翻译可见近红外光谱分析技术鱼肉鲜度评价的新工具文档格式.docx
《翻译可见近红外光谱分析技术鱼肉鲜度评价的新工具文档格式.docx》由会员分享，可在线阅读，更多相关《翻译可见近红外光谱分析技术鱼肉鲜度评价的新工具文档格式.docx（11页珍藏版）》请在冰豆网上搜索。
作为这项工作的一部分,鱼肉评价方案已经被开发并且应用于鱼肉鲜度评估,例如：
QIM（质量指标办法，QualityIndexMethod，Luten和Martinsdottir于1997提出）.尽管感官技术十分实用,但它有一个很大的缺点，那就是他需要一些经过训练的技术人员.这使其变得很昂贵,并且无法在都有地点和情境下都方便提供。
现有已开发的仪器方法（如组织分析仪和介质测试仪）,没有一种能够成功地普及并且在业内和零售行业得到共同认可。
当前的仪器检测方法仅仅描述一个单一参数的变化。
在鱼肉储藏过程中发生的变化取决于大量的物理和生物过程,但是迄今为止,没有一个单一参数的变化可以被证明能够反应整个储藏过程的新鲜程度。
由于鲜度是由许多参数共同表征的,所以一个可靠的检测方法应该同时检测几个不同参数的变化。
此外,对于测量方法的工业要求使其必须同时考虑到有效性,客观性,以及关于环境和反应速度的稳定性。
另外,还应避免侵入鱼肉并且最好价格水平适中.
近20年间,近红外光谱分析技术在评估食品质量参数领域得到了很大的重视（OsborneandFearn1986;
DeBoeverandothers1992;
ThyholtandIsaksson1997;
Guthrieandothers1998;
PawlinskyandWilliams1998;
WindhamandMorrison1998;
Wrigley1999;
Thyboandothers2000）.至于鱼肉质量参数的评价，近红外光谱技术已用于鲭鱼中的游离脂肪酸的测定（ZhangandLee1997）,鲑鱼和大比目鱼体内脂肪，水分和蛋白质的测定（Downey1995;
Woldandothers1996;
WoldandIsaksson1997;
Nortvedtandothers1998）.该技术也被应用于估计鳕鱼冻结和解冻后的持水量（Jø
rgensenandJensen1997;
BechmannandJø
rgensen1998）.在另一方面,关于这一技术在确定鱼肉鲜度方面的使用性却相对知之甚少。
近红外光谱技术可以同时反映材料几个参数的事实，使其十分适合用于评估复杂交互问题的方法中，因而可以用于评估鱼肉鲜度.Sigernes等人（1997）展示了可见/近红外光谱分析技术在通过鳕鱼捕后储藏时间评估鲜度过程中的潜在用途。
然而,由于样本数量很低,结果的一般有效性收到了质疑。
当前的工作就是来着手调查可视/近红外光谱分析技术作为评估肥鱼种和瘦鱼种鲜度的手段的可行性。
对鲜度确定最有用波长区域的分析要针对两个种类共同制定。
材料和方法
鳕鱼
鳕鱼于8月被临近Tromsø
水产养殖研究站的陷阱捕获并在不喂食的情况下被养殖在海上网箱中，直到9月实验开始。
在测量期间的第一天（d0）,随机收取50条鳕鱼，然后立即宰杀，放血，去头，去内脏,清洗，然后冷藏。
在去除了头和内脏之后，鱼的体重分布在1.3到5.6kg不等。
鱼在2到4℃的房间里冰藏14天以上。
在第0,1,2,3,4,5,7,9,11,以及14天，分别随机挑选五条鱼，应用上述方法。
在测量过程中,鱼要去皮切片,并从每条鱼的鱼片中选出一片用于实验。
腰的中部已经被证实最适合做反弯曲测量（Sigernes等1997）.这些测量点（见图1）,像被去掉的皮肤上对应的点一样会被应用。
图1—鳕鱼片测量位置标有星号,鲑鱼片测量位置标有字母.点a到点d位于鱼片去皮的一侧,点af到点df位于鱼片的另一侧。
点a和点c位于鱼片的侧线，而点b和点d位于鱼片侧线和顶部（后侧）之间的区域。
鲑鱼
十五条养殖在Tromsø
水产养殖研究站的大西洋鲑被从海上网箱中随机取出。
鱼的体重（去头去内脏后）分布在2.5到4.3kg之间。
这些鱼在取出后就立即宰杀，放血，去内脏并且清洗干净。
随后把鱼切片，并且从每条鱼中取出一片去皮并在贮藏期中置于冰中的塑料袋里。
在第0,1,2,4,7,9,11,14,和17天，每一片鱼肉都利用可见/近红外光谱检测的方法进行测量。
对于鲑鱼测量，由于还没有设立出最佳的测量点，记录光谱鱼片上的几个不同位置的光谱，如图1。
光谱测量
光谱测量是利用NIRS6500实现的（柏斯托精细分析公司,SilverSpring,Md.,U.S.A.）.这个仪器允许光谱以反射，传输模式和漫反射模式记录。
后者通过使用光纤探针实现的。
探头由两组分开的纤维组成，一组把光从光源传动到样本，另一组收集样本的后向反射光并将其带回给探测器。
当仪器以漫反射模式运行时，仪器的波长范围是从400到1100纳米。
因此，除了较低的近红外范围（700到1100nm）,光谱的可见光部分（400to700nm）也同样被记录了下来。
仪器的频带宽度是8nm。
应用光谱仪器的漫反射模式是十分方便的，因为它的材料处理是无损操作。
仅仅将探针放在材料的表面上即可，不需要特殊的样本制备。
测量设置详见图2。
在近红外光谱技术中，记录的频谱通常是光反射或者传输的吸收谱，样本和引用频谱是相关的。
对于漫反射测量，引用频谱是通过测量一个20mm大小白色聚四氟乙烯块的漫反射获得的。
为了减少误差，每个测量点要测10组数据后取平均值，然后才可以存盘。
图2—漫反射模式的设置
结果的统计分析
收集到的光谱通过主成分多变量分析技术（PCA）和局部最小平方回归（PLS1）来进行分析（MartensandNæ
s1989）。
这两种手段（PCA和PLS1）都是从数据信息的建模到主成分（PCs）的投影方法。
第一个主成分传递的信息最多，然后是第2个，以此类推。
到一定程度时，新成分信息的建模变化基本上都是误差。
主成分的最佳数值---反应最有用的信息，但是避免过拟合---可以在残余方差的帮助下确定（Esbensen等1994）。
多元分析可以通过使用软件工具Unscrambler,ver.7.5来实现（CAMO,Norway）.。
主成分分析用于表示光谱中的不同和相似之处，局部最小平方回归用于建立光谱和储藏时间之间的数学模型。
像校准关联性（corrC）和校准标准误差（RMSEC）这样的参数表明模型对测量数据的适用程度。
预测的相关性（corrP）和预测的标准误差（RMSEP）表明模型对于未来测量的适用度。
预测标准误差（RMSEP）可以通过下面等式计算
RMSEP=
其中Xi，Yi分别表示样本i的预计储藏时间和实际储藏时间，N表示样本数量。
对于适合描述未来事件的模型，预测相关性应尽可能趋近于1，预测标准误差越小越好。
本次论文中，将预测的相关性和标准误差作为回归拟合优度的表征。
对于多变量分析技术（PCA）和局部最小平方回归（PLS1）这两种方法,都会用到完全交叉验证。
结果和讨论
近红外线光谱是研究复杂过程中变量的强有力的工具。
然而，相较于像核磁共振（NMR），红外光谱技术（IR）这样的著名技术，通常很难在近红外区域内找到选择性的波长（MartensandMartens1992）。
这是由于波段逐步增长的频段越高，当我从红外区穿过近红外区到达可见光区时，就会变得越不清晰；
因此每个波长频道都将成为非选择性的（对几种不同的分子类型敏感）。
因此选择性必须通过多元校正在数学上得以增强，也就是说，将几个近红外波长的组合。
接下来，就可以得到一些定性的信息了I，例如，水分的存在就可以从鳕鱼和鲑鱼的光谱中直接读出。
然而，要想得更多的定量的信息，却不能仅仅凭借对光谱的简单观察就可以呈现。
光谱变化作为一个时间的函数，可以通过同时分析几个波长而得到识别。
这是通过多元分析的使用完成的。
为了尽量保持鳕鱼营养状态的均衡，鳕鱼一直被养在海上网箱里，没有额外的喂食。
图3展示了测量至鱼片里面，表皮层，以及表皮的典型光谱。
鱼体内和表皮层光谱的主要区别表现在光谱的可见光部分。
在这400到700nm的范围内，鱼片表皮层吸收的光谱比鱼体内部分的吸收更显著。
这是因为鱼片的表皮层有高吸收率的黑肌肉，而鱼体内的部分只有白肌肉的原因。
通过图3，也可以看出鱼片两个部分的光谱在950到1000nm的地方都有一个比较宽的峰值，这是由于第二水分子光带引起的（OsborneandFearn1986）.来自表皮和表皮层的光谱在可见光区里面形状上是十分相似的，指示出了信息是相同类型的。
这两者光谱的主要区别在于，在可见光区，表皮的吸收率要比表皮层的吸收率略微弱一些。
鱼片要比皮肤薄层厚，因此会吸收更多的光。
在表皮的光谱中，在950到1000nm区间水的峰值并不明显，而少数峰值存在于大约930nm的位置。
依据Osborne和Fearn（1986）的看法，在这个范围内的吸收率主要是由于脂肪的存在。
脂肪可能来源于皮肤上血点的残留。
图3—来自于鳕鱼体内，表皮层和表皮的典型光谱
完整数据设置的主成分分析比分图可参照图4.从内部测量的数据级要比另外两个更加紧凑密集。
在颜色上，鱼片内表面要比表皮和表皮层更加均匀，因此这也可以从图表中看出。
主成分分析的区别说明，进一步的分析应当对这3种数据（鱼体内，表皮，表皮层）分别对待，而不是把所有数据同时处理。
图4—查看主成分一或二，完整数据集的主成分分析。
分析显示出了不同测量点的数据组。
“I”指代鱼片内部的测量,“O”指代表皮层的测量，“S”指代表皮上的测量数据。
全交叉局部最小平方回归用来调查贮藏时间分别和3个数据集的联系。
表1列出了参数corrP和RMSEP,描述回归模型的拟合度和主成分的数量。
最初，光谱计算的基础是完整的频谱（400to1100nm）。
在这个范围，最好的模型配合应通过记录鱼片内部的光谱获得。
这与Sigernes等人（1997）的发现大不相同，他们认为从鱼片内部或者外部得到的结果没有什么实质的差别。
可是，他们的实验是基于对5个鱼片的分析的，因而，样本偏差对其影响较小。
鳕鱼尺寸和条件的变化在商业捕捉中可能有很大的意义，也是因为这样，测试适用于相对大批，能够处理不同大小鱼的方法才有了很大的重要性。
Sigernes等人（1997）曾报告其预测误差少于30h，而这种方法的误差被证实大约在40小时左右（1.64d）。
表1—参数描述光谱测量与储藏时间相关性的建模契合度。
除了相关性（corrP）和预测的标准误差（RMSEP），主成分（PC）的最佳数量也在表中列出。
（星号表示不稳定模型，也就是随着主成分增加残余有效性方差并没有单调减小的模型。
）
通过仅仅使用可见光部分（400到700nm）我们在结果上得到了一个十分可观的提升。
预测的相关性增长到了0,97，预测的误差，标准误差，减少到了少于25h。
考虑到这种方法可能带来的商业价值，它被认为还是很有前途的。
图5给出了最佳拟合模型中预测时间和存储事件的对比图。
还有一点需要指出，基于近红外区（700到1100nm）的分析结果中测量结果和储藏时间的相关性很差（表1）。
图5—在内测点，鳕鱼片测量时间与储藏时间
有趣的是，新鲜度信息被镶嵌在400到700nm这个范围内，同时包含了人类感知能够到达的可见区。
在某种程度上，这种方法暗合了人类感官评定的方式。
有人可能会问，这是否和颜色直接相关：
众所周知鳕鱼片随时间老化颜色会变的越来越暗淡越来越黄（LutenandMartinsdó
ttir1997）.然而,一个对模型特征的实验显示，蓝绿色区（400to500nm）被证实回归系数最高,表明这些波长对结果的影响才最大。
因此，对于未来的工作，我们对这些波长如何涉及可能的变质过程还是很有兴趣的。
通过对鲑鱼片的可视检测发现表皮层和鱼片内部有明显的不同。
表皮层包含脂肪和黑肌肉，而鱼片内测由于更贴近骨头，在颜色和结构上都更加均匀。
这些不同在从不同测试点采集的光谱上也都可以反应出来。
图6给出了典型的鲑鱼光谱。
图6—鲑鱼片典型的漫反射光谱。
光谱a和光谱d采自鱼片表皮层，光谱af和光谱df采自鱼片内测。
鱼片表皮层的测量结果显示在光谱的可见光的黄绿色区（450到600nm）有一个很宽的双峰带。
这对于采自样本黑肌肉的测试点a和c来说是最显著的，但这个趋势在测试点b和d也很明显。
对于在鱼片内测的测量结果，在可见光区的吸收带看起来似乎更窄,而且第二个峰值（在500nm到550nm之间）要比第一个更明显。
表皮层和鱼肉内部的另一个区别在近红外区（900到1050nm）也很明显。
鱼片内侧在970nm处水分吸收峰值的强度要比在表皮层的强。
鱼肌肉的组成是一个可能的原因；
临近表皮的肌肉要比靠近骨头的肌肉肥一些，并且这个部位的水分含量要比靠近骨头肌肉低。
在来自表皮层黑肌肉的记录中，由于这个肌肉区的高脂肪含量在930nm处可能观察到吸收峰值。
在大多数来自鱼肉里面和外面的测量中，由于水分吸收的原因在960到970nm之间可以观察到一个小峰值。
光谱的可视检测显示，关于已用贮藏时间没有有意义的影响。
数据集的主成分分析也反映出了探测器位置的重要性。
在分数图上，鱼片内侧的光谱落在1团，而来自表皮层的光谱覆盖了一个很广阔的范围（如图7）。
图7—鲑鱼完整测量集的主成分分析，包括主成分1和主成分2。
图中的圈环绕了来自鱼片内测的光谱记录。
这个结果证实了采自鱼片内部光谱的相似性，以及采自表皮层光谱的差异。
第一和第二主成分描述数据集中大部分的变量（94%）,但这些成分看起来并不包含与储藏时间有关的变量。
通过使用鱼片储藏时间作为数据矩阵的响应变量，局部最小平方回归被应用到数据集中。
全交叉验证用来确认分析，计算中有10种主成分的限制。
表2展示了局部最小平方回归分析的结果。
比较来自鳕鱼片的结果，关于储藏的相关性表皮层和鱼体内的不同并不是特别明显。
然而对于鲑鱼来说最好的测量结果要通过测量鱼片内部才可以获得。
概括表2,当光谱回归作用于鱼体内，在后背的肌肉段上（测量点bf和df）时可以实现最好的相关性和最低的误差。
这可以达到0.98的预测相关性和1.21的误差值。
.相比于来自鳕鱼光谱的分析结果，鲑鱼光谱在近红外区看起来保留了最多的关于鲜度的有用信息，而鲑鱼光谱的可见光部分得出的储藏时间相关性较差。
相较于鳕鱼的实验，,鲑鱼样本的数量要少一些。
然而，因为养殖的鲑鱼在尺寸上更均匀，这个数量可以看做是足够的样本。
表2–参数描述了光谱测量和贮藏时间的模型相关性。
表中给出了模型相关性（corrP）,预测标准差（RMSEP）,以及主成分的最佳用量（PC）。
测量点“f”表示鱼片内侧,而其他的都来自于鱼片表皮层。
相比较于QIM（质量指标办法）方法的鲜度评价，可视/近红外光谱技术在成本，快速性和简洁性方面提供了明显的优势。
不过，需要强调的是，再将光谱技术引进一般的鱼肉鲜度测量之前还有许多工作要做。
这个方法还需要在鱼种季节变化，鱼的捕捉和处理方法，鱼肉的不同储藏条件等方面进行验证。
未来另一个有意义的领域就是理解和解释光谱信息，为什么可见光区似乎是鳕鱼鲜度信息的主要因素，而近红外光区对鲑鱼鲜度信息起到了很大的作用。
在未来的工作中，还需要将光谱检测结果与其他测量方法联系，例如感官评价以及生物/化学手段。
在这个角度来看，减少分析中包含的波长数量也是很必要的。
鉴于渔业现在和未来对于客观的快速的测量方法的需求，可视/近红外光谱技术在鱼类品质确定中的应用还需要进一步的探索。
结论
这项工作取得的结果证明了可视/近红外光谱技术作为鱼类冰藏过程中鲜度确定工具的适用性。
这个方法已被证明对鳕鱼和鲑鱼都可行。
这表明了对较胖和较瘦鱼种的适用性。
对于鳕鱼，最优拟合模型通过使用可见光区波长范围来建立（见表1）,可以达到0.97的相关性和低达1.04天的误差值。
对于鲑鱼，最优拟合模型是通过来自近红外光区的数据来建立的（见表2），可以达到高达0.98的相关性和1.20天的误差。
可视/近红外光谱技术支持快速，非侵入性的，低成本测量，这些特点满足渔业部门对于工业方法发展的需求。
参考文献
AshieIN,SmothJP,SimpsonBK.1996.Spoilageandshelf-lifeextensionoffreshfishandshellfish.CriticalRevinFoodSciandNutrition36（1&
2）:
87-121.
BechmannIE,Jø
rgensenBM.1998.Rapidassessmentofqualityparametersforfrozencodusingnearinfraredspectroscopy.Lebensm.-Wissu-Technol31:
648-652.
BremnerHA,SakaguchiM.2000.Acriticallookatwhether‘freshness’canBedetermined.JAquaticFoodProductTechnol9（3）:
5-25.
DeBoeverJL,CottynBG,FiemsLO,Boucquè
ChV.1992.DeterminationofchemicalcompositionofbeefmeatbyNIRS.In:
HildrumKI,IsakssonT,NaesT,
TandbergA,editors.Nearinfra-redspectroscopy.BridgingthegapbetweendataanalysisandNIRapplications.Chichester,WestSussex:
EllisHorwoodSeriesinAnalyticalChemistry.p339-344.
DowneyG.1996.Non-invasiveandnon-destructivepercutaneousanalysisoffarmedsalmonfleshbynearinfra-redspectroscopy.FoodChem55（3）:
305-311.
EsbensenK,Schö
nkopfS,MidtgaardT.1994.Multivatiateanalysisinpractice.Trondheim,Norway:
CAMOAS.312p.
GuthrieJ,WeddingB,WalshK.1998.RobustnessofNIRcalibrationsforsolublesolidsinintactmelonandpineapple.NearInfraredSpectrosc6:
259-266.
Jø
rgensenBM,JensenHS.1997.Cannear-infraredspectrometrybeusedtomeasurequalityattributesinfrozencod?
In:
LutenJB,Bø
rresenT,Oehlenschlä
gerJ,editors.Seafoodfromproducertoconsumer,Integratedapproachtoquality.Amsterdam:
ElsevierScience.p491-496.
LutenJB,Marttinsdó
ttirE.1997.QIM:
aEuropeantoolforfishfreshnessevaluationinthefisherychain.In:
Olafsdó
ttirG,LutenJ,DalgaardP,CarecheM,Verrez-BagnisV,Martinsdó
ttirE,HeiaK,editors.MethodstoEvaluateFishFreshnessinResearchandIndustry.Paris:
InternationalInstituteofRefrigeration（IIR）.p347-354.
MartensH,MartensM.1992.NIRspectroscopy–appliedphilosophy.In:
HildrumKI,IsakssonT,NaesT,TandbergA,editors.Nearinfra-redspectroscopy.BridgingthegapbetweendataanalysisandNIRapplications.Chichester,WestSussex:
EllisHorwoodSeriesinAnalyticalChemistry.p1-10.
MartensH,Næ
sT.1989.MultivariateCalibration.Chichester,UK:
JohnWileyandSons.419p.
NortvedtR,TorrissenOJ,TueneS.1998.Applicationofnear-infraredtransmittancespectroscopyinthedeterminationoffat,proteinanddrymatterinAtlanti
升级会员 