利用高光谱成像技术对蛇头鱼片在水分保持过程中的磷酸盐响应特性进行表征与预测

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Characterization and prediction of phosphate responsiveness using hyperspectral imaging in snakehead fillets during water retention

　　

青一伟|陈泽茂|朱志伟|于敬晓|蒲洪斌

华南理工大学食品科学与工程学院，中国广州510641

摘要

磷酸盐添加剂被广泛用于提高鱼片的保水能力，但其效果受到肌肉结构的显著影响，尤其是在冻融处理后。本研究探讨了高光谱成像（HSI）在预测不同冻融循环期间蛇头鱼片磷酸盐添加量方面的潜力。以短波红外（SWIR）光谱和理化性质作为预测因子，开发了序数逻辑回归（OLR）和LightGBM模型来预测有序的响应类别。LightGBM在预测浸泡重量增加（SWG）和离心损失（CL）方面表现最佳，总体准确率分别为0.77和0.74（均方根误差分别为0.45和0.51），而OLR在预测结合水（BW）和固定水（IW）方面稳定性更高，准确率分别达到0.79和0.74（均方根误差分别为0.45和0.51）。根据混淆矩阵，大多数样本分类正确，尤其是在较低添加量下。¹基于LightGBM的像素级预测图进一步显示了与冻融循环相关的鱼片内部异质性，突出了磷酸盐响应的空间非均匀性。这项研究表明，SWIR高光谱成像可用于表征和预测鱼片的磷酸盐响应特性，揭示了冻融历史引起的异质性及其对磷酸盐添加保水行为的影响。

引言

磷酸盐常被用作肉类和水产品的功能性添加剂，以增强保水能力、改善质地并提高产品产量[1]、[2]。由于磷酸盐能够调节pH值、离子强度和肌纤维蛋白相互作用，因此可以促进肌肉组织中的水分保持[3]、[4]。然而，磷酸盐的使用不当（无论是不足还是过量）都会影响感官质量、加工性能和食品安全[5]。此外，过量摄入磷酸盐被认为会导致人体骨骼矿物质代谢问题[6]。因此，了解和表征加工过程中磷酸盐添加对肌肉理化性质的影响非常重要。

蛇头鱼（Channa argus）在中国通常被称为“黑鱼”，由于其高营养价值、坚实的质地和较少的肌肉间骨骼[7]、[8]，适合加工成四川泡菜鱼片。然而，密集的肌肉纤维结构可能导致口感干燥，从而影响整体感官质量。因此，在加工过程中需要保持水分。此外，商业生产中常用冷冻方法来保持鲜鱼的新鲜度，这是由于加工能力和运输限制，而且鱼片通常由新鲜和之前冷冻的原材料混合制成[9]、[10]，这会导致蛋白质构象、水分分布和肌肉微观结构的差异，进而影响后续加工过程中的鱼片质量[11]、[12]。为了解决这一问题，通常使用磷酸盐添加剂来增强肌肉的水合质地和产量，从而改善口感和食用体验[13]。根据中国国家食品安全标准，冷冻水产品中磷酸盐的最大使用量为5.0克/千克（以磷酸根PO₄^3?计算）[14]，这表明在不同原材料条件下准确评估磷酸盐相关效应的重要性。传统的磷酸盐含量检测方法（如钼蓝分光光度法）受到复杂预处理、破坏性和低通量的限制，不太适合表征加工过程中的肌肉异质性响应。

高光谱成像（HSI）结合了光谱技术和成像技术，可以快速且无损地评估肌肉组织中可见光和近红外（VNIR，400–1000纳米）以及短波红外（SWIR，1000–2500纳米）范围内的化学和结构特征[15]、[16]。常用的HSI系统有推扫（线扫描）和快照模式，它们在空间分辨率和采集速度之间提供了权衡[17]、[18]。通过OH、CH和NH键的吸收模式，可以获得有关水分分布、蛋白质构象和肌肉完整性的有用信息[19]、[20]、[21]。HSI已应用于生物组织的像素级空间识别[22]。然而，在光谱数据的高维度下，需要应用先进的多变量和机器学习方法来提取相关的光谱-性质关系[23]。机器学习包括各种具有不同功能焦点的算法。Wei等人[24]使用主成分分析（PCA）从拉曼光谱中提取特征峰，成功区分了三种不同的食源性病原体。Chen等人[25]应用偏最小二乘法基于900–1700纳米范围内的近红外光谱评估珍珠龙鱼的新鲜度。Pu等人[26]利用卷积神经网络从HSI数据中提取区分特征，成功区分了不同冻融状态的牛肉。序数逻辑回归（OLR）是一种适用于处理有序响应变量的分类模型，能够捕捉预测变量和有序结果之间的单调趋势[27]，[28]，而LightGBM能够处理高维输入数据、建模非线性关系并自动捕捉特征交互[29]。

最近，HSI在捕捉与感官属性[30]、[31]、[32]、水分分布[33]、[34]和蛋白质变性[35]、[36]、[37]等理化性质相关的空间和光谱特征方面显示出强大的潜力。在水产品研究中，HSI已被有效应用于评估新鲜度[17]、[38]和监测冻融循环的影响[39]、[40]，强调了其在加工前表征鱼片质量的能力。最近的研究进一步强调了HSI在无损评估中的广泛应用[41]。然而，这些研究主要关注材料的内在特性。高光谱成像在表征和预测不同冻融条件下鱼肌肉对磷酸盐响应方面的潜力尚未得到充分探索。

本研究使用短波红外高光谱成像来表征和预测蛇头鱼片加工过程中的磷酸盐响应特性。结合关键理化性质的高光谱数据，建立了序数逻辑回归和Light Gradient Boosting Machine模型，以研究光谱特征与有序磷酸盐响应水平之间的关系。此外，为了进一步揭示与冻融历史相关的空间异质性，进行了像素级可视化。相应的流程图如图1所示。

章节片段

样品制备

从中国佛山市南海区的一个商业水产养殖基地获取了不同批次的新鲜蛇头鱼。收获后立即对鱼进行麻醉、去鳞、去内脏，并沿纵向切半以获得无骨部分。使用冷藏容器在0–4°C的条件下将鱼运输到实验室，并在0–4°C的冷藏条件下储存，直至进一步处理。

蛇头鱼片均匀分为三组：新鲜组、

保水能力

保水能力通过测量SWG和CL来评估，如图2A-B所示。随着磷酸盐浓度的增加（图2A），SWG显著上升（P < 0.05）。特别是在FT2组中，SWG从8.13%显著上升到45.15%。在低磷酸盐浓度下，新鲜样本的SWG高于冻融样本，这可能是由于它们的肌纤维网络和细胞膜更为完整，从而允许更有效的毛细通道和蛋白质水合位点

结论

本研究表明，使用HSI结合化学计量建模是一种可行的策略，用于分类蛇头鱼片加工中的磷酸盐处理类别。通过将SWIR光谱信息与理化性质相结合，LightGBM和OLR模型成功分类了不同磷酸盐处理水平的样本。使用第1 Der预处理方法在提高分类性能方面特别有效。LightGBM模型使用

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：蒲洪斌报告获得了华南理工大学的财务支持。蒲洪斌与华南理工大学存在以下关系：就业和资金资助。如果有其他作者，他们声明没有已知的潜在财务利益或个人关系

致谢

作者感谢广州市科技计划项目（2025B03J0124；2024B03J1315）的支持。