目前常用的肉制品摻假檢測技術有傳統的鑒別摻假方法如感官判別，基于蛋白質組學的免疫和質譜技術，基于DNA的聚合酶鏈式反應（PCR）鑒別手段，以及環介導等溫擴增等。然而這些方法通常需要進行樣品制備，并且這些技術均在不同方面有一定的局限性。目前光譜技術的逐步發展經驗證可克服這些限制，近紅外光譜技術也廣泛應用于肉類的無損檢測。其中高光譜成像技術作為一種快速的，非接觸的分析方法廣泛發展，近年來已應用于食品業、農業等方向。

在肉類摻假的無損檢測中，高光譜檢測技術已有較多應用，本試驗主要研究近紅外高光譜成像技術對牛肉中摻入豌豆蛋白的快速無損檢測。

01 牛肉樣品光譜曲線特征

通過使用高光譜系統所得到的93個樣品的原始平均光譜特征與經過5種不同方法預處理的平均光譜特征如圖1所示。在所需波段中，不論經過哪種預處理，樣品的光譜曲線總體走勢相似，在980、1200和1450nm處有吸收峰。980和1450nm處出現的吸收峰是由于水分中O-H鍵吸收，1200nm處所呈現的吸收峰是C-H鍵（脂肪）的第二泛音振動吸收所導致。

圖1豌豆蛋白摻牛肉樣品的光譜特征注：a：原始光譜；b：MAS光譜；c：GFS光譜；d：BC光譜；e：SGCS光譜；f：SNV光譜

02基于最優波長建立 PLS 模型預測結果

經篩選特征波長后所建立的PLSR模型如下表1和圖2所示。三種方法篩選特征波長所建立的模型中，校正集和交叉驗證集的決定系數在0.93~0.98之間，說明所建立的模型測量值和預測值相關性很好。由表2可以看出采用回歸系數法篩選特征波長后建立的預測模型效果最佳，R2P最大為0.90，RMSEP最小為2.85%，ΔE最小為1.13，RPD最大為6.19，該模型的準確度與魯棒性最優。經F檢驗可知1.15<2.05，即F值小于F單尾臨界值，說明經F檢驗得出基于高光譜技術獲得的摻假數據與總體數據方差之間沒有顯著性差異。經t檢驗可知0.44<2.02，即t值小于t雙尾臨界值，說明預測值與真實值的均值差異不顯著。F檢驗和t檢驗進一步證實了模型可實現摻假檢驗。

表1 基于特征波長建立的豌豆蛋白摻牛肉簡化模型預測結果

圖2 摻假樣品最優模型預測結果

注：a：校正集與交叉驗證集預測結果；b：驗證集預測結果

03結論

運用近紅外高光譜成像技術對牛肉中摻入豌豆蛋白進行快速無損檢測。采用5種不同預處理方法（MAS、GFS、BC、SGCS、SNV）建立的全波段PLSR模型中，基于GFS預處理光譜所建立的PLSR模型效果更好。采用RC、Stepwise、SPA等3種不同的方法從GFS光譜中篩選最優波長，其中通過RC法篩選的24個特征波長所建立的優化PLSR模型預測效果最好，R2P為0.90，RMSEP為2.85%，RPD為6.19。總體而言，采用高光譜成像技術結合PLSR模型可實現豌豆蛋白摻入牛肉的快速無損檢測。

推薦：

便攜式高光譜成像系統iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫學醫療、精準農業、礦物地質勘探等領域的最新產品，主要優勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統集成高性能數據采集與分析處理系統，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據用戶需求更換物鏡。

審核編輯 黃宇