一种基于超弱发光技术鉴别菜肴原料肉真伪的方法

技术领域

本发明涉及食品中光学检测技术领域。更具体地说，本发明涉及一种基于超弱发光技术鉴别菜肴原料肉真伪的方法。

背景技术

我国是肉类生产和消费大国，随着肉类预制菜肴消费量的逐年增长，消费者由于经济损失、食物过敏、宗教信仰和食品安全等因素，对原料肉掺假越来越关注，相关掺假事件层出不穷，相应地对快速准确的原料肉的真伪鉴别技术存在极大需求。传统技术包括基于DNA的聚合酶链反应、基于蛋白质的酶联免疫吸附测定、质谱法和差示扫描量热法等是鉴定肉制品真伪的常规方法，然而，这些技术存在耗时、成本高等缺点。目前用于肉类真伪的快速无损检测方法多采用近红外光谱技术，具有快速、灵敏特点，然而不同比例的掺假肉在光谱曲线上具有相似的重叠峰，需要依赖复杂的化学计量学方法进行区分，得出的结果很难与响应光谱变化的物质内部结构及分子机制建立精准的对应关系，所建立的真伪肉的鉴别预测模型普遍存在鲁棒性低和稳定性差的问题。

生物体内由于能量代谢、氧化反应等过程会产生一种生物光子发光现象，被称为生物超弱发光，能反应生物体内本原以及与生命活动过程有关的信息。已有学者研究表明，该技术可用于测量植物、果蔬、肉品品质变化，且生物体内能产生生物光子的物质是激发态的羰基化合物，这些激发态化合物退激时会产生不同波长的光谱，能反映生物内部组分敏感特异物质变化情况。掺假肉与纯肉相比，肉品内部蛋白质组分会不同，对应的氧化代谢产物羰基化合物的含量也会发生变化，能产生超弱发光的敏感羰基化合物含量和对应的超弱发光动力学变化规律也会有明显区别，这为基于蛋白质氧化介导的敏感羰基含量变化鉴别掺假肉提供了依据。但目前针对超弱发光技术对肉制品掺假的鉴别技术和方法还很缺乏，急需一种利用超弱发光原理，简便、快速、准确地对肉制品掺假鉴别的方法，通过寻找掺假肉内部敏感特征标志物质组分变化与超弱发光之间的关系，准确的鉴别肉制品掺假，为超弱发光技术在食品真伪检测领域的推广和应用提供理论依据与技术支持。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

为了实现根据本发明的这些目的和其它优点，提供了一种基于超弱发光技术鉴别菜肴原料肉真伪的方法，包括以下步骤：

步骤一、检测以获取样品经光敏氧化一定时间的超弱发光信号；

步骤二、基于步骤一的超弱发光信号以光强-时间为参量分析建立样品的生物超弱发光动力学变化规律，建立得到各光学参数的衰减动力学函数模型，然后以相关系数确定各光学参数的最佳衰减动力学函数模型，解析最佳衰减动力学函数模型的变量并求解得到最佳光学参数；

步骤三、将步骤二中求得的最佳光学参数输入至基于对应的光学参数建立的真实原料肉和掺假肉定性鉴别模型，输出得到样品的掺假定性结果。

优选的是，还包括：将步骤二中求得的最佳光学参数输入至基于对应的光学参数建立的不同含量掺假肉定量鉴别模型，输出得到样品的掺假定量结果。

优选的是，获取样品经光敏氧化一定时间的超弱发光信号的具体方法包括：

采用波长为300～350nm的光照射样品5～10min；

采集样品照射后10～30s内的超弱发光信号。

优选的是，步骤二具体方法包括：

基于生物超弱发光动力学曲线，建立各光学参数的指数函数、曲线函数或量子函数的衰减动力学函数模型，其中，光学参数包括光子密度、衰变时间、初始斜率、状态参量、序参量、无光源时的自发光子强度、总光强、平均光强、初始强度参量、特征时间、衰减因子；

以相关系数筛选出最佳衰减动力学函数模型；

采用1stOpt软件结合最小二乘算法和通用全局优化算法求解得最佳衰减动力学函数模型的最佳光学参数。

优选的是，所述真实原料肉和掺假肉定性鉴别模型的建模方法具体包括：

准备多个真实原料肉样品和多个掺假肉样品，并分别获取对应的超弱发光信号，建立对应的生物超弱发光动力学曲线和衰减动力学函数模型，其中，设置多个不同梯度比例的掺假肉样品；

采用理化检测方法检测获得对应的真实原料肉样品和对应的掺假肉样品光敏氧化前后的总羰基含量、总酮基化合物含量、总羧酸及衍生物含量、总醛基化合物含量；

基于衰减动力学函数模型的光学参数的变化与总酮基化合物含量、总羧酸及衍生物含量、总醛基化合物含量进行相关性分析，筛选得出相关性高的羰基种类和含量，即得到敏感羰基；

理化检测方法检测敏感羰基的化合物类型和含量，计算对应的权重占比、基团比例关系、初始含量；

基于衰减动力学函数模型的光学参数的变化与敏感羰基的化合物类型和含量、对应的权重占比、基团比例关系、初始含量、变化率及变化差值，进行相关性分析，筛选得出相关性高的光学参数和/或光学参数的组合函数，即特异性光学参数和/或敏感性组合函数；

基于特异性光学参数和/或敏感性组合函数，以及对应的敏感羰基种类、权重占比、基团比例关系、初始含量、变化率及变化差值采用Fisher线性判别或支持向量机定性判别方法建立得到所述真实原料肉和掺假肉定性鉴别模型。

优选的是，还包括：基于特异性光学参数和/或敏感性组合函数，以及对应的敏感羰基种类、权重占比、基团比例关系、初始含量、变化率及变化差值采用主成分分析、偏最小二乘法判别分析和正交偏最小二乘法判别分析方法建立得到所述不同含量掺假肉定量鉴别模型。

优选的是，生物超弱发光动力学变化规律的函数模型表示如公式(1)所示：

其中，I(t)表示在t时刻的超弱发光光强，ISL表示无光源时的自发光子发光强度，I

总光强I(T)定义为在T时间段内的I(t)积分总光强，函数模型表示如公式(2)所示：

其中，T表示超弱发光总时间；

衰变时间T

其中，M为2或3；

初始斜率S

平均强度I

优选的是，采用紫外吸光度方法检测获得总羰基含量，采用盐酸羟胺-电位滴定方法检测获得总醛基化合物含量，采用酸碱中和滴定法检测获得总羧酸及衍生物含量，采用总羰基含量减总醛基含量及总羧基含量的方法获得总酮基化合物含量。

优选的是，采用气相/液相色谱与质谱联用方法检测获得羰基化合物、醛基化合物、酮基化合物、羧酸类衍生物的种类和含量。

本发明至少包括以下有益效果：本发明提供的基于超弱发光技术鉴别菜肴原料肉真伪的方法通过精准采集真实肉和掺假肉的生物超弱发光，科学寻找生物超弱发光规律与蛋白质氧化变化的结构和含量之间的相关关系，建立真实原料肉和掺假肉定性鉴别模型和不同含量掺假肉定量鉴别模型，从而实现了对掺假肉的快速和精准的定性定量鉴别。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明的肌肉中蛋白质氧化介导的羰基变化响应超弱发光预测菜肴原料肉掺假模型建立流程图；

图2为本发明的所述真实原料肉和掺假肉定性鉴别模型和所述不同含量掺假肉定量鉴别模型建立流程图；

图3为本发明的其中一种技术方案的样品的超弱发光信号采集原理示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得。

如图1～3所示，本发明提供一种基于超弱发光技术鉴别菜肴原料肉真伪的方法，采用本方法对掺假原料肉的鉴别的实现过程包括以下部分：

1、超弱发光技术预测掺假菜肴原料肉的模型建立：

1.1采用检测系统检测获得样品的超弱发光信号：

检测说明：开启暗箱2内的光源4，照射样品1一段时间，光源4优选300～350nm范围，照射样品1时间优选5～10min，然后关闭光源4，由超弱发光信号采集组件3采集样品1产生的超弱发光信号，采集时长优选为光源4关闭后10～30s。

连续重复上述采集过程，完成多个样品的超弱发光信号采集。

1.2确定样品的超弱发光信号光学参数：

如图1中Ⅰ所示，基于上述检测得到的超弱发光信号，可以得到样品在光敏条件下氧化一段时间的超弱发光曲线，然后以光强-时间为参量分析样品的生物超弱发光动力学曲线，以明确衰减函数曲线特征，采用指数函数、曲线函数或量子函数结合相关系数R以确定最佳衰减动力学模型，采用1stOpt数值处理软件结合最小二乘算法与通用全局优化算法求解最佳光学参数，包括衰变时间T

超弱发光实时光强I(t)：

定义为光照氧化结束后，超弱发光强度随时间衰减的动力学变化规律，如式(1)所示。

总光强I(T)：

定义为在时间T内的I(t)积分总光强

式中的三个参数I

衰变时间T

定义为光强I(t)衰变到初始光强I

式中的I

初始斜率S

定义为超弱发光光强I(t)在零时刻(t＝0)的变化率，如式(4)所示，

如式(2)中的I

平均强度I

定义为在T时间段的平均超弱发光强度，如式(5)所示，

式中T是超弱发光总时间，I(T)是T时间内的总光强，由式(2)获的，均是可测量参数。

在得到上述光学参数后，利用初始强度参量I

1.3、测定样品中光敏氧化前后敏感羰基基团：

已有学者研究表明，生物超弱发光技术可用于测量肉品品质变化，且生物体内激发态的羰基化合物退激发光是生物超弱发光的主要来源，这些化合物的退激会产生不同波长的光谱，能反映出生物内部组分的敏感变化。掺假肉与纯肉相比，内部蛋白质组分不同，蛋白质氧化后内部响应生物超弱发光的羰基化合物含量和种类也是不同的，在相同的光敏氧化条件下，羰基化合物对应产生的超弱发光动力学变化规律也会有明显区别，这是基于羰基含量变化响应的生物超弱发光技术鉴别掺假肉的原理和基础。目前原料肉蛋白质氧化后的羰基化合物种类繁多，已知的羰基化合物种类包括酮类、醛类及羧酸类，从这几大类羰基化合物总类中筛选出响应生物超弱发光的敏感羰基化合物，有利于建立鉴别掺假肉的稳定评价模型，氧化后肉品羰基含量理化指标测定流程图如图1中Ⅱ所示，具体方法包括：

先从待测样品中提取肌原纤维，配置成蛋白溶液，均等分成3份：

①第一份蛋白溶液利用紫外吸光度方法测定总羰基基团含量，计为(C＝O)

②第二份蛋白溶液利用标准碱液KOH或NaOH溶液直接中和滴定，以百里酚酞为指示剂，最后消耗碱液量即为蛋白溶液中羧酸及衍生物含量(nmol·mg

③第三份蛋白溶液利用盐酸羟胺-电位滴定测定总醛基含量的方法，在蛋白溶液中缓缓加入0.25mol/L的盐酸羟胺溶液，并不断充分搅拌使其溶解成均一溶液，并实时测定酸度值，直到加入一定体积的盐酸羟胺溶液反应后酸度值不变，说明蛋白溶液中醛基与盐酸羟胺完全反应生成了盐酸，此时加入甲基橙指示剂，并不断加入0.1mol/L的碱液中和，所消耗的碱液量为蛋白溶液中总酸的含量，因羧酸及衍生物总含量(COOH)

④总酮基基团含量(R-(C＝O)-R)

(R-(C＝O)-R)

----公式(6)

依据上述结果，待测菜肴原料肉样品中的总含量为每个溶液中相关基团含量的3倍，在获取几种羰基基团总量后，利用生物超弱光谱、光学参数的特异性变化筛选与菜肴原料肉组成差异相关的敏感羰基基团，再利用气相/液相色谱-质谱方法测定敏感基团中的具体羰基化合物类型和含量(敏感醛基化合物、敏感酮基化合物、敏感羧酸类化合物、敏感羧酸类衍生物)，用于和生物超弱发光光谱、超弱发光光学参数来建立菜肴原料肉掺假定性或定量判别模型。

1.4生物超弱发光预测菜肴原料肉掺假模型建立方法：

真实原料肉和掺假肉定性鉴别模型和不同含量掺假肉定量鉴别模型的建立，具体方法包括：

如图1中Ⅲ所示，采用Fisher线性判别、支持向量机等定性判别方法，结合光学参数中的初始强度参量I

也可以通过衰变时间T

举例说明：具体的流程如图2所示：

样品准备：真实原料肉样品(掺假比例0)30个，掺假肉梯度为2.5％，每个比例为3个样品，一共150个样品。

采用1.1的方法采集150个样品的超弱发光信号，采用1.2的方法确定各样品的超弱发光信号光学参数、衰减函数、光谱曲线。

采用1.3的方法测定各样品光敏氧化前后羰基化合物，包括各种羰基基团总量和具体羰基化合物类型和含量。

采用1.4的方法分析处理1.1中各样品的超弱发光信号光学参数、衰减函数、光谱曲线和1.3中种羰基基团总量和具体羰基化合物类型和含量之间相关关系，建立得到真实原料肉和掺假肉定性鉴别模型和不同含量掺假肉定量鉴别模型。

2、应用示例

以芹菜牛肉沫中的牛肉沫原料肉为例，在牛肉沫原料肉中掺假一定比例的鸭肉，采用本发明的方法检测原料肉，流程如下：开启暗箱2内的光源4，照射样品1，光源4的波长350nm，照射样品1时间为5min，然后关闭光源4，由超弱发光信号采集组件3采集样品1产生的超弱发光信号，采集时长优选为光源4关闭后10s。

获取牛肉沫掺假肉样品的光敏氧化后超弱发光信号后，以光强-时间为参量分析样品的生物超弱发光动力学曲线，明确衰减函数曲线特征，以双曲线函数结合相关系数R确定最佳衰减动力学模型，解析光学参数中的初始强度参量I

依据上述过程获取到的样品的超弱发光信息及动力学变化规律后，通过上位机软件内置的真实原料肉和掺假肉定性鉴别模型和不同含量掺假肉定量鉴别模型输出鉴别结果，并显示。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。