前言
本文件按照GB/T 1.1-2020《標(biāo)準(zhǔn)化工作導(dǎo)則 第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。
請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識別專利的責(zé)任。
本文件由中華人民共和國農(nóng)業(yè)農(nóng)村部提出。
本文件由全國屠宰加工標(biāo)準(zhǔn)化技術(shù)委員會(SAC/TC 516)歸口。
本文件起草單位：中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所、北京郵電大學(xué)、安徽中青檢驗(yàn)檢測有限公司、中國肉類食品綜合研究中心、北京偉創(chuàng)英圖科技有限公司、中國動物疫病預(yù)防控制中心(農(nóng)業(yè)農(nóng)村部屠宰技術(shù)中心)、中國農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所、河北農(nóng)業(yè)大學(xué)、山東聊城東大食品有限公司。
本文件主要起草人：謝鵬、孫寶忠、劉麗華、韓熹、李家鵬、楊輝華、王媛媛、高勝普、張松山、張德權(quán)、劉曉暢、李秋鳳、尤華、魏萌、雷元華、徐晨晨、侯成立、郭雅、鄧運(yùn)東、王歡、劉璇、唐菲。
1 范圍
本文件描述了近紅外光譜檢測畜禽肉品質(zhì)的原理、儀器、樣晶、光譜測量、模型建立和驗(yàn)證以及檢測結(jié)果的處理。
本文件適應(yīng)于畜禽肉品質(zhì)的定量檢測。
2 規(guī)范性引用文件
下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本(包括所有的修改單)適用于本文件。
GB/T 9695.19 肉與肉制品 取樣方法
GB/T 29858 分子光譜多元校正定量分析通則
GB/T 32198 紅外光譜定量分析技術(shù)通則
NY/T 3512 肉中蛋白無損檢測法 近紅外法
3 術(shù)語和定義
GB/T 29858、GB/T 32198和NY/T 3512界定的以及下列術(shù)語和定義適用于本文件。
3.1 檢測部位
使用近紅外光譜分析儀器檢測樣品時，光譜實(shí)際反映的樣品部位。
3.2 校正模型
表達(dá)一組樣品的成分濃度(含量)或性質(zhì)與其光譜之間關(guān)聯(lián)關(guān)系的數(shù)學(xué)表達(dá)式。
3.3 校正樣晶
用來建立校正模型的樣品，其成分濃度(含量)或性質(zhì)數(shù)據(jù)已知。
3.4 驗(yàn)證樣品
用來驗(yàn)證模型性能的樣品，其成分濃度(含量)或性質(zhì)數(shù)據(jù)已知。
4 原理
畜禽肉樣品中含氫基團(tuán)XH(X=C、N、O)等化學(xué)鍵的分子結(jié)構(gòu)信息與其濃度(含量)有關(guān)，在780nm～2526nm波長下有特征吸收，采用多元校正方法建立校正模型，然后將校正模型應(yīng)用于未知樣品的測量光譜，實(shí)現(xiàn)畜禽肉成分濃度(含量)的快速檢測。
5 儀器
5.1 本文件適用的儀器類型為近紅外光譜分析儀器，其類型包括光柵陣列型、光柵掃描型、傅里葉變換型、聲光可調(diào)變換型、法布里諧振腔型等。
5.2 儀器測定光譜可以為連續(xù)光懵或離散光譜，波長范圍包含780nm～2526nm中的全部或部分波長。
5.3 儀器形態(tài)包括手持式、便攜式、臺式和在線式等。
5.4 儀器測樣方式包括透射或反射等。既可在儀器內(nèi)部測量，也可通過光纖探頭在外部測量。
5.5 儀器應(yīng)具備明確的指標(biāo)要求以及檢定方法，指標(biāo)包括波長/波數(shù)范圍、分辨率、基線噪聲、波長準(zhǔn)確性、波長重復(fù)性、吸光度重復(fù)性等。
5.6 儀器應(yīng)具備光譜測量軟件和化學(xué)計量學(xué)軟件，其中測量軟件應(yīng)具備儀器自檢、樣品的光譜測量，加載化學(xué)計量學(xué)軟件建立的定量模型和光譜評價等功能；化學(xué)計量學(xué)軟件應(yīng)具備定量模型的建立與驗(yàn)證功能。
5.7 儀器自檢應(yīng)滿足儀器出廠的功能和性能指標(biāo)要求。
5.8 單臺儀器檢測時，可將全波段或建模波段內(nèi)的標(biāo)準(zhǔn)樣品吸光度重復(fù)性作為儀器是否滿足本文件所涉近紅外光譜檢測的判定依據(jù)。滿足連續(xù)測量3次標(biāo)準(zhǔn)樣品的光譜，經(jīng)過一階微分處理后，吸光度重復(fù)性不大于0.0004AU。吸光度重復(fù)性要求可通過研究建模所用儀器的實(shí)際情況和所建模型的評價要求進(jìn)行調(diào)整，以使其符合模型評價要求。
6 樣品
6.1 一般要求
在建立校正模型時和檢測時，樣品的處理方式和溫度等條件應(yīng)保持一致
6.2 取樣要求
6.2.1 畜禽肉的取樣按照GB/T 9695.19規(guī)定的方法進(jìn)行執(zhí)行。
6.2.2 去除樣品表而的可見脂肪組織和筋膜等，取有代表性的試樣不少于200g
6.2.3 取樣部位與檢測部位應(yīng)保持一致。
6.3 非在線式儀器檢測樣品要求
樣品應(yīng)滿足6.1和6.2的要求。
6.4 在線式儀器檢測樣晶要求
在線檢測時，樣品應(yīng)滿足6.1要求，檢測時應(yīng)避開樣品表面的可見脂肪組織和筋膜等。
7 光譜測量
7.1 儀器自檢
每次開機(jī)后，儀器應(yīng)進(jìn)行自檢，自檢結(jié)果應(yīng)符合儀器出廠指標(biāo)要求。
7.2 一般要求
7.2.1 非在線式儀器檢測時，在儀器的測量光路中放置待測樣品，采集光譜；在線式檢測時，應(yīng)按儀器在線檢測規(guī)范采集樣品光譜。
7.2.2 在檢測校正樣品、驗(yàn)證樣品和待測樣品時，儀器參數(shù)應(yīng)保持一致。
7.2.3 樣品吸光度光譜是由參比能量光譜和樣品能量光譜按照公式A= log10(1/T)計算得到的。其中，透過率T為光透過樣品后的能量與入射光能量的比值。反射方式測量時，使用反射率R代替透過率。反射率為光經(jīng)樣品反射后的能量與人射光能量的比值。
注：式A=log10(1/R)在用于反射時不屬于定義，而是用于描述反射率R與吸光物質(zhì)濃度之間的線性關(guān)系。
7.2.4 測量參比物質(zhì)得到參比能量光譜，然后測量樣品物質(zhì)得到樣品能量光譜，按照上式計算得到樣品的吸光度光譜。
7.3 譜圖一致性
校正樣品光譜、驗(yàn)證樣品光譜和待測樣品光譜應(yīng)以同樣的方式采集。
8 模型的建立和驗(yàn)證
8.1 校正樣品的選擇
8.1.1 用于建立模型的校正樣品應(yīng)具有代表性。
8.1.2 校正樣品的品種類別應(yīng)與檢測樣品一致。
8.1.3 校正樣品的品質(zhì)指標(biāo)含量范圍應(yīng)涵蓋檢測樣品的含量范圍。
8.1.4 應(yīng)根據(jù)待測樣品的復(fù)雜性，確定校正樣品數(shù)量?？刹捎弥鞒煞只貧w(PCR)、偏最小二乘法(PLS)等線性回歸方法，校正樣品數(shù)量宜大于6倍校正模型中主成分的個數(shù)。
8.2 驗(yàn)證樣品的選擇
用于評價模型的驗(yàn)證樣品應(yīng)獨(dú)立于校正樣品，驗(yàn)證樣品的取樣和檢測應(yīng)與校正樣品一致。
8.3 光譜數(shù)據(jù)預(yù)處理
8.3.1 應(yīng)在模型建立前采用適宜的數(shù)據(jù)預(yù)處理方法對光譜數(shù)據(jù)進(jìn)行預(yù)處理，常用數(shù)據(jù)預(yù)處理方法包括平滑、微分、乘性散射校正(MSC)、中心化和標(biāo)準(zhǔn)化等。
8.3.2 應(yīng)對參與建模的光譜數(shù)據(jù)和濃度或性質(zhì)數(shù)據(jù)進(jìn)行中心化處理，將每個光譜減去校正集的平均光譜，或者將每個濃度或性質(zhì)減去校正集的平均濃度或性質(zhì)。
8.3.3 當(dāng)利用預(yù)處理后的光譜數(shù)據(jù)建立的模型滿足模型評價指標(biāo)要求時，該預(yù)處理方法可以使用。
8.4 校正橫型
8.4.1 建立方法
8.4.1.1 收集足夠數(shù)量的樣品，采集樣品光譜，測定樣品成分濃度或性質(zhì)參考值。測定參考值前，宜對樣品光譜進(jìn)行主成分分析(PCA)，指導(dǎo)初步剔除異常樣品或相同或極為相近的樣品，以避免不必要的參考值測定，降低參考值測定成本。選擇合適的校正樣品和驗(yàn)證樣品分別組成校正集和驗(yàn)證集。
8.4.1.2 根據(jù)待分析體系的復(fù)雜程度和化學(xué)計量學(xué)可提供的多元校正算法，選擇合適的算法。常用的多元校正算法包括多元線性回歸(MLR)、主成分回歸(PCR)和偏最小二乘法(PLS)等。
8.4.1.3 對校正集選用合適的數(shù)據(jù)預(yù)處理方法，使用合適的建模算法，建立初步校正模型，并通過驗(yàn)證集評價模型的準(zhǔn)確性，得到優(yōu)化的預(yù)處理方法和建模算法參數(shù)。合并校正集和驗(yàn)證集，并應(yīng)用優(yōu)化的預(yù)處理方法和建模算法參數(shù)，建模得到最終的校正模型。豬肉營養(yǎng)品質(zhì)的近紅外光譜檢測法示例見附錄A。
8.4.2 評價
校正模型的有效性利用校正標(biāo)準(zhǔn)誤差(SEC)、校正決定系數(shù)(R2C)和校正樣品標(biāo)準(zhǔn)差/校正標(biāo)準(zhǔn)誤差(SDCS/SEC)指標(biāo)評價。
8.4.3 驗(yàn)證
選擇驗(yàn)證標(biāo)準(zhǔn)誤差(SEV)、驗(yàn)證決定系數(shù)(R2V)和驗(yàn)證樣品標(biāo)準(zhǔn)差/驗(yàn)證標(biāo)準(zhǔn)誤差(SDVS/SEV)指標(biāo)評價校正模型驗(yàn)證預(yù)測效果。
8.4.4 維護(hù)
8.4.4.1 校正模型投入使用之后，應(yīng)持續(xù)監(jiān)測校正模型在使用中的有效性。如果校正模型的性能變差，導(dǎo)致樣品檢測結(jié)果準(zhǔn)確性下降，應(yīng)適量增用校正樣品和驗(yàn)證樣品數(shù)量，并按本文件要求優(yōu)化或重新建立校正模型，以保證校正模型的適應(yīng)性和有效性。
8.4.2 應(yīng)采用儀器自帶或相關(guān)標(biāo)準(zhǔn)的性能測試方法對儀器的性能進(jìn)行監(jiān)測。若儀器性能下降，導(dǎo)致校正模型準(zhǔn)確性下降，則應(yīng)對儀器性能進(jìn)行檢測評價，校正檢測出的儀器問題。若對儀器進(jìn)行維修，如更換光源、檢測器等，應(yīng)當(dāng)重新標(biāo)定儀器，檢驗(yàn)儀器硬件的一致性，并對校正模型的有效性進(jìn)行評估。
9 檢測結(jié)果
9.1 樣品檢測
樣品檢測部位應(yīng)與建立校正模型的檢測部位相同，樣品光譜應(yīng)達(dá)到吸光度重復(fù)性要求，每份樣品應(yīng)檢測不少于3次，并計算校正模型預(yù)測值的平均值作為最終檢測結(jié)果。樣品的檢測結(jié)果應(yīng)滿足兩次檢測結(jié)果絕對差值不大于算術(shù)平均值的10%。
9.2 異常檢測結(jié)果的確認(rèn)和處理
9.2.1 異常檢測結(jié)果的來源
異常檢測結(jié)果的來源包括但不限于：
—樣品品種與校正模型要求不匹配：
—儀器故障；
—樣品光譜測量異常；
—樣品光譜測量條件與校正模型要求不四配；
—樣品光譜測量參數(shù)與建立模型時參數(shù)的不匹配；
—樣品成分含量超過校正模型范圍。
9.2.2 異常檢測結(jié)果的確認(rèn)
檢測結(jié)果出現(xiàn)以下任一條件，均可確認(rèn)其為異常檢測結(jié)果包括：
—檢測結(jié)果超出校正模型覆蓋的樣品成分含量范圍；
—兩次檢測結(jié)果的絕對差不符合重復(fù)性的要求；
—儀器或化學(xué)計量學(xué)軟件出現(xiàn)報警情況下的檢測結(jié)果。
9.2.3 異常檢測結(jié)果的處理
對于出現(xiàn)異常檢測結(jié)果的樣品，宜多次復(fù)測樣品(包括樣品成分含量標(biāo)準(zhǔn)理化分析方法測定、光譜測量、校正模型預(yù)測分析)。對復(fù)測仍異常的樣品，宜納入校正樣品，重新建立校正模型。
9.3 準(zhǔn)確性和精密度
宜滿足參考理化指標(biāo)檢測的標(biāo)準(zhǔn)方法中規(guī)定的準(zhǔn)確性、重復(fù)性和再現(xiàn)性要求。
9.4 樣品檢測報告
樣品檢測報告內(nèi)容包括但不限于：
—樣品類型；
—樣品名稱；
—送檢時間；
—儀器類型；
—波長范圍；
—測量條件；
—建模方法；
—檢測時間；
—檢測結(jié)果。
附錄A
(資料性)
豬肉營養(yǎng)品質(zhì)的近紅外光譜檢測法示例
A.1 近紅外光譜分析儀的校驗(yàn)
本示例采用光柵掃描型近紅外光譜分析儀，按照儀器操作手冊規(guī)定，對儀器的性能進(jìn)行檢驗(yàn)，檢驗(yàn)項(xiàng)目合格后測量。
A.2 檢測目的與適用范圍
應(yīng)用近紅外光譜對豬肉樣品進(jìn)行營養(yǎng)品質(zhì)的定量檢測，檢測項(xiàng)目包括水分、脂肪和蛋自質(zhì)。
A.3 樣品準(zhǔn)備
本示例采用豬肉樣品共計140份，按照GB/T 9695.19規(guī)定的方法進(jìn)行取樣。理化指標(biāo)檢測方法：
—水分含量檢測符合GB 5009.3-2016；
—脂肪含量檢測符合GB 5009.6-2016；
—蛋白質(zhì)含量檢測符合GB 5009.5-2016。
A.4 樣品的近紅外光譜測量
本示例采用光柵掃描型近紅外光譜分析儀，配備光譜測量與化學(xué)計量學(xué)分析軟件，采用漫反射測量方式：主要工作參數(shù)為：光譜掃描范圍1000nm～2500nm，分辨率8nm，掃描平均次數(shù)30次。
針對樣品的同一檢測部位測量，得到該部位的近紅外漫反射光譜，見圖A.1。
A.1 豬肉的近紅外光譜示意圖
A.5 校正樣品和驗(yàn)證樣品的選擇
按照豬肉樣品的品質(zhì)含量分布排序，篩選出100份樣品作為校正樣品，用于建立校正模型，剩余40份樣品作為驗(yàn)證樣品，見表A.1。
表A.1 校正樣品和驗(yàn)證樣品的品質(zhì)含量分部
| 檢測項(xiàng)目 | 校正集 | 驗(yàn)證集 | ||
| 最小值 | 最大值 | 最小值 | 最大值 | |
| 水分 | 70.90 | 77.40 | 71.40 | 77.30 |
| 脂肪 | 0.50 | 5.70 | 0.80 | 4.30 |
| 蛋白質(zhì) | 19.70 | 25.50 | 20.30 | 24.10 |
A.6 模型的建立評價
利用化學(xué)計量學(xué)分析軟件，建立偏最小二乘法的校正模型，模型結(jié)果見圖A.2～圖A.4、表A.2。
圖A.2 豬肉水分含量定量模型預(yù)測效果示意圖 （略）
圖A.3 豬肉脂肪含量定量模型預(yù)測效果示意圖 （略）
圖A.4 豬肉蛋白質(zhì)含量定量模型預(yù)測效果示意圖 （略）
表2 豬肉營養(yǎng)品質(zhì)近紅外光譜檢測效果示范
| 指標(biāo) | SEC | R2C | SDCS/SEC | SEV | R2V | SDVS/SEV |
| 水分 | 0.5 | 0.94 | 2.87 | 0.7 | 0.88 | 2.07 |
| 脂肪 | 0.6 | 0.87 | 1.96 | 0.4 | 0.88 | 2.07 |
| 蛋白質(zhì) | 0.4 | 0.90 | 2.16 | 0.5 | 0.83 | 1.74 |
本標(biāo)準(zhǔn)由國家市場監(jiān)督管理總局 國家標(biāo)準(zhǔn)化管理委員會于2021年8月20日發(fā)布，2022年3月1日實(shí)施。
