光譜技術(shù)在食品檢驗檢測中的應(yīng)用研究

Research on the Application of Spectral Technology in Food Inspection and Testing

PENG Chunxiao

（HebeiFoodSafetyKeyLaboratory，KeyLaboratoryofSpecialFoodSupervisionTechnology，StateAdministration for Market Regulation， Hebei Engineering Research Center for Special Food Safety and Health， Hebei Food Inspection and Research Institute， Shijiazhuang O5o227， China）

Abstract： Fast， accurate，and non-destructive testing technology has become a key requirement in the food industry.Spectral technology has been widelyused in the field offood testing due to itshigh efficiency， nondestructive nature，and ability to simultaneously detect multiple components.This article reviews the principles of near-infrared spectroscopy， infrared spectroscopy，Raman spectroscopy，fuorescence spectroscopy，and hspectral imaging technologies，and explores the current application status of spectroscopic technology in food ingredient analysis，adulterationidentification，and pollutant detection.Atthesame time，itanalyzes thechallenges it faces and future development trends.

Keywords： spectral technology; food testing; food safety

食品檢驗檢測技術(shù)不僅關(guān)系到食品安全和公眾的生命健康，還對國家、地區(qū)、企業(yè)的經(jīng)濟穩(wěn)定與發(fā)展具有重要影響。因此，推動該領(lǐng)域技術(shù)的革新和進步顯得尤為關(guān)鍵。盡管傳統(tǒng)的化學(xué)分析方法（如高效液相色譜、氣相色譜等）具備較高的準確性，但耗時長、樣品破壞性強、成本高昂等不足限制了其廣泛應(yīng)用。相比之下，光譜技術(shù)通過分析物質(zhì)與光的相互作用，能夠迅速獲取樣品信息，在食品檢測領(lǐng)域展現(xiàn)出顯著優(yōu)勢，近年來備受關(guān)注。本文對光譜技術(shù)的分類、應(yīng)用場景及其局限性進行了系統(tǒng)性綜述，旨在為食品安全監(jiān)管提供理論依據(jù)。

1 光譜技術(shù)

光譜技術(shù)是一種基于光與物質(zhì)相互作用時所產(chǎn)生的波段差異進行分析和研究的科學(xué)方法。常見的光譜技術(shù)包括紅外光譜、拉曼光譜、熒光光譜以及高光譜成像。

1.1 紅外光譜

紅外光譜技術(shù)依據(jù)波長的差異，在實際應(yīng)用中可細分為近紅外光譜、中紅外光譜和遠紅外光譜近紅外光譜（ 780～2500nm ）主要用于反映分子中C-H、O-H、N-H等含氫化學(xué)鍵的振動信息；中紅外光譜（ 2500～25000nm ）對應(yīng)分子基頻振動，特征峰顯著；遠紅外光譜（ 25～1000μm ）由于其光子能量與分子純轉(zhuǎn)動能級及晶格振動能級相匹配，在解析食品中復(fù)雜生物大分子結(jié)構(gòu)方面具有不可替代的優(yōu)勢。

與其他化學(xué)分析方法不同，紅外光譜技術(shù)在食品檢測成分定量分析時需要提前用校正樣品與近紅外光譜數(shù)據(jù)之間建立關(guān)聯(lián)模型，具體過程包括校正和預(yù)測兩個步驟，一旦測得樣品的光譜數(shù)據(jù)，即可通過上述關(guān)聯(lián)模型進行定量。其優(yōu)勢在于快速、無須復(fù)雜樣品前處理以及可同時對多組分進行檢測。例如，在對稻谷樣品檢測時，可同時出具稻谷中水分含量、蛋白質(zhì)含量、脂肪酸值等數(shù)據(jù)。近紅外光譜適用于水分、蛋白質(zhì)、脂肪等營養(yǎng)成分的定量分析；中紅外光譜用于食品中糖類、脂肪酸等成分的鑒定及食品中摻假的判定；遠紅外光譜用于食品中大分子物質(zhì)如多糖等的檢測分析。

1.2拉曼光譜

拉曼光譜是一種基于分子振動的光譜技術(shù)，通過檢測激光照射后樣品分子振動產(chǎn)生的散射光，可以得到物質(zhì)結(jié)構(gòu)和組成信息[1]，尤其適用于極性較低物質(zhì)（如油脂）的分析。隨著拉曼技術(shù)的發(fā)展與進步，衍生出了一些新的拉曼光譜技術(shù)。在表面增強拉曼散射（Surface-Enhanced Raman Scattering，SERS）的研究中，普遍通過兩種機制得到增強：電磁場增強和化學(xué)增強[2]。電磁場增強機制是當(dāng)激光照射到金屬表面或溶膠增強基底時，會引發(fā)金屬表面的電磁場增強效應(yīng)，進而使得待檢測分子的拉曼散射信號增強 10⁴～10⁶ 倍，因此更適用于低濃度物質(zhì)的檢測?；瘜W(xué)增強機制則主要涉及3種增強途徑，包括待測分子與基底之間的相互作用導(dǎo)致化學(xué)鍵形成；激發(fā)光誘導(dǎo)分子金屬系統(tǒng)電荷轉(zhuǎn)移；吸附分子和表面吸附原子形成絡(luò)合物引起共振[3。表面增強光譜散射能直接分析水相樣品，且檢測過程基本不受被測物形態(tài)的影響。

1.3熒光光譜

熒光光譜分析技術(shù)是基于物質(zhì)在特定波長光激發(fā)下發(fā)射熒光的特性，實現(xiàn)對物質(zhì)的定性和定量分析。具體而言，熒光光譜分析技術(shù)常用于測定食品中維生素的含量，不同維生素在特定波長激發(fā)下會發(fā)出特征性熒光信號，通過分析這些信號能夠精確判斷食品中維生素的種類與含量。此外，熒光光譜分析技術(shù)還被廣泛用于食品中藥物殘留、微生物和真菌毒素污染的檢測。由于藥物殘留、微生物和真菌毒素在特定波長光激發(fā)下會產(chǎn)生熒光信號，因此通過分析這些熒光信號，可對食品的污染程度進行評估。

1.4 高光譜成像

高光譜成像技術(shù)是一種能夠產(chǎn)生三維超立方體的先進成像方法，能夠全面揭示食品表面的成分分布，并通過捕獲圖像和光譜信息，將食品中的化學(xué)和分子信息以顏色或亮度的形式直觀展現(xiàn)，進而實現(xiàn)對食品水分、蛋白質(zhì)、淀粉等物質(zhì)的可視化分析。高光譜成像技術(shù)具備快速、高效的特點，可以迅速且廣泛地識別食品中的異物，如金屬碎片、塑料顆粒等。此外，該技術(shù)也可用于食品品質(zhì)的分級，如區(qū)分糧食質(zhì)量品質(zhì)、水果成熟度、肉類新鮮程度等，為食品加工和銷售提供科學(xué)依據(jù)。

2光譜技術(shù)在食品檢驗檢測中的應(yīng)用

光譜技術(shù)在食品成分定量分析、摻假與真?zhèn)舞b別、污染物與殘留物的檢測以及真菌毒素檢測等多個領(lǐng)域展現(xiàn)出顯著的技術(shù)優(yōu)勢和應(yīng)用潛力。

2.1 成分定量分析

光譜技術(shù)在食品無損檢測中的應(yīng)用成效顯著，尤其在多項營養(yǎng)指標和儲藏品質(zhì)指標的定量分析方面表現(xiàn)出色。在乳制品檢測領(lǐng)域，近紅外光譜檢測提供了有力的技術(shù)支持。通過構(gòu)建基于偏最小二乘模型的分析方法，采用便攜式紅外光譜儀，建立了近紅外漫反射定量分析模型，能夠迅速測定牛奶中的脂肪、蛋白質(zhì)和干物質(zhì)含量[4。該技術(shù)的運用不僅提高了檢測效率，還確保了測定結(jié)果的精確性。

在小麥粉品質(zhì)的快速定量檢測方面，孫曉榮等[5]基于近紅外光譜技術(shù)，經(jīng)預(yù)處理和特征提取處理構(gòu)建的快速定量檢測模型穩(wěn)定性好，預(yù)測精度高。在加工食品領(lǐng)域，弓志青等采用紅外光譜掃描對不同香菇添加量的面粉樣本進行分析，經(jīng)建模驗證，數(shù)據(jù)偏差小于 5% ，相關(guān)性大于 99% ，表明該模型具有較好的準確度，能為香菇面制品的出廠檢驗提供數(shù)據(jù)支持。

2.2摻假與真?zhèn)舞b別

蜂蜜中的摻假行為不僅會降低產(chǎn)品品質(zhì)，還會威脅消費者身體健康。在蜂蜜摻假檢測領(lǐng)域，拉曼光譜結(jié)合化學(xué)計量學(xué)方法的應(yīng)用，能夠有效地辨識出蜂蜜中是否混入了其他種類的糖漿。通過建立數(shù)據(jù)模型，在檢測 1% 糖漿含量摻假蜂蜜時的準確率可超過 90% ，為保障消費者權(quán)益和維持市場秩序提供了一種可行的技術(shù)手段[]。針對肉類摻假的篩查問題，拉曼光譜技術(shù)與主成分分析相結(jié)合，能夠精確鑒別牛肉中是否摻雜了馬肉成分。該技術(shù)的應(yīng)用為食品安全監(jiān)管提供了堅實的技術(shù)支撐，確保了肉類產(chǎn)品的品質(zhì)及消費者的權(quán)益，避免了可能引發(fā)的倫理問題[8]。針對在牛奶中摻人三聚氰胺的情況，紅外光譜檢測技術(shù)可通過識別三聚氰胺在中紅外光譜范圍內(nèi)的特征吸收峰來實現(xiàn)精準檢測。在食用油品質(zhì)檢測方面，拉曼光譜技術(shù)也展現(xiàn)出獨特的優(yōu)勢，如能夠有效鑒別植物原油中是否混人了地溝油。楊永存等[]以10個品種的106份正常植物原油和11批次地溝油為樣品，借助精確的拉曼光譜分析發(fā)現(xiàn)，不同比例的地溝油摻人會導(dǎo)致拉曼光譜顯著變化，從而為保障食用油的品質(zhì)和純度提供了科學(xué)依據(jù)。

2.3污染物與殘留檢測

在農(nóng)藥殘留分析領(lǐng)域，研究人員通過應(yīng)用并優(yōu)化傳統(tǒng)光譜技術(shù)，已經(jīng)能夠有效地對食品復(fù)雜基質(zhì)背景下的痕量污染物與農(nóng)藥殘留進行檢測。例如，對于類固醇等常見激素類藥物殘留，由于傳統(tǒng)方法信號強度較弱，為了獲得較強的拉曼散射信號，研究者開發(fā)了表面增強拉曼光譜技術(shù)，顯著提升了檢測靈敏度，從而有效降低了檢出限，進一步增強了食品安全監(jiān)控的嚴格性和精確性[10]。此外，在多組分混合物的農(nóng)藥殘留定量分析方面也取得了重要進展。張瑤等[選用多種不同濃度菊酯類農(nóng)藥對寧夏枸杞進行處理，并利用熒光高光譜成像技術(shù)采集圖像數(shù)據(jù)，建立了一種用于定量檢測擬除蟲菊酯類藥物殘留的模型。在重金屬污染監(jiān)測領(lǐng)域，研究者采用近紅外光譜技術(shù)與原子吸收光譜技術(shù)相結(jié)合的方法，成功實現(xiàn)了對水稻、小麥、玉米中鉛、鎘等有害重金屬的快速篩查，其中水稻樣品基質(zhì)更加適用。該聯(lián)用技術(shù)不僅提高了檢測的效率，還確保了檢測結(jié)果的準確性，為保障糧食重金屬污染監(jiān)測提供了有力的技術(shù)支持。

2.4真菌毒素污染檢測

在真菌毒素污染檢測方面，近紅外光譜法[12]拉曼光譜法[13]等光譜技術(shù)具有技術(shù)和時間優(yōu)勢。張悅湘等[14]根據(jù)黃曲霉毒素 ΔB₁ 特征峰受溶液極性的影響易發(fā)生偏離的特點，利用表面增強拉曼光譜技術(shù)結(jié)合偏最小二乘回歸預(yù)測模型，構(gòu)建了花生油中黃曲霉毒素 ΔB₁ 的快速定量檢測方法。胡孟鳳等[15]基于近紅外光譜技術(shù)結(jié)合多元散射矯正和競爭性自適應(yīng)加權(quán)算法建立定量預(yù)測模型，實現(xiàn)了對儲藏期小麥的快速無損檢測。

3光譜技術(shù)的應(yīng)用優(yōu)勢、挑戰(zhàn)與發(fā)展

3.1 應(yīng)用優(yōu)勢

① 光譜技術(shù)是一種無損檢測方法。無須對樣品進行任何預(yù)處理，此特性使得該檢測方法非常適合現(xiàn)場在線檢測，顯著提升了檢測過程的便捷性與效率。 ② 光譜技術(shù)展現(xiàn)出卓越的檢測效能，能夠迅速完成檢測任務(wù)，保障工作流程的順暢進行。通過單一檢測流程，能夠迅速且精確地從復(fù)雜基質(zhì)獲取樣品中的多組分信息，顯著提升了分析過程的效率與準確性。 ③ 光譜技術(shù)環(huán)境友好性強。該檢測技術(shù)無須使用任何化學(xué)試劑，檢測過程契合綠色分析的理念，既保護了生態(tài)環(huán)境，又確保了檢測過程的安全性。

3.2 面臨的挑戰(zhàn)

（1）在食品檢驗檢測領(lǐng)域，復(fù)雜基質(zhì)造成的干擾問題始終是一個重要挑戰(zhàn)。鑒于食品成分的多樣性，光譜信號往往出現(xiàn)重疊現(xiàn)象，這導(dǎo)致在運用近紅外光譜技術(shù)進行品質(zhì)檢測時，必須依賴先進的化學(xué)計量學(xué)模型進行優(yōu)化。李莉楠[在其研究中指出，小麥粉作為一種成分復(fù)雜的食品基質(zhì)，在運用近紅外光譜技術(shù)進行品質(zhì)分析時，會遭遇顯著的散射等干擾問題，這對近紅外光譜技術(shù)在小麥粉品質(zhì)檢測中的穩(wěn)健性和適用性提出了嚴峻挑戰(zhàn)。為了應(yīng)對這一挑戰(zhàn)，未來的研究方向需要拓展近紅外光譜小麥粉品質(zhì)檢測的數(shù)據(jù)庫，同時優(yōu)化光譜預(yù)處理和特征提取方法。此外，深人探索非線性建模算法，進一步提高近紅外光譜小麥粉品質(zhì)檢測模型的檢測能力，是推動近紅外光譜技術(shù)在小麥粉品質(zhì)檢測中應(yīng)用的關(guān)鍵。通過這些努力，有望實現(xiàn)從原料到產(chǎn)品的全程快速無損檢測與控制，從而提高整個食品產(chǎn)業(yè)鏈的質(zhì)量管理水平。

（2）儀器成本與標準化問題仍是光譜技術(shù)應(yīng)用中另一重要挑戰(zhàn)。研發(fā)投入高、材料費昂貴等原因?qū)е孪冗M精準的光譜設(shè)備往往價格昂貴，這在一定程度上限制了該技術(shù)的普及和應(yīng)用。此外，目前缺乏統(tǒng)一的數(shù)據(jù)共享庫，這不僅影響了檢測結(jié)果的可比性，也給跨實驗室和跨地區(qū)的數(shù)據(jù)共享帶來了困難。

（3）模型的單一性也是一個需要關(guān)注的問題。由于產(chǎn)地和食品的品種不同，在營養(yǎng)成分上必然存在差異，現(xiàn)有的單一固化模型可能無法直接應(yīng)用于所有類型的食品。這意味著每當(dāng)遇到新的產(chǎn)地或品種時，可能需要重新建立模型，從而降低實際檢測效率。因此，如何提高模型的普適性，使其能夠適應(yīng)更廣泛的檢測領(lǐng)域，是當(dāng)前研究中亟待解決的問題。

3.3未來發(fā)展趨勢

光譜技術(shù)在食品檢測領(lǐng)域已展現(xiàn)出多樣化和高效式的發(fā)展趨勢。未來，該技術(shù)將在高效性與準確度方面進一步深耕，并且提升技術(shù)應(yīng)用的廣度和深度。 ① 便攜式設(shè)備開發(fā)。未來將開發(fā)微型化光譜儀，并優(yōu)化前處理過程和檢驗檢測條件，如發(fā)射波長等。這種適用于現(xiàn)場攜帶的檢測設(shè)備將大幅提高現(xiàn)場快速檢測的能力，使得檢測過程更加便捷高效。 ② 多領(lǐng)域技術(shù)互通。在光譜分析領(lǐng)域，將近紅外光譜技術(shù)、高光譜成像技術(shù)、拉曼光譜技術(shù)等與原子吸收光譜等技術(shù)相結(jié)合已成為行業(yè)趨勢。這種多技術(shù)的聯(lián)用不僅能夠提升檢測的維度，還能夠顯著提高檢測的精度和可靠性。 ③ 人工智能與大數(shù)據(jù)。在光譜數(shù)據(jù)分析領(lǐng)域，人工智能技術(shù)，尤其是深度學(xué)習(xí)大數(shù)據(jù)技術(shù)和算法，正在發(fā)揮越來越重要的作用，有助于優(yōu)化光譜數(shù)據(jù)分析流程、建立更加精準的模型，從而提高分析的準確性和效率。 ④ 標準化體系建設(shè)。為了確保食品檢測數(shù)據(jù)的一致性，借助大數(shù)據(jù)和算法等技術(shù)建立一個統(tǒng)一的食品光譜數(shù)據(jù)庫和檢測規(guī)范顯得尤為重要[7]。這將有助于打造一個協(xié)調(diào)與統(tǒng)一的食品檢測標準，從而提高不同國家和地區(qū)的食品安全檢驗檢測水平。

4結(jié)語

光譜技術(shù)通過分析物質(zhì)的光譜特性，能夠快速、準確地識別食品中的成分和污染物，從而確保食品的質(zhì)量與安全。這一優(yōu)勢使其成為食品檢測領(lǐng)域中不可或缺的重要工具。隨著研究者的持續(xù)創(chuàng)新以及數(shù)據(jù)分析算法的不斷進步，光譜技術(shù)有望在食品安全監(jiān)管、生產(chǎn)過程控制以及消費者權(quán)益保護等多個方面發(fā)揮更加重要的作用。這些技術(shù)進步將有助于提高食品檢測的效率和準確性，進而減少食品安全事故的發(fā)生，同時也能進一步提升消費者對食品安全的信心。

參考文獻

[1]XU ML，GAOY，HANXX，etal.Innovative applicationofSERSinfoodqualityand safety：abrief reviewof recenttrends[J].Foods，2022，11（14）：2097.

[2]CHANGK，ZHAO Y，WANGM，etal.Advances inmetal-organic framework-plasmonic metal composites based SERS platforms：engineering strategies in chemical sensing practical applications and future perspectivesin food safety[J].Chemical Engineering Journal，2023，459： 141539.

[3]王留留，孫方濤.表面增強拉曼光譜技術(shù)在食品安全檢測領(lǐng)域中的應(yīng)用[J].食品與機械，2024，40（1）：212-218.

[4]李曉云，王加華，黃亞偉，等.便攜式近紅外儀檢測牛奶中脂肪、蛋白質(zhì)及干物質(zhì)含量[J.光譜學(xué)與光譜分析，2011，31（3）：665-668.

[5]孫曉榮，張晨光，劉翠玲，等.近紅外光譜技術(shù)對小麥粉品質(zhì)定量快速檢測[J].食品科技，2023，48（11）：246-252.

[6]弓志青，張永琥，沈小剛，等.基于近紅外光譜技術(shù)快速定量檢測香菇面制品中香菇含量的研究[J].中國果菜，2025，45（1）：8-12.

[7]寇澤坤，陳國通，李思雨，等.拉曼光譜結(jié)合化學(xué) 計量學(xué)方法鑒別糖漿摻假蜂蜜[J].食品科學(xué)，2024，45（1）： 254-260.

[8]BOYACI I H，TEMIZ H T，UYSAL RS，et al.A novel method for discrimination of beef and horsemeatusing Raman spectroscopy[J].Food Chemistry，2014，148：37-41.

[9]楊永存，李浩，楊冬燕，等.植物原油與地溝油拉曼光譜譜圖的分析研究[J].華南預(yù)防醫(yī)學(xué)，2015，41（2）：176-182.

[10]薛耀輝，李錦花，馬明，等.動物源性食品中類固 醇激素的快速檢測方法研究進展[J]食品安全質(zhì)量檢測學(xué) 報，2025，16（9）：159-171.