《Meat Science》：Geographical origin authentication of beef from Canada, Australia and Mexico using visible–near infrared spectroscopy and chemometric approaches
编辑推荐：
•Vis-NIRS使用所有算法均能正确区分加拿大麦饲/玉米饲牛肉、澳大利亚牛肉和墨西哥牛肉。•合并不同饲养体系的加拿大样本略微降低了模型识别率。•通过VIP进行光谱变量筛选在可见光和可见-近红外波段均实现了准确分类。•VIP识别出与色素、水分和脂肪酸相关的关键波段。•Vis-
- •
Vis-NIRS使用所有算法均能正确区分加拿大麦饲/玉米饲牛肉、澳大利亚牛肉和墨西哥牛肉。
- •
合并不同饲养体系的加拿大样本略微降低了模型识别率。
- •
通过VIP进行光谱变量筛选在可见光和可见-近红外波段均实现了准确分类。
- •
VIP识别出与色素、水分和脂肪酸相关的关键波段。
- •
Vis-NIRS结合化学计量学方法成功实现了牛肉的地理溯源区分。
引言
肉类从农场到餐桌的整个过程，以及追踪其在生产、加工和分销各阶段流转的能力，被称为可追溯性（Monahan等人，2018年）。可追溯性本身并不能保证产品质量；然而，消费者往往愿意为与可追溯信息相关的属性支付更高的价格，例如食品安全、基于价值的标签以及原产国（CoO）（Bitzios等人，2017年）。特别是，消费者特别关注原产国，因为他们将特定地区与更高的质量标准联系起来，同时也对本国或邻国的文化和政治亲近感有所体现。因此，原产国在购买决策过程中扮演着重要角色（Caroprese等人，2020年）。
在公共卫生受到威胁之后，对肉类原产地标识的关注度不断上升，例如牛海绵状脑病（BSE，即"疯牛病"）的爆发、牲畜饲料污染以及与生产方式相关的担忧（Loureiro & Umberger，2007年）。例如，欧盟于1997年引入了牛肉强制原产地标识制度，以应对与BSE相关的担忧，并作为一种提升产品感知质量的手段（Balcombe等人，2016年）。在北美，美国自2002年起开始实施针对零售环节出售的动物产品（如牛肉、猪肉和羊肉）的强制原产地标识法规（Twine等人，2016年）。这一要求为消费者提供了准确、完整且透明的信息，从而使其能够做出更明智的购买决策（Heaton等人，2008年）。根据Loureiro和Umberger（2005年）的说法，如果动物在美国境内出生、饲养和加工，则该肉类产品可以标注为"美国产品"。在加拿大，加拿大食品检验局（CFIA）规定进口产品必须通过以下方式标明其原产地：(a) 包含加拿大公司的名称和地址以及产品原产国，(b) 提供外国制造商的名称和地址，或(c) 使用诸如"进口商为"或"由……进口"等表述。
然而，经济利益驱使导致以牟利为目的的虚假重新贴标行为不断增加（Kendall等人，2018年）。这种做法之所以可能发生，是因为标准的供应链通常涉及进口整块四分之一胴体或大型主切割肉，随后将其加工成特定的零售肉块和牛排，再重新包装进入市场。在这一过程的各个环节中，都存在故意欺诈或无意错误贴标的风险，这为以较低质量标准生产的肉类以较高质量产品的名义进行营销和销售提供了可乘之机。
为了降低欺诈风险并验证标签声明，已探索了多种分析方法来确定肉类的地理原产地。迄今为止，人们通过稳定同位素分析、总体化学成分、遗传标记、微生物学特征以及感官特征和挥发性化合物等方法间接评估了原产地（Franke等人，2005年；Heaton等人，2008年）。然而，这些方法往往耗时长、成本高，且不适合在生产速度下进行
在线应用。因此，基于光谱技术的方案作为一种有前景的替代方案应运而生，能够快速且无针对性地识别肉类原产国（León-Ecay等人，2025年）。可见-近红外光谱（Vis-NIRS）基于有机分子键（如C
H、O
H和N
H）对能量的吸收。这一特性使Vis-NIRS特别适用于广泛的应用领域，因为大多数含氢有机化合物都具有特征性的近红外光谱信号（Manley，2014年）。所得光谱可以通过定量方法（即预测模型）或定性方法（即基于已知属性的分类）进行分析。例如，在肉类科学领域，近红外光谱已成功应用于根据动物饲养方式对肉类进行分类（León-Ecay等人，2024年；Rey-Cadilhac等人，2025年）、区分冻肉和鲜肉（Hashem等人，2025年）以及追踪牛肉成熟时间（Rezende-de-Souza等人，2025年）等应用。尽管取得了这些进展，近红外光谱在原产国判定方面的应用仍然有限。据我们所知，Vis-NIRS仅被用于区分同一国家内不同省份或地区的羊肉和绵羊肉（Sun等人，2012年；Weng等人，2021年）。
因此，本研究旨在评估Vis-NIRS在单一分析方法中区分来自三个不同国家（加拿大、澳大利亚和墨西哥）饲养的牛肉的潜力，旨在开发一种可持续技术以加强进口商层面的可追溯性控制。
各节摘要
商业肉样采样
从加拿大各地的杂货店购买了120块（n = 120）商业西冷牛排。具体而言，大麦饲加拿大牛肉（CAD大麦饲，n = 30）在西雅图省购买，而玉米饲加拿大牛肉（CAD玉米饲，n = 30）、草饲澳大利亚牛肉（AUS，n = 30）和谷饲墨西哥牛肉（MEX，n = 30）在安大略省购买。购买后立即以原包装在-20°C条件下储存（加拿大和墨西哥均为标准零售外包装）
结果与讨论
表1列出了根据原产国（CAD、AUS和MEX）划分的牛排特征（宽度、长度、厚度和生重）的均值及相应标准差。
按原产国区分牛排意味着存在多种因素引起的差异，如地理起源、品种、饲养方式、死后加工或储存条件等。在此背景下，重要的是要指出本研究中未获取到此类信息。然而，这并未
结论
本研究结果证明了Vis-NIR技术在区分来自加拿大（CAD）、墨西哥（MEX）和澳大利亚（AUS）的肉类方面具有强大潜力。该技术在测试阶段成功分类了基于原产国的肉样（加拿大麦饲/玉米饲 vs. 澳大利亚 vs. 墨西哥），无论应用何种光谱区域或算法，总体准确率均在92%至100%之间。合并不同饲养体系的加拿大样本略微降低了分类性能，但总体准确率仍然
CRediT作者贡献声明
Sara León-Ecay：原稿撰写、可视化、软件、方法学、调查研究、形式化分析。óscar López-Campos：审阅与编辑、监督、资源、调查研究、数据整理。Ainara López-Maestresalas：审阅与编辑、软件、方法学、形式化分析。Kizkitza Insausti：审阅与编辑、监督、方法学、形式化分析。Nuria Prieto：审阅与编辑、监督、项目管理、方法学、数据
致谢
本研究由加拿大牛肉协会资助，并作为加拿大牛肉肉质战略的一部分开展。Sara León-Ecay是UPNA研究所IS-FOOD资助的博士后研究员，通过"Navarra政府授予IS-FOOD研究所的超区域卓越计划竞争性地位提升补助"获得资金支持（0011-3901-2026-0000004）。作者感谢Lacombe研究中心的运营、加工和技术人员
Sara León-Ecay|óscar López-Campos|Ainara López-Maestresalas|Kizkitza Insausti|Nuria Prieto
