近紅外光譜技術在食品安全檢測中的應用進展

王建偉，陶飛，郭雙歡，葉升*

1. 天津大學生命科學學院（天津 300072）；2. 杭州娃哈哈集團有限公司（杭州 310009）；3. 杭州中美華東制藥江東有限公司（杭州 311228）

近年來，食品質量安全問題日益突出，食品摻假、添加劑濫用、微生物超標等問題的不斷曝光促使人們對食品質量及食品質量監(jiān)管要求越來越高。然而食品種類繁多、成分復雜，傳統(tǒng)的化學分析或儀器分析方法存在操作復雜或設備昂貴等缺點，難以滿足食品質量快速檢測的需求。如何有效保障食品質量安全，快速進行食品質量檢測成為研究熱點。近紅外光譜分析技術因其無損、快速、高效的檢測特點，在食品質量安全檢測領域得到快速而廣泛應用。

近紅外光譜測量的主要是分子或原子振動基頻在2 000 cm-1以上的倍頻、合頻吸收，包括分子中含氫官能團X-H（X為C、N、O、S等）振動的倍頻及合頻吸收，這意味著與上述含氫基團結構有關的組分，運用近紅外光譜進行分析均具有可行性。近紅外光譜可反映絕大多數(shù)有機化合物的構造和結構組成信息，通過樣品的吸收光譜和理化分析結果之間的對應關系，推斷近紅外吸收光譜所對應的物質成分及含量，實現(xiàn)對該物質的構造和組成信息的了解。近紅外光譜技術具有速度快、成本低、精度高、無損、無污染等優(yōu)點，便于實時監(jiān)測和在線分析，在食品安全檢測領域得到了廣泛應用。

1 近紅外光譜技術用于食品分析的優(yōu)勢

近紅外光譜技術是利用物質對光的吸收、散射、反射與透射等特性，對待測物進行定性或定量分析的檢測技術。近紅外光譜技術發(fā)展時間并不長，但它在食品、制藥等諸多領域得到廣泛應用，這與其自身優(yōu)勢有著密不可分的關系。近紅外光譜為分子振動光譜，從理論上來說所有含有C—H、N—H、O—H、C＝O等可產(chǎn)生近紅外光譜的物質均可用近紅外光譜分析，因此檢測指標較為豐富。近紅外光譜的穿透性比較好，可直接穿透玻璃、石英等材料，也可以順利穿透動植物組織，提高了生物樣品分析的可行性。該技術在樣品制備方面相對簡單，可直接檢測顆粒狀、粉末狀、糊狀、流體、氣體等樣品，且樣品基本無損耗，測定后的樣品依然可作為他用。而且該技術檢測速度快，幾秒鐘內即可完成多項指標的檢測，可顯著提升檢測效率。由于其具有適用性廣泛、樣品前處理簡單、操作方便、易于推廣，且對氣體、液體和固體樣品均可準確檢測等優(yōu)點，表現(xiàn)出良好的發(fā)展前景。特別是近幾年化學計量學的快速發(fā)展，可從復雜的光譜曲線中提取出有效信息進行利用，使得近紅外光譜技術越發(fā)高效、靈敏，被廣泛應用于食品檢測中。

2 近紅外光譜技術在食品安全檢測中的應用

隨著生活水平的不斷提高，人們對食品安全的重視程度也越來越高，進而對食品質量參數(shù)、摻假以及食品生產(chǎn)、運輸、儲存、銷售環(huán)節(jié)中的品質控制等技術的要求也不斷提高。近紅外光譜技術作為一種快速、無損、綠色的分析技術，近年來在食品安全檢測領域發(fā)揮越來越重要作用。

2.1 摻假檢測

牛奶是一種營養(yǎng)豐富的乳制品，但一些不法商販為謀取利益，在牛奶中摻雜三聚氰胺、氯化銨、尿素等物質以提高蛋白質含量，進而引發(fā)嚴重的食品安全問題。三聚氰胺等違法添加物質的檢測方法主要為高效液相色譜法和液質聯(lián)用法，但其樣品前處理步驟比較復雜，檢測效率較低。魏玉娟等[1]結合近紅外光譜技術和機器學習技術，對牛奶中違法添加的三聚氰胺進行快速檢測。采用主成分分析法、線性判別分析法、偏最小二乘判別法對純牛奶和摻有不同濃度三聚氰胺牛奶的近紅外光譜數(shù)據(jù)進行分析，結果表明基于偏最小二乘判別法的模型具有最好的訓練和預測性能，其對訓練集和驗證集的分類準確率分別達到100%和90.32%。范睿等[2]建立基于近紅外光譜技術的氯化銨摻假牛奶定量分析模型，比較光譜采集模式和樣品前處理方法對最終模型預測準確性的影響。結果指出，采用透射式的光譜采集模式，并經(jīng)三氯乙酸處理的牛奶樣品，在8 600～5 700 cm-1波段用偏最小二乘回歸方法建立的定量分析模型具有最好的預測精度，可用于牛奶中氯化銨的摻假檢測。劉永峰等[3]比較主成分回歸法、偏最小二乘法、改進偏最小二乘法三種建模方法對牛奶中尿素的近紅外檢測模型的影響，結果表明基于改進偏最小二乘法建立的模型具有最好的預測準確性，其在驗證集中的校正相關系數(shù)和預測標準差分別為0.976和0.360，對牛奶中尿素的定量檢測具有很好的適用性。

牛羊肉是廣受消費者喜愛的肉類食品，市場需求量極大，但有不法商販用豬肉、鴨肉等低價位肉進行摻假，既損害消費者利益，也存在食品安全隱患。傳統(tǒng)的肉制品摻假檢測方法有感官評價、核酸聚合酶鏈式反應、化學分析等，此類方法步驟較為復雜，不能滿足大批量快速檢測的需求。白京等[4]以豬肉摻假的解凍羊肉卷為檢測對象，結合近紅外光譜技術和偏最小二乘回歸法，建立了快速檢測羊肉卷中摻假豬肉的定量分析模型，用該模型對驗證集進行預測，真實值與預測值的相關系數(shù)為0.913 8，表明近紅外光譜技術可實現(xiàn)羊肉卷中豬肉摻假比例的定量檢測。此外，利用類似原理建立牛肉漢堡餅中摻假豬肉的定性判別和定量檢測模型[5]，證明近紅外光譜技術可用于牛肉中摻假豬肉的檢測。除了牛奶和肉制品摻假檢測外，近紅外光譜技術亦被驗證可應用于奶粉、山茶油、蜂蜜、蕎麥等[6-9]食品的快速摻假檢測中，在食品安全檢測領域發(fā)揮廣泛且重要的作用。

2.2 轉基因檢測

轉基因技術在現(xiàn)代農(nóng)業(yè)中的應用越來越廣泛，轉基因農(nóng)產(chǎn)品開始出現(xiàn)在餐桌上，因此其安全性越來越受到人們的關注，轉基因產(chǎn)品的檢測也逐漸成為研究熱點。常用轉基因產(chǎn)品檢測方法有蛋白質檢驗法、DNA檢驗法和色譜法等，不過該類方法存在檢測耗時長、檢測成本高和具有破壞性的缺點。近年來，近紅外光譜技術開始應用于轉基因產(chǎn)品檢測領域，并取得一些進展。芮玉奎等[10]借助近紅外光譜技術，對轉基因玉米及其親本在4 000～8 000 cm-1波段內進行光譜掃描，并建立神經(jīng)網(wǎng)絡識別模型，所建立的模型對10個驗證樣品的類型預測準確率為100%，在轉基因農(nóng)產(chǎn)品育種領域有一定應用價值。閆靈[11]研究了基于偏最小二乘判別分析算法的菜籽油轉基因鑒別模型，并優(yōu)化光譜預處理方法和光譜譜區(qū)，優(yōu)化后模型的光譜點數(shù)由4 148點減少到1 065點，預測集的決定系數(shù)由0.671提高到0.925，預測集的預測誤差均方根由0.286降低為0.137，預測精度從90.48%提升到98.81%，表明基于近紅外光譜技術建立的偏最小二乘判別模型對轉基因菜籽油的快速鑒別是可行的。王海龍等[12]基于近紅外高光譜成像技術，結合判別分析算法，對轉基因和非轉基因大豆的快速鑒定進行研究。采用偏最小二乘判別分析算法，對經(jīng)平滑處理的941～1 646 nm波段范圍內的光譜數(shù)據(jù)進行建模，所建立模型對3種非轉基因大豆的訓練集和驗證集的判斷準確率分別為97.5%和100%，100%和100%，96.25%和92.50%，證明近紅外高光譜成像技術可用于非轉基因大豆的識別。謝麗娟等[13]用可見/近紅外光譜技術對轉基因和非轉基因的番茄葉片進行定性分析，試驗采集46個樣本（26個轉基因、20個非轉基因）用于建模，22個樣本（12個轉基因、10個非轉基因）用于驗證，結果顯示，判別分析法較偏最小二乘判別法有更好效果，模型分類的準確率為89.7%。此外，他們進一步驗證[14]不論是轉基因番茄葉、番茄果實還是番茄汁，都可以通過測量其的可見/近紅外光譜并結合化學計量學方法，實現(xiàn)轉基因樣品的快速、無損鑒定。

2.3 微生物檢測

食品中的微生物檢測常用微生物培養(yǎng)的方法，利用培養(yǎng)基培養(yǎng)微生物，并通過菌落計數(shù)、微生物的形態(tài)學特征、顯色反應或放氣反應，鑒定微生物的數(shù)量和種類。該類方法具有檢測結果準確的優(yōu)點，但其實驗操作過于復雜，檢測周期過長，不利于食品生產(chǎn)企業(yè)的快速品質檢測和產(chǎn)品放行。近紅外光譜技術能夠反映微生物細胞的分子振動信息，并具有檢測速度快、準確度高、檢測成本低的特點，適用于食品品質的實時監(jiān)控。

王建明等[15]用近紅外光譜技術成功對牛奶中的阪崎腸桿菌、金黃色葡萄球菌和大腸桿菌進行檢測，試驗結果同時表明近紅外光譜技術能有效區(qū)分革蘭陰性菌和陽性菌，為牛奶中致病菌的快速檢測提供參考。段翠等[16-17]利用近紅外光譜技術結合GA遺傳算法和BP神經(jīng)網(wǎng)絡算法建立魚類菌落總數(shù)快速檢測方法，該方法對白色魚肉和紅色魚肉都適用，從魚肉的近紅外光譜掃描到神經(jīng)網(wǎng)絡模型輸出預測結果，整個過程在1 min左右，相比傳統(tǒng)檢測方法有較大優(yōu)勢。栢鳳女等[18]結合近紅外光譜技術和支持向量機對3種食源性致病菌進行分類鑒定，確定RBF核函數(shù)的支持向量機對食源性致病菌近紅外光譜的分類結果要優(yōu)于多項式核函數(shù)的支持向量機，其對腸出血性大腸桿菌、單增李斯特菌和金黃色葡萄球菌的預測正確率均為100%，為研制食源性致病菌快速在線檢測系統(tǒng)提供了技術支持。鄭彩英[19]利用近紅外光譜技術對羊肉表面微生物檢測進行研究，通過偏最小二乘法、人工神經(jīng)網(wǎng)絡等方法，結合生化計量學方法，進行定量和定性研究，建立羊肉總菌落總數(shù)和嗜冷菌含量預測模型，正確識別率達到92.5%。

2.4 新鮮程度檢測

肉類在長途運輸和儲存中容易受環(huán)境、微生物的影響而導致腐敗變質，影響食用安全和營養(yǎng)價值。新鮮度是評價肉類品質的重要指標，也是企業(yè)生產(chǎn)加工的重要指標，對于確保產(chǎn)品的價值、品質、預測貨架期具有重要意義。目前常規(guī)的新鮮度檢測方法多為K值、硫代巴比妥酸值等破壞性方法為主，其檢測過程復雜、效率低，也易導致原料的浪費和污染。近紅外光譜技術通過檢測與新鮮度變化相關的化學鍵的近紅外吸收變化，可檢測樣品的新鮮程度。

陶瑞等[20]用近紅外光譜技術結合化學計量學方法，建立金槍魚新鮮度指標的定量預測模型，模型能夠對樣本的K值、硫代巴比妥酸值、高鐵肌紅蛋白、pH等新鮮度指標進行預測，且預測值和真實值之間沒有顯著的差異。張玉華等[21]采用近紅外光譜技術結合偏最小二乘法建立帶魚TVB-N含量、pH和菌落總數(shù)的定量分析模型，用未參與建模的30個樣品對模型進行驗證，結果表明TVB-N含量、pH和菌落總數(shù)驗證集相關系數(shù)分別為0.960，0.923和0.994，驗證標準差分別為5.178，0.333和0.823，說明利用近紅外光譜技術檢測帶魚的新鮮度是可行的。

近紅外光譜技術也被廣泛應用于各類生鮮肉制品的新鮮度檢測中。楊勇等[22]檢測冷鮮鵝肉的近紅外光譜數(shù)據(jù)（950～1 650 nm）和代表鵝肉新鮮度的TVB-N值和pH，用標準正態(tài)變量變換對光譜數(shù)據(jù)進行預處理，并基于偏最小二乘法建立鵝肉的TVB-N值和pH預測模型。用20個鵝肉樣本對上述模型進行驗證，鵝肉TVB-N預測值和真實值之間的相關系數(shù)為0.976，預測值平均偏差為-0.240，鵝肉pH預測值和真實值之間的相關系數(shù)為0.705，預測值平均偏差為-0.024，證明近紅外光譜技術可作為鵝肉新鮮度快速檢測的一種方法。張晶晶等[23]利用可見/近紅外高光譜成像技術對羊肉新鮮度快速檢測方法進行研究，檢測150份羊肉樣品在不同儲存時間下的光譜數(shù)據(jù)和TVB-N數(shù)據(jù)，在400～1 000 nm波段內選取特征波段，經(jīng)標準變量變換預處理后，建立羊肉新鮮度指標TVB-N的偏最小二乘回歸模型，其對訓練集的相關系數(shù)和均方根誤差分別為0.91和1.79，對驗證集的相關系數(shù)和均方根誤差分別為0.72和1.93，證明該模型可較好地預測羊肉儲存期間揮發(fā)性鹽基氨濃度變化并評價羊肉的新鮮度。

3 結語與展望

近紅外光譜技術作為一種熱門的儀器分析技術，具有簡單、快速、無損、準確等優(yōu)點，被廣泛應用于食品分析領域。利用近紅外光譜技術結合化學計量學方法，建立食品質量安全的定性或定量分析模型，可對消費者關心的食品摻假、轉基因、微生物、新鮮程度等指標進行快速檢測，在食品安全檢測領域發(fā)揮了重要作用。不過現(xiàn)階段該技術也存在一些缺陷，如：實驗樣品的采集和處理沒有統(tǒng)一的標準，導致不同檢測機構采集的光譜數(shù)據(jù)有差異，建立的模型對其他樣品的檢測準確率較低；近紅外光譜數(shù)據(jù)受溫度、濕度、光譜儀參數(shù)等諸多實驗參數(shù)的影響，光譜數(shù)據(jù)預處理方法和建模方法種類繁多、技術難度大。為提高該技術的檢測準確率和適用范圍，進一步推動其在食品質量安全檢測領域的應用，有待官方機構制定相應的標準，以統(tǒng)一各類樣品的采集及處理方法、近紅外光譜檢測實驗參數(shù)、數(shù)據(jù)預處理和建模方法。總而言之，近紅外光譜技術憑借其自身獨特的優(yōu)勢，在食品質量安全檢測領域有良好的發(fā)展前景，若結合其他技術來提高檢測結果的準確性，亦可拓展其在新領域的應用。