牛肉中产品等级鉴定检测方案

食品科学※分析检测2012，Vol.33，No.24244 普通公牛肉和淘汰母牛肉的近红外光谱鉴别方法 刘晓晔'，汤晓艳1.*，孙宝忠，毛雪飞，王 敏 (1.中国农业科学院农业质量标准与检测技术研究所，农业部农产品质量安全重点实验室，北京 100081：2.中国农业科学院北京畜牧兽医研究所，北京 100193) 摘 要：选取来自内蒙同一品种普通公牛和淘汰母牛各部位肉各224个肉样，新疆同一品种普通公牛和淘汰母牛各部位肉130个肉样，分别经冷冻解冻和冷鲜状态下，应用便携式近红外光谱仪在1000~1799nm波长内对绞碎后的肉糜进行光谱扫描，并且且定了内蒙肉样的蛋白质、脂肪、水分和剪切力值(WBSF)。从中分别选择来自两个产地的154和91个肉样作为建模集，采用偏最小二乘判别分析法(PLS-DA)建立了两个产地普通公牛肉和淘汰母牛肉的鉴别模型。所建的两个模型对校正集和验证集样本的鉴别准确率均达100%，对剩余预测集的70和39个肉样进行鉴别分析的鉴别准确率分别为96%和90%。 关键词：牛肉；类型；近红外光谱；鉴别 Discrimination of Meat from Young Bulls and Culled Cows by Near Infrared Reflectance (NIR) Spectroscopy LIU Xiao-ye'， TANG Xiao-yan*， sUN Bao-zhong， MAO Xue-fei'， WANG Min' (1. Key Laboratory of Agrifood Safety and Quality， Ministry of Agriculture， Institute of Quality Standards and Testing Technology forAgri-Products， Chinese Academy ofAgricultural Sciences， Beijing 100081， China； 2. Institute of Animal Science for Agri-Products，Chinese Academy of Agricultural Science， Beijing 100193， China) Abstract： Meat was sampled from different parts of carcasses of young bulls and culled cows of the same breed from InnerMongolia and Xinjiang autonomous regions， China. A total 224 and 130 beef samples were obtained from cattle carcassesfrom Inner Mongolia and Xinjiang autonomous regions， respectively. Fresh and frozen-thawed samples were minced andtested using a portable NIR spectrometer in the range of 1000-1799 nm. Meanwhile， the contents of protein， fat and moistureand Warner-Bratzler shear force (WBSF) were measured. A total of 154 and 91 samples from Inner Mongolia and Xinjiangautonomous regions were selected as modeling sets. Two models for discriminating meat from young bulls and culled cowsfrom both regions were established using partial least squares discriminant analysis (PLS-DA). The established modelsshowed 100% accuracy for discriminating calibration set and validation set and 96% and 90% accuracy for the remaining 70and 39 beef samples from Inner Mongolia and Xinjiang， respectively. Key words： beef； classification； near infrared reflectance spectroscopy； discrimination 中图分类号：TS251.7 文献标识码：A 文章编号：1002-6630(2012)24-0244-05 近红外光谱技术作为一一项快速无损的新型分析技术，在农产品快速定量、定性分析方面得到了广泛应用。在肉品分析领域，近红外光谱技术不仅应用于肉与肉制品中主要化学成分，如蛋白质、脂肪和水分11-31的定量分析，还用于肉类的定性鉴别，如用于鉴别不同种类、不同品种、不同年龄、不同基因型、不同饲喂方式、不同部位、不同产地、不同储存时间的肉及掺假肉类14-13]。 目前市场上牛肉以普通公牛肉、育肥阉牛肉为主，但仍存在淘汰母牛肉、小牛肉等特殊类型牛肉。这些特 殊类型牛肉与普通牛肉在品质上存在很大差异，人们肉眼无法区分普通牛肉和特殊类型牛肉，一些传统的生物化学和分子生物学等方法，如凝胶电泳、酶联免疫、DNA探针和化学成分分析可以鉴别不同类型牛肉，但是这些方法操作复杂、实验成本高且耗时相对较长。本研究应用近红外光谱技术对来自内蒙和新疆两个产地的普通公牛肉与淘汰母牛肉在冷冻解冻和冷鲜状态下进行扫描鉴别研究，探索应用近红外光谱技术快速定性鉴别普通牛肉和特殊类型牛肉的可行性。 ( 基金来源：农业部“948”重点项目(2011-G5)；国家公益性(农业)行业科技专项(200903012)；国际 科 技合作专项(2012DFA31140) ) ( 作者简介：刘晓晔(1986一)，女 ， 博士研究生，研究方向为畜产品质量安全。E-mail： xiaoye.liu86@gmail.com ) ( *通信作者：汤晓艳(1976一 ) ，女，副研究员，博士，研究方向为畜产品质量安全。E-mail： txycaas@126.com ) ( ◎ 1994-2013 China Academic Journal Electronic Publishing Ho use. All rights reserved. http：//www.cnki.net ) 1 材料与方法 1.1 材料 普通公牛肉和淘汰母牛肉取自内蒙古科尔沁牛业和新疆伊犁西天山农牧发展有限公司。 1.2 仪器与设备 SupNIR-1000近红外光谱仪 聚光科技公司；KjeltecTM2300凯式定氮仪、SoxtecTM2050脂肪测定仪丹麦Foss公司； GM2000研磨仪 德国Retsch公司；Model 235 剪切力仪 英国G-R Manufacturing 公司。 1.3 方法 1.3.1 牛肉的采集 从内蒙古科尔沁牛业取同一品种的10头普通公牛和6头淘汰母牛，宰后排酸48h，取其14个部位肉(板腱、脖肉、大瓜、肩肉、辣椒条、里脊、霖肉、米龙、牛腩、上脑、臀肉、外脊、小瓜和眼肉)共224个样品。随机选取7头普通公牛和4头淘汰母牛的14个部位肉，共154个样品作为建模集，另3头普通公牛和2头淘汰母牛的14个部位肉，共70个样品作为预测集。样品在一20℃条件下储存运输，冷冻解冻后对肉糜进行近红外光谱扫描和成分测定。 从新疆伊犁西天山农牧发展有限公司取同一品种的4头普通公牛和6头淘汰母牛，宰后排酸48h，取其13个部位(板腱、脖肉、大瓜、肩肉、辣椒条、里脊、霖肉、米龙、上脑、臀肉、外脊、小瓜和眼肉)共130个样本。随机选取3头普通公牛和4头淘汰母牛的13个部位肉，共91个样品作为建模集，另1头普通公牛和2头淘汰母牛的13个部位肉，共39个样品作为预测集。样品未经冷冻，排酸分割后直接对肉糜进行近红外光谱扫描。 1.3.2 光谱采集 将内蒙牛肉样品在室温下过夜解冻，至样品完全解冻并达室温条件后将样品制成肉糜，新疆牛肉样品则未经冷冻解冻直接制成肉糜。应用光栅色散型便携式近红外光谱仪，波长范围为1000~1799nm，分辨率为10nm，仪器平均扫描次数设置为50次，重复扫描肉糜样品3次取其平均光谱。 1.3.3 样品测定 按照GB/T 9695.11一2008《肉与肉制品：氮含量测定》、GB/T 9695.7一2008《肉与肉制品：总脂肪含量的测定》、GB/T 9695.15一2008《肉与肉制品：水分含量测定》、NY/T 1180《肉嫩度的测定：剪切力测定法》分别对所取牛肉样本的蛋白质、脂肪、水分含量和剪切力值进行测定。 1.3.4 数据处理方法 光谱数据经格式转换后，应用Unscrambler(version9.8， CAMO)的偏最小二乘判别分析法(partial least-squaresdiscriminant analysis， PLS-DA)对两种类型牛肉进行鉴 别。应用SAS/PC(8.0)对两种类型牛肉样品的蛋白质、脂肪、水分和剪切力测定值进行均值差异显著性检验。 PLS-DA法是偏最小二乘法(PLS)的一种变体，它是通过创造“虚拟变量”来建立模型，利用PLS1法建立“虚拟变量”Y与光谱变量X的回归预测模型，然后通过比较“虚拟变量”预测值大小确定样品的类别。本研究建模过程中，将两种类别的牛肉光谱，分别赋予值1和2(1代表普通公牛肉，2代表淘汰母牛肉)作为光谱数据的参考值，应用交互验证的方法及预测残差平方和(predictive residual error sum of squares， PRESS)为依据选择建立PLSR模型的主成分，采用偏最小二乘回归技术建立鉴别模型。如果预测值在普通公牛和淘汰母牛所赋予值(1和2)±0.5范围内，则判断其预测准确。 2 结果与分析 2.1 两种类型牛肉测定结果 本研究分析了来自内蒙的10头普通公牛牛14个部位肉共140个普通公牛肉样品和6头淘汰母牛的14个部位肉共84个淘汰母牛肉样品的蛋白质含量、脂肪含量、水分含量和剪切力值情况，结果见见1。 表1 两种类型牛肉蛋白质、脂肪、水分含量和剪切力值情况 Table1 Fat， protein and moisture contents and WBSF of meat fromyoung bulls and culled cows 类型 蛋白质/% 脂肪/% 水分/% 剪切力/kg 普通公牛20.86±1.03° 1.61±0.94 76.11±1.72° 4.26±1.42" 淘汰母牛21.01±1.12*3 3.33±2.13° 73.77±2.55° 6.58±2.41° 注：平均值标注不同字母为差异极显著 (P<0.001)；标注相同字母为差异不显著(P>0.05)。 从表1可以看出，普通公牛和淘汰母牛的蛋白质含量差异不显著(P>0.05)，普通公牛肉的脂肪含量要极显著小于淘汰母牛肉的脂肪含量(P<0.001)，水分含量要显著高于淘汰母牛的水分含量(P<0.001)，而淘汰母牛肉的剪切力值显著高于普通公牛肉(P<0.001)，剪切力值愈大肉愈老4，说明淘汰母牛肉要老于普通公牛肉。 2.2 两种类型牛肉近红外光谱特征 图1 内蒙普通公牛和淘汰母牛肉样平均光谱 Fig.1 Average NIR spectra [Log(1/R)] of beef samples obtained from youngbulls and culled cows of the same breed from Inner Mongolia Mongolia 内蒙和新疆普通公牛肉和淘汰母牛肉在1000~1799nm的近红外平均光谱曲线见图1和图2。从图中可以看出普通公牛肉和淘汰母牛肉的光谱曲线趋势一致，但两种类型牛肉光谱曲线在吸收峰上存在明显差异。 图2 新疆普通公牛和淘汰母牛肉样平均光谱 Fig.2 Average NIR spectra [Log(1/R)] of beef samples obtained fromyoung bulls and culled cows of the same breed from Xinjiang 为了进一步强化光谱特征，分别对来自内蒙牛肉样的原始光谱进行了一阶(Savitzky-Golay， 11点)，对来自新疆肉样的原始光谱进行一阶(Savitzky-Golay， 9点)+SNVD处理，对处理后的来自内蒙和新疆的普通公牛肉和淘汰母牛肉同一部位的光谱数据分别取平均(图3、4)。从图3、4可以看出，两种不同类型牛肉近红外光谱在1150、1210、1395nm附近的光谱特征差异较大。 图3 内蒙普通公牛和淘汰母牛肉样光谱一阶导数平均谱图 Fig.3 Average first-order derivative spectra of beef samples obtainedfrom young bulls and culled cows of the same breed from Inner Mongolia 图4 新疆普通公牛和淘汰母牛肉样光谱一阶导数平均谱图 Fig.4 Average first-order derivative spectra of beef samples obtained fromyoung bulls and culled cows of the same breed from Xinjiang 2.4 两类牛肉近红外光谱数据主成分分析(principalcomponent analysis， PCA) 对内蒙和新疆普通公牛和淘汰母牛肉样的近红外光 谱预处理数据进行主成分分析，依据PRESS分别提取出7和10个主成分，利用样本的前3个主成分得分作图时，两个产地的普通公牛和淘汰母牛肉样均呈现明显不同的分布特征(图5、6)。从图5、6可以看出同类型牛肉具有相似的得分特性，来自内蒙的普通公牛肉样的PC1得分多为负值，而淘汰母牛肉样PC1的得分多为正值，来自新疆的普通公牛肉样的PC3得分多为负值，而淘汰母牛肉样PC3的得分多为正值。 图5 内蒙普通公牛和淘汰母牛肉样一阶导数光谱图校正所得主成分1、主成分2和主成分3得分三维投影图 Fig.5 3D scatter plot of scores corresponding to principal component 1，principal component 2 and principal component 3 for beef samples obtainedfrom young bulls and culled cows of the same breed from Inner Mongolia 图6 新疆普通公牛和淘汰母牛肉样一阶导数光谱图校正所得主成分1、主成分2和主成分3得分三维投影图 Fig.6 3D scatter plot of scores corresponding to principal component 1，principal component 2 and principal component 3 for beef samples obtainedfrom young bulls and culled cows of the same breed from Xinjiang 2.5 两类牛肉偏最小二乘判别模型(PLS-DA)的建立与预测 适当的光谱预处理方式可以消除基线漂移、噪声、光散射及样品不均匀等带来的干扰，优化谱图信息，提高模型的精度15]，本研究分别对来自内蒙和新疆的校正集样本的全波段光谱分别进行了一阶、 二阶求导(Savitzky-Golay， 5点、9点、11点)，多元散射校正(multiplication scatter correction， MSC)及标准正态化加去趋势校正(SNV+De-trending)等预处理，利用PLS-DA法建立校正模型，结果发现来自内蒙的光谱数据经一阶求导(Savitzky-Golay， 11)处理建立的模型判别正确率最高(表2)，其中校正集和验证集判别正确率达100%，对预测集判别正确率达96%(64/70)(图7)， R、RMSECV和RMSEP分别为0.90、0.24和0.26；来自新疆的光谱数据 经一阶求导(Savitzky-Golay， 9)+SNVD)处理建立的模型判别正确率最高(表2)，其中校正集和验证集判别正确率达100%，对预测集判别正确率达90%(35/39)(图8)， R、RMSECV和RMSEP分别为0.96、0.20和0.21。 表2 光谱预处理方法对建模效果的影响 Tab 2 Effect of different pretreatments on modeling 产地 预处理 主成分数 判别正确率/% 校正集 验证集 预测集 S-G(5)+1D 7 100 98.7 91.4 内蒙 S-G(9)+1D 7 100 98.1 94.3 S-G(11)+1D 7 100 100 95.7 S-G(5)+2D 2 100 91.6 70 S-G(9)+2D 4 100 93.5 78.6 S-G(11)+2D 4 100 90.9 S-G(11)+1D+MSC 8 100 96.1 S-G(11)+1D+SNVD 7 100 96.1 91.4 S-G(5)+1D 1 100 100 82.5 新疆 S-G(9)+1D 10 100 100 84.6 S-G(11)+1D 10 100 100 82.5 S-G(5)+2D 10 100 76.9 S-G(9)+2D 6 100 100 76.9 S-G(11)+2D 6 100 100 76.9 S-G(9)+1D+MSC 8 100 100 87.2 S-G(9)+1D+SNVD 10 100 100 89.7 注：1D.一阶导数处理；2D.二阶导数处理；MSC.多元散射校正；SNVD. SNV + De-trending 标准正态化+去趋势校正；S-G(5).5点卷积平滑。 图7 内蒙普通公牛和淘汰母牛预测集肉样的真实分类和预测值比较分布图 Fig.7 Distribution of true and predicted values for the prediction clusters from beef samples obtained from young bulls and culled cows ofthe same breed from Inner Mongolia 图8 新疆普通公牛和淘汰母牛预测集肉样的真实分类和预测值比较分布图 Fig.8 Distribution of true and predicted values for the prediction clusters from beef samples obtained from young bulls and culled cows ofthe same breed from Xinjiang 3 讨论与结论 本研究结果显示，普通公牛肉的脂肪含量要极显著小于淘汰母牛肉的脂肪含量(P<0.001)，这与国外相关报道有相似之处。Aberle等116报道动物脂肪含量的变化与年龄的增长及阉割有关。本研究中普通公牛肉的水分含量要显著高于淘汰母牛的水分含量(P<0.001)。 Warris等I7研究也发现肉类样品中脂肪含量与水分含量呈反比。 普通公牛肉和淘汰母牛肉的脂肪含量存在差异，在相应的近红外平均光谱和一阶导数光谱中得到体现。本研究中来自内蒙和新疆普通公牛和淘汰母牛肉样的近红外原始光谱和一阶导数光谱在脂肪的特征吸收区(即1150、1210nm和1395nm)3存在明显差异，这对判别普通公牛肉和淘汰母牛肉非常重要。Prieto等8应用近红外光谱对不同含量脂肪具有特征吸收，成功鉴别了成年阉牛肉和未成年牛肉， McDevitt等也利用近红外光谱对不同含量脂肪的特征信息，成功鉴别了不同基因型和不同饲喂方式鸡体。 基于上述光谱信息差异，本研究应用偏最小二乘判别分析法(PLS-DA)分别建立了来自内蒙和新疆的普通公牛与淘汰母牛分类鉴别模型，校正模型R分别达到0.90和0.96， RMSECV为0.24和0.20；利用所建模型对预测集肉样进行鉴别分析，鉴别准确率分别达96%和90%， RMSEP为0.26和0.21。国外相关研究也利用近红外光谱对不同类型肉中特定物质成分含量的特征差异进行了相关的鉴别研究。Cozzolino等4应用近红外光谱技术对牛肉、袋鼠肉、羊肉、猪肉和鸡肉等不同种类肉进行了分类鉴别，鉴别准确率达到85%以上， Mamani-Linares等5对牛肉、骆驼肉和马肉的鉴别成功率达95%。Alomar等应用近红外光谱对牛肉的品种和肌肉类型进行了鉴别分析，鉴别成功率分别为79%和98%。Andres等应用近红外光谱成功地鉴别了两个不同品种的羊肉。 Sun Shumin等1101应用近红外光谱技术成功鉴别了来自牧区和农业地区的羊肉，准确率达100%。Chen Quansheng等则成功鉴别了不同贮存时间的猪肉，准确率为96%。 上述研究结果表明，无论是对经冷冻解冻后的牛肉样本还是未经冷冻解冻的鲜肉样本，近红外光谱技术都能够成功判别普通公牛肉和淘汰母牛肉，说明近红外光谱技术用于鉴别普通公牛肉和淘汰母牛肉是可行的。今后可以综合考虑品种、地域等因素，优化或细化分类鉴别模型，从而实现对普通公牛肉和淘汰母牛肉的快速鉴别。 ( 参考文献： ) ( [1 ] PREVOLNIK M， CANDEK-POTOKAR M， SKORJANC D， et al. Predicting intramuscular fat c o ntent i n p o rk and beef by nea r infrared s pectroscopy[J]. Journal o f Near Infrared Spectroscopy， 2005， 13(2)：77-85. ) ( [2] PRIETO N， A NDRES S， GIRALDEZ F J， e t al . Potential us e ofnear i nfrared reflectance spectroscopy (NIRS) for the e s timation o f chemical c omposition of o xen meat s a mples[J]. M eat Science， 2006， 74(3)： 487-496. ) ( [3] ORTIZ-SOMOVILLA V，ESPANA-ESPANA F ， GAITAN-JURADOA J， et al . Proximate analysi s of homogenized and minced mass o f pork sausages by NIRS[J]. Food Chemistry， 2007， 101(3)：1031-1040. ) ( [4] COZZOLINO D， MURRAY I. Ide n t i fication of animal meat m u scles by visible a nd near i n frared r e flectance s p ectroscopy[J]. Lebensm.- Wiss. u.-Technol， 2004， 3 7(4)：447-452. ) ( [5] MAMANI-LINARES L W， GALLO C， ALOMAR D. Identificationof cattle， llama and horse meat by near i nfrared reflectance ortransflectance spectroscopy[J]. Meat S cience， 2010，90(2)：378-385. ) ( [6] ALOMAR D， GALLO C， CASTANEDA M， et al. Chemical a n d discriminant a nalysis of bovine m eat by near i n frared reflectancespectroscopy (NIRS)[J]. M eat Science， 2 003， 6 3(4)：441-450. ) ( [7] ANDRES S， MURRAYI，NAVAJAS E A， et al. Prediction of s ensorycharacteristics of lamb meat samples by near infrared reflectance spectroscopy[J]. Meat Science， 2007，76(3)：509-516. ) ( [8] PRIETO N ， ANDRES S， GIRALDEZ F J， et al. Di s crimination ofadult steers (oxen) and young cattle ground m e at sa m ples by near infrared reflectance spectroscopy (NIRS)[J]. Meat Science， 200 8 ，79(1)：198-201. ) ( [9] MCDEVITT R M， GA V IN A J， ANDRES S， et a l . Th e ability ofvisible and near infrared reflectance spectroscopy (NIRS) to p redict the chemical composition of ground chicken c a rcasses and to discriminate between carcasses from different g enotypes[J]. Journal of Near ) ( I nfrared Spectroscopy，2005，13(3)： 1 09-117. ) ( [10] SUN Shumin， G U O Boli， WEI Yimin， et al . C l assification of g eographical o rigins a nd p rediction of 8c a nd oN va l ues of lamb meat by n e ar i n frared reflectance spectroscopy[]. Food Chemistry， 2012， 135(2)：508-514. ) ( [ 1 1] CHEN Quansheng， CAI Jia n rong， WAN Xinm i n， et al. A pp l icationof linear/non-linear c l assification a l gorithms in di s crimination ofpork s torage time using F o urier t r ansform n e ar infrared (FT-N I R)spectroscopy[].LWT-Food Science and Technology， 2011， 44(10)：2053-2058. ) ( [12] ORTIZ-SOMOVILLA V，ESPANA-ESPANA F， PEDRO-SANZ E J ， e t al. Meat m ixture d e tection i n I b erian pork sa u sages[J]. Me a t S cience，2005，71(3)：490-497. ) ( [13] DING H B ， XU R J. Ne ar infrared spectroscopic te c hnique fo r detection o f b eef h amburger adulteration[J]. Journal of Agricultural and F ood Chemistry， 2000， 48(6)：2193-2198. ) ( [14] 周光宏，徐幸莲.肉品学[M].北京：中国农业科技出版社，1999： 221-259. ) ( [ 1 5] 孙淑敏，郭波莉，魏益民，等.近红外光谱指纹分析在羊肉产地溯源 中的应用[J].光谱学与光谱分析，2011，31(4)：937-941. ) ( [16] ABERLE E D， FORREST J C， GERRARD D E， et al. Pr i nciples ofMeat S cience[M]. 4 th ed.Dubuque， I A ： K e ndall Hunt P u b Co， 2001：45-67. ) ( [17] WARRIS P D. Meat Sci e nce： an introductory text[M]. Walling ford，UK： CABI Publishing， 2000. ) ( [ 1 8] 陆婉珍，袁洪福，徐广通，等.现代近红外光谱分析技术[M].2版.北 京：中国石化出版社，2006：30. ) ◎ China Academic Journal Electronic Publishing House. All rights reserved. http：//www.cnki.net