近红外光谱技术在家禽养殖领域应用现状

牛明雷，郝 炘，李建华，王俊伟，李平安，李 华

（1农业农村部工程建设服务中心，北京100081；2天津农垦渤海农业集团有限公司，天津301823；3天津市宝坻区朝霞街道办事处，天津301800；4北京市植物保护站，北京100029；5湖南省益阳市桃江县农业局，湖南益阳413499；6内蒙古自治区赤峰市宁城县植保植检站，内蒙古赤峰024200）

0 引言

近半个世纪的发展，近红外光谱经历了所谓的概念炒作期，进入平稳发展的快速期。从历史发展角度来说，近红外光谱为发达国家工业信息化过程分析技术和自动化的深度集成发挥了决定性作用，提供了工农业生产过程中快速实时的测量技术。优化近红外光谱控制技术，能显著提高产品质量，降低生产成本和资源消耗，为企业带来较好的经济和社会效益。近红外光谱技术(Near-infrared Spectroscopy，NIRS)的研究和应用始于 20 世纪 80 年代。20 世纪 90 年代末 ，以产业链的方式逐步应用于农业、石化、医药、食品等领域，在工农业生产和科研中逐渐发挥着越来越重要的作用[1]。随着近红外光谱技术长足的发展，其在食品、中草药和农产品快速鉴别有了成功的应用。将光谱技术应用于农产品检测方面，国外学者利用近红外光谱技术在农产品（玉米谷物）品质检测方面进行了相关研究[2]。将光谱技术应用于水稻研究方面，国内外学者的研究兴趣主要集中在使用光谱技术对某一品种的单一组分的检测。牛晓颖等[3]使用近红外漫反射光谱对不同品种草莓进行无损鉴别并对4类不同样品的可溶性固形物、可滴定酸、固酸比和pH值进行了主成分分析，为近红外鉴别结果提供了理化解释。NIRS技术具有快速、无损、绿色等优点[4]，不仅可以对植物进行无损鉴别，同时还可以在中药鉴别、水果品质鉴别、饲料质量检测等领域进行应用。近年来，便携式光谱仪是研究的热点之一，尤其是在水果鉴别中得到很好的应用[5-6]。随着近红外技术和相关化学计量技术的不断发展，近红外光谱技术在石油化工、农业、工业等领域也得到快速的应用[7]。

随着农业信息化的发展，畜牧业信息化水平有待提高。中国是传统产粮大国，但是畜牧业总体来说水平不高，大多数畜牧场的饲喂不科学，饲料种类杂乱无章，市场肉类产品质量无法保障，导致经济效益低下。近红外光谱技术的出现可以从源头饲料做起，改善饲料质量提高肉类品质。本文从近红外光谱的发展现状和在饲料品质检测和鸡肉品质检测上应用介绍了近红外光谱技术的应用进展，根据发展现状提出未来的发展方向。

1 近红外光谱技术的发展现状

近红外光谱技术是中国自20 世纪80 年代开始研究的一项新技术，其研究对象主要是农产品鉴别及其质量的无损检测。目前广泛应用于水稻、玉米等粮食物。20世纪90年代初，国内许多大学和研究机构开始研究近红外光谱技术，出版了大量相关专著[8-10]。

近年来，中国各大研究机构和高校在硬件仪器、化学计量学软件等实际应用领域取得了长足的进展。在硬件方面，中国科学院长春激光研究所研制了一种基于固定滤光片的颗粒特定近红外分析仪用来鉴定水果品质[11]。中国农业大学研制了一种可以快速测量土壤成分的仪器。这些仪器是中国光谱学发展的见证[12]。同样，中南大学开发的化学计量软件，为国产化学计量软件添砖加瓦[13]。这些硬件和软件的结合，促进了中国光谱技术的快速发展，为光谱技术在各领域的进一步推广奠定了基础。

2 近红外光谱技术在饲料检测中的应用进展

畜牧业和家禽养殖的良好发展需要优质的饲料作为支撑。随着近红外光谱技术的发展，NIRS技术在饲料检测中具有大量的应用。本文从饲料检测的定性分析和定量分析简单介绍一下近红外技术在饲料检测中的研究进展。

2.1 定性分析

定性分析主要用来鉴别饲料中的掺假掺杂，近红外定性分析测量已知样品和标准样品的差异性来识别测量样品类型[14-15]。

杨增玲等[16]对对鱼粉和肉骨粉样品共201组样品进行了研究。当肉骨粉含量大于4.41%时，预测值-实际值相关系数为0.972。当MBM 大于5%时，预测正确率达到了100%。Pavino 等[17]利用近红外技术对掺有MBM的饲料进行分析，检出限达到0.10 Wt%，达到了欧盟标准。说明该方法对碎骨检测真实有效。定性分析的方法不能精确计算出MBM 含量，但能够判断饲料样本中是否有掺入MBM。相比其他方法而言，定性分析方法可以节省时间成本、人力成本，在实际应用中值得推广。

2.2 定量分析

不同物质的成分在近红外区的吸光度不同[16]，近红外区域对动物饲料中大量存在的蛋白质、粗纤维等物质具有特异性吸收。Cozzolinod 对400 份动物饲料样品中粗蛋白、干物质、酸性洗涤纤维、中性洗涤纤维和灰分的分析检测[18]，除中性纤维外，化学值与模型预测值之间的决定系数(R2)均大于0.90。

牛智有等[19]应用近红外光谱分析技术，收集代表性样本的反刍动物饲料，分析样品的近红外反射光谱，选择一个相对最优光谱预处理方法，利用偏最小二乘回归校准方法，分别对光谱记性散射校正、变量标准化、一阶导数和二阶导数处理，建立了反刍动物饲料总磷的近红外反射光谱定量分析模型。光谱不同预处理结果的定标结果如表1所示。

丁丽敏等[20]采用近红外光谱法建立了玉米和豆粕中氨基酸含量的定标模型。研究表明模型决定系数(R2)一般大于0.90，最小值为0.82，远高于以粗蛋白为自变量的预测关系式。结果表明，近红外光谱法预测氨基酸含量是可行的。同时，近红外光谱在测量矿物质、维生素和储存的消化率和能量也是非常好的方法，值得推广应用[21-23]。

3 近红光谱技术在检测禽肉质量的应用进展

3.1 物理特性检测

3.1.1 色泽 色泽是消费者感官评定的一个重要指标，禽肉的颜色与肌肉中肌红蛋白、血红蛋白和细胞色素的含量有关[24]。肌肉的颜色特征是消费者直接观察到的肉类特性，色泽的好坏直接影响消费者的购买欲。肌肉的色泽通常用色差计测量L*（亮度）、a*（红度）、b*（黄度）值进行评价[25]。运用NIRS 技术检测鸡肉色泽研究已有报道。Liu[26]等采集144 个鸡肉样品400～1850 nm 范围内的光谱数据，建立色泽参数的偏最小二乘回归模型(PLSR)，得到L*、a*和b*校正模型的决定系数(R2)分别为0.84、0.83 和0.78，分析发现其中肌肉的亮度和黄度的预测效果较好。经多元散射校正(MSC)和求导预处理光谱后，Samuel等[27]和De Marchi等[28]建立了 PLSR 模型[29]，预测效果和 Liu 等[24]研究相似。Yang 等[30]采集 400～2500 nm 光谱数据，利用回归系数法(RC)选取最优波长的预测效果并不理想。这可能与最后波长选择后，部分重要光谱信息缺失有关。Jiang 等[31]在不同的波段下运用相同的最优波长提取方法和建模方法得到L*值模型精度较好，但a*、b*值不理想。蒋圣启等[32]利用近红外光谱成像系统联用Stepwise算法快速评估鸡肉色泽。通过采集新鲜屠宰鸡肉高光谱图像，提取试验样本感兴趣区域(ROI)反射光谱信息，结果表明利用近红外高光谱技术结合Stepwise 算法可实现鸡肉色泽参数L*、b*值的快速评估。尽管NIRS技术预测肌肉色泽存在差异（表2），但因其具有快速无损大批量检测优势，未来可继续深入研究。

3.1.2 嫩度 嫩度也是评定鸡肉品质好坏的一个重要指标，影响鸡肉的口感和风味。鸡肉嫩度主要有以下三方面的影响因素：蛋白质结构特征、肌间脂肪含量以及肌纤维数量[33]。质构仪测定剪切力常被用于评定肉嫩度的好坏[34]，但需破坏样品。熊振杰等[35]采集400～1000 nm范围内可见近红外光谱图像，通过对比RC与连续投影算法(Successive Projections Algorithm，SPA)选出12 个最优波长建立PLSR 模型预测肌肉嫩度，效果不理想。在相同的波长范围，蒋圣启等[32]从MFS光谱中筛选出20 个最优波长构建O-PLS 模型预测鸡肉嫩度的效果更好(RP=0.888，RMSEP=2.408N)。这说明采用合适的波长和建模方法能有效提高预测肌肉嫩度精度。

3.1.3 pH值 pH值直接关系到肉的嫩度、腐败程度、新鲜度等相关指标[36]。运用NIRS技术对鸡肉pH值检测已有报道。De Marchi[28]等扫描获取193个鸡肉样品的近红外光谱信息(350～1800 nm)，通过吸收光谱值log(1/R)建立PLSR模型效果并不理想。Jiang[31]等通过运用RC 方法建立pH 的PLSR 模型效果也不理想。Barbin 等[41]运用主成分分析法分析 400～2500 nm 波长信息，并采用加权回归系数法选取最优波长建立PLSR模型，预测pH效果得到提升。Jia等[37]运用竞争性自适应重加权采样(CARS)建立pH值的PLSR模型，模型精度得到了较大的提升(R2C=0.94，R2P=0.73)。这些研究显示，NIRS 技术快速有限测定鸡肉pH 值存在较大潜力。

表1 光谱不同预处理结果的定标结果

表2 基于近红外光谱技术鸡肉色泽检测研究

3.1.4 系水力 肉的系水力也称为保水性或系水性，目前多采用滴水损失来反映肉制品的系水力[38-40]。系水力影响肉品的口感、新鲜度以及在加工运输过程中营养汁液的损失，因此系水力的预测可及时反映肉制品的品质[41]。沈杰等[42]运用近红外预测鸡肉的系水力，效果不理想（如表3 所示）。Barbin 等[29]运用主成分分析法处理近红外光谱信息，选取440、558、1656、1908 nm 4个特征波长建立系水力的PLSR模型，预测效果略有提高，但依然不理想。Yan等[30]的研究依然未能提高预测效果。研究表明NIRS技术预测鸡肉系水力有待进一步研究。

4 展望

NIRS技术在饲料成分检测可以实现无损检测，对样品或者环境不会造成污染。因此，利用近红外光谱无损检测技术改善饲料检测、实现饲料质量动态监控有着重要的实现意义。NIRS 技术目前主要用于鸡肉品质检测，有少量研究涉及其他肉制品。研究表明，近红外光谱在禽肉领域的发展潜力巨大，可在禽肉的物理性质等方面进行肉品品质鉴别，为肉质品安全提供保障，改善了传统方法上破坏被检测产品的缺陷。尽管如此，NIRS技术应用目前依然没有形成完整的体系和方法，尤其是在数据预处理和降维方法需进一步研究。

（1）在禽肉检测领域和饲料检测领域的光谱仪普遍占地面积较大，适合实验室研究。需研究高精度的手持型光谱仪集成设备实现现场检测，提高效率。

（2）在化学计量学方法和软件研发方面，研究模型数据库维护更为方便的多元定量和定性校正方法，尝试将现代人工智能、深度学习算法用于大光谱数据集关联，进一步提高模型预测的准确性和稳健性。研究开发更简便、通用性更强的模型传递算法。在此基础上开发基于网络平台的建模工具，实现近红外光谱模型数据库的共享。

表3 基于近红外光谱技术的鸡肉物理特性检测

（3）市场的饲料品种和鸡肉品种多种多样，产生的数据量很大。针对每个饲料品种和和鸡肉品种，各高校和科研院所应该在相关部委牵头领导下成立大数据共享中心，共同推动近红外光谱检测技术进一步大规模推广应用。