基于近红外高光谱技术快速检测豌豆蛋白掺假牛肉

莱森光学 2024-05-21 185

电子说

1.3w人已加入

描述

目前常用的肉制品掺假检测技术有传统的鉴别掺假方法如感官判别，基于蛋白质组学的免疫和质谱技术，基于DNA的聚合酶链式反应（PCR）鉴别手段，以及环介导等温扩增等。然而这些方法通常需要进行样品制备，并且这些技术均在不同方面有一定的局限性。目前光谱技术的逐步发展经验证可克服这些限制，近红外光谱技术也广泛应用于肉类的无损检测。其中高光谱成像技术作为一种快速的，非接触的分析方法广泛发展，近年来已应用于食品业、农业等方向。

在肉类掺假的无损检测中，高光谱检测技术已有较多应用，本试验主要研究近红外高光谱成像技术对牛肉中掺入豌豆蛋白的快速无损检测。

01 牛肉样品光谱曲线特征

通过使用高光谱系统所得到的93个样品的原始平均光谱特征与经过5种不同方法预处理的平均光谱特征如图1所示。在所需波段中，不论经过哪种预处理，样品的光谱曲线总体走势相似，在980、1200和1450nm处有吸收峰。980和1450nm处出现的吸收峰是由于水分中O-H键吸收，1200nm处所呈现的吸收峰是C-H键（脂肪）的第二泛音振动吸收所导致。

近红外

图1豌豆蛋白掺牛肉样品的光谱特征注：a：原始光谱；b：MAS光谱；c：GFS光谱；d：BC光谱；e：SGCS光谱；f：SNV光谱

02基于最优波长建立 PLS 模型预测结果

经筛选特征波长后所建立的PLSR模型如下表1和图2所示。三种方法筛选特征波长所建立的模型中，校正集和交叉验证集的决定系数在0.93~0.98之间，说明所建立的模型测量值和预测值相关性很好。由表2可以看出采用回归系数法筛选特征波长后建立的预测模型效果最佳，R2P最大为0.90，RMSEP最小为2.85%，ΔE最小为1.13，RPD最大为6.19，该模型的准确度与鲁棒性最优。经F检验可知1.15<2.05，即F值小于F单尾临界值，说明经F检验得出基于高光谱技术获得的掺假数据与总体数据方差之间没有显著性差异。经t检验可知0.44<2.02，即t值小于t双尾临界值，说明预测值与真实值的均值差异不显著。F检验和t检验进一步证实了模型可实现掺假检验。

表1 基于特征波长建立的豌豆蛋白掺牛肉简化模型预测结果

近红外

图2 掺假样品最优模型预测结果

注：a：校正集与交叉验证集预测结果；b：验证集预测结果

03结论

运用近红外高光谱成像技术对牛肉中掺入豌豆蛋白进行快速无损检测。采用5种不同预处理方法（MAS、GFS、BC、SGCS、SNV）建立的全波段PLSR模型中，基于GFS预处理光谱所建立的PLSR模型效果更好。采用RC、Stepwise、SPA等3种不同的方法从GFS光谱中筛选最优波长，其中通过RC法筛选的24个特征波长所建立的优化PLSR模型预测效果最好，R2P为0.90，RMSEP为2.85%，RPD为6.19。总体而言，采用高光谱成像技术结合PLSR模型可实现豌豆蛋白掺入牛肉的快速无损检测。