孟 一，张玉华，2，* ，许丽丹，2，陈东杰，2，张咏梅，张应龙，2

(1.山东商业职业技术学院，山东省农产品贮运保鲜技术重点实验室，山东济南250103;2.国家农产品现代物流工程技术研究中心，山东济南250103)

近红外技术具有分析速度快、效率高、重现性好、适用范围广、无损伤等优点［1］，被称为“具有解决全球农业分析的潜力”［2］，在食品/农产品新鲜度检测及品质分析中应用广泛。国内外许多学者开展了近红外技术检测鱼类新鲜度的研究，Sivertsen等［3］将近红外技术应用于鱼片的新鲜度定性判别。Lin等［4］用近红外光谱检测了虹鳟鱼排微生物导致的腐败，分别采用主成分分析法(PCA)和PLS对腐败程度进行预测，表明近红外光谱用于虹鳟鱼排的腐败程度和微生物载荷的预测具有可行性。徐富斌等［5］在整鱼背部采集近红外光谱，建立了大黄鱼TVBN值、菌落总数的PLS模型，证明大黄鱼的近红外光谱信息与其TVBN、菌落总数间相关性较高。栾东磊等［6］利用便携式近红外分析仪检测了养殖大黄鱼鲜度K值，并采用PLS法建立了预测模型。笔者［7］前期采用近红外漫反射光谱结合PLS建立了带鱼鱼糜TVBN、pH和菌落总数的定量分析模型。实验中发现鱼糜漫反射和漫透射两种光谱采集方式对模型的预测性能影响较大，且鱼糜和完整带鱼的漫反射光谱模型性能也存在差异，这可能与采集的光谱包含的信息完整程度有关。前人大多利用一种光谱采集方式对一种形态的样品进行研究，尚未见不同的光谱采集方式和样品形态对检测结果影响的相关报道。因此为优化带鱼新鲜度的近红外检测方法，有必要对两种光谱采集方法和两种样品形态建立的模型进行比较。

本研究以不同新鲜度的带鱼为实验对象，分别采集鱼糜漫反射、漫透射和完整带鱼漫反射光谱数据，利用PLS法建立TVBN、pH和菌落总数的定量检测模型。根据模型对未知样品的预测结果，评价光谱采集方法和样品形态对带鱼新鲜度检测结果的影响，从而确定带鱼新鲜度近红外检测的最佳方法。

1 材料与方法

1.1 材料与仪器

冰鲜带鱼 购于山东省省济南市银座超市，用保鲜膜包好并编号置于4℃冰箱中贮藏待测，每天采集光谱并测定TVBN值、pH、菌落总数，直至带鱼腐败变质。制备鱼糜样品时，将带鱼去皮绞碎成糜状。共制备鱼糜样品100个，其中70个作为校正集，建立校正模型;30个作为验证集，验证模型的预测能力。用于整鱼漫反射的样品共69个，其中校正集46个，验证集23个。

AntarisⅡ傅立叶变换近红外光谱仪 美国Thermo Electric公司，配有积分球漫反射采样系统、Result操作软件、TQ Analyst 8光谱分析软件。

1.2 近红外光谱采集方法

利用积分球漫反射系统采集光谱，扫描范围为4000～10000cm－1，扫描次数 128 次，分辨率 8cm－1，以内置背景为参照。采集鱼糜漫反射光谱时，将鱼糜置于旋转杯内，均匀摊平，每个样品连续采集3次，取平均值为原始光谱。采集鱼糜漫透射光谱时，鱼糜装在漫透射专用样品袋内，将扫描点对准光谱仪的样品池光孔进行扫描，每次扫描光孔对准样品的不同位置，共扫描6次，取平均值作为样品的原始光谱。采集整鱼漫反射光谱时，将带鱼某一部位对准样品池光孔，共扫描6个部位，取平均值作为样品的原始光谱。

1.3 化学分析法

TVBN 按照水产品行标 SC/T3032－2007［8］的方法测定。

pH测定:将待测样品绞成泥状后，准确称取10g，置于盛有90mL双蒸水的烧杯中，浸泡并不时振摇15min后，过滤取滤液，用pH计测定。

菌落总数按照国标 GB/T4789.2－2010［9］的方法测定。

1.4 数据处理

利用仪器自带的TQ Analyst 8软件进行数据处理，将样品分成训练集和预测集，前者用于建立预测模型，后者验证模型的精确度。采用PLS法分别建立鱼糜漫反射、漫透射和完整带鱼漫反射光谱的TVBN、pH和菌落总数的定量校正模型。以训练集样品的交叉验证均方差RMSECV及其相关系数r为指标优化模型，以对预测集样品的预测均方差RMSEP及其相关系数r以及配对t－检验验证模型的预测能力。

2 结果与分析

2.1 光谱采集方法和样品状态对原始光谱的影响

分别采集带鱼鱼糜的近红外漫反射光谱、漫透射光谱和完整带鱼的漫反射光谱，原始光谱如图1所示。

图1 鱼糜漫反射(a)、漫透射(b)和整鱼漫反射(c)原始光谱图Fig.1 Original spectra for diffuse reflection and diffuse transmission of the mined ribbonfish and for diffuse reflection of the complete ribbonfish

由图1可见，漫反射和漫透射两种不同光谱采集方式得到的鱼糜样品原始图不同，漫反射法得到的各光谱精密度较高，而不同样品的漫透射光谱有较大区别，原因可能是漫反射利用样品杯在旋转过程中完成光谱采集，每次扫描采集的点数多，使样品的代表性大大提高;采集漫透射光谱时，每次扫描采集1个点，每个样品分别采集6个不同的点，得到的原始光谱图为6个点的平均值，样品本身的不均匀性导致光谱间的差异较大。鱼糜与整鱼漫反射原始光谱图也存在差异，后者样品间光谱差别较大，吸收峰的数量较少，且有的峰较尖。原因可能一方面整条带鱼不同部位新鲜度差异和光谱采集方式导致光谱精密度差，另一方面整鱼带有鱼皮，而鱼糜样品制备过程中已将鱼皮去掉。总之，单纯从原始图上不能确定光谱采集方式和样品形态对带鱼新鲜度检测结果的影响，需对光谱进行化学计量学方法处理才能进行客观的评价。

表1 经优化的建模参数Table 1 The optimized modeling parameters

2.2 建模参数的优选

利用PLS法建立带鱼TVBN值、pH和菌落总数定量模型时，采用内部交叉验证法对建模波段、光谱预处理方法和主成分数进行优选。RMSECV越小，交互验证预测值与实测值间的相关系数r越大，对应的建模参数越好，模型越准确。鱼糜近红外漫反射、漫透射和整鱼漫反射光谱经优化后，得到的最佳建模波段、光谱预处理方法和主成分数见表1所示。即所建的9个模型在相应的建模波段内采用对应的预处理方法和主成分数时，RMSECV最小，交互验证预测值与实测值间的相关系数r值最大。

2.3 模型的建立

选取上述优化的最佳建模波段、预处理方法和主成分数，利用PLS法分别建立鱼糜漫反射、漫透射和整鱼漫反射的TVBN、pH和菌落总数校正模型，模型的预测值与实测值的散点及残差分布如图2～图4所示。

鱼糜漫反射、漫透射和整鱼漫反射TVBN模型校正集样品的RMSECV值分别为1.81、2.28和3.13，预测值与实测值的相关系数r分别为0.935、0.892和0.902;鱼糜漫反射、漫透射和整鱼漫反射pH模型校正集样品的 RMSECV值分别为 0.148、0.149和0.151，预测值与实测值的相关系数r分别为0.831、0.814和0.905;鱼糜漫反射、漫透射和整鱼漫反射菌落总数模型的 RMSECV值分别为0.459、0.472和0.538，预测值与实测值的相关系数r分别为0.814、0.794和0.806。由上述结果可见，鱼糜漫反射、漫透射和整鱼漫反射的TVBN、pH和菌落总数定量校正模型校正集的交叉验证均方差RMSECV较小，预测值与实测值的相关系数r较高，说明上述模型的性能良好。鱼糜漫反射、鱼糜漫透射与整鱼漫反射相比，鱼糜漫反射方式得到的三个模型性能均优于鱼糜漫透射和整鱼漫反射。

2.4 模型的验证

分别用鱼糜漫反射模型、鱼糜漫透射模型和整鱼漫反射模型对预测集样品进行预测，预测值与实测值如表2所示。

图2 TVBN预测值与实测值的散点图及残差分布图Fig.2 Scatter and residual plots of actual and predictive values of TVBN

图3 pH预测值与实测值的散点图及残差分布图Fig.3 Scatter and residual plots of actual and predictive values of pH

图4 菌落总数预测值与实测值的散点图及残差分布图Fig.4 Scatter and residual plots of actual and predictive values of total number of colonies

鱼糜漫反射、漫透射和整鱼漫反射TVBN模型预测值和实测值的相关系数r分别为0.960、0.935和0.892，预测标准差 RMSEP分别为 5.178、5.74和5.813。经配对 t－检验，︱t︱均小于 t0.05，p ＞0.05，故预测值与实测值间的差异均不显著;鱼糜漫反射、漫透射和整鱼漫反射pH模型预测值和实测值的相关系数 r分别为 0.923、0.898和 0.978，预测标准差RMSEP分别为0.333、0.351和0.367。经配对 t－检验，︱t︱均小于 t0.05，p＞0.05，故预测值与实测值间的差异均不显著;鱼糜漫反射、漫透射和整鱼漫反射菌落总数模型预测值和实测值的相关系数r分别为0.994、0.95和 0.971，预测标准差 RMSEP分别为0.823、0.81 和 0.83。经配对 t－检验，︱t︱均小于t0.05，p＞0.05，故预测值与实测值间的差异均不显著。上述验证结果表明，所建鱼糜漫反射、鱼糜漫透射和整鱼漫反射的TVBN、pH和菌落总数模型的预测性能良好，准确度较高，能满足TVBN、pH和菌落总数的定量检测要求。将鱼糜漫反射、漫透射和整鱼漫反射模型预测值和实测值的相关系数r及预测标准差RMSEP进行比较，发现鱼糜漫反射模型的预测性能高于鱼糜漫透射和整鱼漫反射模型。

3 结论

分别采集了带鱼鱼糜漫反射、漫透射和整鱼漫反射光谱数据，将原始光谱图对比发现，三种原始图存在差异，原因可能与光谱采集方式和样品均匀性有关。对最佳建模波段、预处理方法和主成分数等参数进行了优化，根据优化的建模参数，利用PLS法分别建立了TVBN、pH和菌落总数的定量检测模型。分别用上述模型对预测集样品的TVBN、pH和菌落总数值进行预测，结果表明各模型的预测值与实测值间差异均不显著，说明模型的预测性能良好。但近红外漫反射与漫透射两种光谱采集方式相比，前者所建模型的预测能力高于后者。采用漫反射光谱时，鱼糜模型的预测能力高于整鱼。说明近红外漫反射和漫透射光谱均可用于检测带鱼新鲜度，但前者检测的准确度高于后者。利用近红外漫反射技术可实现完整带鱼新鲜度的无损检测，但检测的准确度低于鱼糜样品。因此，建立带鱼新鲜度近红外检测模型时采集鱼糜漫反射光谱建立的模型预测性能较好。

［1］刘爱秋，邓晓建，王平荣，等.近红外光谱分析技术及其在农业领域的应用［J］.西南农业学报，2003，16(2):98－101.

［2］彭彦昆，张雷蕾.光谱技术在生鲜肉品质安全快速检测的研究进展［J］.食品安全质量检测学报，2010，27(2):62－72.

［3］Sivertsen AH，KimiyaT，HeiaK.Automaticfreshness assessment of cod(Gadus morhua)fillets by Vis/Nir spectroscopy［J］.J Food Eng，2001，103:317－323.

［4］Mengshi Lin，Mojgan Mousavi，Murad Al－ Holy，et al.Rapid Near Infrared Spectroscopic Method for the Detection of Spoilage in Rainbow Trout(Oncorhynchus mykiss)Fillet［J］.Journal of Food Science，2006，71(5):18－23.

［5］徐富斌，黄星奕，丁然，等.基于近红外光谱的大黄鱼新鲜度评价模型［J］.食品安全质量检测学报，2012，3(6):644－648.

［6］栾东磊，薛长湖.近红外光谱分析技术在几种水产品中的应用研究［D］.青岛:中国海洋大学，2009:40－45.

［7］张玉华，孟一，许丽丹，等.基于近红外光谱技术的带鱼新鲜度检测研究［J］.食品工业科技，2013，34(19):281－286.

［8］SC/T3032－2007水产品中挥发性盐基氮的测定［S］.

［9］GB 4789.2－2010食品微生物学检验 菌落总数测定［S］.

表2 模型的预测结果Table 2 Predicted results of the models