张 凡，淑 英，张志胜，孙剑锋，王 颉，王文秀

    (河北农业大学食品科技学院 河北保定071000)

    羊肉是全球市场上很受欢迎的红肉之一，其富含蛋白质、脂肪和矿物质等，可为人体提供丰富的营养[1]。羊肉在运输、储存和销售过程中极易受微生物、酶等因素的影响而发生变质、腐败，从而危害消费者的身体健康。对羊肉新鲜度的检测具有非常重要的意义。根据国家标准GB 2707-2016《食品安全国家标准 鲜(冻)畜、禽产品》，挥发性盐基氮(TVB-N)是衡量羊肉新鲜度的重要参考指标[2]。传统检测肉类TVB-N含量的方法包括半微量定氮法、微量扩散法和自动凯式定氮仪法，然而，这些方法均存在检测速度慢，破坏样品及操作繁琐等弊端，无法满足快速、实时、无损检测的需要。

    目前基于光学的快速检测技术在肉类品质及安全指标检测等方面发挥着至关重要的作用[3]。例如：王文秀等[4]基于二维相关可见-近红外光谱法优选了猪肉TVB-N 的特征变量并建立偏最小二乘回归模型，取得较好的预测效果。邹昊等[5]结合近红外光谱和不同预处理算法对羊肉TVB-N含量进行预测分析，最佳模型的预测集相关系数Rp为0.92。现有研究充分证实了近红外光谱技术应用于肉类TVB-N含量无损检测的巨大潜力。另外，机器视觉技术在肉类研究方面也有应用，如姜沛宏等[6]利用图像处理算法提取RGB 和HIS 色彩模型的特征分量，建立牛肉新鲜度等级识别模型。以上研究均基于单一光谱信息或图像信息建立模型，而羊肉新鲜度下降涉及内部化学成分和外部色泽、纹理等多方面的变化，单一检测技术在模型预测精度上有一定的局限性。高光谱技术是融合图像和光谱技术于一体的新型检测技术，可同时获取待测样品的空间信息和光谱信息，目前已在猪肉[7]、羊肉[8]、牛肉[9]、鸡肉[10]等肉品的TVB-N含量预测上有所应用。如：Li 等[11]利用高光谱成像技术检测猪肉TVB-N含量，最佳预测结果Rp达0.932。Cheng 等[12]利用高光谱成像技术对腌制和烹饪后的两种猪肉中TVB-N含量进行预测分析，Rp分别为0.887 和0.832。上述研究表明多源信息的利用能从多角度描述目标特征，有效提高了预测模型的精度和可靠性。然而，高光谱技术尚存在设备昂贵、成本高、数据冗余等不足，限制了其在实际生产在线检测上的应用。将近红外光谱技术和机器视觉技术相结合，建立肉品TVB-N含量的快速检测方法具有重要的应用价值。目前该思路已在牛肉新鲜度分级[13]上应用，而用于羊肉TVBN含量检测鲜有研究报道。不同于猪牛肉，羊肉中脂肪和肌肉组织分布不均匀、边界模糊 ......