双能X射线测定肉类肥瘦比例研究进展

2024-05-09 18:12董哲王勤忏王浩
肉类研究 2024年2期

董哲 王勤忏 王浩

摘 要:近年来,我国肉类加工行业发展迅猛,自动化和智能化水平逐渐提高,多种肥瘦比例检测技术被应用到肉制品加工和屠宰行业。双能X射线吸收法(dual energy X-ray absorptiometry,DXA)是解决肉制品在线肥瘦比例检测的最佳方法之一,具有精准度高、耗时短、可以对胴体全身进行检测的优势。本文比较当前各种肥瘦比例检测技术的特点,介绍DXA的概念、测量方式,重点探讨DXA在肥瘦比例测定中的应用和研究进展,通过对研究现状、设备类型和存在问题的分析,讨论未来该技术应用的发展方向。

关键词:双能X射线吸收法;肉质分析;肥瘦比例

Review on Recent Progress in the Application of Dual-Energy X-Ray Absorptiometry for the Measurement of Fat-to-Lean Ratio

DONG Zhe1,2, WANG Qinchan1, WANG Hao1

(1. NUCTECH Co. Ltd., Beijing 100083, China; 2. Department of Engineering Physics, Tsinghua University, Beijing 100084, China)

Abstract: The meat processing industry in China has developed rapidly in recent years as it has become increasingly automated and intelligent. Various technologies for the measurement of fat-to-lean ratio have been applied to the slaughter and meat processing industry. Dual-energy X-ray absorptiometry (DXA) is one of the best methods for the online measurement of fat-to-lean ratio, which is highly accurate, efficient and also suitable for whole carcasses. In this paper, we compare the characteristics of the current methods for measuring fat-to-lean ratio, and introduce the concept and working principle of DXA with a special focus on recent progress in the application and research of this technology in the measurement of fat-to-lean ratio. Moreover, we discuss existing problems and future directions for the application of this technology.

Keywords: dual energy X-ray absorptiometry; meat quality analysis; fat-to-lean ratio

DOI:10.7506/rlyj1001-8123-20240220-042

中圖分类号:TS251.3  文献标志码:A 文章编号:1001-8123(2024)02-0070-08

引文格式:

董哲, 王勤忏, 王浩. 双能X射线测定肉类肥瘦比例研究进展[J]. 肉类研究, 2024, 38(2): 70-77. DOI:10.7506/rlyj1001-8123-20240220-042.    http://www.rlyj.net.cn

DONG Zhe, WANG Qinchan, WANG Hao. Review on recent progress in the application of dual-energy x-ray absorptiometry for the measurement of fat-to-lean ratio[J]. Meat Research, 2024, 38(2): 70-77. (in Chinese with English abstract) DOI:10.7506/rlyj1001-8123-20240220-042.    http://www.rlyj.net.cn

我国是全球最大的肉类消费市场,同时也是肉类生产大国。2023年,我国肉类总产量为9 641万 t,约占全球总量的1/4[1]。《中国农业展望报告2023—2032》指出,我国肉类的产量和消费在未来10 年仍会保持持续增长,肉类相关产业将逐步完成转型升级[2]。肉类生产过程中,肥瘦比例是重要指标,对于鲜肉来说,肥瘦比例能够指导肉类分级[3],为下游加工环节提供原材料数据;另一方面,将这一指标反馈到上游养殖环节,可以为选育过程提供数据支撑,加速遗传改良。在肉制品加工过程中,原材料的肥瘦配比同样是非常重要的指标,会影响肉制品品质、风味、适口性等[4],例如,对于肉丸、肉饼类肉制品,原材料中如果肥肉不足,成品中会缺少油脂,导致口感变硬;肥肉过多则会口感油腻,且过多的脂肪摄入不利于健康。实现肉类原材料肥瘦比例的精准在线测定有利于生产过程的量化控制,提高肉制品质量,并且能有效控制成本,为精细化生产提供数据支撑。目前,主要的肉类肥瘦比例检测方法有人工检测、索氏抽提法、光学探针、超声波技术、近红外光谱、

X射线等多种方法。人工检测基于检测员的感官视觉和触觉,精度较低;索氏抽提法最为准确,但是需要分析样本,且耗时较长;其余几种方法各自都有适合的应用场景。本文主要介绍各种检测技术的机制,重点介绍X射线检测肉类肥瘦比例的技术原理、研究现状及未来发展。

1 肉类肥瘦比例检测意义

肉类肥瘦比例是肉类分级和肉制品加工过程中的重要指标。我国猪肉分级行业标准中提出了瘦肉率概念,即瘦肉质量占整个胴体质量的百分比[5];澳大利亚常使用化学测试瘦度(chemical lean,CL)作为肉类定级指标,即肉制品中相比于脂肪总量,瘦肉质量占肉制品质量的百分比[6-7],CL/%=100%-脂肪质量分数/%。此外,在评定局部肉质和嫩度时会测定肌内脂肪含量,包括肌肉组织结构中肌束间和肌纤维间贮存的脂肪[8],即用于牛肉评级时的大理石花纹数量[9]。肥瘦比例测定可以用于肉类生产的各个环节。以猪肉为例,在选育阶段,可以对麻醉后的猪进行活体脂肪含量测定,记录数据并反馈可以实时检测育种情况,有利于缩短育种周期,降低成本;屠宰企业通常要对吊挂的胴体进行瘦肉率测定,根据测定数据对胴体评价分级[10-12],做到高质高价;在肉制品加工过程中,对原材料进行肥瘦比例测定可以精准控制成品的风味和品质,且有利于控制成本。

2 肉类肥瘦比例检测技术

目前,检测肉类肥瘦比例主要有以下几种方法:1)人工检测方法,依靠检测人员的主观判断,主要通过目测和用手感触胴体脂肪层厚度,可靠性和准确性较低;2)实验室理化检测法,常用索氏抽提法测定脂肪含量[13],该方法属于有损检测,且所需时间较长,只能用于抽检,不能应用于企业大规模生产的在线无损检测;3)光学探针检测,利用脂肪和肌肉组织光反射率的差异,使用光学探针在胴体特定位置刺入,测量皮下脂肪层和瘦肉层厚度,进而计算出瘦肉率,由于其操作简单、容易实施,此方法被广泛应用于屠宰流水线[14-16],主要设备有丹麦的Fat-O-Meater和新西兰的Hennessy Grading Probe(HGP)手持瘦肉率测定仪(图1),但是该方法是根据某一部位截面的肥瘦组织厚度比推断整个胴体的肥瘦比例,因此准确性有限。

此外,还有特定技术手段的无损检测技术,如X射线检测、超声波检测、计算机视觉技术等。近红外光谱检测是利用近红外传输或反射原理,收集透过肉类样品或漫反射的光线,通过光谱分析被测肉品成分[17-18],但是其对被测样品的均匀度有较高要求且对样品的穿透能力有限,只能测定新鲜和半冷冻肉制品;超声波肉质检测技术是指利用声波扫描成像技术从体表估算出皮下脂肪厚度和肌内脂肪含量[19-21],但超声波检测设备成本较高,对于操作人员亦有一定要求,且很难准确地在肉制品在线加工过程中实现快速、无损检测;计算机视觉是对肉制品和胴体的切面进行拍摄,计算机根据图像信息,加以机器学习,根据算法模型预测截面的膘厚、质量和肥瘦比等信息,但是只能用于猪、牛等劈半后的胴体截面或切开后的截面部位[22-23](图2)。而X射线肉质分析技术从原理上可以适用于不均匀的原材料肉块和胴体,对于新鲜和冷冻的肉类都能实现,且无需采样,其中一种是采用计算机断层扫描(computer tomography,CT)技术,精准度高,但目前只能做离线检测[24];另一种是采用双能X射线吸收法(dual energy X-ray absorptiometry,DXA),更适合肉制品加工企业的快速在线检测需求,将会是未来实现快速、无人、精准在线测定肉制品和肉类胴体肥瘦比例的最佳实施方案之一。表1总结了现有肉类肥瘦比例测定方法。

3 DXA肉类肥瘦比例检测技术发展现状

3.1 DXA的概念

DXA在X射线技术的基础上逐渐发展而来,19世纪中期开始,科学家不满足于只能看到骨骼图像,想进一步量化骨骼图像,用骨密度(bone mineral density,BMD)表征骨骼的健康程度[26-27]。从最早的单光子吸收法逐渐演变成双光子吸收法,放射源从125I或241Am等放射性同位素发展成X射线管[28]。DXA因其较高的准确性和较低的辐射剂量[29]已成为临床研究和实践中使用最广泛的BMD测量技术,并逐渐成为公认的“金标准”[30],并应用到安检技术中的物质识别和肉质分析等领域。

X射线具有穿透物质的能力,其穿过不同密度和厚度的物体,射线衰减的程度不同。因此,当射线穿过被测物时,由同一射线源发射出的射线穿过被测物不同部位时,射线被吸收程度不同,探测器会接收有强度差异的射线,进而在图像上呈现出差异。而DXA是在同一射线源处发出2 种不同能量的射线,同一物质对不同能量X射线的吸收能力不同,因此可以通过2 种不同能量的射线区分出被测物内部2 种不同物质。

3.2 DXA测定肥瘦比例算法原理

在使用DXA进行肉类肥瘦比例测定时,由X射线管发射出X射线,经过准直器,屏蔽掉多余射线,形成一束X射线光束I0,穿过被测肉样时,X射线光束部分被肉样吸收,衰减成光束I,最后被探测器吸收(圖3)。双能可分为真双能和伪双能,真双能是由X射线源高频切换发射出高能和低能2 组射线,或者用高能和低能2 种能量的X射线分2 次扫描被测物;伪双能是在探测器端设置2 层探测器,先接收低能射线,经过中间层过滤再接收高能射线,目前使用较多的方法是伪双能法[31]。

DXA方法的原理由Mazess[32]、Peppler[33]等提出,如果将同一点源发出的高、低能X射线看作理想的单能射线,射线穿过被测介质前后的射线强度满足朗伯-比尔定律,那么DXA测定介质的物理过程可以用式(1)、(2)描述:

式中:IL、IOL以及IH、IOH分别为高能和低能X射线穿透被测介质前后的光强,可以通过测试数据得到;μFL、μML、μFH、μMH分别为介质F(肥肉)和M(瘦肉)在低能和高能X射线下的线性衰减系数/cm-1,可以通过实验查表得到;x和y分别为X射线所穿过的介质F和M的厚度/cm。由式(1)、(2)可以得到反函数方程组,如式(3)、(4)所示:

根据方程计算出每个像素点的瘦肉和肥肉厚度,从而计算出被测介质(肥肉和瘦肉)质量比。

上述原理算法也称为公式解析法,除此之外还有拟合算法,是采用多项式或曲面模拟被测物质量比和高低能X射线间的关系,近似逼近双能衰减方程,通过标定实验数据计算多项式和曲面方程参数。

3.3 DXA算法研究

公式解析法理论上能够计算出被测介质的质量比,但在实际操作中仍有困难。首先,由于X射线源不是理想的单能射线,具有广谱特性;其次,由于电压、电流不稳定而产生的系统噪声会很大程度影响测量系统的精度;此外,对于广谱分布的X射线源,其高能射线对介质的穿透能力强,低能射线穿透能力相对较弱,在广谱射线穿过介质时,低能射线被吸收得更多,所以导致出射线的平均能量大于入射时,即射线的硬化现象[34],此现象在被测介质厚度较大时体现更为明显,因此很难将广谱X射线源按照理想高低能计算。

为解决上述问题,学者们进行将广谱射线源转化成单能或近似单能射线的研究,Shaw等[35]对比3 种X射线双能减影方法的噪声水平:双峰值方法、双滤波方法及伪双能方法,其中双峰值方法是指快速调节X射线源的管电压,结果显示,双峰值方法的噪声水平最低;张锋等[36]进行双峰值法的实验研究,构建一个成像系统,可以自动调节管电压,并能够快速切换滤线板,不同管电压下射线分别经过不同材质滤线板后实现了高、低能X射线分离,可以近似被作为单色X射线处理。张泽宏等[34]采用与靶材相同材料的滤波片,在适当厚度下可以很好地吸收能谱中的低能部分,高能部分的强度变化约50%,此方法虽然降低了硬化效应,但是由于光子被滤波片吸收,探测器接收到的光子数减少,降低了系统信噪比、精度下降。此外,武伯歌等[37]提出一种灰阶分别调整逐步减除算法配合双能X射线源,用算法逐步消除图像中的软组织,取得了有意义的结果,但是由于采用不同步的方式获取双能X射线,导致系统线性较差,信号噪声、图像畸变和灵敏度的均匀性也对系统精度影响很大。陈敏聪等[38-39]使用吸收片(Ni)将连续谱X射线中的低能部分滤除,得到具有一定能量宽度的峰型分布能谱,可以等效为单能射线,在一定质量厚度内探测器输出与质量厚度存在良好的线性关系,修正后使用公式法进行测量计算。

虽然上述研究对DXA公式解析法计算进行深入研究,提升了算法精度,但是此算法准确性仍然有限,后续研究和实际应用更多使用的是拟合法,拟合法又可以分为圆锥曲面拟合法、多项式拟合法和等值线查表法等。目前较为常用的拟合法是由Cardinal等[40-42]在1990年

提出的二次、三次圆锥曲面拟合法,该算法使用二阶和三阶曲面直接逼近双能方程,标定时与实际测量环境保持一致,对参数已知模体进行检测,得到测量值,使用最小二乘法,基于测量值和模体已知参数进行二次或三次圆锥曲面拟合,得到拟合函数,可以在存在噪声的情况下仍保证系统的准确性和鲁棒性,所以得到广泛使用。2021年,王月圆等[43-44]在上述曲面拟合法的基础上进行改进,减少了函数拟合时所需的数据量。

Alvarez等[45]最早提出一种分解算法,用多项式近似表达DXA衰减方程,然后用过Newton-Raphton迭代法计算,逐像素求解,此方法计算速度慢,噪声情况下可能产生迭代结果发散,鲁棒性差。然后有研究基于光子计数探测器提出一种用校准方法使用线性最大似然估计,即在图像采集过程中进行查表校正,最终的输出是估计和校正的总和,提高了原有方法的速度和准确性[46]。

等值线查表法是Chuang等[47]提出的一种拟合等值线并结合查表的方法,用于DXA被测介质的分解。方法分2 步,先用最小二乘法将2 种被测介质的当量厚度拟合成一种等效厚度,构建不同能量下的等透射线,然后构建矩阵将每一种高低能等效厚度组合对应一种介质厚度,即使用先拟合等值线后查表的方法替代原有的解非线性方程组。

此外,Zimmerman等[48]基于光子计数探测器使用神经网络方法进行被测介质的物质分解,即用神经网络近似被测介质厚度和探测器对数信号之间的函数关系,将光谱投影作为输入,已知的被测介质厚度作为输出进行训练,训练后可以通过光谱投影预测被测介质的厚度。与查表法相比,神经网络法表现出较好的精度。

莫镜清等[49]使用光子计数探测器对上述几种算法(曲面拟合法、公式法、等值线拟合法和神经网络法)进行对比,结果显示,曲面拟合法和等值线法计算速度最快,查表法最慢,神经网络法介于二者之间。

3.4 国外DXA肉类检测技术研究现状

DXA技术最初是为测定人体BMD,后来逐渐应用到测定人体的身体质量指数和脂肪含量等方面,后被引用到安检行业的物质识别和肉类检测等应用中。

20世纪70年代,美国的Kartridg Pak公司基于X射线在瘦肉和脂肪中衰减系数不同的原理开发了Anyl-Ray产品,用于检测肉制品(主要是碎肉)肥瘦比,獲得广泛使用[50]。但其仅能用于少量样品的离线测试,因为该产品使用的是单能X射线,需要使用固定容器填装被测碎肉。在此基础上,该公司对在线测量系统进行研究[51],但并未进行产业开发。

Mitchell等[52-53]曾以牛肋排切片为测试对象,在实验室环境下使用DXA骨密度仪测定脂肪含量,然后将肥瘦肉分割称质量,结果表明,DXA脂肪含量测定值比称质量数值高18%。在另一组实验中,以活体小猪为测试对象,检测脂肪、瘦肉和骨矿物质含量,然后将猪肉绞碎均化,采用化学方法分析其脂肪、蛋白质、骨和水分含量,结果显示,DXA检测的脂肪含量比化学检测结果低36%。分析其原因是实验设备是基于人体BMD测量而标定,而被测物的厚度与一般人体测量厚度范围不一致。虽然结果误差较大,但是2 次实验的DXA结果与分割称质量结果和化学分析结果具有高度相关性,可以通过进一步的校准研究,并开发专用设备、算法和软件以提高DXA法的准确度。

Brienne等[54]使用骨密度仪进行牛肉和猪肉的DXA测量,得出的结果与化学检测结果相差较大,分析DXA结果产生偏差的原因为边缘效应、测量前后光子数随时间的偏移、分析区域重叠和射线硬化。根据以上原因,以水和有机玻璃为研究对象,并用质量方法和线束硬化方法对结果进行校正,对于模体,发现厚度越大,校正效果越好,提出肉的厚度会影响校正精度。类似地,Mercier[55]、Pearce[56]等用DXA骨密度仪对羊胴体进行脂肪含量测定,与手工分割、称质量后的脂肪含量进行对比,得出与之前研究相近的结论。

Chen等[57]使用双能射线源及能量灵敏度型的锗探测器,搭建DXA实验平台,测定肉制品中肥瘦比例,实验使用有机玻璃和水的模体进行标定,结果表明,系统具有良好的灵敏度,测定值和模体比例呈现出较好的线性关系。肥瘦比例测定结果的准确性随X射线扫描时间的延长而提高,但是系统是在实验室条件下进行,单次X射线扫描时间至少需要900 s,因此,若作为商用设备,可以使用功率更高的射线源,但是单次X射线扫描时间仍需要10 s左右。

Gardner[58-59]、Connaughton[60]等以羊胴体为研究对象,进行一系列羊胴体在线DXA检测研究,并将结果与CT测量的脂肪、瘦肉和骨骼含量结果进行对比标定,实验结果显示,脂肪含量的DXA测量结果精度很高,而瘦肉和骨骼占比精度较低。同时,DXA设备在屠宰场有水汽喷雾的工况下仍然有较高的重复性。

除上述研究外,国外一些国家的肉类加工设备企业基于DXA技术开发了一系列产品,用于肉制品原材料的脂肪含量测定,可以检测块肉、碎肉、肉糜等批次加工原料的肥瘦比例,以便在后续生产香肠和汉堡肉饼时精确控制原材料配比,同时也能检测原材料中的异物(残骨、金属等)。

3.5 我国DXA肉类检测技术研究现状

我国X射线肉质检测技术相关研究起步较晚,受限于市场规模和居民饮食习惯,肉制品加工企业没有形成在线肥瘦肉比例检测的工艺需求。近年来,食品安全问题越来越受到重视,同时我国与世界肉制品行业逐步接轨,基于X射线的肉质检测研究逐渐增多,也出现了一些在线肥瘦比例检测设备。

沈杰[61]进行禽肉制品X射线检测与近红外光谱检测的对比研究,算法方面使用公式法进行计算,以索氏抽提法得到的脂肪含量结果作为真值。结果显示,对于禽肉的脂肪含量测定,DXA方法比近红外光谱法的准确性更高。刘斌等[62]利用骨密度仪(Norland XR600)对19 只绵羊胴体进行测定,将DXA测定的胴体BMD、股骨矿物质含量等结果与索氏抽提法测得的胴体肌内脂肪含量结果进行相关性分析,建立预测模型,但是此研究只是在现有的医疗仪器上进行实验,没有开发专用设备。施利辉[63]进行DXA在线肉类脂肪含量测定的可行性研究,使用二次多项式拟合方法进行计算,采用纯脂肪和纯瘦肉混合作为样品进行测试,对脂肪和瘦肉在参考曲线上取值,对应的测量结果灰度值通过与脂肪曲线和肌肉曲线的位置关系比例进行估算,在实验条件下测量少量样本,误差可以控制在5%以下。

4 DXA在线肥瘦肉比例检测设备分类

4.1 分割肉在线肥瘦比例检测设备

此类设备主要针对无骨肉制品,如汉堡、肉饼、香肠、肉罐头等所用到的块肉、碎肉和肉糜等原料。在加工过程中,需要根据配方精确控制原材料的肥瘦比例以保持其口味和品质。对于生肉,一般偏肥部分价格会更低,在配方允许的肥瘦比例范围下,尽量少使用瘦肉有利于控制成本。所以在线肥瘦比例测量设备体积相对较小,通常置于肉制品加工流水线,被测物主要是分割后散放于传送带的块肉、碎肉、肉糜等。肉样采用皮带传送,传送带水平布置,射线源与探测器上下布置,射线源在被测肉制品顶部发出射线,射线穿过平铺的肉样后被底部的探测器接收,通过算法和软件可以计算出被测肉制品的质量、肥瘦比、水分含量等数据。

4.2 胴体在线肥瘦比例检测设备

对于猪、牛、羊屠宰企业,获取胴体的肥瘦肉比例和骨肉比数据有重要意义,一方面向下游产业销售时,可以据此指导胴体的分级,做到“高质高价”;另一方面可以向上游的养殖企业反馈胴体数据,指导牲畜的养殖工艺改进。对整个胴体进行肥瘦比例测量时,需要保证X射线发出的扫描区域能覆盖整个胴体,所以此类设备的尺寸普遍较大,一般采用扇束X光源、线阵列探测器,射线源和探测器布置在胴体吊挂线行进方向的两侧。由于胴体厚度较大,射线穿透困难,并且胴体在吊挂行进时会产生难以避免的摆动,所以此种设备测出的肥瘦比例准确度有限。此外,相较于分割肉在线检测设备,胴体在线检测的辐射防护要求较高,需要单独布置扫屏蔽房或屏蔽通道。

5 DXA在线肥瘦肉比例检测设备未来发展趋势

5.1 标定研究方法

DXA肥瘦比例检测设备始终缺少统一的标定方法,即以何种方式测得的结果作为算法标定的真值。早期研究使用的是手工分割肥瘦肉及化学方法对被测肉类进行成分分析,之后的研究使用水和有机玻璃的模体进行算法标定研究。对于胴体,使用全身CT检测结果作为真值进行算法标定。目前,行业对于肉质分析设备缺乏统一的标定方法,这使得各个公司的产品检测结果存在差异,甚至同一公司的不同产品之间也存在检测结果的差异。这需要行业协会和公司之间加强沟通与合作,制定一套成熟、可靠的标定方法。

5.2 提升硬件

目前,肉质分析DXA设备常采用的是能量积分型探测器(energy integration detectors,EID),这种探测器是在一定时间内对探测器收集到的光子进行信号积分,采集到的信号与能量积分成正比。如使用最为广泛的闪烁晶体探测器就是这一类型,常用材料如碘化钠、碘化铯、硫氧化钆陶瓷闪烁体等,当X射线击中闪烁体时产生可见光,光电二极管记录光形成电流,最后通过模数转换将其转换为数字信号。另一种是光子计数探测器(photon counting detectors,PCD),相较于传统的EID,PCD具有能谱分辨能力,可以通过设定阈值,将入射的光子根据能量进行区分,这一优点可以使PCD在物质区分上起到更大的作用,提高物质识别的准确性[64]。随着近年来半导体材料和专用集成电路的发展,PCD的商业应用逐渐成为现实。2021年,世界第1台应用PCD的全身CT仪被批准用于临床[65]。虽然目前PCD成本较高,但是考虑到其物质区分准确性和空间分辨率的提升,PCD将会是今后X射线肉質分析设备的发展方向之一。

5.3 功能兼容

对企业来说,提高设备的利用率和投入收益比非常重要。X射线检测原理在肉制品加工行业中除了用于测量肥瘦比例之外,还能应用于肉制品和鲜肉的异物检测,尤其是近年来食品安全问题日益受到公众重视,肉制品中一旦出现夹杂的异物将导致恶劣的社会影响和信心降低。对于胴体,牲畜在生长过程中要经历多次疫苗和药物注射,牲畜应激挣扎会导致针头断在体内,难以处理,因此检测隐藏在皮下组织中的断针也是当前很多屠宰企业的痛点。而X射线成像技术是进行异物检测的最佳解决方案之一,将异物检测兼容到肉质分析设备中能大幅提高设备使用率。此外,X射线成像技术还可以应用到胴体的切割定位中,即利用X射线得到的图像识别特定骨骼位置,指导切割机械手在预定位置自动切割。虽然实现这几个功能所需的X射线源、探测器和物理设计略有差异,但达到功能指标是可以实现的。兼容多种功能、提高使用效率、增加产品附加值是向企业推广新技术的有效途径。

6 结 语

随着我国肉类加工行业和肉制品产业的转型升级,对配套的自动化、智能化检测设备将会产生大量需求,快速、精确的在线无损检测肥瘦肉比例设备对整个产业上下游具有重要价值,一方面提升产业下游产品的质量和成本控制;另一方面向上游反馈数据,促进养殖工艺升级和育种改良。通过前文的对比,对于自动化在线检测肉类肥瘦比例这一应用场景来说,DXA检测技术是最佳解决方案之一。

在DXA的相关研究方面,很多方法和技术都来源于医疗行业,尤其是骨密度仪的技术研究,国外的相关研究起步较早,不仅进行了算法和原理上的基础研究,也较早进行了在肉类检测上的应用研究,并且已经形成了较为成熟的产品。美国、澳大利亚以及欧洲的一些国家屠宰行业和肉制品加工行业自动化水平较高,这也给此类设备提供了需求场景。

在行业标准方面,美国、欧洲以及澳洲国家的肉类行业协会制定了相关标准,列明了包括肥瘦肉比例检测的各种方法以及对应方法所许可的厂商和设备型号,这也使此类设备得到了很好的推广。

我国肉类产业正处在转型升级的关键时刻,研发出具有国际先进水平的在线肥瘦肉比例检测装备迫在眉睫,这对于提升我国肉制品行业自动化、智能化有着重要意义。另一方面,也需要有关部门和行业协会对现行的检测方法和相关标准进行升级,丰富检测手段,推动新技术手段的推广应用。

参考文献:

[1] 王硕, 林秀蔚, 王保印, 等. 基于灰色GM(1,1)模型的我国肉类产量预测分析[J]. 黑龙江八一农垦大学学报, 2023, 35(4): 39-44. DOI:10.3969/j.issn.1002-2090.2023.04.006.

[2] 毛绪强. 十年农业展望 稳产保供强农:《中国农业展望报告(2023—2032)》正式发布[J]. 农村工作通讯, 2023(9): 7-9.

[3] NASSY G. 控制猪肉品质的新型感应器: 用于屠宰和加工阶段测定猪胴体组分和评估猪肉品质[J]. 肉类研究, 2015, 29(2): 21-24. DOI:10.7506/rlyj1001-8123-201502005.

[4] 程斐斐. 肉制品加工品质控制关键技术研究[J]. 现代食品, 2023, 29(12): 146-148. DOI:10.16736/j.cnki.cn41-1434/ts.2023.12.045.

[5] 王继鹏, 涂宝峰, 葛雨萱, 等. 国内外猪胴体分级研究进展[J]. 肉类工业, 2022(6): 37-40. DOI:10.3969/j.issn.1008-5467.2022.06.007.

[6] WATKINS P. Chemical lean determination of boneless beef and lamb using a halogen moisture analyser[J]. Animal Production Science, 2021, 61(7): 715-720. DOI:10.1071/AN20445.

[7] WATKINS P, STOCKHAM K, STEWART S, et al. Contemporary chemical lean determination used in the Australian meat processing industry: a method comparison[J]. Meat Science, 2021, 171: 108289. DOI:10.1016/j.meatsci.2020.108289.

[8] 劉敬顺, 包杰, 张豪. 猪的活体超声波评估技术与方法[J]. 当代畜禽养殖业, 2003(10): 2-7; 12. DOI:10.14070/j.cnki.15-1150.2003.10.001.

[9] CHENG W W, CHENG J H, PU H B, et al. Marbling analysis for evaluating meat quality: methods and techniques: marbling analysis to evaluate meat quality[J]. Comprehensive Reviews in Food Science and Food Safety, 2015, 14: 523-535. DOI:10.1111/1541-4337.12149.

[10] 陈丽, 张德权. 羊胴体分级技术研究现状及趋势[J]. 食品科技, 2010, 35(9): 146-150. DOI:10.13684/j.cnki.spkj.2010.09.045.

[11] 史杰, 彭增起, 谌启亮, 等. 中外牛肉分级制度对构建我国牛肉品质评定标准的启示[J]. 肉类研究, 2010, 24(3): 13-15. DOI:10.7506/rlyj1001-8123-201003003.

[12] 张宏博, 靳烨. 国内外肉羊胴体分级标准体系的现状与发展趋势[J]. 肉类研究, 2011, 25(4): 41-45. DOI:10.7506/rlyj1001-8123-201104009.

[13] 国家质量监督检验检疫总局, 中国国家标准化管理委员会. 肉与肉制品 总脂肪含量测定: GB/T 9695.7—2008[S]. 北京: 中国标准出版社, 2008.

[14] KEMPSTER A J, CHADWICK J P, JONES D W. An evaluation of the Hennessy Grading Probe and the SFK Fat-O-Meater for use in pig carcass classification and grading[J]. Animal Science, 1985, 40(2): 323-329. DOI:10.1017/S0003356100025447.

[15] GOENAGA P, LLOVERAS M R, AM?NDOLA C. Prediction of lean meat content in pork carcasses using the Hennessy Grading Probe and the Fat-O-Meater in Argentina[J]. Meat Science, 2008, 79(3): 611-613. DOI:10.1016/j.meatsci.2007.12.004.

[16] HOPKINS D L, TOOHEY E S, BOYCE M, et al. Evaluation of the Hennessy grading probe for use in lamb carcases[J]. Meat Science, 2013, 93(3): 752-756. DOI:10.1016/j.meatsci.2012.11.046.

[17] DIXIT Y, CASADO-GAVALDA M P, CAMA-MONCUNILL R, et al. Developments and challenges in online NIR spectroscopy for meat processing[J]. Comprehensive Reviews in Food Science and Food Safety, 2017, 16(6): 1172-1187. DOI:10.1111/1541-4337.12295.

[18] 花錦, 赵悠悠, 高媛惠, 等. 基于近红外技术快速测定不同鲜肉中脂肪含量[J]. 光谱学与光谱分析, 2017, 37(11): 3424-3429. DOI:10.3964/j.issn.1000-0593(2017)11-3424-06.

[19] HASSEN A, WILSON D E, AMIN V R, et al. Predicting percentage of intramuscular fat using two types of real-time ultrasound equipment[J]. Journal of Animal Science, 2001, 79(1): 11-18. DOI:10.2527/2001.79111x.

[20] 马小军, 程笃学, 王立刚, 等. 利用超声波图像活体预测北京黑猪肌内脂肪含量[J]. 畜牧兽医学报, 2012, 43(10): 1511-1518.

[21] 胡晓亮, 刘宝林, 周国燕. 猪肉品质的超声波无损检测实验研究[J]. 生物医学工程学杂志, 2011, 28(4): 819-822.

[22] SEGURA J, AALHUS J L, PRIETO N, et al. Carcass and primal composition predictions using camera vision systems (CVS) and dual-energy X-ray absorptiometry (DXA) technologies on mature cows[J]. Foods, 2021, 10(5): 1118. DOI:10.3390/foods10051118.

[23] WEI X, BOHRER B, UTTARO B, et al. Developing an alternative classification method for predicting ham composition using linear measurements from the cross-sectional ham surface[J]. Meat Science, 2023, 204: 109237. DOI:10.1016/j.meatsci.2023.109237.

[24] 邵勇维克, 任志强, 孙昌辉, 等. 计算机断层扫描(CT)对猪胴体组成评估的研究进展[J]. 猪业科学, 2019, 36(6): 116-119. DOI:10.3969/j.issn.1673-5358.2019.06.034.

[25] 陈亚静, 付雪林, 倪德斌, 等. 猪肌肉肌内脂肪测定方法的比较[J]. 华中农业大学学报, 2015, 34(4): 84-88.

[26] BONNICK S L. Bone densitometry in clinical practice application and interpretation[M]. 3rd ed. Totowa, NJ: Humana Press, 2010: 5-9.

[27] LOTZ J C, CHEAL E J, HAYES W C. Fracture prediction for the proximal femur using finite element models: part I-linear analysis[J]. Journal of Biomechanical Engineering, 1991, 113(4): 353-360. DOI:10.1115/1.2895412.

[28] MICHAEL LEWIECKI E, BINKLEY N. DXA: 30 years and counting[J]. Bone, 2017, 104: 1-3. DOI:10.1016/j.bone.2016.12.013.

[29] NIELSON C M, MARSHALL L M, ADAMS A L, et al. BMI and fracture risk in older men: the osteoporotic fractures in men study (MrOS)[J]. Journal of Bone and Mineral Research, 2011, 26(3): 496-502. DOI:10.1002/jbmr.235.

[30] BAZZOCCHI A, PONTI F, ALBISINNI U, et al. DXA: technical aspects and application[J]. European Journal of Radiology, 2016, 85(8): 1481-1492. DOI:10.1016/j.ejrad.2016.04.004.

[31] 張国伟. 双能X射线成像算法及应用研究[D]. 北京: 清华大学, 2008: 15-16.

[32] MAZESS R B, PEPPLER W W, HARRISON J E, et al. Total body bone mineral and lean body mass by dual-photon absorptiometry. III. Comparison with trunk calcium by neutron activation analysis[J]. Calcified Tissue International, 1981, 33(4): 365-368. DOI:10.1007/BF02409457.

[33] PEPPLER W W, MAZESS R B. Total body bone mineral and lean body mass by dual-photon absorptiometry. I. Theory and measurement procedure[J]. Calcified Tissue International, 1981, 33(4): 353-359. DOI:10.1007/BF02409455.

[34] 张泽宏, 王珏, 周日峰. 高能X射线的硬化校正[J]. 物理测试, 2005(6): 15-18. DOI:10.13228/j.boyuan.issn1001-0777.2005.06.005.

[35] SHAW C C, GUR D. Comparison of three different techniques for dual-energy subtraction imaging in digital radiography: a signal-to-noise analysis[J]. Journal of Digital Imaging, 1992, 5(4): 262-270. DOI:10.1007/BF03167808.

[36] 张锋, 陈真诚, 邓振生, 等. 双能量X线荧光数字直接成像系统及图像分离技术的实现[J]. 生物医学工程学杂志, 2004, 21(2): 280-283. DOI:10.3321/j.issn:1001-5515.2004.02.028.

[37] 武伯歌, 蒋大宗. 从双能量X线投影照片获得分离的骨或软组织图象[J]. 中国生物医学工程学报, 1990, 9(4): 209-217.

[38] 陈敏聪. 扇束双能X射线骨密度测量方法研究[D]. 合肥: 中国科学技术大学, 2009: 21-32.

[39] 陈敏聪, 陈子瑜, 李红梅, 等. X射线质量厚度测量研究[J]. 中国科学技术大学学报, 2008, 38(2): 195-199.

[40] CARDINAL H N, FENSTER A. Theoretical optimization of a split septaless xenon ionization detector for dual-energy chest radiography[J]. Medical Physics, 1988, 15(2): 167-180. DOI:10.1118/1.596248.

[41] CARDINAL H N, FENSTER A. An accurate method for direct dual-energy calibration and decomposition[J]. Medical Physics, 1990, 17(3): 327-341. DOI:10.1118/1.596512.

[42] CARDINAL H N, FENSTER A. Analytic approximation of the log-signal and log-variance functions of X-ray imaging systems, with application to dual-energy imaging[J]. Medical Physics, 1991, 18(5): 867-879. DOI:10.1118/1.596744.

[43] 王月圓, 俞政涛, 赵兴群. 一种双能X线骨密度仪的测量算法研究[J]. 电子器件, 2021, 44(2): 405-410. DOI:10.3969/j.issn.1005-9490.2021.02.027.

[44] 王月圆. 双能X线骨密度仪的骨密度测量算法与软件设计的研究[D]. 南京: 东南大学, 2020: 22-25.

[45] ALVAREZ R E, MACOVSKI A. Energy-selective reconstructions in X-ray computerised tomography[J]. Physics in Medicine and Biology, 1976, 21(5): 733-744. DOI:10.1088/0031-9155/21/5/002.

[46] ALVAREZ R E. Estimator for photon counting energy selective X-ray imaging with multibin pulse height analysis[J]. Medical Physics, 2011, 38(5): 2324-2334. DOI:10.1118/1.3570658.

[47] CHUANG K S, HUANG H K. A fast dual-energy computational method using isotransmission lines and table lookup[J]. Medical Physics, 1987, 14(2): 186-192. DOI:10.1118/1.596110.

[48] ZIMMERMAN K C, SIDKY E Y, GILAT SCHMIDT T. Experimental study of two material decomposition methods using multi-bin photon counting detectors[C]//Medical imaging 2014: physics of medical imaging. San Diego, California, United States: SPIE, 2014.

[49] 莫镜清, 徐品, 孙明山. 基于光子计数探测器的X射线双能骨密度仪投影分解算法[J]. 激光与光电子学进展, 2017, 54(10): 224-232.

[50] National Research Council. Committee on technological options to improve the nutritional attributes of animal products[M]//Designing foods: animal product options in the marketplace. Washington, D.C.: National Academy Press, 1988: 15-25.

[51] GROVES W H, DONOVAN A E. Continuous X-ray analysis for meat blending system: US, United States Patent 4171164[P/OL]. 1979. https://www.freepatentsonline.com/4171164.html.

[52] MITCHELL A D, SCHOLZ A M, CONWAY J M. Body composition analysis of small pigs by dual-energy X-ray absorptiometry[J]. Journal of Animal Science, 1998, 76(9): 2392-2398. DOI:10.2527/1998.7692392x.

[53] MITCHELL A D, SOLOMON M B, RUMSEY T S. Composition analysis of beef rib sections by dual-energy X-ray absorptiometry[J]. Meat Science, 1997, 47(1): 115-124. DOI:10.1016/S0309-1740(97)00045-4.

[54] BRIENNE J P, DENOYELLE C, BAUSSART H, et al. Assessment of meat fat content using dual energy X-ray absorption[J]. Meat Science, 2001, 57(3): 235-244. DOI:10.1016/S0309-1740(00)00091-7.

[55] MERCIER J, POMAR C, MARCOUX M, et al. The use of dual-energy X-ray absorptiometry to estimate the dissected composition of lamb carcasses[J]. Meat Science, 2006, 73(2): 249-257. DOI:10.1016/j.meatsci.2005.11.024.

[56] PEARCE K L, FERGUSON M, GARDNER G, et al. Dual X-ray absorptiometry accurately predicts carcass composition from live sheep and chemical composition of live and dead sheep[J]. Meat Science, 2009, 81(1): 285-293. DOI:10.1016/j.meatsci.2008.08.004.

[57] CHEN A, LUO J, WANG A, et al. Fat to muscle ratio measurements with dual energy X-ray absorbtiometry[J]. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 2015, 788(C): 24-28. DOI:10.1016/j.nima.2015.03.001.

[58] GARDNER G E, GLENDENNING R, BRUMBY O, et al. The development and calibration of a dual X-ray absorptiometer for estimating carcass composition at abattoir chain-speed[C]//Proceedings of the FAIM IV: fourth annual conference on body and carcass evaluation, meat quality, software and traceability, Edinburgh, Scotland, 2015.

[59] GARDNER G E, STARLING S, CHARNLEY J, et al. Calibration of an on-line dual energy X-ray absorptiometer for estimating carcase composition in lamb at abattoir chain-speed[J]. Meat Science, 2018, 144: 91-99. DOI:10.1016/j.meatsci.2018.06.020.

[60] CONNAUGHTON S L, WILLIAMS A, ANDERSON F, et al. Dual energy X-ray absorptiometry predicts lamb carcass composition at abattoir chain speed with high repeatability across varying processing factors[J]. Meat Science, 2021, 181: 108413. DOI:10.1016/j.meatsci.2020.108413.

[61] 沈杰. 基于X射線及近红外光谱技术的禽肉品质检测[D]. 南昌: 江西农业大学, 2011: 17-28.

[62] 刘斌, 季小阳, 付军科, 等. 利用双能X射线预测绵羊胴体肌内脂肪含量的研究[J]. 中国畜牧兽医, 2015, 42(8): 2144-2149. DOI:10.16431/j.cnki.1671-7236.2015.08.032.

[63] 施利辉. 应用双能X射线进行在线肉类脂肪含量测量的可行性研究[J]. 食品安全导刊, 2021(22): 96-97. DOI:10.16043/j.cnki.cfs.2021.22.070.

[64] 李睿哲. 基于阵列光子计数探测器的能谱CT成像技术研究[D]. 北京: 清华大学, 2017: 26-32.

[65] ESQUIVEL A, FERRERO A, MILETO A, et al. Photon-counting detector CT: key points radiologists should know[J]. Korean Journal of Radiology, 2022, 23(9): 854-865. DOI:10.3348/kjr.2022.0377.

第一作者简介:董哲(1986—)(ORCID: 0009-0001-9584-8404),男,工程师,博士,研究方向为农产品检测。E-mail: wo_dz@126.com