鲜肉既可以作为成品直接出售，也可以加工成熟肉、冷冻肉或作为肉制品的原料。利用近红外光谱技术可实现对肉类(包括鲜肉、冷冻肉或熟肉等)成分的分析和测定，肉色、嫩度、保水性等感官特征的评价，同时也可对肉的产地、真伪等做出鉴定和判断，以达到肉类品质和安全的要求(见表5-3)。

表5-3近红外光谱法在肉制品检测中的应用

(一)近红外技术应用于肉类化学组成分析

从肉类的化学组成上分析，主要包括蛋白质、脂肪、水分、浸出物、维生素和矿物质6种。每种化学成分均对肉的食用品质或营养品质影响甚大，如肉品中水分含量及其持水性能直接关系到肉的品质和风珠，肌内脂肪的多少直接影响肉的多汁性和嫩度。自20世纪六七十年代就已有近红外反射光谱与水分、蛋白质、脂肪和热量之间相关性的研究，这为深入挖掘近红外光谱技术在此领域的应用与发展打下了基础。表5-3所示为近年来近红外光谱技术对不同肉类如牛肉、猪肉等的化学成分及含量检测的应用，该领域研究较为成熟，目前市场上也有此方面应用的专门仪器，如丹麦Foss公司的FoodSean系列食品成分快速分析仪。除了蛋白质、脂肪以及水分这3种最常用的组分外，脂肪中脂肪酸的组成和含量对肉的品质和营养价值具有重大影响，因此现代理念对肌肉脂肪的各种脂肪酸含量和比例有了新的要求。近年来，有学者开始转向对肉类脂肪酸组成和含量的近红外光谱分析研究，表5-3中列有相关研究实例。常规的近红外技术应用于鲜肉和屠宰过程在线检测，为了实际应用的需要可扩展检测肉类的状态如半冷冻及冻干肉，同时也可将此检测技术进一步扩展应用于水产肉类的研究。Xecato采用近红外PLS回归法分析，发现剁碎的鱼片建模效果优于某处完整部位，但与冷冻干燥的剁碎的鱼片区别不大。利用近红外反射光谱来测定肉中成分的含量时，一般将肉切碎或磨碎至均匀混合物即成肉糜状，可以准确测定肉中主要成分脂肪、蛋白质和水分的组成和含量。对于装样过程要求比较高，但相较于理化方法测定具有明显的优势且利于原料肉的在线检测加工。对于完整肉片或肉块检测时，近红外光谱方法虽然建模预测精度相对较差，但能达到其在线检测的要求。

(二)近红外技术应用于肉类感官品质的评价

肉的食用品质主要是指感官品质、深加工品质、营养价值、卫生品质4个方面。最容易引起消费者重视的是感官品质，如肌肉的颜色与系水力、嫩度、纹理、香味及多汁性等，其中部分关键性指标如肉色、系水力和嫩度、新鲜度等可用近红外光谱技术来检测和评定。

1.肉类嫩度的评价

肉的嫩度是指肉在食用时口感的老嫩，反映了肉的质地。应用近红外光谱技术，将测定的沃-布剪切力值(WBSF)与光谱值进行关联建模实现肉类嫩度的仪器评定。Byme等采用主成分分析法(PCR)在750~1098nm的光谱范围内研究了牛肉背最长肌(LD)的嫩度、纹理以及风味与近红外光谱的相关性；Park等报道了利用分析近红外反射光谱确定牛肉背长肌嫩度的结果，同样采用的是主成分分析法分析波长在1100~2498nm处生肉的吸收光谱，发现其与剪切力测得的熟肉嫩度存在复相关系数r=0.692，这样可以建立预测牛肉嫩度(口感)的模型；国内，赵杰文等利用牛肉样本近红外吸收光谱和沃-布剪切仪测得的牛肉样本(LD)的最大剪切力值建模并进行主观嫩度等级评价。

根据目前的报道总结，研究结果和进展绝大部分是针对牛肉，另有部分的鸡肉和羊肉，但并未发现近红外光谱在猪肉的嫩度评价方面有较好的结果。近红外光谱法虽然能顶测肉嫩度的变化，但研究肌肉部位受到限制，主要是针对牛肉背部最长肌，然而这些预测模型往往不容易重复。另外，不同学者对于屠宰早期与僵直后肉的嫩度检测研究结果有一定的差异性，可能与所研究的肉品以及具体研究实验条件有关，并不能充分地说明那个时期的近红外光谱更适合用米预测肉的嫩度。有学者将光谱范围扩展到可见光，综合利用可见近红外光谱评价肉类嫩度、肉色等更为广泛的感官特征。

2.肉的保水性的评价

肉的保水性也称系水力或系水性，肌肉系水力是肌肉组织保持水分的能力，研究巾多用自中滴水量(即滴水损失，DripLose)来表示肉的保水性。Forrest利用近红外光谱PLS建模方法预测屠宰当天猪肉的滴水损失，发现具有较好的相关性(r=0.84)；Geesink等利用近红外光谱模型来预测屠宰后2d的猪肉样本的感官品质，结果显示通过保水性的好与差(滴水损失<5%或>7%)分级标准，有望进一步实现猪肉畜体的在线分级。

利用近红外光谱技术测定肉质的保水性从而实现屠宰当天鲜肉的分级，具有广阔的应用前景。同时研究结果显示，近红外光谱对于屠宰后早期肉的保水性具有较好相关性，但肉的保存时间能在很大程度上影响近红外光谱模型的预测效果。

3.肉色及新鲜度

肉色是肉质评定的重要指标。近年来，有学者综合利用可见光和近红外光谱技术对肉色研究的报道。Sante等用近红外光谱技术结合人工神经网络(ANN)数据建模分析方法判断鸡胸肉的色泽，正确率达到70%；Cozzolino等利用可见光和近红外光谱结合经修正的偏最小二乘(MPLS)分析方法来预测猪肉样本的颜色，发现同品种猪肉其CIELAB系统中L(Lightness)和a(Redness)的验证相关系数较高。新鲜度也是可用近红外光谱来评定的感官指标之一，主要通过挥发性盐基氮这一指标来表示肉类的新鲜程度。Leroy等在1200~1300nm波段利用近红外光谱建立挥发性盐基氮的预测模型，实现了新鲜度的评价；侯瑞锋等同样通过近红外漫反射光谱法建立挥发性盐基氮的预测模型，并通过聚类分析方法对光谱数据进行了分类处理，实现对肉品的新鲜程度无损快速检测。

可见近红外光谱检测肉类颜色和新鲜度是可行的，但在实际加工过程中，近红外光谱法得到的肉色和新鲜度检测精度并非是所有方法中最高的。检测肉色时应用最为广泛和较为成熟的是利用机器视觉技术，新鲜度检测则有电磁特性等方法。但在进行肉质的感官特征评定时，若近红外光谱技术有融合其他技术的可能性，并且能综合评定多种肉质指标，则在一定程度上可提高在线检测效率和实际的经济效益。

(三)近红外技术应用于肉类的鉴定和判断

近红外技术应用于食品安全检测虽然时间较短，但由于其检测的优越性使其在这一领域有广阔的前景。以近红外光谱技术对肉类的化学成分和含量分析、感官品质评定为依据，贝更进一步实现了肉类的安全鉴定和判断。

在肉炎鉴定和判断过程中，首先考虑肉类的品种、产地，尤其作为原料肉更应明确来源，这对于食品的安全检测非常重要。Alomar等利用近红外技术及PLS分析建模方法精准地鉴别出了不同品种的牛肉以及牛肉的不同部位的肌肉，但针对屠宰后的畜体分级则并不成功；Cozzolino利用PCA及PLS的近红外分析方法来鉴别不同动物来源肉，其鉴别准确水平可达80%。

由于食品种类繁多、成分复杂，而且掺杂物质种类也很多，外观、组成或理化性质又比较接近，通常很难用一般的化学方法鉴别真伪。其复杂性也使得肉类掺假的鉴别意义非凡，尤其对于某些高价值的肉类品种如水产行业。近红外光谱在此方面也有相关报道。Javier利用PLS和PCR分析建模方法对特定蟹肉品种的真伪和掺假进行了研究，鉴定误差小于6%。

鲜肉和冷冻肉在品质上存在一定优劣性差异，而肉类经冷冻再解冻的过程很大程度上会影响肉的食品品质。国外早期已有利用近红外技术成功鉴别新鲜和经过冷冻后再解冻牛肉样本的研究报道。除了上述应用，也有报道显示近红外技术可用来鉴定影响猪肉品质的关键基因(RN)、鸡肉中由细菌引起的肉质损坏等方面的研究。

文章来源：《食品快速检测实训教程》

版权与免责声明：转载目的在于传递更多信息。

如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。

如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为放弃相关权利。