羊肉产地近红外光谱溯源模型的建立与机理初探

食品产地溯源是食品安全追溯制度的重要组成部分,对于食品原产地保护和保障食品安全至关重要。我国是羊肉生产大国和消费大国,但近年来羊布鲁氏菌病、羊痒病等羊易感的人畜共患传染病在我国有抬头的趋势,严重威胁了羊肉安全。因此,研究建立一种快速、准确的羊肉产地溯源技术,为市场监管提供方法和手段,对于保障食品安全具有重要作用。本论文以绿色的分析技术近红外光谱为手段,以不同产地羊肉为对象,采用化学计量学的方法,开展羊肉产地近红外光谱溯源技术研究,建立羊肉产地的近红外光谱溯源模型,并对近红外光谱溯源的机制进行了初探。具体研究结果如下: (1)采用近红外光谱技术结合简易分类(SIMCA)模式识别方法建立了羊肉产地溯源模型。结果表明,在11995 cm-1～3999 cm-1波长范围内,近红外光谱经5点平滑与多元散射校正(MSC)预处理,山东、河北、内蒙、宁夏、新疆5个产地溯源模型的主成分数分别为5、6、8、7、5时,采用SIMCA模式识别方法可以建立稳健的羊肉产地溯源模型;5个产地羊肉的校正集模型识别率分别为95%、100%、100%、100%、100%,拒绝率分别为99%、100%、99%、100%、100%;其验证集模型的识别率分别为100%、83%、94%、81%、88%,拒绝率均为100%。 (2)采用近红外光谱技术结合支持向量机(SVM)模式识别方法,建立了不同产地羊肉溯源模型,以径向基函数(RBF)为核函数,当输入量为MSC光谱、惩罚系数C=100000、宽度参量γ=0.01时,建模效果最佳,校正集和验证集的正确分类率均为100%,对应山东、河北、内蒙、宁夏、新疆5个产地羊肉的支持向量数分别为9、9、23、16、7。 (3)采用近红外光谱技术结合人工神经网络(ANN)模式识别方法,建立了不同产地羊肉溯源模型,将MSC预处理光谱结合主成分分析(PCA)作为误差反传算法(BP)神经网络的输入向量,当输入层、隐藏层、输出层节点数分别为10、8、5时,建模效果最佳,山东、河北、内蒙、宁夏、新疆5个产地羊肉校正集和验证集模型的正确分类率均达到100%。 (4)对比SIMCA、SVM及ANN三种模式识别方法的建模效果发现,SVM和ANN的建模效果优于SIMCA,二者模型的正确分类率达到100%。 (5)利用主成分分析、载荷分析、方差分析,对羊肉产地近红外光谱溯源机理进行了初步探讨,通过对不同产地羊肉近红外光谱信息与羊肉主要组分(水分、脂肪、蛋白质)之间的关联分析,推测不同产地羊肉,因其生长环境和饲养条件的不同,造成其在水分、脂肪(脂肪酸)、蛋白质(氨基酸)等营养组分含量和结构上存在差异,而这些差异会反映在近红外光谱上,通过主成分分析提取这些差异信息,借助模式识别方法可建立产地鉴别模型,进而达到产地溯源的目的。 综上所述,采用近红外光谱技术结合一定的模式识别方法建立羊肉产地溯源模型,实现对羊肉产地的溯源切实可行。