近紅外光譜技術(shù)在食品領(lǐng)域的研究進(jìn)展

于伶伶 譚亞軍 趙甲慧 王鴻蕉 趙昆

摘 要：近紅外光譜技術(shù)綜合了計(jì)算機(jī)技術(shù)、光譜技術(shù)和化學(xué)計(jì)量學(xué)等多個(gè)學(xué)科的成果，具有強(qiáng)大的分析能力。近年來(lái)，近紅外光譜技術(shù)被廣泛應(yīng)用于食品領(lǐng)域，與常規(guī)方法相比具有快速、無(wú)損、準(zhǔn)確和環(huán)保的優(yōu)勢(shì)。本文概述了近紅外光譜技術(shù)的檢測(cè)原理和優(yōu)勢(shì)，探討了近年來(lái)近紅外光譜技術(shù)在食品檢測(cè)領(lǐng)域的應(yīng)用，包括食品成分檢測(cè)、摻假鑒別、產(chǎn)地溯源和水果品質(zhì)檢測(cè)等，并對(duì)其應(yīng)用前景進(jìn)行了展望。

關(guān)鍵詞：近紅外光譜技術(shù)；原理；食品安全；無(wú)損檢測(cè)

Research Progress of Near Infrared Spectroscopy

in Food Field

YU Lingling， TAN Yajun*， ZHAO Jiahui， WANG Hongjiao， ZHAO Kun

（Tianjin Institute for Food Safety Inspection Technology， Tianjin 300000， China）

Abstract： Near infrared spectroscopy technology combines the achievements of computer technology， spectroscopy technology， chemometrics and other disciplines， and has a strong analytical ability. In recent years， near-infrared spectroscopy has been widely used in the field of food. Compared with conventional methods， it has the advantages of fast， nondestructive， accurate and environmental protection. This paper summarized the detection principle and advantages of near-infrared spectroscopy， discussed the application of near-infrared spectroscopy in the field of food detection in recent years， including food ingredient detection， adulteration identification， origin traceability and fruit quality detection， and looked forward to its application prospects.

Keywords： near infrared spectroscopy; principle; food safety; nondestructive testing

食品安全關(guān)乎人們的生活質(zhì)量和國(guó)家的穩(wěn)定發(fā)展。隨著生活水平的提高與消費(fèi)結(jié)構(gòu)的升級(jí)，人們?cè)絹?lái)越重視食品安全。然而，近年來(lái)食品安全問(wèn)題不斷涌現(xiàn)，嚴(yán)重危害到人們的身體健康，因此政府部門對(duì)食品安全的監(jiān)管也越來(lái)越重視。保障食品安全需做好食品安全檢測(cè)工作。當(dāng)前，近紅外光譜檢測(cè)技術(shù)憑借其無(wú)損、快速、準(zhǔn)確和操作簡(jiǎn)單等優(yōu)越性在食品領(lǐng)域得到廣泛的應(yīng)用[1-3]。本文主要對(duì)近紅外光譜技術(shù)展開研究，綜述近紅外光譜技術(shù)近年來(lái)在食品檢測(cè)領(lǐng)域中的應(yīng)用。

1 近紅外光譜技術(shù)概述

近紅外光譜技術(shù)是一種高效快速的檢測(cè)技術(shù)，它綜合應(yīng)用了計(jì)算機(jī)技術(shù)、光譜技術(shù)和化學(xué)計(jì)量學(xué)等多個(gè)學(xué)科的成果，被廣泛應(yīng)用于食品、制藥、化工以及能源等多個(gè)領(lǐng)域的原料檢測(cè)、生產(chǎn)控制和產(chǎn)品質(zhì)量快速檢測(cè)。

1.1 近紅外光譜技術(shù)的檢測(cè)原理

近紅外是一種電磁波，介于可見(jiàn)光和中紅外光之間，波長(zhǎng)為780～2 526 nm，屬于分子振動(dòng)光譜，是分子振動(dòng)基頻的合頻與倍頻，近紅外光譜包含了豐富的含氫基團(tuán)信息（C-H、O-H、N-H和S-H），不同的官能團(tuán)在近紅外譜區(qū)呈現(xiàn)不同的特征峰，通過(guò)對(duì)近紅外光譜中特征峰位置、形狀、強(qiáng)度進(jìn)行分析，可預(yù)測(cè)物質(zhì)的成分和含量，因此近紅外光譜可用于定性和定量分析。大多數(shù)化合物的信息均可在近紅外區(qū)域顯現(xiàn)，但近紅外吸收強(qiáng)度弱、特征峰重疊嚴(yán)重，需借助化學(xué)計(jì)量學(xué)對(duì)物質(zhì)信息進(jìn)行處理和提取。近紅外光譜技術(shù)主要包括光譜的采集、光譜預(yù)處理和定標(biāo)模型的建立和驗(yàn)證等步驟。

1.2 近紅外光譜技術(shù)的優(yōu)勢(shì)

1.2.1 分析速度快

近紅外光譜檢測(cè)方法只需幾分鐘便可得出結(jié)果，與常規(guī)檢測(cè)動(dòng)輒需要數(shù)小時(shí)相比，大大提高了檢測(cè)的時(shí)效性。

1.2.2 無(wú)損檢測(cè)

使用近紅外光譜檢測(cè)，可直接對(duì)整個(gè)樣本進(jìn)行分析，不用破壞樣本，也不需要前處理。

1.2.3 安全環(huán)保

近紅外光譜檢測(cè)技術(shù)無(wú)需使用化學(xué)試劑，也不需要高溫高壓的環(huán)境，測(cè)試過(guò)程既安全又環(huán)保。

1.2.4 操作簡(jiǎn)單

近紅外光譜檢測(cè)過(guò)程中不需要復(fù)雜的前處理，操作步驟簡(jiǎn)單，非專業(yè)人員經(jīng)過(guò)簡(jiǎn)單培訓(xùn)即可使用儀器得出準(zhǔn)確結(jié)果。

2 近紅外光譜技術(shù)在食品領(lǐng)域的應(yīng)用

2.1 食品成分的檢測(cè)

2.1.1 蛋白質(zhì)含量的檢測(cè)

蛋白質(zhì)是一切生命活動(dòng)的物質(zhì)基礎(chǔ)，需通過(guò)食物獲取，蛋白質(zhì)含量是評(píng)價(jià)食物營(yíng)養(yǎng)價(jià)值的重要指標(biāo)。目前常用的國(guó)家標(biāo)準(zhǔn)檢測(cè)方法是凱氏定氮法，該方法準(zhǔn)確性較高，但必須消解和蒸餾，操作步驟復(fù)雜、耗時(shí)長(zhǎng)。近紅外光譜技術(shù)可用于食品中蛋白質(zhì)含量的檢測(cè)，具有簡(jiǎn)單、快速的優(yōu)勢(shì)。

苗鈞魁等[4]將采集的磷蝦樣本混合制備成50個(gè)混合樣本，通過(guò)漫反射方式采集樣品光譜，根據(jù)GB/T 19164—2003測(cè)定樣本蛋白質(zhì)含量，確定了光譜最佳預(yù)處理方式為多元信號(hào)修正或標(biāo)準(zhǔn)正則變換、一階微分和Norris導(dǎo)數(shù)濾波相結(jié)合，使用最小偏二乘法建立并優(yōu)化定標(biāo)模型。通過(guò)交互驗(yàn)證和外部驗(yàn)證，模型相關(guān)系數(shù)大于0.94，表明該模型可以很好地預(yù)測(cè)磷蝦粉的蛋白質(zhì)含量，并證明通過(guò)增加樣品數(shù)量可降低預(yù)測(cè)值偏離程度，提高模型的準(zhǔn)確性。陶琳麗等[5]以260個(gè)雞腿凍干粉為研究對(duì)象，在999.7～2 502.3 nm采集光譜，通過(guò)將近紅外光譜形狀和組合間隔偏最小二乘法、遺傳算法相結(jié)合，劃分出多個(gè)建模光譜組合區(qū)，使用最小偏二乘法建立模型，根據(jù)模型效果篩選出最佳建模光譜區(qū)域，得出結(jié)論：將樣品待測(cè)成分的光譜特征與光譜篩選數(shù)學(xué)算法共同用于建模波長(zhǎng)的選擇，能得到精確性和穩(wěn)定性更好的模型。

2.1.2 脂肪含量的檢測(cè)

脂肪是人體必須攝入的營(yíng)養(yǎng)物質(zhì)，攝入量過(guò)多或過(guò)少都會(huì)影響身體健康，當(dāng)前我國(guó)檢測(cè)脂肪含量的國(guó)家標(biāo)準(zhǔn)方法前處理復(fù)雜且不能大批量檢測(cè)。近紅外用于食品中脂肪含量測(cè)定的研究已有很多報(bào)道。

花錦等[6]選取新鮮的豬肉、牛肉、羊肉各100批作為樣本，采集全波段近紅外光譜，3種肉類的光譜走向大致相同。用索氏抽提法獲得樣本脂肪含量的實(shí)驗(yàn)室參比數(shù)據(jù)，分別選擇適合各自光譜特征的前處理方法和建模波段范圍，采用偏最小二乘法建立脂肪模型，其脂肪含量的化學(xué)值和預(yù)測(cè)值的交叉驗(yàn)證結(jié)果表明，豬肉、牛肉、羊肉的脂肪模型的相關(guān)系數(shù)均大于0.91，模型預(yù)測(cè)效果理想，在近些年報(bào)道的數(shù)據(jù)中處于較好水平。王寧等[7]使用蓋勃法檢測(cè)了100批牛奶樣本脂肪含量，再通過(guò)透射和漫反射兩種方式進(jìn)行近紅外光譜采集，對(duì)采集的光譜預(yù)處理后分別使用偏最小二乘法和主成分回歸法建立脂肪含量的定標(biāo)模型，研究對(duì)比了兩種方法的建模效果。透射方式下，乳制品采用主成分回歸法建立的模型最為理想，驗(yàn)證集的相關(guān)系數(shù)和誤差均方根分別為0.984 5、0.193 0，漫反射方式下，采用偏最小二乘法建立的模型預(yù)測(cè)性能較好，驗(yàn)證集的相關(guān)系數(shù)和誤差均方根分別為0.957 5、0.370 0。說(shuō)明采用主成分回歸法對(duì)乳制品的透射光譜建立的預(yù)測(cè)模型適用性更高。

2.1.3 其他成分的檢測(cè)

除蛋白質(zhì)、脂肪外，近紅外光譜還可以用于檢測(cè)食品水分、白酒的酒精度、茶葉的茶多酚和咖啡堿、調(diào)味品的總酸、農(nóng)作物的淀粉以及水果的糖度等多種食品成分指標(biāo)含量[8-10]。

近紅外光譜技術(shù)以其綠色、無(wú)損的優(yōu)勢(shì)，在白酒行業(yè)的應(yīng)用越來(lái)越廣泛。田翔等[11]利用近紅外光譜技術(shù)對(duì)黃酒中酒精度和總糖的含量進(jìn)行測(cè)定，采集黃酒樣本的近紅外光譜并依據(jù)國(guó)家標(biāo)準(zhǔn)方法測(cè)定成分含量，使用OPUS/QUANT軟件中自動(dòng)優(yōu)化功能進(jìn)行光譜預(yù)處理，建立偏最小二乘法定標(biāo)模型并對(duì)模型進(jìn)行驗(yàn)證，得到的酒精度和總糖的定標(biāo)模型標(biāo)準(zhǔn)偏差分別為0.65和4.01，相對(duì)誤差分別小于1.18%和3.68%，說(shuō)明模型具有較好的穩(wěn)定性和準(zhǔn)確度。劉紅梅等[12]以147份稻米試樣為樣本，應(yīng)用偏最小二乘法建立近紅外模型，探究了近紅外光譜技術(shù)快速檢測(cè)稻米中直鏈淀粉含量的可行性。通過(guò)選擇不同的預(yù)處理方法和不同波段（950～1 100 nm、1 100～

1 300 nm、1 300～1 650 nm）及組合對(duì)模型進(jìn)行優(yōu)化，確定了多元散射校正對(duì)全譜（950～1 650 nm）預(yù)處理后建立的模型最優(yōu)，模型驗(yàn)證得出相對(duì)分析誤差為3.6，說(shuō)明具有良好預(yù)測(cè)效果，可用于實(shí)際檢測(cè)。

2.2 食品產(chǎn)地溯源

隨著生活水平的提高，人們更加關(guān)注食品的來(lái)源和品質(zhì)，大多數(shù)消費(fèi)者在購(gòu)買食品時(shí)注重食品的產(chǎn)地，部分商家為了抬高價(jià)格虛假標(biāo)注產(chǎn)地。產(chǎn)地溯源是為了防偽和安全，發(fā)展食品產(chǎn)地溯源技術(shù)，可保護(hù)產(chǎn)地標(biāo)志產(chǎn)品和消費(fèi)者權(quán)益，也可為食品質(zhì)量安全追溯制度的建立提供保障。不同產(chǎn)地的作物蛋白質(zhì)、脂肪、水分等成分指標(biāo)的含量存在差別，通過(guò)近紅外光譜可以分析出來(lái)，因此近紅外光譜技術(shù)是食品產(chǎn)地溯源技術(shù)中的一個(gè)重要分支。

五常大米和建三江大米以其顆粒飽滿、清香適口享譽(yù)盛名，被評(píng)為地理標(biāo)志大米，深受消費(fèi)者喜愛(ài)。市面上出現(xiàn)的冒牌五常大米、建三江大米損害了消費(fèi)者權(quán)益和品牌利益。錢麗麗等[13]收集了2013—2015年產(chǎn)自建三江、五常和查哈陽(yáng)地區(qū)試驗(yàn)田的稻米樣本291份，通過(guò)對(duì)其近紅外光譜比較分析，確定了不同地區(qū)樣品存在顯著差異的波段（5 136～5 501 cm-1），建立了定性分析模型、聚類分析模型和定量分析模型。其中，定性模型對(duì)建三江大米和五常大米的正確判別率分別為100%和98%，聚類分析模型正確判別率分別為97.92%和98.00%，說(shuō)明近紅外技術(shù)可用于多個(gè)年份大米的產(chǎn)地鑒別。李楠等[14]使用便攜式近紅外光譜儀采集了11個(gè)省份小米樣本的光譜信息，分別使用3種方法建立了小米產(chǎn)地識(shí)別模型，其中多層感知神經(jīng)網(wǎng)絡(luò)模型測(cè)試集正確率為92.3%，可有效用于小米產(chǎn)地溯源。馬永杰等[15]將近紅外光譜法與深度學(xué)習(xí)算法相結(jié)合，建立了紅富士蘋果產(chǎn)地溯源新方法，利用深度學(xué)習(xí)數(shù)據(jù)降維的方法對(duì)光譜預(yù)處理，用K最近鄰法建模分析，溯源模型的建模集和預(yù)測(cè)集的產(chǎn)地識(shí)別率分別為97.30%和92.30%。

2.3 食品摻假的鑒別

食品摻假問(wèn)題是較為常見(jiàn)的問(wèn)題，如山茶油、橄欖油中加入其他廉價(jià)的植物油、地溝油，豬肉中摻入大豆蛋白，鮮牛奶中加入奶粉和水等，損害了消費(fèi)者的權(quán)益和健康。因此，需發(fā)展高效準(zhǔn)確的食品摻假鑒別檢測(cè)方法，有力打擊食品摻假行為。

姚婉清等[16]建立了山茶油多元摻假近紅外模型，該文制備了山茶油中摻入不同質(zhì)量比例玉米油和花生油的二元體系樣本和同時(shí)摻入不同比例玉米油和花生油的三元體系樣本，采用透射法采集全波段近紅外光譜，探究了最佳建模波長(zhǎng)范圍和最佳預(yù)處理方法，采用偏最小二乘法分別建立二元和三元摻假體系預(yù)測(cè)模型，外部驗(yàn)證結(jié)果表明二元摻假模型相對(duì)誤差較小，三元摻假模型準(zhǔn)確度略低，該模型可以很好地用于體系中摻假量的預(yù)測(cè)，從中也可以發(fā)現(xiàn)摻入油品種類越多，建立準(zhǔn)確的預(yù)測(cè)模型的難度越大。鄭郁等[17]探究了基于近紅外的茯苓摻假鑒別方法，分別采取多種預(yù)處理方法和主成分分析法結(jié)合建立鑒別模型，對(duì)不同比例摻假的茯苓粉均可100%準(zhǔn)確鑒別，效果理想。

2.4 水果品質(zhì)的無(wú)損檢測(cè)

我國(guó)是水果生產(chǎn)大國(guó)，水果產(chǎn)量巨大，隨著消費(fèi)者對(duì)水果品質(zhì)的要求不斷提高，迫切需要發(fā)展無(wú)損檢測(cè)手段實(shí)現(xiàn)水果品質(zhì)的分級(jí)檢測(cè)。近年來(lái)，近紅外光譜技術(shù)被越來(lái)越多地應(yīng)用于果品檢測(cè)中。

呂赫一[18]基于近紅外光譜技術(shù)建立了一種蘋果品質(zhì)快速無(wú)損檢測(cè)方法，實(shí)現(xiàn)了蘋果的準(zhǔn)確分級(jí)。其選取了農(nóng)藥殘留量和可溶性固形物含量?jī)蓚€(gè)關(guān)鍵指標(biāo)，將采集到的農(nóng)藥殘留光譜進(jìn)行建模，使用對(duì)比主成分分析法把蘋果表面農(nóng)藥殘留信息表示出來(lái)，將農(nóng)藥殘留不合格的蘋果分出來(lái)，再使用支持向量機(jī)建立可溶性固形物的預(yù)測(cè)模型，最優(yōu)模型的相關(guān)系數(shù)為0.924，均方根誤差為0.475，根據(jù)可溶性固形物含量進(jìn)行蘋果分級(jí)。程武[19]建立了一個(gè)櫻桃番茄內(nèi)部品質(zhì)指標(biāo)檢測(cè)模型，采集樣本的漫反射光譜，確定了利用連續(xù)投影偏最小二乘法建立的櫻桃番茄可溶性固形物和番茄紅素含量檢測(cè)模型最佳，模型校正集相關(guān)系數(shù)為0.875 0，驗(yàn)證集相關(guān)系數(shù)為0.860 4，

預(yù)測(cè)效果較好。在此基礎(chǔ)上又開發(fā)了基于安卓系統(tǒng)的便攜式櫻桃番茄內(nèi)部品質(zhì)快速無(wú)損檢測(cè)裝置，經(jīng)驗(yàn)證可在不同溫度下保證檢測(cè)精度和穩(wěn)定性。

3 結(jié)語(yǔ)

綜上所述，近紅外光譜技術(shù)具有快速、無(wú)損、安全環(huán)保和操作簡(jiǎn)單的特點(diǎn)，被廣泛應(yīng)用于食品檢測(cè)領(lǐng)域的定性、定量分析。隨著近紅外光譜儀性能的優(yōu)化、建模方法的創(chuàng)新以及不斷與其他光譜技術(shù)、云技術(shù)、人工智能等前沿技術(shù)相結(jié)合，近紅外光譜技術(shù)將在食品檢測(cè)領(lǐng)域發(fā)揮更重要的作用，更好地保障人們“舌尖上的安全”。

參考文獻(xiàn)

[1]汪磊，譚美蓮，傅春玲，等.利用近紅外技術(shù)預(yù)測(cè)向日葵籽仁品質(zhì)性狀[J].中國(guó)油料作物學(xué)報(bào)，2020，42（1）：147-153.

[2]唐雪平，劉淑嵐，郭小華，等.近紅外光譜技術(shù)在茶葉品質(zhì)分析中的研究進(jìn)展[J].輕工科技，2020，36（5）：12-15.

[3]郭文川，朱德寬，張乾，等.基于近紅外光譜的摻偽油茶籽油檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2020，51（9）：350-357.

[4]苗鈞魁，張雅婷，劉小芳，等.近紅外光譜技術(shù)在南極磷蝦粉水分、脂肪和蛋白質(zhì)含量快速檢測(cè)中的應(yīng)用[J].食品與發(fā)酵工業(yè)，2022，48（4）：243-249.

[5]陶琳麗，楊秀娟，鄧君明，等.基于光譜波段優(yōu)化的雞肉凍干粉粗蛋白近紅外定量預(yù)測(cè)模型研究[J].現(xiàn)代食品科技，2019，35（8）：236-246.

[6]花錦，趙悠悠，高媛惠，等.基于近紅外技術(shù)快速測(cè)定不同鮮肉中脂肪含量[J].光譜學(xué)與光譜分析，2017，37（11）：3424-3429.

[7]王寧，喬立歌，苗鏑，等.基于近紅外光譜的乳制品脂肪含量測(cè)定研究[J].山東化工，2021，50（18）：109-112.

[8]雷鷹，劉翠玲，周子彥.應(yīng)用便攜式近紅外光譜儀研究蘋果糖度的快速分析模型[J].食品科學(xué)技術(shù)學(xué)報(bào)，2018，36（6）：95-100.

[9]盧莉，程曦，張渤，等.小種紅茶茶多酚和咖啡堿近紅外定量分析模型的建立[J].茶葉科學(xué)，2020，40（5）：

789-695.

[10]田育紅，王鳳仙，吳青.基于近紅外光譜分析技術(shù)快速檢測(cè)白酒中的關(guān)鍵指標(biāo)[J].釀酒，2019，46（5）：93-96.

[11]田翔，秦慧彬，王君杰，等.近紅外法同時(shí)測(cè)定黃酒酒精度和總糖[J].安徽農(nóng)業(yè)科學(xué)，2020，48（21）：195-197.

[12]劉紅梅，肖正午，申濤，等.稻米直鏈淀粉含量近紅外檢測(cè)模型的建立[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，45（2）：189-193.

[13]錢麗麗，宋雪健，張東杰，等.基于近紅外光譜技術(shù)對(duì)多年際建三江、五常大米產(chǎn)地溯源[J].食品科學(xué)，2018，39（16）：321-327.

[14]李楠，楊春杰.基于近紅外光譜技術(shù)的小米產(chǎn)地溯源研究[J].食品與機(jī)械，2020，36（9）：97-101.

[15]馬永杰，郭俊先，郭志明，等.基于近紅外透射光譜及多種數(shù)據(jù)降維方法的紅富士蘋果產(chǎn)地溯源[J].現(xiàn)代食品科技，2020，36（6）：303-309.

[16]姚婉清，彭夢(mèng)俠，陳梓云，等.山茶油多元摻假近紅外模型的建立與研究[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2020，11（2）：493-499.

[17]鄭郁，董怡青，趙芷嵐，等.基于近紅外光譜技術(shù)的茯苓摻假無(wú)損檢測(cè)研究[J].中國(guó)果菜，2021，41（10）：52-55.

[18]呂赫一.基于近紅外光譜的蘋果品質(zhì)快速無(wú)損檢測(cè)方法研究[D].哈爾濱：哈爾濱理工大學(xué)，2021.

[19]程武.櫻桃番茄內(nèi)部品質(zhì)近紅外光譜檢測(cè)方法研究及便攜式裝置研發(fā)[D].鎮(zhèn)江：江蘇大學(xué)，2019.