CN109765197A

CN109765197A - 一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法

Info

Publication number: CN109765197A
Application number: CN201910126182.XA
Authority: CN
Inventors: 孙宗保; 闫晓静; 邹小波; 杨雪; 王悦; 王宏利; 李君奎; 梁黎明; 周轩; 王天真; 刘小裕
Original assignee: Jiangsu University
Current assignee: Jiangsu University
Priority date: 2019-02-20
Filing date: 2019-02-20
Publication date: 2019-05-17

Abstract

本发明公开了一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，属于肉制品质量检测技术领域。本发明对冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法具体为：收集大西洋鲑鱼样本并编号，运用NIR技术进行数据采集；对数据进行预处理；利用PCA对预处理后的数据进行降维；采用化学计量学方法建立冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别模型；对未知待测大西洋鲑鱼样本进行数据采集，利用快速鉴别模型对未知待测大西洋鲑鱼样本的类别进行预测。采用本发明的方法对冰鲜大西洋鲑鱼与冻融大西洋鲑鱼进行鉴定，当主成分数为10，训练集和测试集识别率分别为100％、98.33％，可实现快速鉴别。

Description

一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法

技术领域

本发明属于肉制品质量检测技术领域，具体涉及一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法。

背景技术

在我国市场上，三文鱼可分为海水的大西洋鲑鱼和淡水的虹鳟鱼，通常我们用做刺身的三文鱼都是从丹麦、挪威等国进口的大西洋鲑鱼。大西洋鲑鱼属于硬骨鱼纲鲑形目鲑亚目鲑科的种类，其肉质鲜美，胆固醇含量低，蛋白质含量高，富含多种营养要素，更具有丰富的脂肪酸，享有“水中珍品”、“鱼中至尊”美誉。随着人们食品保健意识的增强，国内市场对大西洋鲑鱼的需求量也越来越大。为了维持大西洋鲑鱼运输期间的品质并延长货架期，主要有冰鲜储运和冷冻储运两种方式。冰鲜大西洋鲑鱼指鱼捕捞宰杀后，一直储藏在0～4℃，未冷冻过的鱼，由于0～4℃的环境难以控制，运输成本高，因此冰鲜的大西洋鲑鱼售卖价格较高。冷冻大西洋鲑鱼主要指鱼捕捞宰杀后，保藏在-18℃以下的环境。低温环境容易控制，运输成本相对减少，因此，其售价明显低于冰鲜大西洋鲑鱼。

大西洋鲑鱼经过冷冻之后货架期延长，但是鱼体内部形成冰晶，对肌细胞膜结构和组织结构造成机械损害，引起嫩度、肌肉持水力下降等不良现象，并且在解冻过程中，营养成分往往伴随着汁液流失而减少。而冰鲜大西洋鲑鱼肉质细腻并呈现橘红色，适合切片生食，营养物质和水分含量较高，虽然储存时间较短、价格较高，但是依旧深受广大消费者喜爱。因此，一些商贩为了谋取暴力，利用消费者对冰鲜大西洋鲑鱼喜爱的心理，往往将冰冻大西洋鲑鱼解冻后(冻融大西洋鲑鱼)冒充冰鲜大西洋鲑鱼进行销售，以次充好，而普通消费者对此无法辨别。这种做法不仅严重的损害消费者利益，还导致市场不公平竞争。

目前常用的鉴别冰鲜鱼肉与冻融鱼肉的方法有感官检验、理化检验、微生物检验等。感官检验主要是指通过感官人员的眼、口、鼻、手等对鱼肉的颜色、口感、气味、形状、黏弹性等各项指标进行综合性评价，理化检验法是通过检测鱼死后在酶或微生物作用下蛋白质、脂肪等分解所生成的代谢物及理化特性的变化来评价鱼肉品质。微生物检验一般检测菌落总数、大肠菌群、沙门氏菌等致病菌的数量。感官检验容易受检验人员训练素质的限制而具有主观性、片面化的特点；理化检验法和微生物检验法虽然检测结果准确可靠，但往往操作过程烦琐、分析时间长、耗费大量的试剂、破坏样本。尽管常规检测方法能有效的识别冰鲜和冻融大西洋鲑鱼，但难以满足大批量样本的实时快速检测。因此寻找简便、快速、客观的现代分析技术是鉴别冰鲜大西洋鲑鱼与冻融大西洋鲑鱼、确保食品安全的必要条件。

近红外光谱(Near Infrared Spectrometry，NIR)主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，记录的主要是C-H、O-H、N-H、S-H、P-H等含氢基团振动的倍频和合频吸收。近红外光谱区与有机分子中含氢基团振动的合频和各级倍频的吸收区一致，通过扫描样本的近红外光谱，可以得到样本中有机分子含氢基团的特征信息，不同基团如甲基、亚甲基、苯环等或同一基团在不同化学环境中的近红外吸收波长与强度都有明显差别，且同一基团的倍频与合频信息常可在近红外谱区的多个波段取得。

与常规检测方法相比，NIR技术是一种间接分析技术，通过收集大量且具有代表性的标准样本，通过严格细致的化学分析测出必要的数据，再通过计算机建立数学模型，即定标，以最大限度反映被测样本群体常态分布规律，然后再通过该数学模型，预测未知样品的所需数据。其具有方便、快速、高效、准确和不破坏样本、不消耗化学试剂、不污染环境等优点，被广泛用于食品、农产品质量与安全检测。在肉品检测中，因为肉类中含有大量的蛋白质、脂肪、有机酸等有机物，所以通过对肉的光谱分析就能够得到大量的信息。

国内外学者已做了有益探索，包括肉品掺假鉴别、微生物快速测定、肉品分级等的初步评定，而对冰鲜大西洋鲑鱼与冻融大西洋鲑鱼等方面做的研究较少。

发明内容

本发明的目的在于克服现有技术中存在的缺陷，如：感官检验受检验人员训练素质的限制而具有主观性、片面化的特点；理化、微生物检验方法的操作过程烦琐、分析时间长、耗费大量的试剂、破坏样本等，本发明提供了一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法。

具体的，本发明通过以下技术方案实现：一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，按照下述步骤进行：

(1)准备大西洋鲑鱼样本并编号，具体为不同批次的冰鲜大西洋鲑鱼与冻融大西洋鲑鱼样本；

(2)运用近红外光谱(NIR)技术对步骤(1)中的大西洋鲑鱼样本进行光谱数据采集；

(3)将步骤(2)采集得到的光谱信息按行排列成光谱矩阵，利用一阶导数(firstderivative,1st Der)、二阶导数(second derivative,2nd Der)、均值中心化(meancentering，MC)、多元散射校正(multiplicative scatter correction,MSC)、标准正态变量变换(standard normal variate transformation,SNVT)和归一化(Normalization)6种预处理方法对光谱数据进行预处理；

(4)利用主成分分析(principal component analysis，PCA)方法对步骤(3)中预处理后的光谱数据进行降维处理；

(5)基于步骤(4)降维处理后的光谱数据，采用化学计量学的方法建立冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别模型；

(6)对未知待测大西洋鲑鱼样本进行光谱信息采集，利用步骤(5)建立的快速鉴别模型对未知待测大西洋鲑鱼样本的类别进行快速鉴别。

其中上述步骤(1)中，冰鲜大西洋鲑鱼样本是不同批次的法罗群岛大西洋鲑鱼；冻融大西洋鲑鱼样本是指将每批冰鲜大西洋鲑鱼进行7天的-18℃冷冻处理，然后将其进行解冻获取；

其中上述步骤(2)光谱数据采集的具体方法为：利用AntarisⅡ型傅里叶变换近红外光谱仪(ThermoFisher，美国)，采用漫反射方式进行光谱扫描，扫描范围为10000-4000cm^-1，扫描次数为16次，分辨率为8cm^-1。

其中上述步骤(3)光谱数据的预处理具体为：采用1st Der、2nd Der、MC、MSC、SNVT、Normalization方法，利用Matlab软件对光谱数据进行预处理。

其中上述步骤(4)利用PCA方法对步骤(3)中预处理后的数据进行降维处理：首先对数据进行PCA处理，然后选取不同的主成分数作为模型的输入。

其中上述步骤(5)中，所述化学计量学的方法为线性判别分析(lineardiscriminant analysis,LDA)、反向传播人工神经网络(back-propagation artificialneural network,BPANN)、支持向量机(support vector machine,SVM)方法；优选反向传播人工神经网络(BPANN)方法。

其中上述步骤(6)对未知待测大西洋鲑鱼样本的类别进行快速鉴别，采用NIR技术对待测大西洋鲑鱼样本进行光谱数据采集，然后将待测大西洋鲑鱼样本的数据先经过步骤(3)和(4)处理后带入步骤(5)已建立的快速鉴别模型中，利用Matlab处理软件完成大西洋鲑鱼类别的鉴别。

本发明的冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法的对象为：冰鲜大西洋鲑鱼和冻融大西洋鲑鱼。

与现有技术相比较，本发明的有益效果体现如下：

(1)本发明所用的NIR技术要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，记录的主要是C-H、O-H、N-H、S-H、P-H等含氢基团振动的倍频和合频吸收。近红外光谱区与有机分子中含氢基团振动的合频和各级倍频的吸收区一致，通过扫描样本的近红外光谱，可以得到样本中有机分子含氢基团的特征信息，不同基团如甲基、亚甲基、苯环等或同一基团在不同化学环境中的近红外吸收波长与强度都有明显差别，且同一基团的倍频与合频信息常可在近红外谱区的多个波段取得，因此分析范围几乎可覆盖所有的有机化合物和混合物；而且肉类中含有大量的蛋白质、脂肪、有机酸等有机物，通过对肉的光谱分析就能够得到大量的信息。与其他技术相比具有方便、快速、高效、准确和不破坏样本、不消耗化学试剂、不污染环境等优点。

(2)本发明利用1st Der、2nd Der、MC、MSC、SNVT、Normalization 6种预处理方法对原始光谱数据进行预处理，根据模型识别率高低选择最佳的预处理方法。

(3)本发明利用NIR技术结合化学计量学方法对冰鲜大西洋鲑鱼与冻融大西洋鲑鱼进行鉴别研究。因NIR技术是一种间接分析技术，必须通过建立校正模型来实现对未知样品的定性分析。因此先利用NIR技术采集样本的光谱信息，并且将采集得到的每一块样本的三次光谱数据求平均作为最终的数据，然后按行排列成光谱矩阵，利用化学计量学方法建立鉴别模型。比较LDA、BPANN与SVM三种模型，发现当主成分数为10时，训练集的识别率为100％，样本被正确归类，此时测试集识别率为98.33％，有1个样本被识别错误。根据识别率高低选取最佳鉴别模型，因此BPANN模型效果较好，本发明利用NIR技术结合BPANN模型对冰鲜大西洋鲑鱼与冻融大西洋鲑鱼进行识别。

附图说明

图1为本发明冰鲜大西洋鲑鱼与冻融大西洋鲑鱼原始近红外光谱图与平均近红外光谱图；

图2为本发明不同方法预处理后的冰鲜大西洋鲑鱼与冻融大西洋鲑鱼近红外光谱图，其中，F-AS为冰鲜大西洋鲑鱼，FT-AS为冻融大西洋鲑鱼。

具体实施方式

下面通过具体的实施例并结合附图对本发明进一步阐述，但并不限制本发明。

(1)准备冰鲜大西洋鲑鱼样本与冻融大西洋鲑鱼样本：

选取3个批次(不同生产日期)的法罗群岛大西洋鲑鱼；

冰鲜大西洋鲑鱼样本是将每批大西洋鲑鱼选取中段鱼肉，在无菌冷藏室分割成长×宽×高约为3×3×1的鱼块，每批30块，共计90块。

冻融大西洋鲑鱼样本是将每批冰鲜大西洋鲑鱼选取中段鱼肉，在冷冻7d后将其直接放入4℃冷藏室解冻至肉样中心温度为4℃。然后在无菌冷藏室分割成长×宽×高约为3×3×1的鱼块，每批30块，共计90块。

(2)运用NIR技术对大西洋鲑鱼样本进行光谱数据采集：

利用AntarisⅡ型傅里叶变换近红外光谱仪(ThermoFisher，美国)，采用漫反射方式进行光谱扫描，扫描范围为10000-4000cm^-1，扫描次数为16次，分辨率为8cm^-1。每个样本采集前将其放置室温下20min，采集时先用滤纸吸取样本表面的水分，以防表面残留的水分对光谱曲线产生影响。对每个样本表面分别在3个不同部位采集光谱。

图1为本发明冰鲜大西洋鲑鱼与冻融大西洋鲑鱼原始近红外光谱图与平均近红外光谱图；从原始近红外光谱图中，可以看出两种大西洋鲑鱼样本的光谱重叠较为严重；在原始近红外光谱图中，两种大西洋鲑鱼肉的光谱走势相类似，冻融大西洋鲑鱼的吸光度略高于冰鲜大西洋鲑鱼，在8277、6900、5164cm-1附近有吸收峰。其原因是冰鲜大西洋鲑鱼经过冷冻解冻后，鱼肉中的蛋白质、脂肪、水分等发生变化而影响鱼肉的吸光系数、散射系数，进而在光谱上将这种变化表现出来。由于近红外光谱重叠较为严重，谱带较宽，直观区分较困难。因此需要借助化学计量学方法进行鉴别。

(3)利用预处理方法对光谱数据进行预处理：

首先对通过NIR技术获取大西洋鲑鱼样本的光谱数据进行整理，以光谱范围10000-4000cm^-1对应的1557个吸光度值为变量，将采集得到的每个样本的三次光谱数据求平均作为该样本的光谱数据，并且按行排列成光谱矩阵。然后利用1st Der、2nd Der、MC、MSC、SNVT、Normalization方法对光谱进行预处理。

图2为本发明不同预处理方法后的冰鲜大西洋鲑鱼与冻融大西洋鲑鱼近红外光谱图，1st Der和2nd Der方法属于求导去噪，1st Der可以消除基线的平移，2nd Der可以消除基线的旋转。MC方法是将每个数据矩阵减去平均值，这样处理后的光谱数据充分反映了变化信息，且使所有的数据分布在零点两侧，简化后续数据运算。MSC方法具有消除光的散射和偏移的功能。SNVT方法是对一条光谱进行预处理，极大的减少了干扰信息。Normalization方法是为了将所有数据都处于一个相同的数据范围内，本研究中将数据范围设置为[-1，1]，可以使变量和平均值的分布更加均衡。为了获得更好的建模效果，在建模之前，本发明使用6种不同的预处理方法对原始光谱数据进行预处理，根据提升模型性能的高低确定每种模型的最佳预处理方法。

(4)基于步骤(3)中预处理后的光谱数据，利用主成分分析(PCA)方法对其进行降维处理：

因光谱数据较多，若直接使用模型会降低识别的速度与效率，因此将步骤(3)预处理后得到的数据运用PCA方法进行降维处理，减少运算量，然后选取不同的主成分数作为模型的输入。PCA是一种无监督的把多个指标转化为几个综合指标的一种统计方法，它沿着协方差最大方向由多维数据空间向低维数据空间投影，每个主成分是原始变量的线性组合，且各个主成分之间互不相关。

(5)基于步骤(4)降维处理的光谱数据，采用化学计量学的方法建立冰鲜大西洋鲑鱼与冻融大西洋鲑鱼快速鉴别模型：

本发明一共选取了三种化学计量学方法对冰鲜大西洋鲑鱼与冻融大西洋鲑鱼进行区分，具体为线性判别分析(LDA)、反向传播人工神经网络(BPANN)、支持向量机(SVM)方法；根据不同主成分数对应的训练集识别率来判断模型的效果，训练集的识别率越高，模型效果越好；

其中，LDA是一种常规的模式识别和样品分类方法，注重样本在空间中的分布状态及彼此之间的距离分析，将数据通过运算法投影到某一方向，使得组与组之间的投影尽可能分开，而同一组内的关系更加密切，然后在新空间中对样本进行分类；BPANN模型是一种按误差逆传播算法训练的多层前馈网络，能学习和存贮大量的输入-输出模式映射关系，具有较强的运算能力、可处理数据较为复杂的分类问题；SVM模型是基于结构风险最小化原则建立模型，通过用内积函数定义的非线性变换将输入空间变换到一个高维空间，将待解决的模式识别问题转化成为一个二次规划寻优问题。

选取总样本的2/3作为训练集(冰鲜大西洋鲑鱼与冻融大西洋鲑鱼样本各60个)，分别建立LDA、BPANN和SVM模型，结果如表1所示。

表1 LDA、BPANN和SVM模型在不同主成分数下训练集和测试集的鉴别结果

从表1中可以看出，在LDA模型中，与利用原始光谱(Raw)建立的模型效果相比，经过2nd Der、MSC、SNVT方法预处理后的训练集识别率均下降；经过MC方法预处理后训练集识别率保持不变；经过1st Der预处理后的模型训练集识别率有所上升，说明1st Der算法对消除光谱噪声有一定的影响，此时训练集识别率为99.17％。

在BPANN模型中，与利用原始光谱建立的模型效果相比，经过1st Der、2nd Der、MC方法预处理后的模型训练集识别率相同，其他预处理方法均不能有效提高训练集识别率。因此利用原始光谱即可建立模型，此时训练集识别率为100％。

在SVM模型中，与利用原始光谱建立的模型效果相比，Normalization方法可以提升模型训练集的识别率至100％。

(6)对未知待测大西洋鲑鱼样本的类别进行快速预测：

采用NIR技术对待测大西洋鲑鱼样本(冰鲜大西洋鲑鱼与冻融大西洋鲑鱼样本各30个)进行光谱数据采集，然后将未知待测大西洋鲑鱼样本的光谱数据先进行光谱预处理，再利用PCA方法进行降维处理，然后输入已建立的LDA、BPANN和SVM模型中，利用Matlab处理软件完成大西洋鲑鱼类别鉴别。

鉴别结果如表1所示，在LDA模型中，经过1st Der方法预处理后建立的模型的测试集识别率为95％；在BPANN模型中，利用原始光谱建立的模型测试集识别率为98.33％；在SVM模型中，经过Normalization方法预处理后建立的模型的测试集识别率为76.67％。根据识别率越高，模型效果越好的原则得出BPANN模型效果较好，鉴别结果与对应样本实际的大西洋鲑鱼类别基本相符，这表明BPANN模型可用于实际应用。

为了使样本具有代表性，选用中国最大三文鱼进口国家-丹麦法罗群岛养殖的大西洋鲑鱼，为了使模型更加准确可靠、便于运用实际市场的检测中，本发明实施例保证了样品的多样性，选取3个批次的大西洋鲑鱼作为样本。为了消除样本不均匀和基线漂移、降低系统噪声、提高信噪比等影响，本发明利用1st Der、2nd Der、MC、MSC、SNVT、Normalization6种预处理方法对原始光谱数据进行预处理。为了提高模型识别的速度与效率，减少运算量，本发明利用PCA方法对光谱数据进行降维处理。为了选取最佳鉴别模型，本发明选取LDA、BPANN和SVM模型分别对冰鲜大西洋鲑鱼与冻融大西洋鲑鱼进行鉴别，结果表明BPANN模型更适用于冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的鉴别。结合以上优势，本发明申请利用NIR技术结合BPANN模型对冰鲜大西洋鲑鱼与冻融大西洋鲑鱼进行识别。

Claims

1.一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，其特征在于按照下述步骤进行：

2.根据权利要求1所述的一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，其特征在于其中步骤(1)中，冰鲜大西洋鲑鱼样本是不同批次的法罗群岛大西洋鲑鱼；冻融大西洋鲑鱼样本是指将每批冰鲜大西洋鲑鱼进行7天的-18℃冷冻处理，然后将其进行解冻获取。

3.根据权利要求1所述的一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，其特征在于其中步骤(2)光谱数据采集的具体方法为：利用AntarisⅡ型傅里叶变换近红外光谱仪(ThermoFisher，美国)，采用漫反射方式进行光谱扫描，扫描范围为10000-4000cm^-1，扫描次数为16次，分辨率为8cm^-1。

4.根据权利要求1所述的一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，其特征在于其中步骤(3)光谱数据的预处理具体为：采用1st Der、2nd Der、MC、MSC、SNVT、Normalization方法，利用Matlab软件对光谱数据进行预处理。

5.根据权利要求1所述的一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，其特征在于其中步骤(4)利用PCA方法对步骤(3)中预处理后的数据进行降维处理：首先对数据进行PCA处理，然后选取不同的主成分数作为模型的输入。

6.根据权利要求1所述的一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，其特征在于其中步骤(5)中，所述化学计量学的方法为线性判别分析(linear discriminantanalysis,LDA)、反向传播人工神经网络(back-propagation artificial neuralnetwork,BPANN)、支持向量机(support vector machine, SVM)方法；优选反向传播人工神经网络(BPANN)方法。

7.根据权利要求1所述的一种冰鲜大西洋鲑鱼与冻融大西洋鲑鱼的快速鉴别方法，其特征在于其中步骤(6)对未知待测大西洋鲑鱼样本的类别进行快速鉴别，采用NIR技术对待测大西洋鲑鱼样本进行光谱数据采集，然后将待测大西洋鲑鱼样本的数据先经过步骤(3)和(4)处理后带入步骤(5)已建立的快速鉴别模型中，利用Matlab处理软件完成大西洋鲑鱼类别的鉴别。