基于电子鼻与统计学方法的 海鲈鱼新鲜度品质预测

陈东杰,姜沛宏,张长峰,聂小宝,黄宝生,张玉华,*,李长见

(1.山东商业职业技术学院,山东省农产品贮运保鲜技术重点实验室, 国家农产品现代物流工程技术研究中心,山东济南 250103; 2.江南大学,江苏无锡 214122)

鲜活水产品在物流运输及贮藏过程中其品质受到水质、水温、微生物以及酶等因素的作用而变化。随着贮藏时间的延长,水产品的理化指标、微生物和气味与新鲜样品相比出现明显差别。目前,水产品品质的传统检测手段微生物及理化检测虽严谨科学,但检测方法费时耗力、繁琐,且结果具有滞后性;感官评价的结果受主观因素影响明显,准确性低。电子鼻是近年来新兴的快速检测技术,具有操作简便、准确、无损等特点[1],电子鼻通常结合统计学分析对样品中挥发气体进行感知和识别[2],常用的化学计量学方法主要包括PCA、LDA、PLS和BP人工神经网络(BPNN)及多层感知神经网络(MLP)等。目前电子鼻在水产品快速检测方面,已成功用于鳕鱼[3]、带鱼[4]、鲑鱼[5]、三文鱼[6]、草鱼片[7]、干燥鲢鱼[8]和鲈鱼[9]等水产品的新鲜度评价及货架期检测等,而电子鼻对海鲈鱼品质指标及优势腐败菌的快速定量检测模型鲜有报道。

本研究采用电子鼻对0 ℃下海鲈鱼进行连续的气味指纹信息采集,测定不同保藏时间的海鲈鱼TVB-N、菌落总数及假单胞菌数,采用主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminant analysis,LDA)对采集气体指纹信息进行分析,通过偏最小二乘法(PLS)建立挥发性盐基氮(TVB-N)、菌落总数和假单胞菌的快速预测模型,为海鲈鱼贮藏期品质提供简便、实用、快捷、准确的检测方法。

1 材料与方法

1.1 材料与仪器

海鲈鱼 购自山东济南银座超市,挑选体型较大,同一年龄、新鲜、健康、活跃的海鲈鱼,保活至国家农产品现代物流工程技术研究中心水产品温控畜养室,停食暂养;盐酸、氧化镁、硼酸、甲基红、碳酸镁、碳酸钾、亚甲基蓝等(分析纯) 国药集团;板计数琼脂、假单胞菌琼脂培养基 北京奥博星生物科技有限责任公司。

F6/10-104-S 组织破碎机 上海弗鲁克流体机械制造有限公司;EL204-IC电子天平 梅特勒-托利多仪器有限公司;BL-75A高温灭菌锅 上海博迅实业有限公司;RX-2智能型人工气候培养箱 宁波江南仪器厂;MS3 digital涡旋混匀器 德国艾卡设备有限公司;PL-CJ-2N超级洁净工作台 北京东联哈尔仪器制造有限公司;Scientz-04无菌均质器 宁波新芝生物科技股份有限公司;LRH-70培养箱 上海蓝豹实验仪器有限公司;K9840凯氏定氮仪 济南海能仪器有限公司;FOX4000电子鼻(由18个传感器组成,各传感器响应特性见表1) 法国Alpha MOS公司。

表1 FOX4000电子鼻各传感器响应特性Table 1 FOX4000 sensor response characteristics

1.2 实验方法

1.2.1 海鲈鱼样品制备 海鲈鱼暂养结束后,取鲜活的海鲈鱼,去除头、尾、内脏及鱼鳞,用蒸馏水冲洗后分割为大小相近、厚薄均匀的鱼肉(50±5.0) g,用保鲜膜包装,后置于人工气候培养箱(0±0.5) ℃贮藏,分别于第0、4、6、8、10、12、14 d取海鲈鱼背部肌肉,测定TVB-N值、菌落总数和假单胞菌数,并利用电子鼻进行气味指纹分析。

1.2.2 TVB-N测定 按照GB/T 2707-2016《食品中挥发性盐基氮的测定》[10]规定的方法测定。

1.2.3 菌落总数测定 按照GB/T 4789.2-2010《食品微生物学检验 菌落总数测定》[11]规定的方法进行。

1.2.4 假单胞菌测定 采用CFC假单胞菌琼脂培养基,在28 ℃培养箱培养48 h,计数[12]。

1.2.5 电子鼻检测 采用组织搅碎机将鱼肉搅碎后,称取2.0 g肉样装入10 mL样品瓶,加盖密封,每个样品重复6次。试验前先对电子鼻测定参数进行优化,根据传感器的响应信号,确定电子鼻的测定参数为:载气流速150 mL/min,顶空产生温度40 ℃,进样体积2000 μL,进样速度2000 μL/s,顶空产生时间600 s,数据采集时间120 s,延滞时间400 s。采用PCA和LDA对样品进行分析,去除样品中差异较大的个体。

1.3 数据处理

采用SPSS 23.0软件对对电子鼻传感器采集的原始数据进行统计学分析,设定p<0.05为显著;运用PCA、LDA对数据进行处理,采用PLS对TVB-N、菌落总数和假单胞菌的建模快速进行预测,结果由Origin pro 2016软件进行绘图。

2 结果与分析

2.1 海鲈鱼冷藏过程中品质指标变化

TVB-N值是评价水产品鲜度的重要理化指标。如图1可知,在贮藏过程中,海鲈鱼的TVB-N值总体升高,贮藏前6 d,TVB-N值变化较小。第6 d后呈快速增长趋势,根据我国水产品鲜度的国家标准[13]TVB-N≤30 mg/100 g为新鲜,贮藏到12 d已超过30 mg/100 g,海鲈鱼已呈现明显腐败特征。

图1 海鲈鱼期间TVB-N含量变化Fig.1 Changes in TVB-N content of Lateolabrax japonicas during storage

菌落总数指标是判断鱼类新鲜度重要的指标。由图2可知,在贮藏前6 d,海鲈鱼的菌落总数快速增长,整个贮藏过程呈较明显的S型变化。第8 d菌落总数较第6 d相比相对增长缓慢,第8 d后期菌落总数继续递增,贮藏12 d后菌落总数生长呈下降趋势。

图2 海鲈鱼冷藏期间菌落总数变化Fig.2 Changes in total bacterial counts of Lateolabrax japonicus during storage

假单胞菌为海鲈鱼的优势腐败菌之一[14-15]。由3可知,随着海鲈鱼贮藏时间延长,假单胞菌呈快速增长趋势。贮藏前6 d,假单胞菌呈现出指数增长的趋势,贮藏10 d后,假单胞菌增长相对缓慢。

图3 海鲈鱼冷藏期间假单胞杆菌变化Fig.3 Changes in Pseudomonas counts of Lateolabrax japonicus during storage

2.2 海鲈鱼电子鼻传感器响应值分析

图4为海鲈鱼贮藏第0、14 d的电子鼻传感器响应图,其中横轴为电子鼻采集时间,为120 s;纵坐标为18个传感器在120 s内响应值的变化,响应值为电子鼻传感器电导率比值R(R/R0)。由图4可知,不同的传感器对海鲈鱼挥发气体的敏感程度不同,但18个传感器响应值的绝对值随时间变化的趋势一致,均是先增大后减小。其中传感器LY2/LG、LY2/AA、T70/2、LY2/G、LY2/GH、T30/1、P10/1、P40/1、P30/1的响应值较大,第14 d时上述传感器的响应值明显高于第0 d,说明海鲈鱼在贮藏后期,其中的碳氢化合物、醇类物质、酮类化合物、胺类化合物等大量增加,可能是由于海鲈鱼贮藏后期,优势腐败菌的大量繁殖分解有机物产生。

图4 鲈鱼的传感器信号图Fig.4 Sensors single intensity of Lateolabrax japonicas注:a:贮藏第0 d;b:贮藏第14 d。

图5可知,在贮藏过程中,18个响应值信号变化差异明显。传感器LY2/LG、LY2/G、LY2/AA、LY2/GH、LY2/gCTL、T30/1、P10/1、T70/2、PA/2、P30/1、P40/2、P30/2的响应值强度随海鲈鱼的贮藏时间延长而升高。传感器LY2/gCT、P10/2、T40/2、T40/1、TA/2的响应值信号强度变化较小。贮藏到10 d后,表征含氮化合物的传感器LY2/LG、LY2/AA、T70/2、LY2/G、LY2/GH等的响应值强度明显增大,原因是海鲈鱼的优势腐败菌大量增加,产生大量含氮化合物。

图5 不同贮藏时间海鲈鱼电子鼻传感器信号最大值的变化Fig.5 Change of maximum e-nose sensor signal of Lateolabrax japonicus with different storage time

2.3 海鲈鱼品质的主成分分析

主成分分析是将多个指标通过降维转换成少数几项具有代表性的综合指标的一种多元统计分析方法[16-19]。通常认为累计贡献率超过80%,表明基本包含样品的信息。第一主成分(PC1)和第二主成分(PC2)的贡献率分别为87.73%和7.70%,两者累计贡献率为95.43%。说明这两个主成分基本上可以反映出海鲈鱼所有的特征。从图6可以看出,PCA法可将不同贮藏时间的海鲈鱼区分开,且没有重叠区域。

图6 贮藏期间鲈鱼电子鼻响应值信号的PCA分析Fig.6 PCA analysis of e-nose sensor signals of Lateolabrax japonicus during storage

2.4 海鲈鱼品质LDA判别分析

判别分析又称为线性判别分析，是利用已知类别的样品建立判别模型,为未知类别的样本判别的一种统计方法[20-21]。由图7可知,第一主成分(LD1)和第二主成分(LD2)的贡献率分别为90.85%和6.09%,两者累计贡献率为96.94%。说明这两个主成分基本上可以反映出海鲈鱼所有的特征信息。图7中将不同贮藏时间的海鲈鱼分到三个象限中,将LDA判别结果与TVB-N和菌落总数的变化趋势结合分析,可将0 ℃下海鲈鱼贮藏过程分为三个阶段:0～6 d为一级新鲜;8～10 d为二级新鲜;12 d后为腐败。

图7 贮藏期间鲈鱼电子鼻响应值信号的LDA分析Fig.7 LDA analysis of e-nose sensor signals of Lateolabrax japonicus during storage

2.5 海鲈鱼TVB-N、菌落总数和假单胞菌快速预测模型建立

以不同贮藏时间下海鲈鱼的电子鼻最大响应值为自变量,以海鲈鱼的TVB-N值、TMA值、菌落总数及假单胞菌为因变量,利用PLS得出TVB-N、TMA值、菌落总数和假单胞菌的实际值与预测值的关系。随机选取28个样品作为建模集,10个为验证集。图8为TVB-N菌落总数和假单胞菌的PLS预测模型的预测值与实际值的关系,TVB-N、菌落总数和假单胞菌模型的决定系数(R2)分别为0.9737、0.8778、0.5943,三个预测模型p值均小于0.05,说明回归模型具有显著性。由于假单胞菌PLS预测模型的决定系数较低,模型拟合度不高,不适合用PLS建立假单胞菌预测模型。由表2可知,TVB-N值及菌落总数的预测值与实测值的平均相对误差均小于16%。

图8 海鲈鱼理化指标的建模集 PLS 分析Fig.8 PCR analysis of physical-chemical indexes of Lateolabrax japonicus

表2 预测模型验证结果Table 2 Verification tests of prediction model

3 结论

分析不同贮藏时间海鲈鱼的TVB-N、菌落总数、假单胞菌和电子鼻气体指纹信息得出,随着贮藏时间的延长,TVB-N、菌落总数和假单胞菌不断上升。PCA及LDA分析可以将不同贮藏时间的海鲈鱼很好地区分开,说明利用电子鼻可以说实现对海鲈鱼品质快速检测具有可行性。采用PLS对海鲈鱼的TVB-N、菌落总数、假单胞菌与电子鼻最大响应值进行建模预测分析,建立拟合模型,模型决定系数R2分别为0.9737、0.8778、0.5943，假单胞菌预测模型R2较低，拟合度不高，故不适合用PLS建立假单孢菌预测模型。验证结果表明,TVB-N值和菌落总数预测模型拟合度较高,预测效果较好。