肉類主要包括畜禽類和水產(chǎn)品類，人體所需的蛋白質(zhì)、脂肪酸、微量元素等重要能量物質(zhì)都來源于肉類。隨著生活水平不斷地提高，人們在飲食方面更加注重食品的品質(zhì)和營養(yǎng)均衡搭配，但一些不法商家將一些低品質(zhì)的肉類混入高品質(zhì)肉類中，以次充好，特別是2013年歐洲的“馬肉風(fēng)波”，引發(fā)了人們對肉類摻假問題的極度關(guān)注。肉類摻假檢測方法包括感官評測、熒光PCR檢測技術(shù)、電泳分析法和酶聯(lián)免疫分析技術(shù)等，但大都需要樣品前處理，試驗操作較為繁瑣且費時費力，很難實現(xiàn)較大樣品量的現(xiàn)場快速實時檢測。

江蘇雙利合譜公司利用GaiaField-Pro-V10E型和GaiaField-Pro-N17E型高光譜相機，搭配GaiaSoter分選儀，對羊肉中摻假鴨肉進行快速定量檢測，以期為羊肉摻假的定量檢測提供數(shù)據(jù)和技術(shù)支撐。

圖1為獲取羊肉中摻雜不同比例的鴨肉高光譜數(shù)據(jù)的簡易流程（摻假比例為0%~100%，間隔為10%），包括感興趣區(qū)域的選取及光譜的提取工作。在整個光譜范圍（400～1000nm和900～1700nm）內(nèi)并不存在隨著羊肉摻假比例地升高，光譜的反射率曲線有明顯的升高或下降的規(guī)律，因此需要通過化學(xué)計量學(xué)方法提取光譜中的有效信息，剔除無用的干擾信息后建立模型。

圖1

首先對全光譜進行預(yù)處理后建模，如表1，表2所示，對于400～1000nm波段范圍的光譜，采用歸一化預(yù)處理后建模效果好，對于900～1700nm波段范圍的光譜，采用SNV預(yù)處理后的光譜建模最好。

表1 400～1000nm采用不同預(yù)處理方法的全波段PLS模型性能

表2 900～1700nm采用不同預(yù)處理方法的全波段PLS模型性能

隨后在選擇最佳預(yù)處理方法的基礎(chǔ)上，對光譜進行特征選擇，并與全光譜進行模型性能對比，最終選擇在900-1700nm波段范圍內(nèi)，采用SNV-SPA方法的建模效果好，其建模效果：R2cv為0.9191，SECV為0.0997，R2p為0.9684，RMSEP為0.0582，RPD為5.6254。表3、表4為不同特征波長挑選方法的建模效果對比,圖2為挑選波長的位置分布及建模效果。

表3 400～1000nm采用歸一化后的PLSR建模效果

表4 900～1700nm采用SNV預(yù)處理方法后的PLSR建模效果

最后對最佳模型進行可視化反演，從圖3可以看出，隨著摻假比例的增加，顏色由深色變成淺色。高光譜成像技術(shù)提供了一種切實可靠的方法來可視化摻假樣品的分布，這是其他方法無法實現(xiàn)的。

參考文獻(xiàn)：

趙靜遠(yuǎn), 張俊芹, 孫梅,等. 基于高光譜成像的羊肉摻假可視化無損定量檢測[J]. 食品與機械, 2022, 38(10):8.