食品檢測中紅外光譜的應用

藍斌

摘要：水、脂肪、碳水化合物、維生素、蛋白質是食品的主要組成成分，這些組分在紅外線區(qū)域內均有吸收光譜。利用紅外光譜技術可以準確檢測出食品組分及其結構性質。本文以食品紅外光譜檢測為研究對象，介紹紅外光譜的檢測原理，分析食品檢測中紅外光譜的應用進展，并對紅外光譜在食品檢測中的應用進行簡單的探究。

關鍵詞：食品檢測;紅外光譜;Near Infrared

前言

傅里葉變換紅外光譜技術是一種新型的無損檢測技術，在食品檢測中發(fā)揮著良好的效用。應用傅里葉變換紅外光譜技術可以直接對食品進行檢測，而且檢測效率較高，檢測成本較低，污染程度較小。因此，適當分析傅里葉變換紅外光譜技術在食品檢測中的應用具有非常重要的意義。

紅外光譜的檢測原理

紅外光譜是一種分子吸收光譜，主要包括Near Infrared（近紅外檢測/0.75-2.5μm）、Far Infrared（遠紅外檢測/25-1000μm）、Middle Infrared（中紅外檢測/2.5-25μm）三個區(qū)段。食品樣本受到頻率連續(xù)變化的紅外光照射后，其分子會吸收一定頻率紅外光輻射[1]。隨后由振動運動（或轉動運動）引起分子偶極矩變化，最終形成紅外吸收光譜。通過對紅外吸收光譜中不同吸收峰化學基團進行對比分析，可判定化合物的結構和狀態(tài)，進而確定食品性質。

食品檢測中紅外光譜的應用進展

目前應用于食品檢測領域的紅外光譜技術主要為Near Infrared（近紅外檢測）和Middle Infrared（中紅外檢測）。

Near Infrared應用進展

Near Infrared在食品檢測中的應用主要源于20世紀80年代，其將計算機技術、光譜測量技術、基礎測試技術與化學計量學技術進行了有機整合，成為獨立的食品檢驗模塊。Near Infrared在食品檢測中的應用主要包括糧食安全性、肉類安全性、食用油安全性、乳制品安全性、茶葉安全性、酒類安全性等模塊。如利用Near Infrared檢測技術，可對黑木耳、銀耳、黑牛肝菌等食用菌，或者不同區(qū)域生產的山藥樣本進行紅外檢測分析[2]。

Middle Infrared應用進展

Middle Infrared在食品檢測領域中可檢測食用油組分、糧食成分及肉制品中反式脂肪酸含量。如根據(jù)油脂中多次甲基鏈C-O、C-H在Middle Infrared振動方式、振動頻率差異[3]。利用Middle Infrared主成分分析方式，可區(qū)別葵花油、玉米油、菜籽油及橄欖油在1800-1000-1輻射區(qū)域內變化;通過液體油樣光纖分析，還可以對Middle Infrared光譜進行二階導數(shù)處理，及時確定食品摻假情況。

紅外光譜在食品檢測中的應用

紅外光譜在食品定性鑒別中的應用

現(xiàn)階段我國食品市場，不少商家為牟取更大利潤向食品中摻加葡萄糖、淀粉、抗生物等，以實現(xiàn)以次充好的目的。針對上述情況，可利用Near Infrared檢測技術，對食品進行直接掃描檢測，確保食品摻假問題的及時發(fā)現(xiàn)，保證食品安全。以Near Infrared定性分析牛奶摻假為例，在定性分析過程中，檢測人員可分別收集摻有豆?jié){的牛奶樣本、生鮮牛奶樣本及摻有尿素的牛奶樣本，利用主成分分析技術，結合人工神經網(wǎng)絡，進行摻假牛奶定性分析模型的構建。在摻假牛奶定性分析模型中，通過對樣本數(shù)據(jù)分析，可以保證牛奶摻假識別率在93.56%以上。

另外，利用Middle Infrared進行食品定性分析，抽取性質相似的樣品，在統(tǒng)一輻射區(qū)域內進行紅外光譜照射，并以主成分為依據(jù)，進行二維線性投影，根據(jù)投影圖內紅外吸收峰聚類，可以確定不同食物的性質差異。如選擇我國紹興米酒、嘉善米酒樣本，在傅里葉紅外檢測儀的Middle Infrared區(qū)段內進行掃描。隨后利用PCA分析法進行分析，可區(qū)分兩地米酒的差異。

紅外光譜在食品定量分析中的應用

一方面，基于Near Infrared的食品定量分析主要通過多個食品樣本的識別，在4200-4800nm-1波段內對食品各組分含量，進行最小二乘定量模型的構建。通過對多個食品預測組分含量與參考含量的對比分析，可有效判定被檢測食品組分含量的超標情況。如利用傅里葉紅外變化模型，向槐花蜜、油菜蜜中摻加5.0%的麥芽糖漿，利用競爭性自適應重加權算法，構建蜂蜜的麥芽糖漿含量定量模型。通過對兩樣本定量模型方根對比分析，可確定兩種蜂蜜的麥芽糖漿摻加含量。在此基礎上，檢測人員可進一步拓展檢測范圍，即向槐花蜜中摻加不同含量的麥芽糖漿，配成100個蜂蜜樣本，在305-2100nm-1范圍內采集Near Infrared反射光譜。隨后利用主成分分析方法，對Near Infrared光譜內的數(shù)據(jù)進行匯總、整合，以蜂蜜麥芽糖含量定量模型構建的方式，對定量模型的交叉驗證相關系數(shù)及均方根誤差進行逐一分析，從而確定蜂蜜摻加麥芽糖漿的比例。通過對上述定量模型分析，可有效判定蜂蜜的摻假現(xiàn)象。并確定摻假蜂蜜濃度，為后續(xù)蜂蜜鑒別提供依據(jù)。

另一方面，利用Middle Infrared進行食品定量分析，主要利用統(tǒng)計學、模型參數(shù)估計、化學信號處理、定量構效關系、人工智能、實驗設計優(yōu)化等化學計量方法，提取食品特征，構建食品參數(shù)模型，從而達到定量分析的目的。以Middle Infrared在食品反式脂肪酸含量測定中的應用為例，實驗主要利用氯仿-甲醇提取法，提取食品中的脂肪。然后利用甲醇-BF3將食品中的脂肪進行快速甲脂化。食品脂肪甲酯化后，在Avatar 375傅里葉變換紅外光譜儀內，對食品中反式脂肪酸含量進行定量分析，可達到90.2%-102.3%回收率[4]。

雖然Near Infrared、Middle Infrared在食品檢測中發(fā)揮了較大作用，但是總的來說紅外檢測技術在食品定性、定量分析中仍存在較大的局限性。如紅外食品檢測極限為1.0%，無法有效測量低濃度的物質。利用定性或定量模型雖然可以有效辨別食品中的摻假現(xiàn)象，但是對于食品中的未知物質，利用紅外檢測技術并不能有效地檢測出來，特別是在液體食品的檢測過程中，由于液體食品的檢測范圍較集中，且性質不夠穩(wěn)定，在檢測過程中極易出現(xiàn)多種干擾因素，甚至會發(fā)生食品間性質相互干擾的情況。因此，在后續(xù)的食品紅外檢測過程中，相關人員應綜合考慮溫度、濕度、時間、壓力等因素對食品性質的影響，構建大顆粒光散射修正模型，創(chuàng)新檢測方法，擴展檢測范圍，保證紅外光譜技術在食品檢測行業(yè)的有效應用。

總結

食品特別是農產品的質量和安全問題是人們普遍關注的問題。為有效處理食品安全問題，相關人員可根據(jù)食品類型，合理利用Near Infrared和Middle Infrared檢測技術，從定性、定量兩個方面，分析食品組分和結構，保證食品摻假問題的及早發(fā)現(xiàn)和處理，為我國食品行業(yè)的健康發(fā)展提供保障。

參考文獻：

[1] 王君， 劉蓉. 近紅外光譜技術在液態(tài)食品摻假檢測中的應用[J]. 食品工業(yè)科技， 2016， 37（7）：374-380.

[2] 宋雪健， 錢麗麗， 張東杰，等. 近紅外光譜技術在食品溯源中的應用進展[J]. 食品研究與開發(fā)， 2017， 38（12）：197-200.

[3] 黃瑞娟. 紅外光譜技術在食品檢測中的應用[J]. 中國檢驗檢測， 2015（1）：9-14.

[4] 葛俊苗， 宋益善， 李燕，等. 傅里葉變換紅外光譜儀及其在食品中的應用[J]. 廣東化工， 2017， 44（2）：54-55.