打开APP
userphoto
未登录

开通VIP,畅享免费电子书等14项超值服

开通VIP
无损检测技术在掺假肉及肉制品中的应用

“蓝字”

近年来,国内外均发生了严重的肉掺假事件,如 2013年欧洲多国发生的“马肉风波”,以马肉掺假牛肉;2017年日本发生的掺假神户牛肉;2013年江苏地区发生的用狐狸肉生产假羊肉等。肉掺假是指不法商家将廉价肉类、不可食用肉类、水及非肉类物质等掺到高价肉品如牛、羊肉或其制品等以获取高额利益。在掺假肉及肉制品中还可能加入违规用量的亚硝酸盐、色素等添加剂来掩盖掺假肉的感官性质,最常见的掺假肉及肉制品是用较便宜或易获得的肉来部分或全部替换高价肉。市场上销售的掺假肉及肉制品最有可能出现在肉丸、肉馅及汉堡肉饼当中,主要是由于这些原料肉的形态已变化,肉眼无法直接分辨,不同种类的掺假肉及肉制品如表1所示。

掺假肉品可能有食用安全隐患:(1)掺假物质有毒;(2)减少维持健康所需的营养;(3)过敏问题等。因此,检测肉及肉制品是否掺假对于消除食品安全隐患有着重要的作用。

01
掺假肉及肉制品的传统检测技术

掺假肉及肉制品的传统检测技术主要以肉中代表性的脂肪、蛋白质和核酸作为标准进行检验。 已经应用到掺假肉及其制品的检测技术主要包括: (1) 感官鉴定,感官鉴定可通过色泽、气味、脂肪纹理等进行鉴定。成本低,但易受感官人员主观经验影响,准确度不高且不适合工业在线监测;(2) 分子生物学方法,例如实时PCR和多重PCR,特异性强且灵敏度高,但需昂贵的实验设备和专业人员操作,只能半定量分析及不适合在线监测;(3) 酶联免疫学方法,有商品化试剂盒法,操作简单,成本低,但易产生假阳或假阴性;(4) 色谱方法,精确,但前处理过程较繁琐,分析时间较长。由于这些技术在检测时会破坏产 品而造成一定的经济损失,因此,寻求经济,无损,准确及短时间内检测大量掺假肉及肉制品的无损技术至关重要。

02
掺假肉及肉制品的无损检测技术

无损检测技术(NDT)可在不破坏待检样品的物理形态及化学性质的基础上对样品进行分析测定需取用非常少量的样品,无需化学预处理,并在不损坏样品的形态下通过简单的测量获得检测信息,且少量样品的鉴定结果通常就能代表整体的理化性质。目前,鉴别掺假肉及肉制品的NDT主要包括光谱学和生物传感器技术。

光谱学技术具有快速、灵敏及无损等优点,其在食品检验中的应用较多。主要有红外光谱(IR)、拉曼光谱、高光谱成像(HSI)、多光谱成像(MSI)和核磁共振技术(NMR)在掺假肉及肉制品中的应用。

2.1.1 IR技术

IR在检测掺假肉及肉制品方面已经取得了一定发展,其中波长范围为0.75-2.5μm 的近红外(NIR)和波长范围在2.5-5μm(MIR)的中红外已广泛地用于食品分析。MORSY等基于 NIR成功检测了新鲜和解冻牛肉中内脏、猪肉和脂肪的掺假。RAHMANIA等利用FT-MIR对鼠肉及牛肉中不同脂肪酸的甘油三酯峰强度进行分析,并建立 PLS 预测牛肉中的鼠肉含量的模型,利用PCA成功检测了牛肉丸中鼠肉成分。目前未见有相关报道研究远红 外光谱检测掺假肉及肉制品。

IR检测技术在掺假肉及肉制品的应用较多,但主要检测牛羊肉等高价肉品中内脏、禽类和猪肉及保 水性物质的掺假,对于不可食用肉类老鼠、狐狸等掺假鉴定很少涉及,未来研究需扩大IR技术鉴别不同 种类掺假肉及肉制品的范围。另外,IR技术会受本身特点、样本及环境条件的限制而出现光谱基线平移等不利现象,为了检测更具准确性及参考价值,需优化IR关键技术,消除光谱的干扰因素。

2.1.2拉曼光谱技术

拉曼光谱检测的掺假食品主要是蜂蜜等液态食品,在肉及肉制品的掺假检测应用少。BOYACI等于利用拉曼光谱区分牛肉及马肉的纯脂肪,根据特征化学键利用 PCA 模型快速鉴定了牛肉中掺假不同含量的马肉。ZHAO 等利用分散拉曼光谱鉴别冷冻并解冻掺假汉堡牛肉饼,通过与特殊蛋白质和脂质化学结构有关的特征性 波长利用 PCA 在一定程度上区分真实和掺假样品,并建立正确判别率为90% 的PLS-DA 和高灵敏度 SIMCA 判别模型,但利用 PLS 模型对掺假鉴别的误差大,可能与内脏和牛肉的光谱相似性及冻融后大分 子的结构变化等有关。 BIASIO 等利用改善空间分辨率的微拉曼光谱结合 PCA、 LDA 及 KNN 成功鉴别了鸡肉、猪肉、火 鸡、羊肉、牛肉和马肉。拉曼光谱技术在肉及肉制品的掺假检测领域起步较晚,仪器昂贵使得它难以在肉及肉制品行业中普及使用,样品中有机分子的荧光效应会影响拉曼准确性等。因此,今后研究方向: (1) 开发低成本且专有的在线拉曼光谱检测设备;(2) 扩大高分辨度的傅里叶拉曼光谱、高灵敏度特异性的表面增强拉曼光谱、分散拉曼光谱及移频激发差分拉曼光谱等可消除或 抑制荧光效应的拉曼技术在掺假肉及肉制品应用; (3) 结合拉曼光谱与其他无损检测技术共同鉴定掺假肉及肉制品。

2.1.3 HSI技术

HSI在检测肉品质量及安全性中应用较为广泛,在掺假肉及肉制品检测应用少。刘友华等利用波长范围为390 ~1 040 nm VNIR-HSI 结合PLS检测羊肉中猪肉掺假。KAMRUZZAMAN等利用VNIRHSI 通过图像处理技术能在像素级检测掺假鸡肉的碎牛肉,且PLSR 模型为判别掺假的最佳模型。目前,HSI技术是预测肉类品质和安全性的最有效的成像方法之一,但它获得的光谱数据信息量较大,处理复杂,受到计算机硬件的限制,且常需降维处理,且检测结果包括冗杂信息。未来研究需不断优化降低 HSI数据维度的方法、提高数据处理的速度,并扩大HSI检测不同掺假肉及肉制品的范围。

 2.1.3 MSI技术

MSI技术已应用于肉理化性质的评估等,但它在掺假肉及肉制品的研究几乎很少,ROPODI利用MSI测定9种不同比例掺假猪肉的牛肉样品,且利用 PLS-DA 模型能很好判别掺假牛肉和猪肉样本,ROPODI等还利用MSI技术结合PLS-DA和SVM 检测 新鲜碎牛肉中马肉的掺假。 MSI 技术和其他无损技术相结合鉴别掺 假肉及肉制品也是一种可能的发展趋势。由于 MSI 技术检测结果还包括会影响结果准确性的多余信息如样本背景及连接组织,因此,还需优化图像处理步骤,使其更加有效去除样本中图像背景以确保结果准确性。

2.1.5 NMR技术

NMR技术已经对蜂蜜、红酒及食用油进行了真假鉴定,在掺假肉及肉制品中的应用很少,且主要是利用该技术检测注水注胶肉。王胜威利用 LF-NMR鉴定新鲜、注水及注胶羊肉。王欣等利用 LF-NMR 结合 CDA 成功对不同注水比例肉糜进行判别。目前,NMR检测技术在掺假肉及肉制品发展的障碍主要包括NMR仪器成本高,要求专业知识及磁场维护等。在未来的研究中,开发低成本、便携的NMR仪器促进NMR技术在掺假肉及肉制品的应用, 扩大NMR技术与磁共振成像技术结合检测不同种 类掺假肉及肉制品的范围。

电子鼻和电子舌传感器在检测掺假肉及肉制品中的应用有报道,电子鼻和电子舌的工作示意图分别如图所示。

TIAN等利用金属氧化物传感器检测羊肉中猪肉含量,建立了较好的BPNN预测模型。NURJULIANA 等采用表面声波传感器电子鼻分析样品挥发性成分并结合PCA 快速区分了牛肉、羊肉、 鸡肉以及猪肉及其香肠产品,其中电子鼻检测到猪肉中丰富的庚醛可作为区分猪肉及其他肉类产品的依据,这为判别猪肉掺假清真食品的无损检测提供一定的参考。

电子舌很少检测肉及肉制品掺假,田晓静等利用电子舌结合PCA和判别分析区分掺假不同含量鸡肉的羊肉糜,并建立的能有效预测掺假鸡肉比例的 PLS 和 MLR 模型。

虽然电子鼻和电子舌操作简单,但无法对样品各 组分进行准确定量,加之食品成分的复杂性,仅用电子鼻或电子舌检测肉制品的掺假是不够精确的。为获得更具参考性的结果,电子鼻、舌和光谱技术的结 合已被用作有效的鉴别方法。另外,电子鼻和电子舌 中传感器阵列的种类与其灵敏性和检测结果的可靠 性密切相关,可开发先进和功能齐全的传感器阵列来 改善电子鼻和电子舌检测技术的灵敏性与准确性,使其在掺假肉检测应用更加广泛,评估掺假肉及肉制品 的真实性更快、更可靠。

无损检测技术近年来在检测掺假肉及肉制品得到了越来越多的应用,但无损检测技术的发展仍面临一定挑战,对于掺假肉及肉制品的无损检测应: (1) 建立不同无损检测技术的掺假肉及肉制品检测数据 库,未来实现对掺假肉及肉制品的快速通用分析;(2) 消除光谱检测中的不利因素、优化光谱处理技术;(3) 研究不同无损检测技术的结合,弥补无损检测技术本 身的不足;(4) 开发经济有效的无损检测系统设备来增 加其在工业线上的应用,优化无损检测仪器中关键检 测元件的灵敏性;(5) 针对复杂的数据处理过程和图像 处理系统成本较高的问题,开发有效、简便而经济的数 据处理方法及软件是未来一个发展趋势,从而为无损 技术检测掺假肉及肉制品提供更为完善的理论和依 据,保障肉及肉制品的真实性及安全性。

参考文献:无损检测技术在掺假肉及肉制品中的应用进展

食品伙伴网公众号矩阵
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请点击举报
打开APP,阅读全文并永久保存 查看更多类似文章
猜你喜欢
类似文章
【热】打开小程序,算一算2024你的财运
《肉类研究》:肉及肉制品微生物检测新技术研究进展
表面增强拉曼光谱技术有望揭开针灸奥秘
翡翠鉴定高科技,高端投资有保障——拉曼检测,国际通行
制备新型SERS基底:
大多数东西都是由分子组成,那用什么来识别研究其分子结构呢?
多项现场检测仪器和检测技术集锦
更多类似文章 >>
生活服务
热点新闻
分享 收藏 导长图 关注 下载文章
绑定账号成功
后续可登录账号畅享VIP特权!
如果VIP功能使用有故障,
可点击这里联系客服!

联系客服