Введение Методы микроструктурного анализа, наряду с физико-химическими и молекулярно-биологическими, достаточно широко распространены как в России, так и во всем мире. Гистологические методы позволяют выявить локальные изменения в мясном сырье, влияющие на химический состав и качество готового продукта. Они могут быть ис- пользованы для определения составных компонен- тов и технологии производства различных видов полуфабрикатов и готовых продуктов [1]. Сегодня известно большое количество как клас- сических технических приемов подготовки образцов и получения препарата для проведения микроструктурных исследований, так и основанных на возможностях современного гистологического обо- рудования. Большинство исследований носит каче- ственный характер и направлено на выявление того или иного ингредиента состава, тем не менее ре- зультаты могут быть существенно расширены за счет количественного (морфометрического) анали- за [2]. Основные направления применения морфомет- рии - это расчет процентного содержания компо- нента в продукте (в данном случае результат будет выражаться в объемных процентах (об. %) - процент площади, занимаемой данным компонентом в исследуемом образце) и определение линейных размеров частиц исследуемого образца. Существует ручная морфометрия. Например, для определения процентного содержания компо- нента в продукте используются специальные измерительные решетки, вставляемые в окуляр микроскопа, либо интеграционные окуляры (окуляры с измерительной сеткой). Линейные размеры частиц измеряют с помощью окулярного микрометра - линейки, представляющей собой специальную вставку в окуляр микроскопа. Измерения проводят с использованием различных сочетаний объективов и окуляров в соответствии с размерами анализиру- емых структур. Однако в этом случае работа требу- ет больших трудозатрат при меньшей точности результатов. На современном этапе развития гистологиче- ского оборудования и программного обеспечения для проведения исследований все шире используются компьютерные системы анализа изображения, представляющие собой модульные системы обра- ботки и анализа, предназначенные для световой микроскопии и проведения морфометрических ис- следований. Данные системы позволяют суще- ственно сократить время исследования, одновре- менно предоставляя возможность значительно расширить набор определяемых показателей [3]. В настоящее время в мясоперерабатывающей промышленности системы анализа изображений используются для измерения различных парамет- ров мышечного волокна, для определения количе- ства тканей и костей, особенно в мясе механиче- ской обвалки, для обнаружения растительных ком- понентов [4, 5]. Во ВНИИМП активно проводятся работы, направленные на совершенствование и модерниза- цию традиционных микроструктурных методов определения качества мясного сырья и продуктов, в том числе на расширение возможностей примене- ния компьютерных систем анализа изображений. Объекты и методы исследований Гистологические исследования проводились в соответствии с действующими стандартизованными методами: ГОСТ 19496-2013 «Мясо и мясные продукты. Метод гистологического исследования», ГОСТ 31796-2012 «Мясо и мясные продукты. Ускоренный метод определения структурных ком- понентов состава», ГОСТ 32224-2013«Мясо и мяс- ные продукты для детского питания. Метод опре- деления размеров костных частиц», ГОСТ Р 54047- 2010 «Мясо и мясные продукты. Метод определе- ния дисперсности», ГОСТ 31474-2012 «Мясо и мясные продукты. Гистологический метод опреде- ления растительных белковых добавок», ГОСТ 31500-2012 «Мясо и мясные продукты. Гистологи- ческий метод определения растительных углевод- ных добавок». Срезы изготавливали на криостатном микрото- ме MICROM HM-525, толщина срезов 16-20 мкм. Окрашивали срезы гематоксилином Эрлиха и докрашивали 1%-м свежеприготовленным водно- спиртовым раствором эозина; заключали под по- кровные стекла в глицерин-желатин. Анализ гисто- логических препаратов проводили на световом микроскопе AxioImaigerA1 (CarlZeiss, Германия), применяя объективы с увеличением от 10х до 63х, с подключенной видеокамерой AxioCamMRc 5. Кор- ректирование изображений и морфометрические исследования осуществляли на компьютерной си- стеме анализа изображений AxioVision 4.7.1.0, раз- работанной для гистологических исследований. Морфометрические исследования проводили в со- ответствии с традиционными методами количе- ственного анализа и трехкратной повторностью эксперимента. Результаты и их обсуждение Система анализа изображений включает в себя три объединенных друг с другом блока: оптическое устройство, считывающее изображение (световой микроскоп или стереомикроскоп), устройство пе- редачи и хранения данных (видеокамера, цифровая фотокамера или сканер, подключенные к компью- теру) и программное обеспечение. Перечисленные блоки должны быть максимально согласованы между собой, чтобы сформированное микроскопом изображение испытывало минимальные искажения в процессе его передачи и последующей обработки на компьютере. Основные этапы проведения количественного микроструктурного исследования с применением системы анализа изображений: считывание изоб- ражения с микроскопа с помощью подключенной фотовидеокамеры, его передача в компьютер, со- хранение, корректирование в программе анализа, отбор объектов для морфометрии, проведение из- мерения. Затем следует статистическая обработка и анализ данных и далее представление результатов в табличной или графической форме. Корректировка изображения включает в себя следующие действия: регулировка контрастно- сти, яркости и цветности; подавление шума, сглаживание; повышение резкости и выделение деталей; коррекция освещенности и баланса бе- лого. Совершенствование операционного аппара- та обработки изображений позволяет существен- но снизить трудоемкость микроструктурного анализа. С помощью систем анализа изображений можно анализировать как макроскопические, так и микро- скопические изображения, проводить измерения как в интерактивном, так и в автоматическом режимах (рис. 1). Рис. 1. Определение размера жировых фрагментов на срезе сырокопченой колбасы в интерактивном режиме измерения Современное модульное программное обеспе- чение позволяет проводить «выбор» анализируе- мых структур в автоматическом режиме с учетом многофакторного анализа. В этом случае требу- ется максимальная контрастность изучаемых объектов и их дифференцированное окрашива- ние, так как все программы автоматически распо- знают структуры только по их цветовым характе- ристикам. Очень важным шагом для успешного автоматического анализа изображений является правильный выбор специального метода окраши- вания для изучаемого компонента. Так, для изу- чения жировых компонентов лучше применять окрашивание Суданом III, IV или OilRedO [6], а для выявления крахмала использовать раствор Люголя (рис. 2). Рис. 2.Определение количества жировой ткани, окрашенной OilRedO, на препарате сырокопченой колбасы в автоматическом режиме измерения Для определения растительных белков, таких как соевый и пшеничный, которые на гистологиче- ском препарате окрашиваются как мышечные структуры, разрабатываются высокоспецифичные иммуногистохимические методы, когда окраске подвергается только выявляемый компонент, что дает возможность широкого применения системы анализа изображения для более детального изуче- ния гистологического препарата и проведения морфометрического анализа [7, 8]. Система анализа изображений дает возмож- ность получить детальную количественную ин- формацию по следующим параметрам измерений: площадь (в том числе внутренняя площадь и периметр), размеры (средняя хорда, длина, ширина, средний размер, минимальный, максимальный и средний диаметр Фере, размеры по Х и Y), размеры по формам (фактор круга/эллипса, округлость, удлиненность), размеры по моделям, цветовые и оптические и др. Автоматическая морфометрия в отличие от руч- ной предоставляет более точные данные и зависит от способа подготовки образца к исследованию и окрашивания препарата. Тем не менее данный ме- тод чаще всего невозможен без активного вмеша- тельства специалиста-гистолога, который должен проводить ручную коррекцию действий, осуществ- ляемых компьютером. Особенно это необходимо для идентификации и точного установления границ измеряемых частиц, то есть правильного определе- ния тканевой принадлежности, что особенно акту- ально в микроструктуре мясных продуктов, когда после технологической обработки существенно меняется нативная морфология. Особенно актуальным является определение ко- личества того или иного компонента в составе про- дукта (рис. 3). Однако подсчет массовой доли того или иного компонента продукта микроструктурным методом затруднен нелинейной корреляцией между объемными и массовыми данными, прежде всего в связи с различной степенью гидратирования ком- понентов при технологической обработке. Рис. 3. Определение количества соевого белка на препарате вареной колбасы в автоматическом режиме измерения Во ВНИИМП им. В.М. Горбатова был разра- ботан ГОСТ 32224-2013 «Мясо и мясные продук- ты для детского питания. Метод определения размеров костных частиц», который основан на измерении размера костных частиц после хими- ческого выделения костного остатка из продукта. В стандарте в том числе, предусмотрено и ис- пользование компьютерной системы анализа изображения (рис. 4). При проведении исследований для частиц сложной формы определяют средний диаметр Фере, для удлиненных линейных  длину. Если автоматическое разделение частиц невозможно, прибегают к их интерактивному разделению. В результате работы получают следующие показатели: общее количество частиц, минимальный и максимальный размеры, средний размер частиц, стандартное отклонение, а также другие показатели. Полученные данные представляют в виде таблиц, графиков распределения или диаграмм. В заключение рассчитывают процент частиц, кото- рые превышают нормативный размер. Рис. 4. Определение размера костных частиц Рис. 5. Определение дисперсности мясного продукта для детского питания В России действует ГОСТ Р 54047-2010 «Мясо и мясные продукты. Метод определения дисперсно- сти», который позволяет устанавливать размер частиц мясных и мясосодержащих продуктов с использова- нием количественного гистологического анализа. Это особенно актуально для продуктов, предназначенных для детского питания, что связано с особенностями физиологии пищеварения детей и строения их желу- дочно-кишечного тракта (рис. 5) [9]. Выводы В заключение, хочется отметить, что ни одна из самых современных компьютерных систем анализа изображений не способна заменить ква- лифицированного исследователя. Это связано прежде всего с тем, что пока современная наука не может создать аппаратуру, характеристики которой приближались бы к возможностям чело- веческого глаза, и которая могла бы заменить человеческий мозг. Однако системы анализа и обработки изображений, активно развивающиеся в последнее время, позволяют при участии высо- коквалифицированного специалиста на порядки увеличить производительность труда и оператив- но получать результаты высокого качества. Совмещение высокоспецифичных методов окрашивания с применением новейшего программ- ного обеспечения позволит существенно расширить возможности использования системы анализа изоб- ражений для исследования мясного сырья и гото- вых продуктов.