豬肉含有豐富的營養(yǎng)成分，是人類生活中必不可少的食物來源。近年來，我國豬肉產量不斷提高，人們對豬肉產品的需求量加大，同時對其質量也提出更高的要求。然而由于肉制品中的脂肪、蛋白質含量豐富，水分活度高，在加工、貯存、銷售過程中，很容易被微生物污染及受環(huán)境因素的影響，致使產品腐敗變質，從而失去其食用價值。生鮮豬肉在流通、儲存過程中易受內源酶、外界環(huán)境、微生物等的作用而發(fā)生腐敗變質。生鮮豬肉中的蛋白質在酶和細菌的作用下，發(fā)生分解而產生氨和胺等堿性含氮物，并與組織內的酸性物質結合，形成鹽基態(tài)氮。鮮豬肉中TVB-N含量隨著放置時間的延長，呈現(xiàn)出緩慢增高，平穩(wěn)增高和大幅度增高變化三個過程。

　　光譜成像技術是一個新興的平臺技術。它是光譜分析技術與圖像分析技術相結合的產物，具有空間分辨能力和光譜分辨能力，可以同時獲得對象的空間和光譜信息。光譜成像技術在食品、農產品檢測中的應用較廣泛，Peng和Lu等人研究利用光譜散射特性預測牛肉的pH值、嫩度和顏色。多光譜成像技術在便攜、小型、批量生產場合更具有優(yōu)越性。

　　本文研究的目標是探究利用多光譜成像技術結合數(shù)學建模方法預測生鮮豬肉貨架期的可行性。

　　1材料和方法1.1多光譜成像系統(tǒng)收稿H期：修訂曰期：項9金：公益性行業(yè)（農業(yè)）科研專項經費資助（項目編號：201003008）。

　　作簡介：李翠玲（1985），女（漢），新，碩士，主要從事生鮮肉的品質安全快速檢測關鍵技術的研發(fā)。北京市海淀區(qū)華東路17號，100083.Email：通訊作者：彭彥昆（1960），男（漢），山東，教授，牛要從事農畜產品品質安全尤損檢測的研究。北京市海淀區(qū)清華東路丨7號，丨00083.丨1：川6881.6（。（。

　　多光譜成像系統(tǒng)所使用的多光譜成像系統(tǒng)如所示。主要由光源單元、圖像采集單元和數(shù)據(jù)處理單元組成。光源單元包括穩(wěn)壓電源、溴鎢燈光源（HL2000，USA）、光纖；圖像采集單元包括高性能可見/近紅外CCD相機（UM301，USA）、采集卡（CronosPlus，Canada）、濾光片，通過查閱相關的，共選擇7片窄帶濾光片，中心波長分別為551、560、580、600、625、760、810rnn9，半高帶寬1015nm；數(shù)據(jù)處理單元的主要功能是接收并保存多光譜圖像數(shù)據(jù)、提取有效信息、建立預測模型。暗箱用于隔離外界光線和噪聲的干擾。轉動支架旋鈕可調節(jié)載物臺的高度。肉樣放置在載物臺上，當光照射在肉樣表面時，肉樣的漫反射光經濾光片，通過CCD相機形成多光譜圖像，經圖像采集卡生成8位圖像數(shù)據(jù)文件。

　　2011年7月從超市購置宰后24小時出自同一頭豬的新鮮豬里脊肉，將肉樣分割成約2cm厚的肉塊，選擇其中的21塊作為有效樣品，用保鮮膜包裝好后放入冷藏箱運回圖像上像素的灰度值）表示該樣品圖像采集區(qū)域的反射光強。

　　2.2揮發(fā)性鹽基氮的測定參照國標GB/T5009.44-2003，對標準方法進行適當?shù)母倪M，采用KDY-9820型半自動定氮儀法替代半微量定氮法測定豬肉中的揮發(fā)性鹽基氮。測得的21個豬肉樣品的TVB-N參照值如表1所示。

　　序號2.3多光譜散射圖像特征提取研究中使用MATLAB7.11.0（R2010b）對數(shù)據(jù)進行處理。

　　求得圖像上以光束的入射點為圓心，以一個像素尺寸（8.6nmx8.3）為帶寬的圓環(huán)（近似）上所有像素灰度值的平均值，圓環(huán)半徑從小到大遞增一個像素，以平均值作為對應圓環(huán)上像素的灰度值，以減小誤差。以圓環(huán)半徑為橫坐標，以圓環(huán)像素灰度值為縱坐標，可做出各個波長處圖像的散射曲線。

　　21個樣品在760mn波段處圖像的散射曲線如所示。

　　使用非線性回歸方法，用含有四個參數(shù)的洛倫茲函數(shù)擬合各個波長處得散射曲線。含有四個參數(shù)的洛倫茲函數(shù)表示如下：其中：R為散射曲線上任意一點的反射光強（灰度值）：z為該點距離光束入射點的散射距離（圓環(huán)半徑）；a為散射曲線的漸進值；b為散射曲線的峰值：c為散射曲線的半波帶寬；d為散射曲線拐點處的斜率。

　　對每個波長處的散射曲線做LD函數(shù)擬合，這樣每個波長處的散射圖像就可以用LD函數(shù)的4個參數(shù)來描述，進一步對參數(shù)進行分析可預測生鮮豬肉的TVB-N.a所示圖像的散射曲線的擬合圖如。4揮發(fā)性鹽基氮預測模型的建立偏最小二乘回歸（PLSR）方法因其在提取主成分時考慮到與待分析組分的相關性，所建線性模型通常具有較高的預測精度，因此本文采用PLSR方法建立生鮮豬肉TVB-N的預測模型。將樣品分為兩組，樣品序號為3的倍數(shù)的7個樣品為預測集，其余14個樣品為校正集。每一個樣品的TVB-N參照值對應于其散射圖像的LD函數(shù)的4個參數(shù)。校正集14個樣品的TVB-N參照值與392（14x7x4）個參數(shù)值做偏最小二乘回歸。模型預測相關系數(shù)達到0.87，預測標準誤差為2.50mg/100g，為采用PLSR方法建模的預測效果圖。

　　2.5貨架期預測模型的建立觀察中參照值的變化，可以發(fā)現(xiàn)在本研究中TVB-N隨著時間的變化呈對數(shù)增長，處于快速增高變化階段，因此本文采用對數(shù)函數(shù)擬合TVB-N的變化曲線，在此基礎上建立生鮮豬肉的貨架期預測模型。

　　率參數(shù)；t為時間（d）。對（2）式進行移項、取對數(shù)等變形處理可得下式：式（3）是在式（2）的基礎上推導出來的，可以計算生鮮豬肉的貨架期。

　　TVB-N的變化規(guī)律呈對數(shù)特性，擬合的相關系數(shù)為0.93，標準誤差為1.76mg/100g.擬合的效果圖如所示。擬合得三個參數(shù)A=29.1076，B=19.8618，k=0.1824.將這三個參數(shù)代入（3）式，可建立生鮮豬肉貨架期（Shelflife，SL，d）的預測模型：TVB-N隨時間變化規(guī)律將由揮發(fā)性鹽基氮預測模型預測的21個TVB-N值帶入（4）式，可獲得相應肉樣的貨架期數(shù)值，為生鮮豬肉貨架期的預測效果圖，可以看出預測的整體趨勢是正確的，但預測精度欠佳。

　　3.結論生鮮豬肉的貨架期是衡量其商品價值的重要依據(jù)之一，因此，能夠的得出一種對生鮮豬肉貨架期快速、無損傷、可靠的檢測方法就顯得十分重要。傳統(tǒng)的化學實驗室分析等方法雖然具有準確度高、可靠等優(yōu)點，但其分析過程繁瑣、耗時、對試樣具有破壞性，逐漸不能滿足快速發(fā)展的生產和經濟要求。光譜圖像技術結合了光譜和圖像分析技術，具有快速、非破壞等特點，其中多光譜成像技術在便攜、小型、批量生產場合更具有優(yōu)越性。本文在多光譜成像技術的基礎上，針對小樣本非線性問題，探索針對生鮮豬肉貨架期可行有效的檢測方法。研究結果表明利用多光譜成像技術結合相應的數(shù)學建模方法預測生鮮豬肉貨架期具有可行性。

　　在研究的過程中發(fā)現(xiàn)了一些問題和不足，有待改進：（1）所選用的樣品偏少，應增加樣本的廣泛性，以建立應適當增加樣品數(shù)量；（2）由于在采集多光譜圖像時是手動更換濾光片，并且樣品厚度不均，因此很難保證每次樣品上表面到濾光片的距離相等，所使用的多光譜成像系統(tǒng)有待改進；（3）誤差的傳遞，從揮發(fā)性鹽基氮預測模型到貨架期預測模型存在著誤差的傳遞，應盡量減小誤差，提高精度：（4）評定指標單一，可以從影響貨架期的因素出發(fā)，選擇一些其他適宜的指標，并根據(jù)它們對貨架期的影響程度，為其分配權重。