近紅外光譜技術在食品安全檢測中的最新研究進展

楊智靈 李 濤 任保增

（1．河南省產品質量監(jiān)督檢驗院，河南 鄭州 450008；2．鄭州大學化工與能源學院，河南 鄭州 450001）

近年來，食品摻假事件不斷發(fā)生，如含三聚氰胺牛奶事件、假奶粉事件、地溝油事件及假酒事件等，并由此帶來了一系列重大食品安全事故，嚴重威脅到消費者的身體健康［1］。如何確保食品安全已提升為全社會、國際性的重大課題，受到了廣泛的重視。為了保障消費者的身體健康，維護消費者的權益，需要加強對食品安全的監(jiān)督管理，研究開發(fā)出準確、便捷、經濟的食品安全檢測方法［2］。近紅外光譜技術因其具有快速、簡單、高效、經濟及環(huán)保等特點獲得了較多研究者的青睞，并已廣泛應用于食品安全的檢測中［3－5］。

1 近紅外光譜技術

1．1 近紅外光譜技術的原理

近紅外光（NIR）是介于可見光（VIS）和中紅外光（MIR）之間的電磁波，按ASTM（美國試驗和材料檢測協(xié)會）的定義是指波長在780～2 526nm 范圍內的電磁波［6］。近紅外光譜區(qū)與有機分子中含氫基團（OH、NH、CH）振動的合頻和各級倍頻的吸收區(qū)一致，通過掃描樣品的近紅外光譜，能得到其中有機分子含氫基團的特征信息［7］。不同物質在近紅外光譜區(qū)因成分不同而存在特定的吸收特征，這為近紅外光譜定量或定性分析物質提供了理論依據(jù)［8］。

1．2 近紅外光譜技術的特點及應用

近紅外光譜技術具有以下特點［9］：①分析過程簡單；②分析成本低；③既可作定性分析，也可作定量檢測；④無損分析；⑤分析速度快；⑥分析重現(xiàn)性好。

由于具有以上特點，近年來近紅外光譜技術在各行各業(yè)的應用得到了全面展開，經過50余年的發(fā)展，已廣泛應用到有機化工、高分子材料、制藥、生物化工、環(huán)境科學、紡織工業(yè)、農副產品及食品安全等眾多領域［10］。在食品安全領域，近紅外光譜技術主要用于食品的成分、品質、有害物質、品種、產地及摻假等方面的檢測分析。盡管近紅外光譜技術在食品安全領域的研究及應用時間較短，但由于其在食品中有害物質的結構鑒定方面所具有的突出優(yōu)勢，使得該技術在食品安全檢測中的應用日益廣泛，已涉及到乳及乳制品、食用油、蜂蜜、茶葉、肉類、酒類及其它食品的安全檢測中［11］。

2 近紅外光譜技術在食品安全檢測中的應用

2．1 乳及乳制品的檢測

乳及乳制品的主營養(yǎng)成分包括蛋白質、脂肪、乳糖及鹽類等，這幾類物質的組成與乳及乳制品的質量緊密相關。近紅外光譜技術在乳及乳制品的檢測包括理化指標和摻偽的檢測［12］。Kawasaki等［13］構建了基于近紅外光譜技術的牛奶品質檢測模型，該模型可較好地檢測牛奶的各項理化指標，評價牛奶的品質。韓東海等［14］利用近紅外光譜技術和偏最小二乘法建立了原料奶酸度和pH 值預測的定量模型，實現(xiàn)了對原料奶新鮮程度的快速、準確判別。祝靜等［15］采用近紅外光譜技術和偏最小二乘法建立了羊酸奶硬度、黏度和保水力質構參數(shù)的校正模型，提供了一種近紅外光譜的多組分定量分析的新途徑。鐘珍珍等［16］采用漫反射模式對其近紅外光譜進行了采集，建立了摻假原奶的近紅外光譜判別模型，實現(xiàn)了對摻假原奶的良好識別。劉景旺等［17］采用近紅外吸收光譜技術對奶制品中三聚氰胺的含量分析進行了研究，采用偏最小二乘法建立了數(shù)學模型，并快速準確檢測出奶制品中三聚氰胺的添加量。

2．2 食用油的檢測

食用油種類較多，不同種類的食用油因其營養(yǎng)價值的不同而價格迥異［18］。對于食用油的摻假，現(xiàn)有的檢測方法包括液相色譜法、同位素比值法及近紅外光譜法等［19］，在這幾種方法中，近紅外光譜法因其具有快速、簡便、準確等優(yōu)勢，應用日益廣泛。劉瑩等［20］對基于ARM9 微處理器的山茶油近紅外光譜檢測進行了研究，在嵌入式Linux系統(tǒng)下完成了AD7705驅動程序和基于QT 的系統(tǒng)軟件設計，實現(xiàn)了對山茶油體積分數(shù)的準確檢測。王傳現(xiàn)等［21］運用近紅外光譜技術和主成分分析法對初榨橄欖油中的各種食用油的摻雜作了定性分析，鑒別模型預測未知樣本的正確率達100%。Heussen等［22］采用近紅外光譜技術和偏最小二乘法建立了黃油中摻雜植物油檢測的數(shù)學模型，精確的評估了黃油的脂肪水平。葉康等［23］采用基于ARM 的近紅外光譜技術，在對廢棄油脂光譜數(shù)據(jù)的采集、處理和對比的基礎上，建立了標準樣品模型，將采集的數(shù)據(jù)同標準樣品模型比較，可實現(xiàn)不同廢棄油脂的有效鑒別。

2．3 蜂蜜的檢測

目前，蜂蜜的最常見摻假方法是在其中加入糖漿或轉化糖。由于糖漿組分與蜂蜜中的天然成分的物性類似，難以用感官或常規(guī)的化學檢測方法將其檢出。Downey等［24］運用近紅外光譜技術分析了摻入不等量葡萄糖和果糖的蜂蜜，用偏最小二乘回歸、K－鄰近距離和聚類軟獨立建模法等建立了蜂蜜摻假的檢測模型，結果表明，偏最小二乘法是蜂蜜摻假最準確的檢測方法。Kelly等［25］采用近紅外光譜技術，利用SIMCA 方法分別建立了甜菜轉化糖漿和摻有高果玉米糖漿的愛爾蘭蜂蜜的定性模型，并通過PLS方法建立了具有較好定性、定量分析能力的預測摻假水平的模型。張欣等［26］采用近紅外光譜技術和偏最小二乘回歸方法分別建立了準確可靠的蜂蜜中還原糖含量的定量分析模型。屠振華等［27］運用近紅外光譜技術，結合模式識別法對蜂蜜摻假進行了識別分析，分別采用偏最小二乘判別分析、獨立軟模式法等方法進行蜂蜜摻假識別模型的建立和樣品檢測，結果表明，該方法的正確判別率達100%。

2．4 茶葉的檢測

茶葉作為傳統(tǒng)的天然飲料越來越受到人們的青睞，其消費量不斷增長。與此同時，對于茶葉品質的控制也變得日益重要。近紅外光譜技術既可進行茶葉中的總氮、游離氨基酸、水分、茶多酚、咖啡堿等的定量檢測，也可對茶葉進行品質分級［28］。Schulz等［29］采用近紅外光譜技術對綠茶的品質分析進行了研究，建立測定茶多酚、氨基酸、咖啡堿和可可堿的數(shù)學模型，實現(xiàn)了對綠茶品質的準確分析。趙杰文等［30］采用近紅外光譜法對茶葉中兒茶素含量的測定進行了研究，采用偏最小二乘法建立了茶葉中3種兒茶素的定量分析模型，實現(xiàn)了對茶葉中3 種兒茶素含量的準確測定。周健等［31］對不同品種的茶葉樣品進行了近紅外光譜采集，通過主成分分析和逐步回歸法建立了茶葉品種的FISHER 識別函數(shù)，并對不同品種的茶葉進行了分析，樣品識別準確率達96．8%。張龍等［32］運用近紅外光譜技術結合化學計量學方法對不同發(fā)酵程度茶葉進行了分析與判別，結果表明，標準正態(tài)變換結合去趨勢轉化對不同發(fā)酵程度的茶葉分類效果最好，其原始分類正確率達100．0%，交叉驗證正確分類率達94．4%。牛智有等［33］分別采用兩種不同型號近紅外光譜儀對茶葉中茶多酚和咖啡堿含量進行了定標建模，分別建立了茶多酚和咖啡堿的優(yōu)化定標模型，結果表明，兩種儀器均得到良好的模型定標效果和較高的預測精度，均可用于茶葉中茶多酚和咖啡堿含量的檢測。

2．5 肉類的檢測

近紅外光譜技術可用于肉類成分的分析，測定其主要成分及含量，也可對肉類進行顏色、保水性、紋理、嫩度、新鮮度等品質指標的評判。趙麗麗等［34］運用近紅外光譜技術對臘肉品質進行了測定，采集了臘肉樣品的近紅外光譜，并采用附加散射校正光譜預處理方法建立了臘肉酸價和水分含量的PLS回歸模型，對臘肉的品質進行了準確的評價。楊建松等［35］應用近紅外反射光譜技術，采用偏最小二乘法建立了牛肉理化特性的近紅外預測模型，結果表明，所建立的模型適合于快速評價牛肉品質，且化學指標預測的精確度明顯高于物理指標。劉曉曄等［36］運用近紅外光譜技術對普通公牛和淘汰母牛肉進行了鑒定研究，運用偏最小二乘法建立了兩產地普通公牛和淘汰母牛肉的鑒別模型，所建模型對校正集合驗證集樣本的鑒別準確率均為100%，對剩余預測集的70和39個的鑒別分析準確率分別達96%和90%。

2．6 酒類的檢測

近紅外光譜技術在酒類的檢測中應用較為廣泛，可用于白酒、啤酒、葡萄酒及黃酒的品質檢測。陳妍等［37］運用近紅外光譜技術結合偏最小二乘法進行白酒中乙醇、總酸、總酯及己酸乙酯含量，結果表明，該方法是一種方便、快速、無損和成本低的測定白酒各指標的方法，適合大批量樣品分析，應用前景好。李繼光等［38］采用近紅外光譜技術對白酒中的乙醇含量的檢測進行了研究，建立了一系列濃度乙醇溶液的近紅外短波光譜特征的回歸模型，實現(xiàn)了對白酒真實樣品乙醇含量的測定。郭海霞等［39］運用近紅外光譜技術對葡萄酒的真?zhèn)巫R別進行了研究，利用一個三層人工神經網(wǎng)絡建立了樣品識別模型，結果表明，模型對葡萄酒樣品的預測識別率達100%。劉宏欣等［40］運用近紅外光譜法，結合偏最小二乘法及逐步多元線性回歸法對啤酒的真實濃度、原麥汁濃度及酒精度進行了回歸分析，建立了相應的定標與預測模型，結果表明，該方法可同時、快速、無損的檢測出不除氣啤酒樣品的三指標。謝廣發(fā)等［41］采用近紅外光譜技術對黃酒品質進行了鑒定，建立了黃酒酒精度、總酸和氨基酸態(tài)氮3項理化指標的預測模型，對黃酒樣品進行檢測結果表明，該方法可較好地用于黃酒理化指標的快速檢測。

2．7 其它食品的檢測

近紅外光譜技術還在其它較多食品的安全檢測中得到了應用。如面粉品質的檢測，劉翠玲等［42］采用近紅外光譜技術結合BP神經網(wǎng)絡進行了面粉中滑石粉含量的檢測，為面粉中滑石粉含量的無損快速檢測提供了新方法。果蔬品質的檢測，可快速、準確、無損檢測檢測果蔬中糖度、酸度、葉綠素含量、水分含量、脆度及內部有無病蟲害等情況等，還可對果蔬中農藥殘留進行定性及定量分析［43，44］。調味品質量的檢測，可快速、準確檢測醬油中總酸、氨基酸態(tài)氮和全氮等組分［45］；可檢測食醋的品質指標［46］。另外，近紅外光譜技術還可對糧食、腐乳、食品中的添加劑及有毒害成分、食品農藥殘留、食品中的微生物等方面進行分析檢測［47］。

3 結論及展望

近紅外光譜技術經過50余年的發(fā)展，已成為一種快速的現(xiàn)代分析測試技術，并廣泛的應用于食品安全檢測的各領域中。但是，該技術在應用中還存在以下問題：①建模較困難，需專業(yè)人員采集大量相關樣品建立穩(wěn)定的模型，所建模型具有一定的適應范圍，需根據(jù)檢測對模型進行維護修正，同時，建模時多使用抽象模型，對可描述模型的研究欠缺；②較多物質在近紅外光譜處的吸收信息較弱，導致方法的靈敏度稍低；③近紅外光譜的檢測結果的準確度易受各種因素影響，如何獲得穩(wěn)定的光譜仍然是值得探討的問題；④大多研究僅僅為應用性的，未進行深入的分析。

近紅外光譜技術在食品安全領域的應用仍需進行進一步研究完善，主要為①深入研究建模方法和光譜的預處理方法，提高所建模型的穩(wěn)定性、精度和通用性；②研究所建立模型庫的移植和轉換，實現(xiàn)近紅外光譜分析模型的在線更新與升級，拓展所建模型的適用范圍；③近紅外光譜儀的性能完善及簡易檢測裝置的研究，開發(fā)出性能更為穩(wěn)定、適應現(xiàn)場檢測、易于操作的近紅外光譜裝置。

盡管近紅外光譜技術在食品安全檢測中存在不足，但因其較其它檢測方法具有快速、方便、簡單、非破壞性、無試劑分析、高效、低成本、可同時測定多指標及安全等優(yōu)點，在食品安全檢測分析中已體現(xiàn)出較大的優(yōu)勢。不難預見，隨著近紅外光譜儀性能的逐步提高、建模方法和光譜預處理方法的進一步發(fā)展完善、應用范圍的不斷拓展，該技術將在食品安全領域發(fā)揮更重要的作用，為食品的安全和品質監(jiān)管作出更大的貢獻。

1 王小燕，王錫昌，劉源，等．近紅外光譜技術在食品摻偽檢測應用中的研究進展［J］．食品科學，2011，32（1）：265～269．

2 張玉華，孟一，張應龍，等．近紅外光譜技術在食品安全領域應用研究進展［J］．食品科技，2012，27（10）：283～286．

3 陳建軍，譚佐軍，崔鵬，等．近紅外光譜技術在食品安全檢測中的應用［J］．紅外，2007，28（4）：38～40．

4 安泉鑫，陳莉，龐林江，等．近紅外光譜技術在食品中的應用進展［J］．食品與機械，2012，28（5）：239～242．

5 孫通，徐惠榮，應義斌．近紅外光譜分析技術在農產品／食品品質在線無損檢測中的應用研究進展［J］．光譜學與光譜分析，2009，29（1）：122～126．

6 董守龍，任芊，黃友之．近紅外光譜分析技術的發(fā)展和應用［J］．化工生產與技術，2004，11（6）：44～46．

7 徐廣通，袁洪福，陸婉珍．現(xiàn)代近紅外光譜技術及應用進展［J］．光譜學與光譜分析，2000，20（2）：134～142．

8 宗莉，薛嫻，王濤，等．近紅外光譜分析技術在水果內部品質無損檢測中的應用［J］．安徽農業(yè)科學，2010，38（6）：2 765～2 767．

9 周德成，劉木清，周小麗，等．近紅外光譜分析在食品藥品檢測中的應用［J］．紅外，2006，27（3）：28～31．

10 陸婉珍．現(xiàn)代近紅外光譜分析技術［M］．北京：中國石化出版社，2007．

11 黃艷，王錫昌．近紅外光譜分析在食品檢測中的最新進展［J］．食品研究與開發(fā)，2007，28（7）：137～140．

12 李慧，曾銘，要磊，等．近紅外光譜技術在食品檢測中的應用研究進展［J］．食品工業(yè)，2011，12（28）：85～88．

13 Kawasaki M，Kawamura S，Tsukahara M，et al．Near－infrared spectroscopic sensing system for on－line milk quality assessment in a milking robot［J］．Computers and Electronics in Agriculture，2008，63（1）：22～27．

14 韓東海，魯超，劉毅．純牛奶，還原奶，摻假奶，牛奶新鮮度的近紅外檢測［J］．中國供銷商情（乳業(yè)導報），2006（4）：39～41．

15 祝靜，丁武．羊酸奶質構特性的近紅外光譜定量分析［J］．食品科學，2010，31（19）：170～173．

16 鐘珍珍，張立國，張鑫，等．近紅外技術識別摻假原奶的可行性研究［J］．計算機與應用化學，2010，27（12）：1 691～1 693．

17 劉景旺，張博洋，李樹峰，等．近紅外吸收光譜技術快速檢測奶制品中添加三聚氰胺［J］．光散射學報，2010，22（3）：291～297．

18 劉福莉，陳華才，姜禮義，等．近紅外透射光譜聚類分析快速鑒別食用油種類［J］．中國計量學院學報，2008，19（3）：278～282．

19 Christopoulou E，Lazaraki M，Komaitis M，et al．Effectiveness of determinations of fatty acids and triglycerides for the detection of adulteration of olive oils with vegetable oils［J］．Food Chemistry，2004，84（3）：463～474．

20 劉瑩，胡云龍．基于ARM9 的近紅外山茶油無損檢測儀研究［J］．傳感器與微系統(tǒng)，2013，32（4）：72～75．

21 Mignani A G，Ciaccheri L，Ottevaere H，et al．Visible and nearinfrared absorption spectroscopy by an integrating sphere and optical fibers for quantifying and discriminating the adulteration of extra virgin olive oil from Tuscany［J］．Analytical and Bioanalytical Chemistry，2011，399（3）：1 315～1 324．

22 Heussen P，Janssen H G，Samwel I，et al．The use of multivariate modelling of near infra－red spectra to predict the butter fat content of spreads［J］．Analytica Chimica Acta，2007，595（1）：176～181．

23 葉康，李戰(zhàn)勝，王建，等．基于ARM 近紅外地溝油檢測［J］．科技信息，2012（35）：85～85．

24 Downey G，F(xiàn)ouratier V，Kelly J D．Detection of honey adulteration by addition of fructose and glucose using near infrared transflectance spectroscopy［J］．Journal of Near Infrared Spectroscopy，2003，11（6）：447～456．

25 Kelly J D，Petisco C，Downey G．Potential of near infrared transflectance spectroscopy to detect adulteration of Irish honey by beet invert syrup and high fructose corn syrup［J］．Journal of near Infrared Spectroscopy，2006，14（2）：139～146．

26 張欣，單楊，李水芳．基于多元散射校正和偏最小二乘（MSC／PLS）的傅里葉變換近紅外光譜檢測蜂蜜中還原糖［J］．食品與機械，2009，25（6）：109～112．

27 屠振華，朱大洲，籍保平，等．基于近紅外光譜技術的蜂蜜摻假識別［J］．農業(yè)工程學報，2011，27（11）：382～387．

28 胡茶根，趙紅霞，邊文亮．近紅外技術在茶葉快速無損檢測方面的研究與應用［J］．食品科學，2007，28（10）：638～641．

29 Schulz H，Engelhardt U H，Wegent A，et al．Application of near－infrared reflectance spectroscopy to the simultaneous prediction of alkaloids and phenolic substances in green tea leaves［J］．Journal of Agricultural and Food Chemistry，1999，47（12）：5 064～5 067．

30 趙杰文，郭志明，陳全勝，等．近紅外光譜法快速檢測綠茶中兒茶素的含量［J］．光學學報，2008，28（12）：2 302～2 306．

31 周健，成浩，葉陽，等．基于近紅外的Fisher分類法識別茶葉原料品種的研究［J］．光學學報，2009，29（4）：1 117～1 120．

32 張龍，潘家榮，朱誠．基于近紅外光譜的不同發(fā)酵類型茶葉判別［J］．食品科學，2012，33（20）：149～152．

33 牛智有，劉梅英，林新．不同近紅外光譜儀在茶葉品質檢測中的應用研究［J］．湖北農業(yè)科學，2009，48（10）：76．

34 趙麗麗，張錄達，宋忠祥，等．近紅外光譜定量檢測腌臘肉制品品質的研究［J］．光譜學與光譜分析，2007，27（1）：46～49．

35 楊建松，孟慶翔，任麗萍，等．近紅外光譜法快速評定牛肉品質［J］．光譜學與光譜分析，2010，34（3）：685～687．

36 劉曉曄，湯曉艷，孫寶忠，等．普通公牛肉和淘汰母牛肉的近紅外光譜鑒別方法［J］．食品科學，2012，33（24）：244～248．

37 陳妍，胡慧，汪鳳祖．近紅外光譜法快速分析白酒中的關鍵指標［J］．釀酒科技，2010（11）：90～92．

38 李繼光，張根生，毛迪銳．近紅外分光光度法在白酒檢測中的應用［J］．食品與機械，2004，20（1）：22～24．

39 郭海霞，王濤，劉洋，等．基于可見－近紅外光譜技術的葡萄酒真?zhèn)舞b別的研究［J］．光譜學與光譜分析，2011，31（12）：3 269～3 272．

40 劉宏欣，張軍，黃富榮，等．近紅外光譜法快速測定啤酒的主要品質參數(shù)［J］．光譜學與光譜分析，2008，28（2）：313～316．

41 謝廣發(fā)，徐榕，樊阿萍，等．近紅外光譜技術在黃酒理化指標快速檢測中的應用［J］．中國釀造，2011（11）：182～185．

42 劉翠玲，董秀麗，孫曉榮，等．基于BP 神經網(wǎng)絡檢測面粉中滑石粉含量的研究［J］．北京工商大學學報（自然科學版），2012，30（5）：77～80．

43 張純，張海東，江水泉．用混合線性分析法建立蘋果糖度近紅外光譜預測模型［J］．食品與機械，2006，22（6）：83～85．

44 應義斌，韓東海．農產品無損檢測技術［M］．北京：化學工業(yè)出版社，2005：45．

45 陳斌，于麗燕，陸道禮，等．近紅外分析技術快速檢測醬油中的總氮和總酸［J］．中國調味品，2003（9）：40～44．

46 丁姣，蔡建榮，張海東，等．近紅外結合Si－ELM 檢測食醋品質指標［J］．食品與機械，2012，28（1）：93～96．

47 徐彥，李忠海，付湘晉，等．近紅外光譜技術在稻米品質快速檢測中的應用［J］．食品與機械，2011，27（1）：158～161．