黄潇

(山西省分析科学研究院，山西 太原，030006)



冷冻鱼糜质量安全的灰色聚类评估

黄潇*

(山西省分析科学研究院，山西 太原，030006)

摘要针对冷冻鱼糜质量安全体系中指标因素众多，缺乏有效定量评估手段的现状，建立一种冷冻鱼糜质量安全的灰色聚类评估方法。采用层次分析法确定指标权重，建立白化权函数及聚类权系数矩阵，并判断各个冷冻鱼糜质量安全风险所处的灰类。对18个有代表性的冷冻鱼糜质量安全的聚类结果表明：样品C3属于“高”风险类产品，C11属于“中”风险类，而其余样品均属于“低”类。冷冻鱼糜质量安全灰色聚类结果表明，冷冻鱼糜质量安全风险处于可控范围，与实际情况相吻合，表明构建的冷冻鱼糜品质的灰色聚类评估方法可靠。

关键词冷冻鱼糜；食品安全；灰色聚类评估；层次分析法

冷冻鱼糜是20世纪60年代由日本研究人员以狭鳕鱼为原料，研究开发的一种新型水产品，其制品风味鲜美、营养丰富，受到广大消费者的青睐。我国自20世纪90年代开始迅速发展，进入冷冻鱼糜规模化生产[1-3]。但目前我国冷冻鱼糜行业仍缺少国家标准，产品质量良莠不齐，潜在风险较大[4-6]。建立一个冷冻鱼糜安全评估体系，对保障消费者安全、健康的食用，以及促进行业安全性管理都十分有必要。

冷冻鱼糜质量安全评估的指标因素众多，由于测试误差或主观判断等原因，实测数据也是在某个范围内变化的，因素与因素之间，各因素与冷冻鱼糜质量安全评估之间的关系不完全明确，导致这些因素对冷冻鱼糜品质的影响，难以用准确的数学模型来表示。因此，冷冻鱼糜质量安全的评估是一个“部分信息已知，部分信息未知”的灰色系统[7]。灰色理论是中国学者邓聚龙教授于1982年在国际上首先提出来的，是一种研究小样本、贫信息不确定性的新方法，目前已广泛应用于经济建设、安全应用、环境评价等领域。灰色评估是基于灰色系统理论，根据系统或因子在某一时期所处的状态，做出一种半定性半定量的评价与描述，并通过定性方法与定量分析相结合，来确定一个或几个满意的解[8-10]。本研究正是以此为出发点，建立一种冷冻鱼糜质量安全的灰色聚类评估方法。

1材料与方法

1.1材料与试剂

冷冻鱼糜：采自威海某水产公司。

试剂：无水Na2SO4、NaOH等试剂，均采用试剂纯。正己烷、丙酮、甲醇等色谱用试剂 (均为色谱纯) ，购于国药集团化学试剂有限公司。

1.2仪器与设备

AAS7002原子吸收分光光度仪，北京东西分析仪器有限公司；GCMS-QP2010 Plus气相色谱-质谱联用仪，日本Shimadzu公司；FOSS KjeltecTM2300全自动凯氏定氮仪，丹麦FOSS集团；UV-2450 型紫外分光光度计，日本岛津。

1.3实验方法

1.3.1指标数据测定

细菌总数、沙门氏菌及副溶血性弧菌的测定[11]：称取冷冻鱼糜样品20 g 于装有100 mL无菌水的三角瓶中，混合均匀，梯度稀释后，按GB4789.20中规定的方法进行稀释平板计数。

挥发性盐基氮(TVB-N)值测定[12]：称取混合均匀样品20 g 于三角瓶中，加水100 mL，浸泡50 min，离心，过滤，取上清液，按GB 5009.44 微量扩散法测定。

按照同样的操作步骤，磷酸盐、总糖、组胺、甲基汞、铅、铬、多氯联苯的测定分别按照GB5009. 87、GB5009. 8、GB5009. 45、GB5009. 17、GB5009. 12、GB5009. 15、GB5009. 190中规定的方法进行[13-14]。

1.3.2灰色聚类评估模型构建

灰色评估方法是以数学模型为基本手段，灰色聚类模型是在灰色理论的基础上，通过建立灰类型的白化权函数综合权系数矩阵，按灰类进行归纳，从而判断聚类对象所属的灰类[7]。

1.3.2.1评估指标体系建立

根据己有的数据和资料, 建立冷冻鱼糜评估指标体系。设有n个聚类样本，即各个冷冻鱼糜；每个冷冻鱼糜有m个聚类指标，对n个聚类样本的灰类进行评估。

其中，i=1，2，…，m；j=1，2，…，n。

1.3.2.2确定各指标灰类界限，建立各指标白化权函数

灰类界限的确定有数理统计、经验判别2种方法，在此用经验判别来确定灰类界限。类别界限分高H、中M、低L三类。确定灰类界限后,就可构建各指标的白化权函数。

一般白化权函数分为3种基本类型，即

(1) 高类型：

(2) 中类型:

(3) 低类型：

式中：H、M、L分别代表高类下限，中类中限，低类上限，xij代表样点指标值。i=1，2，…，m；j=1，2，…，n。

1.3.2.3确定各指标权重

采用层次分析法来确定各指标聚类权重。

1.3.2.4计算综合权系数矩阵并判断各样点所属灰类

2结果与分析

2.1冷冻鱼糜评估指标体系的建立

食品安全风险监测指标主要是微生物指标和理化指标，微生物指标包括细菌总数和致病菌理化指标的风险监测，主要包括食品添加剂、重金属和农兽药残留。由于冷冻鱼糜生产原料来源中较少涉及兽药残留，因而在评估体系中不考虑“兽药”这一指标。选取菌落总数、副溶血性弧菌、沙门氏菌、磷酸盐、总糖、挥发性盐基氮(TVB-N)、组胺、甲基汞、铅、铬、多氯联苯。建立如下指标评估体系，见图1。

图1　冷冻鱼糜评估指标体系Fig.1　The index system of frozen surimi

选取菌落总数、副溶血性弧菌、沙门氏菌、磷酸盐、总糖、TVB-N(挥发性盐基氮)、组胺、甲基汞、铅、铬、多氯联苯作为聚类指标，共11个(即j=1，2，…，11)，选择不同生产批次的18个有代表性的冷冻鱼糜作为聚类样本(即i=1，2，…，18)。分别以C1，C2，…C18代表各冷冻鱼糜名称，各冷冻鱼糜相应指标测定数值见表1。

原始数据中，菌落总数、副溶血性弧菌、沙门氏菌与其他指标相比,数量级较大,所以以原始数据除以其限量值原始数据进行转换。冷冻鱼糜质量安全检测指标中，指标值越大,冷冻鱼糜质量安全的风险程度就越大[15]。

冷冻鱼糜质量检测指标中，重金属及农药的安全隐患主要来源于无安全保证的捕捞海区或养殖基地，加工过程中某些添加剂的过度使用导致磷酸盐、总糖含量过高。TVB-N、组胺是判断冷冻鱼糜是否发生变质、腐败的重要检测指标[16-17]。作为微生物指标，细菌总数不仅直接表征冷冻鱼糜生产过程中的环境卫生情况，同时细菌还可代谢产酸、产生TVB-N等[18]，影响冷冻鱼糜产品的品质及货架期等。

表1　冷冻鱼糜各指标测定值

2.2各指标灰类界限的确定

目前对于冷冻鱼糜质量安全的评估的研究比较少。在本研究构建的冷冻鱼糜质量系统中,各样品指标界限主要是结合企业质量检验标准及食品毒理学相关理论，将冷冻鱼糜质量安全风险的11项检测指标矩阵按高、中、低3类归类，计算综合权系数矩阵。将综合权系数分为3个灰类，灰类序号为k(k=1,2,3)分别表示“高”“中”“低”灰类。各指标的类别界限如表2所示。

表2　冷冻鱼糜各风险指标的灰类界限

在食品安全领域里,大多情况下依据食品毒理学的相关理论对各种指标的界限进行确定。食品毒理学研究的是食品在加工过程中所引入的外源性化学物质在人体食用后所带来的不良作用。然而毒理性是很复杂的现象,毒性大小在很大程度上取决于摄入的剂量,取决于多种因素。由于冷冻鱼糜体系的复杂性，因而类别界限确定以后并不是一成不变的，还要经过反复验证。

2.3确定各指标权重

由于聚类指标的意义、量纲不同，且在数量上悬殊较大，故冷冻鱼糜质量评估采用灰色定权聚类。采用层次分析法计算权重。各指标权重见表3。

表3　冷冻鱼糜各指标权重

赋予聚类指标权重时，不仅要考虑指标性能的实用性和综合性,更要考虑指标数据的可靠性,以使权重更加准确。采用层次分析法对各指标赋值, 实现定性与定量相结合，最大限度减少了不同专家认识差异对判断结果的影响,使求得的加权值更客观、科学[18]。在冷冻鱼糜质量安全体系中,指标可以分为两类:微生物风险指标和理化风险指标。从两类指标总体的情况来看,理化指标对冷冻鱼糜质量安全的影响程度要大于微生物风险指标。其中多氯联苯、镉影响权重比较大，甲基汞、铅等影响次之。

2.4计算综合权系数矩阵并判断各样点所属灰类

采用灰色系统建模软件，计算综合权系数矩阵，并判断各样点所属灰类。将冷冻鱼糜样品检测数据带入到聚类模型中计算，软件结果显示：样品C3属于“高”风险类产品，C11属于“中”风险类，而其余样品均属于“低”类。这说明,在18件冷冻鱼糜样品中,1件属于高风险灰类,1件属于中风险灰类,其余均属于低风险灰类。虽然检测冷冻鱼糜中超标项目种类较多，但经过灰色聚类评估后发现，总体处于低风险状态。冷冻鱼糜食品加工的程序多, 车间设施不佳，操作人员不遵守卫生规范等，是冷冻鱼糜微生物指标超标的主要原因，而原料、辅料来源不可靠，加工用水、加工环境不规范是导致冷冻鱼糜理化指标超标的主要原因。所以，针对以上一些情况及关键加工工序，加强安全培训，加大管理力度，冷冻鱼糜质量安全风险还是完全可控的。

3结论

在18件冷冻鱼糜样品中,2件属于高风险灰类,1件属于中风险灰类,其余均属于低风险灰类，处于安全可控范围内，与目前我国冷冻鱼糜安全风险实际情况相符，由此可以推断,灰色聚类评估应用于冷冻鱼糜质量安全风险分析切实可行。由于冷冻鱼糜行业质量标准制定的滞后性，目前我国关于冷冻鱼糜质量安全评估的研究比较少。本研究中构建的冷冻鱼糜质量安全灰色聚类评估模型，只要知道冷冻鱼糜的检测指标，经软件聚类分析就可以知道其大致质量安全情况，为企业、政府监管部门监测冷冻鱼糜品质安全情况提供一个快速有效的方法。

参考文献

[1]姜英杰.冷冻鱼糜及鱼糜制品生产工艺技术[J]. 肉类工业，2011(10):12-14.

[2]LI J R, LU H X,ZHU J L ,et al. Aquatic products processing industry in China：Challenges and outlook[J].Trends in Food Science & Technology，2009,20(2):73-77.

[3]顾晓慧,殷邦忠,王联珠,等.我国冷冻鱼糜生产及标准现状分析[J].食品科学，2014,35(23):303-307.

[4]IP W C, HU B Q, WONG H, et al. Applications of grey relational method to river environment quality evaluation in China[J]. Journal of Hydrology, 2009, 379(3): 284-290.

[5]黄建联,周文果,陈梅妹,等.浅论我国冷冻鱼糜行业标准的制定[J].福建水产，2013,35(1):58-63.

[6]李强,刘文, 戴岳,等. 德国食品企业风险分级分类监管制度[J].食品与发酵工业 , 2014,40(7):121-125.

[7]潘炜.基于灰色聚类方法的湖泊营养状态综合评价[J].环境监测管理与技术, 2014,26(6):35-38.

[8]刘思峰，党耀国，方志耕，等.灰色系统理论及其应用[J].北京：科学出版社，2010：105-145.

[9]赵昱,刘行,徐佳欣,等.基于层次分析法—灰色聚类的PFI模式下公租房建设的风险评价方法[J].工程管理学报, 2013,27(1):69-72.

[10]蒋知栋; 李晶，高杨,等.基于改进灰色聚类模型的矿区耕地损毁程度评价[J].中国生态农业，2013,21(6):765-771.

[11]苏世彦.食品微生物检验手册[M].北京：中国轻工业出版社，1998：69-70.

[12]王金路,王雪琦,仪淑敏,等.金线鱼鱼丸冷藏过程中品质变化规律研究[J].水产科学，2015,34(1):14-18.

[13]李志军,吴永宁,刘祥亮,等.不同贮存及加工条件对海产品中组胺与TVBN的影响[J].食品工业科技, 2009(12):347-350.

[14]JAS农林.日本农林规格标准 冷冻鱼糜[S].

[15]奚瑞芳. 餐饮安全灰评估模型的构建研究[D].太原:山西大学,2012年.

[16]THOMAS A, HOLLINGWORTH J R, MARLEEN M W, et al. Chemical indecators of decomposition for row sruimi and flaked artifical crab[J]. Journal of Food Science. 1990,55(2): 349-352.

[17]IN H Y,JAKCK R M, BARBARA R. Microbiological and chemical changes of surimi-based imitation crab during storage[J]. Journal of Food Science. 1988,53(5):1 343-1 346.

[18]CHAIJAN M, BENJAKUL S, VISESSANGUAN W, et al. Changes of pigments and colour in sardine (Sardinellagibbosa) and mackerel (Rastrelligerkanagurta) muscle during iced storage[J]. Food Chemistry,2005,93(4):607-617.

Gray clustering evaluation of frozen surimi quality safety

HUANG Xiao*

(Shanxi Academy of Analytical Science, Taiyuan 030006, China)

ABSTRACTDue to the complexity of frozen surimi index factors in the quality security system, and the lack of effective quantitative evaluation methods，gray clustering evaluation model was established to evaluate the comprehensive quality of frozen surimi. Index weight was determined by using analytic hierarchy process, definite weighted functions and clustering weight coefficient matrix were established，gray class the frozen surimi belongs to was determined. The gray clustering results of the 18 representative frozen surimi indicated that the frozen samples、C3 belong to the “high” gray class, the frozen samples C11belong to the “middle” gray class, while the rest of samples belong to the “low” gray class. The results of gray clustering evaluation showed that the quality safety of frozen surimi was in control and in conformity with the actual situation, and the gray clustering evaluation of frozen surimi quality safety model established was reliable.

Key wordsfrozen surimi； food safety； gray clustering evaluation； analytic hierarchy process

收稿日期：2015-09-18，改回日期：2015-10-28

基金项目：山西省科技攻关项目(20130313028-5)

DOI:10.13995/j.cnki.11-1802/ts.201604037

第一作者：硕士，助理研究员(本文通讯作者，E-mail：602546043@qq.com)。