近紅外光譜技術(shù)在食品檢測中的應(yīng)用研究

Research on the Application of Near-Infrared Spectroscopy Technology in Food Detection

KANG Yumin1， YANG Zhen2*， GU Congcong （1.Shandong Xiangchi Jianyuan Biotechnology Co.，Ltd.，Binzhou 2565oo， China; 2.Shandong Xiangchi Grain and Oil Co.， Ltd.， Binzhou 25650o， China; 3.Shandong Yuxin Biotechnology Co.， Ltd.， Binzhou 2565oo， China）

Abstract： As arapid，non-destructive，and efcient detection method， near-infrared spectroscopytechnology has shownbroad apication prospects inthefieldoffooddetection inrecent years.Thispaper combs through the specific applications of near-infrared spectroscopy technology in aspects such as food quality identification，component analysis，freshess evaluation，and genetically modifiedcomponent detection.Ialsoexplores its techical advantages and proposes a series of optimization strategies，aiming to provide theoretical references for promotingthe in-depth application of near-infrared spectroscopy technology in food detection.

Keywords： near-infrared spectroscopy technology; food detection; food safety

隨著食品生產(chǎn)工業(yè)化和供應(yīng)鏈全球化，各類食品污染、摻假等問題頻發(fā)，嚴(yán)重威脅著人們的身體健康和生命安全。化學(xué)分析法、色譜法等傳統(tǒng)食品檢測技術(shù)雖具有較高準(zhǔn)確性，但存在操作煩瑣、檢測周期長、需要大量的化學(xué)試劑且易對環(huán)境造成污染等弊端。近紅外光譜技術(shù)作為一種新興的無損檢測技術(shù)，以其快速、高效、準(zhǔn)確和綠色環(huán)保等優(yōu)勢，在食品檢測領(lǐng)域展現(xiàn)出巨大的應(yīng)用潛力。因此，深入研究近紅外光譜技術(shù)在食品檢測中的應(yīng)用并提出相應(yīng)建議，對提升食品檢測水平、保障食品安全具有重要的現(xiàn)實意義。

1近紅外光譜技術(shù)在食品檢測中的具體應(yīng)用

1.1鑒別食品品質(zhì)與種類

近紅外光譜技術(shù)在食品品質(zhì)與種類的鑒別中展現(xiàn)出顯著優(yōu)勢，其核心在于通過光譜特征與食品理化性質(zhì)的關(guān)聯(lián)性建立快速判別模型。在食品種類鑒別方面，近紅外光譜技術(shù)能依據(jù)不同食品的分子振動特性差異，精準(zhǔn)識別原料來源、加工工藝及品種信息。例如，針對谷物類食品，近紅外光譜可捕捉淀粉、纖維素等成分的特定吸收峰，結(jié)合化學(xué)計量學(xué)方法區(qū)分不同品種稻米或小麥的產(chǎn)地特征[1；在食用油檢測方面，通過分析脂肪酸組成的光譜響應(yīng)差異，可有效鑒別橄欖油、花生油等常見油脂的摻偽問題[2]。此外，近紅外光譜技術(shù)可應(yīng)用于肉類產(chǎn)品的真?zhèn)舞b別，基于肌紅蛋白、水分及脂肪含量的光譜特征差異，快速識別不同畜種肉類的混合摻雜現(xiàn)象[3]。相較于傳統(tǒng)感官評價或生化檢測方法，近紅外光譜技術(shù)無須復(fù)雜的前處理，能在數(shù)秒內(nèi)完成無損檢測，同時避免樣品消耗，顯著提升檢測效率并降低企業(yè)質(zhì)量控制成本。

1.2 分析食品成分

近紅外光譜技術(shù)對食品成分的快速定量分析能力，使其成為現(xiàn)代食品工業(yè)質(zhì)量監(jiān)控的重要工具。近紅外光譜技術(shù)通過建立光譜信息與目標(biāo)成分濃度之間的數(shù)學(xué)模型，可實現(xiàn)對水分、蛋白質(zhì)、脂肪和碳水化合物等成分的同步檢測。在乳制品檢測方面，近紅外光譜技術(shù)能穿透乳脂球膜直接獲取酪蛋白、乳糖等成分的光譜信號，用于液態(tài)奶及奶粉的在線成分分析[4；在谷物加工過程中，近紅外光譜技術(shù)可監(jiān)測小麥粉中的蛋白質(zhì)含量或稻米的直鏈淀粉比例，為產(chǎn)品分級與工藝調(diào)控提供數(shù)據(jù)支持[5]。與凱氏定氮法、索氏提取等傳統(tǒng)化學(xué)分析法相比，近紅外光譜技術(shù)不僅避免了試劑消耗與環(huán)境污染問題，還可通過便攜式設(shè)備實現(xiàn)生產(chǎn)線上的連續(xù)監(jiān)測，尤其適用于大批量樣品的快速篩查。此外，近紅外光譜技術(shù)的非破壞性特點使得其在高價值食品，如功能性保健品的成分檢測中具有更高的經(jīng)濟性。

1.3檢測食品新鮮度與變質(zhì)程度

在食品新鮮度與變質(zhì)程度的動態(tài)監(jiān)測方面，近紅外光譜技術(shù)通過捕捉腐敗過程中產(chǎn)生的特征性化學(xué)物質(zhì)變化，為食品品質(zhì)評估提供依據(jù)。針對果蔬類產(chǎn)品，近紅外光譜技術(shù)可基于細(xì)胞壁多糖降解引起的吸光度偏移，量化評估蘋果、番茄等果蔬的成熟度與貯藏期[；對于水產(chǎn)品及畜禽肉類，通過檢測揮發(fā)性鹽基氮、硫化物等腐敗標(biāo)志物的光譜響應(yīng)，構(gòu)建新鮮度評價模型[。與傳統(tǒng)微生物培養(yǎng)或氣相色譜檢測方法相比，近紅外光譜技術(shù)無須破壞樣品組織結(jié)構(gòu)，可直接對整個水果或整塊肉制品進(jìn)行表面或內(nèi)部品質(zhì)分析，同時實現(xiàn)多指標(biāo)同步檢測。在冷鏈物流環(huán)節(jié)，搭載近紅外傳感器的智能設(shè)備可對運輸中的食品進(jìn)行連續(xù)性質(zhì)量追蹤，預(yù)警微生物超標(biāo)風(fēng)險，從而有效減少食品損耗并保障食品安全[8]。

1.4檢測轉(zhuǎn)基因食品

近紅外光譜技術(shù)在轉(zhuǎn)基因食品檢測領(lǐng)域的應(yīng)用，主要依賴于其對基因表達(dá)產(chǎn)物的光譜特征捕捉能力。轉(zhuǎn)基因作物在基因修飾過程中往往伴隨特定蛋白質(zhì)結(jié)構(gòu)或次級代謝產(chǎn)物的改變，這些差異可通過近紅外光譜的高靈敏度檢測進(jìn)行識別。例如，轉(zhuǎn)Bt基因玉米中殺蟲蛋白的酰胺鍵振動特征，或轉(zhuǎn)基因大豆油脂成分的微小變化，均可通過光譜模型與原始品種進(jìn)行區(qū)分[。與聚合酶鏈?zhǔn)椒磻?yīng)、免疫層析等分子生物學(xué)方法相比，近紅外光譜技術(shù)無須復(fù)雜的DNA提取或抗體標(biāo)記過程，使檢測流程大幅簡化，且能夠?qū)崿F(xiàn)非標(biāo)記化快速篩查。此外，近紅外光譜技術(shù)對樣品形態(tài)的強適應(yīng)性使其可應(yīng)用于種子、粉末、油料等多種形態(tài)的轉(zhuǎn)基因成分檢測，為市場監(jiān)管部門提供高效的檢測手段。

2提高近紅外光譜技術(shù)在食品檢測中應(yīng)用效果的建議

2.1加強技術(shù)和儀器設(shè)備創(chuàng)新研發(fā)

提升近紅外光譜技術(shù)在食品檢測中的應(yīng)用效果，需以技術(shù)創(chuàng)新與設(shè)備優(yōu)化為核心驅(qū)動力。 ① 應(yīng)重點突破硬件性能瓶頸，針對食品復(fù)雜基質(zhì)的光譜干擾問題，研發(fā)具有更高信噪比和抗干擾能力的光譜探測器。通過優(yōu)化光路設(shè)計、采用新型光學(xué)材料或引入自適應(yīng)濾波技術(shù)，提升儀器在檢測高水分、高油脂或深色食品時的信號穩(wěn)定性。 ② 需強化算法模型的開發(fā)與迭代，結(jié)合深度學(xué)習(xí)框架構(gòu)建適用于多場景的通用型分析模型[10]。 ③ 應(yīng)推動設(shè)備微型化與智能化進(jìn)程，開發(fā)便攜式近紅外檢測終端并集成無線傳輸模塊，使其能適應(yīng)田間、生產(chǎn)線或冷鏈運輸中的實時監(jiān)測需求。

2.2依據(jù)實際檢測需求開展針對性的前處理工作

針對不同食品特性優(yōu)化前處理流程是提升檢測精度的關(guān)鍵環(huán)節(jié)。 ① 需建立分類別、分場景的前處理標(biāo)準(zhǔn)操作規(guī)范。對于谷物粉末等固體顆粒食品，需明確研磨細(xì)度、濕度控制及裝樣密度的標(biāo)準(zhǔn)化參數(shù)，以消除因物理狀態(tài)差異導(dǎo)致的光譜散射干擾[11]；對于汁或食用油等液態(tài)樣品，則應(yīng)規(guī)范比色皿清潔程序與溫控條件，避免殘留污染或溫度波動引起的基線漂移。 ② 需開發(fā)動態(tài)光譜校正技術(shù)，根據(jù)待測樣品的理化特性自動匹配最佳預(yù)處理方法。例如，針對高水分果蔬樣品，優(yōu)先采用多元散射校正與導(dǎo)數(shù)變換相結(jié)合的方式消除表面反光影響；對于紅酒等富含色素的食品，則需通過標(biāo)準(zhǔn)正態(tài)變量變換補償顏色深淺對吸光度的干擾[12]。此外，應(yīng)構(gòu)建食品基質(zhì)干擾數(shù)據(jù)庫，收錄常見食品中纖維、色素、懸浮物等干擾物質(zhì)的光譜特征，并開發(fā)智能識別模塊，在檢測過程中自動扣除背景干擾信號，從而減少人工干預(yù)并提高分析效率。

2.3科學(xué)聯(lián)用其他檢測技術(shù)和數(shù)字信息技術(shù)

多技術(shù)協(xié)同與數(shù)字化賦能可顯著增強近紅外光譜技術(shù)的綜合檢測能力。 ① 需建立近紅外光譜與拉曼光譜、高光譜成像等技術(shù)的聯(lián)用機制。在食品摻假鑒別方面，利用拉曼光譜的分子指紋特性補充近紅外光譜的官能團信息，通過數(shù)據(jù)融合提高對相似成分的區(qū)分度；在異物檢測方面，結(jié)合高光譜成像的空間分辨能力，同步實現(xiàn)污染物定位與成分分析[13]② 應(yīng)深度整合大數(shù)據(jù)分析技術(shù)，搭建食品光譜云平臺并接人物聯(lián)網(wǎng)終端設(shè)備，實現(xiàn)跨區(qū)域檢測數(shù)據(jù)的實時采集與共享[14]。通過機器學(xué)習(xí)算法挖掘歷史數(shù)據(jù)中的隱含規(guī)律，動態(tài)優(yōu)化模型參數(shù)并預(yù)警異常檢測結(jié)果。此外，需開發(fā)智能決策支持系統(tǒng)，將光譜檢測結(jié)果與食品加工工藝參數(shù)、貯藏環(huán)境數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，為生產(chǎn)企業(yè)提供從原料篩選到成品出庫的全鏈條質(zhì)量優(yōu)化方案。 ③ 可探索區(qū)塊鏈技術(shù)在檢測數(shù)據(jù)存證中的應(yīng)用，利用其不可篡改特性確保檢測報告的公信力，為食品溯源體系提供可靠的技術(shù)支撐。

2.4加強檢測人員專業(yè)知識和操作技能培訓(xùn)

專業(yè)化人才隊伍是保障技術(shù)高效落地的核心要素。 ① 需構(gòu)建分層級、模塊化的培訓(xùn)體系，針對儀器操作員、數(shù)據(jù)分析師及質(zhì)量控制管理人員分別設(shè)計課程內(nèi)容。操作人員應(yīng)重點掌握樣品制備規(guī)范、設(shè)備校準(zhǔn)流程及常見故障排除方法；數(shù)據(jù)分析人員需深入理解化學(xué)計量學(xué)原理，熟練運用偏最小二乘法、支持向量機等建模工具進(jìn)行光譜解析。 ② 應(yīng)推動跨學(xué)科知識融合教學(xué)，在培訓(xùn)中融入食品化學(xué)、光學(xué)工程及統(tǒng)計學(xué)基礎(chǔ)理論，幫助從業(yè)人員建立系統(tǒng)化知識框架。此外，需制定標(biāo)準(zhǔn)化操作手冊與質(zhì)量控制指南，明確不同食品類別檢測的標(biāo)準(zhǔn)操作程序，并通過虛擬仿真平臺進(jìn)行實操演練，降低人為操作誤差。 ③ 應(yīng)建立定期考核與能力認(rèn)證機制，聯(lián)合行業(yè)協(xié)會開展職業(yè)技能等級評定，將光譜解析準(zhǔn)確率、設(shè)備維護規(guī)范性等指標(biāo)納入績效考核體系，以此激勵從業(yè)人員持續(xù)提升專業(yè)技術(shù)水平。

3結(jié)語

近紅外光譜技術(shù)在食品檢測領(lǐng)域已展現(xiàn)出強大功能，能有效鑒別食品品質(zhì)與種類、精準(zhǔn)分析食品成分、可靠檢測食品新鮮度及變質(zhì)程度，還能對轉(zhuǎn)基因食品進(jìn)行篩查。同時，通過加強技術(shù)和儀器設(shè)備創(chuàng)新研發(fā)、開展針對性前處理工作、科學(xué)聯(lián)用其他技術(shù)與信息技術(shù)以及強化檢測人員培訓(xùn)等措施，進(jìn)一步提升其應(yīng)用效果。未來，隨著技術(shù)的持續(xù)革新，近紅外光譜技術(shù)有望在食品檢測中發(fā)揮更大作用，為食品安全提供更堅實的保障，推動食品行業(yè)向更安全、更高效的方向發(fā)展。

參考文獻(xiàn)

[1]王子熙，沈群，趙卿宇.近紅外光譜技術(shù)在谷物檢測中的應(yīng)用研究進(jìn)展[J].食品科學(xué)，2025，46（3）：267-273.

[2]吳成招，王一韜，胡棟，等.近紅外光譜技術(shù)在食用油摻偽檢測中的研究進(jìn)展[J].光譜學(xué)與光譜分析，2023，43（3）：685-691.

[3]王冬，欒云霞，王欣然，等．近紅外光譜無損分析肉類品質(zhì)的研究進(jìn)展[J].肉類研究，2024，38（5）：61-70.

[4]趙小偉，鄭楠，王加啟，等.近紅外光譜技術(shù)在乳及乳制品質(zhì)量檢測中的應(yīng)用[J]動物營養(yǎng)學(xué)報，2024，36（9）：5451-5459.

[5]張勇，王督，李雪，等.基于近紅外光譜技術(shù)的農(nóng)產(chǎn)品產(chǎn)地溯源研究進(jìn)展[J]食品安全質(zhì)量檢測學(xué)報，2018，9（23）：6161-6166.

[6]廖志強，何崇訓(xùn).基于近紅外光譜技術(shù)的蘋果糖度預(yù)測及分級研究[J].信息技術(shù)與信息化，2023（10）：93-98.

[7]陳穎，王璐，尚宏鑫，等.近紅外光譜技術(shù)在水產(chǎn)養(yǎng)殖行業(yè)的應(yīng)用進(jìn)展[J].河北漁業(yè)，2022（2）：33-37.

[8]王建強，陳景華，郝發(fā)義，等.冷鏈物流對鮮肉新 鮮度的影響及智能檢測[J].包裝工程，2022，43（1）：148-157.

[9]常莉，翟晨，錢承敬，等.近紅外光譜分析技術(shù)在玉米品質(zhì)檢測中的應(yīng)用研究進(jìn)展[J]中國畜牧雜志，2024，60（1）：101-107.

[10]楊森，張新界，王振民，等.基于近紅外光譜和深度學(xué)習(xí)數(shù)據(jù)增強的大米品種檢測[J].農(nóng)業(yè)工程學(xué)報，2023，39（19）：250-257.

[11]焦慧平，蓮花，李潤甜，等.基于近紅外光譜的快速、無損分析技術(shù)在肉從蓉藥材質(zhì)量控制中的應(yīng)用研究[J]化學(xué)研究與應(yīng)用，2025，37（2）：439-448.

[12]黃小貝，周探春，易姿，等.近紅外光譜法快速測定4種酒類產(chǎn)品中的酒精度[J].釀酒科技，2024（8）：133-139.

[13]陳瀑，楊健，褚小立，等.近五年我國近紅外光譜分析技術(shù)的研究與應(yīng)用進(jìn)展[J].分析化學(xué)，2024，52（9）：1213-1224.

[14]丁浩晗，田嘉偉，謝禎奇，等.機器學(xué)習(xí)和大數(shù)據(jù)在食品領(lǐng)域的應(yīng)用[J].食品與發(fā)酵工業(yè)，2024，50（24）：353-361.