冷卻羊肉經(jīng)過冷卻后，表面上微生物會大量繁殖，不僅會改變冷卻肉的顏色、氣味等感官性質(zhì)，還會導致病原體和毒素的產(chǎn)生，對人體健康造成危害。傳統(tǒng)的檢測方法存在操作復雜、產(chǎn)品破壞嚴重等問題，很難實現(xiàn)對冷卻肉在冷鏈流通和銷售等環(huán)節(jié)的在線無損檢測。隨著光譜技術(shù)的不斷發(fā)展，光譜無損檢測技術(shù)被廣泛應用于冷卻羊肉表面細菌總數(shù)的檢測。本文介紹了SM350近紅外光高光譜成像儀在冷卻羊肉表面細菌總數(shù)檢測中的應用。

冷凍羊肉

檢測羊肉表面的細菌總數(shù)在冷卻過程中尤為重要

羊肉的蛋白質(zhì)比豬肉更高，而脂肪含量較低。此外，羊肉還含有較高的鈣、磷、鐵等礦物質(zhì)，遠超過豬肉和雞肉。因此，羊肉是理想的綠色動物蛋白質(zhì)來源。隨著居民生活水平的提高，對健康、營養(yǎng)和安全的重視程度也在增加，對冷卻肉的需求不斷增長。冷卻羊肉表面的微生物繁殖不僅會改變其顏色、氣味等感官特性，還會導致病原體和毒素的形成，對人體健康造成危害。這個趨勢代表著未來肉制品的主流方向。

細菌總數(shù)是評價食品衛(wèi)生質(zhì)量的重要微生物學指標。傳統(tǒng)的檢測方法包括快速測試片技術(shù)、電阻抗技術(shù)、微菌落技術(shù)、發(fā)射測量法、微熱量技術(shù)、三磷酸腺苷生物發(fā)光技術(shù)和色譜法等。但是這些方法存在操作繁瑣、耗時長、產(chǎn)品損壞嚴重以及檢測結(jié)果滯后等缺點，很難在冷鏈流通和銷售等環(huán)節(jié)實現(xiàn)針對冷卻肉的在線無損檢測。

高光譜技術(shù)已經(jīng)在食品分析和檢驗中得到廣泛應用。其中，高光譜成像技術(shù)利用畜產(chǎn)品在紫外、可見或近紅外等光譜區(qū)域的反射特性來揭示其品質(zhì)參量。由于物體的反射光譜具有獨特的特征，因此可以利用不同物質(zhì)的不同光譜特征來區(qū)分它們。不同基團或同一基團在不同化學環(huán)境中的吸收波長和強度也具有明顯的差異，從而提供了豐富的結(jié)構(gòu)和組成信息，非常適合用于測量碳氫有機物質(zhì)的組成和性質(zhì)。近年來，高光譜技術(shù)在農(nóng)畜產(chǎn)品內(nèi)外品質(zhì)檢驗（如嫩度、大理石花紋）、肉類和水果表面污染的無損檢測等方面成為研究熱點。

SM350是一種近紅外光高光譜成像儀。

SM350近紅外光高光譜成像儀被應用于冷卻羊肉表面細菌總數(shù)的檢測

SM350近紅外光高光譜成像儀是專為顯微測量應用設(shè)計的一種成像系統(tǒng)。它能在900nm-1700nm范圍內(nèi)快速獲取顯微視場內(nèi)樣品的高光譜數(shù)據(jù)和細致空間圖像。利用數(shù)據(jù)處理和分析，可以進一步挖掘微觀狀態(tài)下的更多細節(jié)信息。該技術(shù)可通過高光譜成像來檢測冷卻羊肉表面的細菌總數(shù)。通過獲取900nm～1700nm波長范圍內(nèi)的冷卻羊肉樣本的高光譜圖像信息，并結(jié)合偏最小二乘和人工神經(jīng)網(wǎng)絡(luò)（如反向人工神經(jīng)網(wǎng)絡(luò)和徑向基人工神經(jīng)網(wǎng)絡(luò)）來建立預測模型，可以提供更準確、快速、非破壞性的檢測方法來進行羊肉質(zhì)量的安全檢測。具體方法如下：

1.高光譜圖像獲取

在測量過程中，我們隨機選取了4個待測冷凍樣品，并將它們放置在室溫下30分鐘后，采集了它們的高光譜圖像。為了避免樣本、儀器和環(huán)境變量對檢測結(jié)果造成的差異，我們使用了相同的樣本進行了光譜值獲取，并且確保了實驗室周圍的溫度、濕度和照明等外部條件的一致性。在采集樣本圖像之前，我們進行了一系列設(shè)置：光譜范圍為900nm～1700nm，曝光時間為10ms，曝光速率為15mm/s，掃描寬度為180mm，以確保圖像清晰而不失真。此外，在采集樣本圖像之前，我們還進行了黑白校正，以校正相機的暗電流和室內(nèi)照明對圖像的影響。

將公式重新改寫為：R=（R0-D）/（W-D）

在這個公式中，R代表經(jīng)過校正后的高光譜圖像，R0代表原始的高光譜圖像，W代表白板圖像，D代表暗圖像。

2.微生物測量樣品表面

高光譜圖像采集完畢后，立即根據(jù)《食品微生物學檢驗菌落總數(shù)測定》國家標準GB4789.2-2010使用平板計數(shù)法來測定冷卻羊肉樣本表面的細菌總數(shù)。按照1:10的比例逐漸稀釋樣本，選取兩個適當稀釋度的倒平板，每個稀釋度都使用兩個平板作為同行。之后將這些平板放入恒溫培養(yǎng)箱中，經(jīng)過48小時后進行計數(shù)，并將取得的對數(shù)值作為參考數(shù)據(jù)。

3.獲取高譜值

通過使用儀器配備的高光譜圖像數(shù)據(jù)采集和分析軟件，在校正后的樣本高光譜圖像上選擇表面的一個感興趣區(qū)域，并計算其平均反射光譜。然后依次按照該方法獲取多個樣本的全波段原始反射光譜曲線圖。

4.光譜數(shù)據(jù)的處理方法

為了增強信息分析，獲得低背景干擾和高信噪比的分析信號，在處理原始光譜之前，我們可以使用多種方法進行預處理，包括多元散射校正、導數(shù)法、標準正態(tài)變量變換以及它們的組合復合算法等。最后，我們可以建立一個模型來評估冷卻羊肉表面的細菌總數(shù)，并獲得模型的評價指標。通過評價指標，我們可以確定在400nm至1100nm波長范圍和900nm至1700nm波長范圍內(nèi)，最佳的光譜預處理方法是多元散射校正和2階導數(shù)相結(jié)合。然后我們可以建立不同波長范圍下細菌總數(shù)建模的最佳預處理光譜圖。