r高達(dá)0.90,均方根誤差低至0.04%[41],結(jié)果明顯提高。Xu Junli等[66]在此基礎(chǔ)上使用stepwise-MLR算法從大西洋鮭魚的全波段內(nèi)提取了10 個最優(yōu)波長來建立MLR模型,r降至0.85,RMSEP為0.05%,結(jié)果不如He Hongju等[41]的理想。
2.4.2 TVB-N含量的測定
魚肉在腐敗過程中,由于蛋白質(zhì)被分解而產(chǎn)生的氨和胺類等堿性含氮物質(zhì)被稱為TVB-N。TVB-N含量的變化能很好地反映魚肉新鮮度;因此TVB-N含量可以用來評價魚肉的新鮮度[67]。Cheng Junhu等[68-69]采用HSI技術(shù)(400~1 100 nm)測定了草魚的TVB-N含量,先使用SPA算法從全波段內(nèi)選取9 個最優(yōu)波長,以此來建立LS-SVM預(yù)測模型,該模型的r為0.96,RMSEP為2.25%,在此基礎(chǔ)上使用絨泡菌網(wǎng)絡(luò)(physarum network,PN)結(jié)合GA算法選取最優(yōu)波長來建立PLSR預(yù)測模型,此模型的r高達(dá)0.98,均方根誤差預(yù)測低至1.73%,此結(jié)果與之前相比有了很大的提升。
2.4.3 K值
三磷酸腺苷分解物即K值是評價魚肉新鮮度的重要指標(biāo)之一,K值為10%時表示魚肉很新鮮,當(dāng)K值達(dá)到60%~80%時說明魚肉不可食用,否則會引起食物中毒,導(dǎo)致生命危險。K值的測定關(guān)乎到人們的健康,因此檢測魚肉K值是很重要的一步?;贖SI技術(shù)(400~1 000 nm),Cheng Junhu等[70]采用SPA算法結(jié)合PLSR法對草鯉魚和銀鯽魚的K值進(jìn)行了快速無損檢測,其PLSR模型的r高達(dá)0.97,RMSEP為4.92%。
2.4.4 TBA值
魚肉中富含不飽和脂肪酸,不飽和脂肪酸能預(yù)防心血管疾病、加強(qiáng)記憶和思維能力。魚肉在貯藏過程中脂類容易受到促氧化劑的影響而產(chǎn)生氫過氧化物、醛類、酮類等有害氧化產(chǎn)物[71]。脂類氧化被認(rèn)為是導(dǎo)致魚肉新鮮度下降和品質(zhì)變壞的一個首要因素。而TBA值是一個常用于反映魚肉脂類氧化程度的化學(xué)指標(biāo)。Cheng Junhu等[72]采用HSI技術(shù)(400~1 000 nm)探究了4 ℃貯藏條件下草魚的TBA值的變化,利用RC算法和MLR法建立了草魚中TBA值的預(yù)測模型,該模型r為0.92,RMSEP為0.11%。Xu Junli等[66]應(yīng)用HSI技術(shù)(900~1 700 nm)對大西洋鮭魚的TBA值進(jìn)行了快速無損檢測研究,通過stepwise-MLR和MLR化學(xué)計量學(xué)方法提取了18 個圖像紋理特征變量,所建立的MLR模型的r高達(dá)0.92,RMSEP為1.84%。Sivertsen等[73]應(yīng)用HSI技術(shù)(450~700 nm)對鱈魚的新鮮度進(jìn)行了評價。通過使用RC算法提取了4 個圖像紋理特征變量,最后所建MLR模型的r大于0.87,RMSEP為2.22%。
HSI技術(shù)在魚肉新鮮度方面的評價應(yīng)用如表5所示。
HSI技術(shù)除了在魚肉化學(xué)成分、物理品質(zhì)、微生物和新鮮度方面的研究之外,還被用于其他方面的檢測,詳見表6。章海亮等[74]也采用HSI技術(shù)(445~1 001 nm)對不同冷藏時間后多寶魚的凍融次數(shù)進(jìn)行了研究,CARS算法提取57 個最優(yōu)波長,再結(jié)合主成分分析(principal component analysis,PCA)、灰度共生矩陣(gray-level co-occurrence Matrix,GLCM)紋理特征作為輸入變量來建立LS-SVM區(qū)分模型,模型的識別率達(dá)98%,同時朱逢樂等[75]也采用此技術(shù)研究了多寶魚的凍融次數(shù),所建PLSR模型的r也高達(dá)0.98,RMSEP為0.66%?;贖SI技術(shù),Khojastehnazhand等[76]對虹鱒魚的等級分類進(jìn)行了快速無損檢測,采用PCA算法分別從400~1 000 nm和1 000~2 500 nm兩個波段提取各4 個最優(yōu)波長建立PLSR模型,相比之下400~1 000 nm波段的模型較優(yōu)。
表 6 HSI技術(shù)在魚肉其他方面的評價Table 6 Application of HSI in the evaluation of other aspects of fi sh
除此之外,HSI技術(shù)也被用于檢測魚肉中的寄生蟲,楊賢林[77]使用HSI技術(shù)檢測了鱈魚內(nèi)的異尖線蟲,使用PCA法對400~1000 nm范圍內(nèi)的高光譜圖像進(jìn)行分析,結(jié)果能很清晰地顯示出異尖線蟲的具體位置。Sivertsen等[78]利用HSI技術(shù)預(yù)測了鱈魚中的寄生蟲,最后所得到的結(jié)果總檢出率為58%,深色寄生蟲的檢出率為71%,淺色寄生蟲的檢出率為46%,其結(jié)果并不理想。使用透射HSI技術(shù)對魚肉品質(zhì)的研究較少,因透射HSI技術(shù)對光源要求較高,當(dāng)光源較弱時,光源打在樣品表面其光線透過率較低則無法對數(shù)據(jù)進(jìn)行處理;光源較強(qiáng)則會造成被測樣品表面溫度較高而容易導(dǎo)致光譜數(shù)據(jù)丟失[79]。開發(fā)透射HSI技術(shù)檢測魚肉內(nèi)部寄生蟲及內(nèi)部損壞和缺陷或許具有一定的應(yīng)用前景。
HSI技術(shù)在檢測肉品質(zhì)量方面具有諸多優(yōu)點(diǎn):1)樣品無需預(yù)處理;2)能夠同時提供光譜和空間信息;3)能夠在同一樣品中同時測定幾種成分;4)能夠?qū)崿F(xiàn)目標(biāo)微生物指標(biāo)的可視化分布;5)高光譜可以解決定性和定量檢測。HSI技術(shù)不僅能夠達(dá)到快速、無損的特點(diǎn),而且其預(yù)測準(zhǔn)確性較高,比如對魚肉的化學(xué)成分(水分、脂肪和鹽類)、物理屬性(質(zhì)構(gòu)、嫩度、系水力、色澤)、微生物和化學(xué)指標(biāo)(pH值、揮發(fā)性成分含量、K值)等關(guān)鍵質(zhì)量特性的預(yù)測取得了不錯的效果,即在紅肉及家禽肉方面也有廣泛的應(yīng)用,而且效果也很不錯。因此HSI技術(shù)將會在魚肉及肉質(zhì)品質(zhì)量特性方面有更廣闊的發(fā)展前景。
盡管HSI技術(shù)優(yōu)勢明顯,但也存在一定的缺陷及需要改進(jìn)的問題:1)高光譜圖像是3D“數(shù)據(jù)塊”,包含大量的冗余數(shù)據(jù),這在挖掘數(shù)據(jù)方面具有很大的挑戰(zhàn);2)開發(fā)帶有幾個有效波長的多光譜成像系統(tǒng)是必要的,因?yàn)樗粌H可在較短時間內(nèi)實(shí)現(xiàn)食品質(zhì)量的評估,而且還能滿足在線應(yīng)用的要求;3)為了保證校正模型的有效性和穩(wěn)健性,必須要有精確的目標(biāo)參數(shù)值;4)HSI技術(shù)不適合應(yīng)用在同質(zhì)樣品中,因?yàn)镠SI的成像功能只適用于可視化不均勻的分布空間;5)HSI技術(shù)無法獲得樣品內(nèi)部更深層的成分信息,因?yàn)楣獾拇┩干疃仁軜悠泛筒ㄩL范圍的限制。
HSI技術(shù)作為一種有潛力的快速無損檢測工具在食品品質(zhì)評估方面被廣泛研究,且其質(zhì)量特性的預(yù)測也取得了令人滿意的效果,鑒于此,HSI技術(shù)在不久的未來可能替代耗時的傳統(tǒng)檢測方法,以滿足食品品質(zhì)的快速、無損在線檢測的要求。
從以上的綜述可以看出,HSI技術(shù)在魚肉品質(zhì)檢測方面潛力巨大,但其研究對象主要集中于對鮭魚、草魚、鱈魚、虹鱒魚和大菱鲆魚品質(zhì)的研究,而對我國消費(fèi)較多的鯉魚、鰱魚、魷魚和帶魚品質(zhì)方面的研究較少;所以將來可在現(xiàn)有研究的基礎(chǔ)上擴(kuò)大HSI技術(shù)的應(yīng)用范圍,以充分挖掘HSI的利用價值。
國內(nèi)已有開發(fā)相關(guān)的高光譜成像設(shè)備,但是其核心部件依然需要進(jìn)口,購買成本依然比較昂貴,HSI設(shè)備的國產(chǎn)化、低成本化將是未來發(fā)展的一個重要方向。目前不管是實(shí)驗(yàn)室用和室外用HSI成像設(shè)備,體積均過于龐大、不易攜帶,未來HSI設(shè)備應(yīng)趨于小型化、便攜化發(fā)展。
盡管高光譜設(shè)備可獲取大量數(shù)據(jù),但是數(shù)據(jù)分析速度依然較慢,所構(gòu)建的模型不具通用性,應(yīng)用受限;因此,可通過前期的理論和應(yīng)用研究,開發(fā)波長少、數(shù)據(jù)分析速度更快的光譜成像設(shè)備,可實(shí)現(xiàn)真正意義上的快速檢測。