白紋肉與木質肉品質安全無損檢測研究進展

張聰,袁偉東,周禹,周宏平,姜洪喆,婁彭予,謝程

(南京林業大學 機械電子工程學院,江蘇 南京,210037)

雞肉味美價廉、肉質鮮嫩,是人類膳食結構中多種必需營養成分的優質來源,近三十年來全球雞肉產量和消費量保持持續增長[1]。據美國農業部顯示,2022年我國雞肉生產總量達1 430萬t,在全球肉雞生產國中高居第二,僅次于美國[2]。隨著我國居民生活水平和健康意識提升,雞肉憑借其高蛋白、低脂肪等優勢在肉類消費中比重還將不斷攀升[3]。為滿足日益增長的雞肉消費需求,禽肉產業已配套飼料報酬高、生長迅速、出欄快和出肉率高的持續選育和速生養殖技術[4]。

現階段,肌肉的快速生長保障了消費供應,卻出現嚴重威脅產業發展的白紋(white striping,WS)和木質(woody/wooden breast,WB)等肌肉缺陷問題,重度發生率可達15%和10%左右[5],并有不斷蔓延爆發的趨勢。白紋肉和木質肉食用品質級別下降嚴重,可接受度低,主要發病于雞大胸,輕度可用于深加工肉制品,而重度僅能廢棄,給禽肉業帶來巨大經濟損失,據估算僅美國每年造成的直接經濟損失即達2～10億美元[6]。在我國推行“活禽禁售、生鮮上市”大趨勢下,逐漸增大的分割雞肉制品需求勢必會加重其對產業的影響,基于此,肌肉缺陷的發生機理及評價控制研究力度亟待加強,而該領域目前也是國內外廣泛關注的熱點[7]。

近紅外(near infrared,NIR)光譜具有感知有機物化學成分的能力,可廣泛用于農產品檢測評價[8],但單點檢測在非均質性強的白紋肉及木質肉檢測中易造成信息不對稱,帶來較大結果誤差。此外,機器視覺(machine vision,MV)可對肉品色澤、大小、紋理和缺陷等感官信息進行快速評價,卻對內部蛋白質、脂肪等營養品質無能為力。作為二者的延續和深化,高光譜成像(hyperspectral imaging,HSI)可同時捕捉各像元點光譜和各波長下圖像信息,具有優越的空間分辨能力[9],近年來在農畜產品快速檢測領域發展迅速[10],但高光譜設備一般以大型居多,且所獲取的光譜樣本數據量龐大,需要對其降維,數據處理難度大,其他無損檢測技術也各有優缺點。

無損檢測技術在肉品品質安全方面的應用往往需要結合化學計量方法建模分析,模型主要分為定性和定量2種,模型性能優劣通常由一些統計標準值來體現,模型的相關系數(R)、決定系數(R2)越接近于1,均方根誤差(root mean square error,RMSE)越小,模型的預測效果越好[11]。定性分析模型注重不同物質組分的區別,常用的判別模型有線性判別分析(linear discriminant analysis,LDA)、支持向量機(support vector machines,SVM)和人工神經網絡(artificial neural network,ANN)等。ROPODI等[12]使用高光譜成像技術結合LDA建立定性分析模型,對牛肉中摻雜豬肉識別準確率高達98.48%。定量分析模型注重某種組分物質的量,常用的判別模型有偏最小二乘回歸(partial least squares regression,PLSR)、逐步回歸(stepwise regression,SR)和多元線性回歸(multivariable linear regression,MLR)等。MASOUM等[13]使用近紅外光譜對青魚和沙丁魚中蛋白質含量建立PLSR定量分析模型,所得相關系數R為0.95,表明該模型可以對蛋白質含量很好地預測。

本文綜述了近年來國內外近紅外光譜、機器視覺和高光譜成像等無損檢測技術在白紋肉和木質肉中的研究應用,如圖1所示,發現光學特性信息結合計算機模型評價可以替代人工在線檢測,是推動禽肉業發展、提質增效的有效應用手段,可為高通量科學在線檢測分級設備開發提供重要技術支撐,為鴨、鵝和鴿等各類禽肉肌肉缺陷檢測和評價機理研究提供技術借鑒。

圖1 白紋肉、木質肉不同無損檢測技術

1 白紋肉與木質肉

白紋肉表面出現清晰可見的與纖維組織平行的白色條紋,成分以脂肪為主;木質肉胸肉組織壞死,表現為胸肌凸起部位質感堅硬、顏色蒼白,嚴重的表面會有組織液滲出,并伴隨白紋顯現[14],兩者皆是近年來國內外重點研究的雞肉疾病。白紋肉和木質肉的發生顯著改變了雞肉的營養成分,研究表明,白紋肉和木質肉中水分、脂肪和膠原蛋白等含量增加,而肌糖原、飽和脂肪酸和血紅素含量降低,這些營養成分的改變對雞肉營養價值、質感和外觀等均產生了一定影響[15-19],正常雞胸肉、白紋肉和木質肉外觀如圖2[20]所示。

NB-正常肉;WS-白紋肉;WB-木質肉

調查研究顯示,控制日齡、飼糧、性別、品種和新陳代謝等單一環節能改善白紋或木質程度[21-22],但在此耦合多因素的連續變化過程中卻難以解釋對最終外部感官及內部成分的影響。隨著生物信息技術的引入,已從基因組學(測序)、轉錄組學(基因表達)、蛋白質組學(蛋白表達)和代謝組學(代謝物)的角度嘗試探究遺傳-發育-疾病機制,結果發現肌肉缺陷并非由某一致病基因引起而是涉及大量基因的差異表達及系列代謝過程變化[23],如何減少發生率有待進一步研究。與此同時,發生機理的不明確性導致尚缺少針對性的檢測手段,當前檢測評價仍以人工感官評定為主[24],隨機性大、主觀性強且未考慮內部品質,評價標準亟需完善,方法不夠準確有效。目前還未有研究指明白紋肉和木質肉的發生機制,速成養殖模式下還無法從根本上杜絕白紋肉和木質肉的發生,探索科學、準確的白紋肉與木質肉快速檢測方法迫在眉睫。

2 白紋肉與木質肉無損檢測研究現狀

2.1 近紅外光譜

近紅外波長為780～2 500 nm,是一種介于中紅外光和可見光之間的電磁波。當化合物中的基團分子(C—H、N—H、O—H、S—H等)受到此波長范圍內光線照射時,分子鍵產生振動,在近紅外光譜區形成合頻、倍頻吸收譜帶?；衔锏暮瑲涔倌軋F不同,則對光譜的吸收不同,在不同范圍波長下的吸收峰也不同,因此近紅外光譜可以作為檢測基團的依據[25]?；诓煌镔|組分和吸收峰之間的關系,就可以利用近紅外光譜對肉類中水分、蛋白質和脂肪等成分進行定性、定量分析,這也是近紅外光譜技術檢測白紋肉和木質肉的理論依據。

圖3 木質肉在線檢測[28]

WOLD等[29]進一步研究發現利用近紅外光譜對木質肉中蛋白質和水結合度的檢測敏感性,判別準確率可達96%。GERONIMO等[30]采集1 150～2 150 nm波段近紅外光譜對木質肉建立蛋白質LDA模型,利用光譜主成分提取6個關鍵特征波長,模型準確率為97.5%。LI等[31]采用波數為10 000～4 000 cm-1的近紅外光結合模擬人體觸診的壓縮速度法建立偏最小二乘判別分析(partial least squares discriminant analysis,PLSDA)模型檢測木質肉,結果表明,僅使用近紅外光譜可以區分正常雞胸肉和木質肉,模型準確率為81.58%,而近紅外光譜結合壓縮速度法建立PLSDA分析模型可以實現更加精確的分類,模型準確率提升至82.14%,受人體工學啟發的壓縮速度法較人工觸診相比更為客觀,未來可從如何完善壓縮速度測量體系入手,實現更高的分類準確率。CARVALHO等[32]使用近紅外光譜分別結合連續投影算法-線性判別分析(successive projections algorithm-linear discriminant analysis,SPA-LDA)模型和軟獨立模式分類法(soft independent modeling of class analogy,SIMCA)區分正常雞胸肉、白紋肉和木質肉,結果顯示SPA-LDA模型的準確率為92%～93%,SIMCA準確率為89%～91%,表明白紋肉和木質肉的發生程度和屠宰年齡直接相關,白紋肉和木質肉的發生率隨著屠宰年齡的增加顯著增加,為肉雞養殖場對肉雞的飼養時間提供了新的思考和借鑒。SERVA等[33]采用2種近紅外光譜儀結合機器學習(machine learning,ML)算法對正常肉雞和患白紋、木質病的肉雞進行鑒別,結果發現由于ML算法的使用,近紅外光譜的性能大大改善,并且找到了用于鑒別的3種關鍵氨基酸(丙氨酸、天冬氨酸和蛋氨酸),后續研究有望從遺傳角度深入解析白紋、木質肉的發生機理。

綜上所述,利用近紅外光譜技術提取白紋肉、木質肉的光譜特征建立預測模型可以用于白紋肉、木質肉的檢測,并取得了顯著的成果,對建設雞肉質量監管體系、實現品質安全風險預警有一定推動作用。但近紅外光譜也有局限性,其靈敏度較低,光譜數據處理復雜,只能用于單點檢測。表1總結了近紅外光譜在白紋肉、木質肉檢測中的檢測指標、波段范圍、建模方法以及模型評價。

表1 近紅外光譜技術在白紋肉與木質肉檢測中的應用Table 1 Application of near infrared spectroscopy in the detection of white striping and wooden breast

2.2 機器視覺

機器視覺技術又名計算機視覺(computer vision,CV)技術,是指用圖像傳感器替代人眼識別被測物的圖像信息,用計算機替代人腦對被測物進行識別、測量,避免了人為測量判別的主觀性。機器視覺技術的原理是通過圖像采集裝置(如相機)獲取被測物樣本圖像,將圖像信息數字化,提取被測物特征進行建模運算,實現被測物屬性(如大小、形狀和顏色等)的分析。對于肉品而言,機器視覺技術已被證實可以用于檢測其大理石花紋、顏色、嫩度、新鮮度和脂肪等[34-36],因白紋肉、木質肉相比正常雞胸肉有著明顯的外部差異,故機器視覺技術在白紋肉、木質肉的檢測中有一定潛力。

Carvalho等[37]首次使用通過計算機視覺技術結合磁共振成像(magnetic resonance imaging,MRI)發現,灰度共生矩陣(gray-level co-occurrence matrix,GLCM)算法和分形曲線紋理算法(one point of fractal curve texture algorithm,OPFTA)的計算特征均可用于對白紋肉進行分類,利用J48決策樹(J48 decision tree,J48DT)可以對白紋肉的理化特性進行高精度判別,準確率大于90%。KATO等[38]利用機器視覺技術結合隨機森林(random forest,RF)、多層感知機(multilayer perceptron,MLP)、SVM和模糊W均值聚類(Fuzzy-W)4種模型對正常雞胸肉和白紋肉進行評估分類,并創造性地讓消費者對不同程度白紋肉的購買意愿和可接受度進行評分,結果發現SVM、Fuzzy-W和RF分類模型的分類效果極為接近,總體準確率為86.4%,而MLP的準確率僅有70.9%,誤判率較高。GERONIMO等[30]對木質肉應用機器視覺和近紅外光譜鑒別,二者均取得較高準確率,通過比較圖像處理結合SVM、MLP、J48DT和RF四種算法模型發現,圖像處理結合SVM構建判別模型效果最好,得到91.8%的準確率。YOON等[39]提出了一種用于在線檢測木質肉的側式成像系統,采用相機拍攝雞肉樣品即將駛離傳送帶下墜時的物理變形,所開發的圖像處理算法在檢測木質肉時總體精度能達到95%以上,為木質肉的檢測提供了新思路,但該系統需產線傳送速度較慢,且要求雞肉樣品以固定姿勢擺放,后續研究可從如何使雞肉樣品以相同姿勢運出傳送帶并保證在線檢測效率來完善該系統。其側式成像系統如圖4所示。

圖4 側式成像系統[39]

CALDAS-CUEVA等[40]通過圖像分析(image analysis,IA)結合二元邏輯回歸模型(binary logistic regression,BLR)實現檢測肉雞中木質病缺陷,分類準確性可達到91%。SUN等[41]通過圖像分析技術研究木質肉形態和嚴重程度之間的關系發現重量、擠壓力可以作為區分木質肉的客觀特征,并證明木質雞胸肉頭部區域特征明顯,是最適用于鑒別的部位。YANG等[42]通過圖像分析結合SVM模型研究可壓榨出水量(expressible fluid,EF)與木質肉之間的關系建立SVM模型,分類準確率可達93.3%,證實木質肉等級和持水力(water-holding capacity,WHC)密切相關。

研究表明,機器視覺技術可以在一定程度上實現正常雞胸肉、白紋肉和木質肉的區分,可以代替人眼感官來對白紋肉、木質肉的紋理、大小和顏色進行客觀判斷,彌補了傳統人體感官法的不足,但機器視覺技術其結果較大程度取決于圖像質量,YOON等[43]指出,在照明、樣品處理不佳等情況下,視覺顏色不足以作為檢測木質肉的指標;BOWKER等[44]也指出視覺特征可能不是木質肉發病率和嚴重性的準確指標,可能導致錯誤的分類。而選擇不同的算法模型對最終結果也有一定的差異,因此,機器視覺技術搭配一個良好的算法模型是實現白紋肉、木質肉檢測的關鍵。表2總結了機器視覺技術在白紋肉和木質肉檢測中的運用。

表2 機器視覺技術在白紋肉與木質肉檢測中的應用Table 2 Application of computer vision in the detection of white striping and wooden breast

2.3 高光譜成像

高光譜成像技術結合了近紅外光譜技術和機器視覺技術的特點,具有相機的高分辨成像能力和光譜儀的高光譜分辨能力,其采集的數據是一種3維數據立方體,內含海量空間坐標信息及光譜信息。高光譜成像技術集合了光學、計算機科學、模式識別和電子學等多領域先進技術[45],廣泛應用于醫藥[46]、農業[47]、生態保護[48]和食品安全[49]等領域?；诟吖庾V成像技術的肉品品質無損檢測研究主要包括對肉品化學組成含量與分布的測定、對肉品嫩度的快速檢測、肉品品質分級以及肉品摻假檢測等[50-53]。

JIANG等[54]發現高光譜第2、3主成分光譜圖像可用于快速區分白紋肉與正常肉,明確了鑒別白紋肉7個關鍵波長(450,492,541,581,629,869,980 nm),建立了融合特征波長與圖像紋理的PLS-DA模型,并證實雞胸肉頭端區域是最優檢測部位,檢測準確率為91.7%。其選取特征波長如圖5所示。

圖5 特征波長選取[54]

YOON等[43]利用光學相干層析技術(optical coherence tomography,OCT)結合波長為400～1 000 nm的高光譜成像技術測量雞肉亞表面微觀結構和光學特性,并建立PCA-LDA模型,結果發現木質肉肌外膜厚度大約是正常雞胸肉的2倍,表明OCT技術結合高光譜成像可以區分正常雞胸肉和木質肉,盡管高光譜成像技術檢測木質肉的能力有限,但是其可以增加OCT成像的吞吐量,提高檢測的精度。由于高光譜儀器以大型、貴重居多,成本較高,目前采用高光譜技術檢測白紋肉、木質肉的報道較少。表3總結了高光譜成像技術在白紋肉和木質肉檢測中的運用。

表3 高光譜成像技術在白紋肉與木質肉檢測中的應用Table 3 Application of hyperspectral imaging in the detection of white striping and wooden breast

2.4 其他無損檢測技術

基于白紋肉木質肉的報道越來越多,國內外研究學者也對其愈發重視,目前還有諸如生物阻抗分析(bioelectrical impedance analysis,BIA)、核磁共振(nuclear magnetic resonance,NMR)和高壓氣流(high-pressure airflow)測試等無損檢測技術應用于白紋肉和木質肉檢測的初探研究。

生物阻抗分析是一種利用生物獨有組織成分的電特性進行分析的無損檢測技術,其通常借助微弱電極系統向樣本內部送入微弱電流,檢測相應電阻抗變化。MOREY等[55]利用BIA技術結合LDA建模對木質肉的分類準確率為68.69%,表明BIA技術可以用于區分正常肉和木質肉,但準確率較低,還需要進一步的研究來提高BIA技術的準確性,此外研究還發現BIA值會隨著樣品新鮮度的改變而發生改變,這就要求后續研究者必須根據加工過程開發出與之配套的電阻和電抗閾值。SIDDIQUE等[56]在此基礎上利用BIA技術結合SVM建模對木質肉進行分類,準確率達90%,說明BIA技術結合SVM模型更加可靠,并開發出一種手持檢測儀用于在線檢測(圖6)。

圖6 檢測木質肉狀態的手持BIA裝置[56]

核磁共振是指具有固定磁矩的原子核在外界磁場的作用下吸收電磁波從而與外界磁場發生能量交換的現象,物質與磁場作用時發射的電磁信號和核密度自成比例,故NMR信號可以用來反應樣品的化學性質,近年來國內外使用核磁共振技術檢測白紋肉、木質肉也有諸多報道。PANG等[57]使用時域核磁共振(time-domain nuclear magnetic resonance,TD-NMR)預測木質肉的持水力,結果發現皮爾遜相關系數R為0.86。PANG等[58]利用可見光譜和NMR弛豫曲線分別結合SVM模型發現兩者結合可以精確地區分正常肉和木質肉,總體精確率為95.7%,表明光譜技術和核磁共振結合效果更佳。CNSOLO等[59]利用TD-NMR根據日飼水平建立稀疏偏最小二乘判別分析(sparse partial least squares discriminant analysis,sPLS-DA)模型,結果表明核磁共振技術可以區分不同程度的木質肉,并證實飲食的改變并不能減輕白紋和木質的發病率及嚴重程度,如何減輕其發病率并有效避免還需進一步研究。SUN等[60]利用低場核磁共振技術(low field nuclear magnetic,LF-NMR)探究雞肉塊中添加不同質量分數的木質肉對其影響,結果發現當木質肉質量分數超過25%時,肉塊的脂肪、蛋白質和結合水的含量出現顯著差異。除此之外,孫嘯等[61]采用高壓空氣無損檢測方法采集不同實驗高度處樣本的變形量,結果發現,距離樣本高度18 cm處檢測效果最佳,擠壓力可以作為衡量木質肉的參量。以上無損檢測技術見表4。

表4 其他無損檢測技術在白紋肉與木質肉檢測中的應用Table 4 Application of non-destructive testing techniques in the detection of white striping and wooden breast

3 問題與展望

面對雞肉中出現的白紋與木質肌肉缺陷問題,基于近紅外光譜、機器視覺及高光譜成像等無損檢測技術區分其與正常雞肉的區別是可行的,能否開發出工業在線檢測裝置并做到快速、準確檢測是當前禽肉業研究的重點。近年來,國內外學者對白紋肉、木質肉的無損檢測雖已取得一定的成果,但通過總結以上無損檢測技術仍存在以下方面的問題:

a)近紅外光譜儀器操作簡單,實時在線分析速度快,但缺乏針對性,在白紋肉、木質肉檢測中只能做到單點檢測,容易以偏概全,結果誤差較大。

b)機器視覺技術清晰度高,檢測速度快,但檢測精度易受拍攝環境、相機像素和拍攝背景等影響,導致測量結果出現較大偏差,其只能對樣品表面特征進行分析,對內部化學品質無能為力。

c)高光譜成像技術數據精度高,圖譜合一,具有優越的空間分布能力,但其設備一般以大型、貴重居多,抗干擾能力較差,同時其海量的數據立方需要進行降維,數據處理速度慢,目前還無法應用于在線檢測中。

綜合來看,在光學無損檢測方面,近紅外光譜、機器視覺和高光譜成像技術各有優缺點,結合其他無損檢測技術在白紋肉、木質肉檢測方面的應用,未來可以從以下幾個方面深入研究:

a)開發出針對檢測白紋肉與木質肉的準確判別算法模型,光譜采集過程規范、標準,并建立溫度、顏色、曲率等校正模型植入,提高檢測精度。

b)隨著現代光學檢測科技的發展,研發出精度更高、處理速度更快的小型便攜式高光譜儀器,面對高維度的高光譜數據,找出可靠的預處理、特征波長的選擇以及建模方法,選出的少量特征圖譜能夠成功用于工業生產線。

c)不能僅局限于單獨某種無損檢測方法,要注重多種無損檢測方法的結合使用,如近紅外光譜結合高壓氣流測試法、近紅外光譜結合核磁共振技術和高光譜成像結合光學相干層析技術等等,可以在一定程度上提高檢測精度。