近红外光谱技术在食品安全检测中的最新研究进展

2013-04-08杨智灵任保增

食品与机械 2013年5期

杨智灵李涛任保增

（1．河南省产品质量监督检验院，河南郑州 450008；2．郑州大学化工与能源学院，河南郑州 450001）

近年来，食品掺假事件不断发生，如含三聚氰胺牛奶事件、假奶粉事件、地沟油事件及假酒事件等，并由此带来了一系列重大食品安全事故，严重威胁到消费者的身体健康［1］。如何确保食品安全已提升为全社会、国际性的重大课题，受到了广泛的重视。为了保障消费者的身体健康，维护消费者的权益，需要加强对食品安全的监督管理，研究开发出准确、便捷、经济的食品安全检测方法［2］。近红外光谱技术因其具有快速、简单、高效、经济及环保等特点获得了较多研究者的青睐，并已广泛应用于食品安全的检测中［3－5］。

1 近红外光谱技术

1．1 近红外光谱技术的原理

近红外光（NIR）是介于可见光（VIS）和中红外光（MIR）之间的电磁波，按ASTM（美国试验和材料检测协会）的定义是指波长在780～2 526nm 范围内的电磁波［6］。近红外光谱区与有机分子中含氢基团（OH、NH、CH）振动的合频和各级倍频的吸收区一致，通过扫描样品的近红外光谱，能得到其中有机分子含氢基团的特征信息［7］。不同物质在近红外光谱区因成分不同而存在特定的吸收特征，这为近红外光谱定量或定性分析物质提供了理论依据［8］。

1．2 近红外光谱技术的特点及应用

近红外光谱技术具有以下特点［9］：①分析过程简单；②分析成本低；③既可作定性分析，也可作定量检测；④无损分析；⑤分析速度快；⑥分析重现性好。

由于具有以上特点，近年来近红外光谱技术在各行各业的应用得到了全面展开，经过50余年的发展，已广泛应用到有机化工、高分子材料、制药、生物化工、环境科学、纺织工业、农副产品及食品安全等众多领域［10］。在食品安全领域，近红外光谱技术主要用于食品的成分、品质、有害物质、品种、产地及掺假等方面的检测分析。尽管近红外光谱技术在食品安全领域的研究及应用时间较短，但由于其在食品中有害物质的结构鉴定方面所具有的突出优势，使得该技术在食品安全检测中的应用日益广泛，已涉及到乳及乳制品、食用油、蜂蜜、茶叶、肉类、酒类及其它食品的安全检测中［11］。

2 近红外光谱技术在食品安全检测中的应用

2．1 乳及乳制品的检测

乳及乳制品的主营养成分包括蛋白质、脂肪、乳糖及盐类等，这几类物质的组成与乳及乳制品的质量紧密相关。近红外光谱技术在乳及乳制品的检测包括理化指标和掺伪的检测［12］。Kawasaki等［13］构建了基于近红外光谱技术的牛奶品质检测模型，该模型可较好地检测牛奶的各项理化指标，评价牛奶的品质。韩东海等［14］利用近红外光谱技术和偏最小二乘法建立了原料奶酸度和pH 值预测的定量模型，实现了对原料奶新鲜程度的快速、准确判别。祝静等［15］采用近红外光谱技术和偏最小二乘法建立了羊酸奶硬度、黏度和保水力质构参数的校正模型，提供了一种近红外光谱的多组分定量分析的新途径。钟珍珍等［16］采用漫反射模式对其近红外光谱进行了采集，建立了掺假原奶的近红外光谱判别模型，实现了对掺假原奶的良好识别。刘景旺等［17］采用近红外吸收光谱技术对奶制品中三聚氰胺的含量分析进行了研究，采用偏最小二乘法建立了数学模型，并快速准确检测出奶制品中三聚氰胺的添加量。

2．2 食用油的检测

食用油种类较多，不同种类的食用油因其营养价值的不同而价格迥异［18］。对于食用油的掺假，现有的检测方法包括液相色谱法、同位素比值法及近红外光谱法等［19］，在这几种方法中，近红外光谱法因其具有快速、简便、准确等优势，应用日益广泛。刘莹等［20］对基于ARM9 微处理器的山茶油近红外光谱检测进行了研究，在嵌入式Linux系统下完成了AD7705驱动程序和基于QT 的系统软件设计，实现了对山茶油体积分数的准确检测。王传现等［21］运用近红外光谱技术和主成分分析法对初榨橄榄油中的各种食用油的掺杂作了定性分析，鉴别模型预测未知样本的正确率达100%。Heussen等［22］采用近红外光谱技术和偏最小二乘法建立了黄油中掺杂植物油检测的数学模型，精确的评估了黄油的脂肪水平。叶康等［23］采用基于ARM 的近红外光谱技术，在对废弃油脂光谱数据的采集、处理和对比的基础上，建立了标准样品模型，将采集的数据同标准样品模型比较，可实现不同废弃油脂的有效鉴别。

2．3 蜂蜜的检测

目前，蜂蜜的最常见掺假方法是在其中加入糖浆或转化糖。由于糖浆组分与蜂蜜中的天然成分的物性类似，难以用感官或常规的化学检测方法将其检出。Downey等［24］运用近红外光谱技术分析了掺入不等量葡萄糖和果糖的蜂蜜，用偏最小二乘回归、K－邻近距离和聚类软独立建模法等建立了蜂蜜掺假的检测模型，结果表明，偏最小二乘法是蜂蜜掺假最准确的检测方法。Kelly等［25］采用近红外光谱技术，利用SIMCA 方法分别建立了甜菜转化糖浆和掺有高果玉米糖浆的爱尔兰蜂蜜的定性模型，并通过PLS方法建立了具有较好定性、定量分析能力的预测掺假水平的模型。张欣等［26］采用近红外光谱技术和偏最小二乘回归方法分别建立了准确可靠的蜂蜜中还原糖含量的定量分析模型。屠振华等［27］运用近红外光谱技术，结合模式识别法对蜂蜜掺假进行了识别分析，分别采用偏最小二乘判别分析、独立软模式法等方法进行蜂蜜掺假识别模型的建立和样品检测，结果表明，该方法的正确判别率达100%。

2．4 茶叶的检测

茶叶作为传统的天然饮料越来越受到人们的青睐，其消费量不断增长。与此同时，对于茶叶品质的控制也变得日益重要。近红外光谱技术既可进行茶叶中的总氮、游离氨基酸、水分、茶多酚、咖啡碱等的定量检测，也可对茶叶进行品质分级［28］。Schulz等［29］采用近红外光谱技术对绿茶的品质分析进行了研究，建立测定茶多酚、氨基酸、咖啡碱和可可碱的数学模型，实现了对绿茶品质的准确分析。赵杰文等［30］采用近红外光谱法对茶叶中儿茶素含量的测定进行了研究，采用偏最小二乘法建立了茶叶中3种儿茶素的定量分析模型，实现了对茶叶中3 种儿茶素含量的准确测定。周健等［31］对不同品种的茶叶样品进行了近红外光谱采集，通过主成分分析和逐步回归法建立了茶叶品种的FISHER 识别函数，并对不同品种的茶叶进行了分析，样品识别准确率达96．8%。张龙等［32］运用近红外光谱技术结合化学计量学方法对不同发酵程度茶叶进行了分析与判别，结果表明，标准正态变换结合去趋势转化对不同发酵程度的茶叶分类效果最好，其原始分类正确率达100．0%，交叉验证正确分类率达94．4%。牛智有等［33］分别采用两种不同型号近红外光谱仪对茶叶中茶多酚和咖啡碱含量进行了定标建模，分别建立了茶多酚和咖啡碱的优化定标模型，结果表明，两种仪器均得到良好的模型定标效果和较高的预测精度，均可用于茶叶中茶多酚和咖啡碱含量的检测。

2．5 肉类的检测

近红外光谱技术可用于肉类成分的分析，测定其主要成分及含量，也可对肉类进行颜色、保水性、纹理、嫩度、新鲜度等品质指标的评判。赵丽丽等［34］运用近红外光谱技术对腊肉品质进行了测定，采集了腊肉样品的近红外光谱，并采用附加散射校正光谱预处理方法建立了腊肉酸价和水分含量的PLS回归模型，对腊肉的品质进行了准确的评价。杨建松等［35］应用近红外反射光谱技术，采用偏最小二乘法建立了牛肉理化特性的近红外预测模型，结果表明，所建立的模型适合于快速评价牛肉品质，且化学指标预测的精确度明显高于物理指标。刘晓晔等［36］运用近红外光谱技术对普通公牛和淘汰母牛肉进行了鉴定研究，运用偏最小二乘法建立了两产地普通公牛和淘汰母牛肉的鉴别模型，所建模型对校正集合验证集样本的鉴别准确率均为100%，对剩余预测集的70和39个的鉴别分析准确率分别达96%和90%。

2．6 酒类的检测

近红外光谱技术在酒类的检测中应用较为广泛，可用于白酒、啤酒、葡萄酒及黄酒的品质检测。陈妍等［37］运用近红外光谱技术结合偏最小二乘法进行白酒中乙醇、总酸、总酯及己酸乙酯含量，结果表明，该方法是一种方便、快速、无损和成本低的测定白酒各指标的方法，适合大批量样品分析，应用前景好。李继光等［38］采用近红外光谱技术对白酒中的乙醇含量的检测进行了研究，建立了一系列浓度乙醇溶液的近红外短波光谱特征的回归模型，实现了对白酒真实样品乙醇含量的测定。郭海霞等［39］运用近红外光谱技术对葡萄酒的真伪识别进行了研究，利用一个三层人工神经网络建立了样品识别模型，结果表明，模型对葡萄酒样品的预测识别率达100%。刘宏欣等［40］运用近红外光谱法，结合偏最小二乘法及逐步多元线性回归法对啤酒的真实浓度、原麦汁浓度及酒精度进行了回归分析，建立了相应的定标与预测模型，结果表明，该方法可同时、快速、无损的检测出不除气啤酒样品的三指标。谢广发等［41］采用近红外光谱技术对黄酒品质进行了鉴定，建立了黄酒酒精度、总酸和氨基酸态氮3项理化指标的预测模型，对黄酒样品进行检测结果表明，该方法可较好地用于黄酒理化指标的快速检测。

2．7 其它食品的检测

近红外光谱技术还在其它较多食品的安全检测中得到了应用。如面粉品质的检测，刘翠玲等［42］采用近红外光谱技术结合BP神经网络进行了面粉中滑石粉含量的检测，为面粉中滑石粉含量的无损快速检测提供了新方法。果蔬品质的检测，可快速、准确、无损检测检测果蔬中糖度、酸度、叶绿素含量、水分含量、脆度及内部有无病虫害等情况等，还可对果蔬中农药残留进行定性及定量分析［43，44］。调味品质量的检测，可快速、准确检测酱油中总酸、氨基酸态氮和全氮等组分［45］；可检测食醋的品质指标［46］。另外，近红外光谱技术还可对粮食、腐乳、食品中的添加剂及有毒害成分、食品农药残留、食品中的微生物等方面进行分析检测［47］。

3 结论及展望

近红外光谱技术经过50余年的发展，已成为一种快速的现代分析测试技术，并广泛的应用于食品安全检测的各领域中。但是，该技术在应用中还存在以下问题：①建模较困难，需专业人员采集大量相关样品建立稳定的模型，所建模型具有一定的适应范围，需根据检测对模型进行维护修正，同时，建模时多使用抽象模型，对可描述模型的研究欠缺；②较多物质在近红外光谱处的吸收信息较弱，导致方法的灵敏度稍低；③近红外光谱的检测结果的准确度易受各种因素影响，如何获得稳定的光谱仍然是值得探讨的问题；④大多研究仅仅为应用性的，未进行深入的分析。

近红外光谱技术在食品安全领域的应用仍需进行进一步研究完善，主要为①深入研究建模方法和光谱的预处理方法，提高所建模型的稳定性、精度和通用性；②研究所建立模型库的移植和转换，实现近红外光谱分析模型的在线更新与升级，拓展所建模型的适用范围；③近红外光谱仪的性能完善及简易检测装置的研究，开发出性能更为稳定、适应现场检测、易于操作的近红外光谱装置。

尽管近红外光谱技术在食品安全检测中存在不足，但因其较其它检测方法具有快速、方便、简单、非破坏性、无试剂分析、高效、低成本、可同时测定多指标及安全等优点，在食品安全检测分析中已体现出较大的优势。不难预见，随着近红外光谱仪性能的逐步提高、建模方法和光谱预处理方法的进一步发展完善、应用范围的不断拓展，该技术将在食品安全领域发挥更重要的作用，为食品的安全和品质监管作出更大的贡献。

1 王小燕，王锡昌，刘源，等．近红外光谱技术在食品掺伪检测应用中的研究进展［J］．食品科学，2011，32（1）：265～269．

2 张玉华，孟一，张应龙，等．近红外光谱技术在食品安全领域应用研究进展［J］．食品科技，2012，27（10）：283～286．

3 陈建军，谭佐军，崔鹏，等．近红外光谱技术在食品安全检测中的应用［J］．红外，2007，28（4）：38～40．

4 安泉鑫，陈莉，庞林江，等．近红外光谱技术在食品中的应用进展［J］．食品与机械，2012，28（5）：239～242．

5 孙通，徐惠荣，应义斌．近红外光谱分析技术在农产品／食品品质在线无损检测中的应用研究进展［J］．光谱学与光谱分析，2009，29（1）：122～126．

6 董守龙，任芊，黄友之．近红外光谱分析技术的发展和应用［J］．化工生产与技术，2004，11（6）：44～46．

7 徐广通，袁洪福，陆婉珍．现代近红外光谱技术及应用进展［J］．光谱学与光谱分析，2000，20（2）：134～142．

8 宗莉，薛娴，王涛，等．近红外光谱分析技术在水果内部品质无损检测中的应用［J］．安徽农业科学，2010，38（6）：2 765～2 767．

9 周德成，刘木清，周小丽，等．近红外光谱分析在食品药品检测中的应用［J］．红外，2006，27（3）：28～31．

10 陆婉珍．现代近红外光谱分析技术［M］．北京：中国石化出版社，2007．

11 黄艳，王锡昌．近红外光谱分析在食品检测中的最新进展［J］．食品研究与开发，2007，28（7）：137～140．

12 李慧，曾铭，要磊，等．近红外光谱技术在食品检测中的应用研究进展［J］．食品工业，2011，12（28）：85～88．

13 Kawasaki M，Kawamura S，Tsukahara M，et al．Near－infrared spectroscopic sensing system for on－line milk quality assessment in a milking robot［J］．Computers and Electronics in Agriculture，2008，63（1）：22～27．

14 韩东海，鲁超，刘毅．纯牛奶，还原奶，掺假奶，牛奶新鲜度的近红外检测［J］．中国供销商情（乳业导报），2006（4）：39～41．

15 祝静，丁武．羊酸奶质构特性的近红外光谱定量分析［J］．食品科学，2010，31（19）：170～173．

16 钟珍珍，张立国，张鑫，等．近红外技术识别掺假原奶的可行性研究［J］．计算机与应用化学，2010，27（12）：1 691～1 693．

17 刘景旺，张博洋，李树峰，等．近红外吸收光谱技术快速检测奶制品中添加三聚氰胺［J］．光散射学报，2010，22（3）：291～297．

18 刘福莉，陈华才，姜礼义，等．近红外透射光谱聚类分析快速鉴别食用油种类［J］．中国计量学院学报，2008，19（3）：278～282．

19 Christopoulou E，Lazaraki M，Komaitis M，et al．Effectiveness of determinations of fatty acids and triglycerides for the detection of adulteration of olive oils with vegetable oils［J］．Food Chemistry，2004，84（3）：463～474．

20 刘莹，胡云龙．基于ARM9 的近红外山茶油无损检测仪研究［J］．传感器与微系统，2013，32（4）：72～75．

21 Mignani A G，Ciaccheri L，Ottevaere H，et al．Visible and nearinfrared absorption spectroscopy by an integrating sphere and optical fibers for quantifying and discriminating the adulteration of extra virgin olive oil from Tuscany［J］．Analytical and Bioanalytical Chemistry，2011，399（3）：1 315～1 324．

22 Heussen P，Janssen H G，Samwel I，et al．The use of multivariate modelling of near infra－red spectra to predict the butter fat content of spreads［J］．Analytica Chimica Acta，2007，595（1）：176～181．

23 叶康，李战胜，王建，等．基于ARM 近红外地沟油检测［J］．科技信息，2012（35）：85～85．

24 Downey G，Fouratier V，Kelly J D．Detection of honey adulteration by addition of fructose and glucose using near infrared transflectance spectroscopy［J］．Journal of Near Infrared Spectroscopy，2003，11（6）：447～456．

25 Kelly J D，Petisco C，Downey G．Potential of near infrared transflectance spectroscopy to detect adulteration of Irish honey by beet invert syrup and high fructose corn syrup［J］．Journal of near Infrared Spectroscopy，2006，14（2）：139～146．

26 张欣，单杨，李水芳．基于多元散射校正和偏最小二乘（MSC／PLS）的傅里叶变换近红外光谱检测蜂蜜中还原糖［J］．食品与机械，2009，25（6）：109～112．

27 屠振华，朱大洲，籍保平，等．基于近红外光谱技术的蜂蜜掺假识别［J］．农业工程学报，2011，27（11）：382～387．

28 胡茶根，赵红霞，边文亮．近红外技术在茶叶快速无损检测方面的研究与应用［J］．食品科学，2007，28（10）：638～641．

29 Schulz H，Engelhardt U H，Wegent A，et al．Application of near－infrared reflectance spectroscopy to the simultaneous prediction of alkaloids and phenolic substances in green tea leaves［J］．Journal of Agricultural and Food Chemistry，1999，47（12）：5 064～5 067．

30 赵杰文，郭志明，陈全胜，等．近红外光谱法快速检测绿茶中儿茶素的含量［J］．光学学报，2008，28（12）：2 302～2 306．

31 周健，成浩，叶阳，等．基于近红外的Fisher分类法识别茶叶原料品种的研究［J］．光学学报，2009，29（4）：1 117～1 120．

32 张龙，潘家荣，朱诚．基于近红外光谱的不同发酵类型茶叶判别［J］．食品科学，2012，33（20）：149～152．

33 牛智有，刘梅英，林新．不同近红外光谱仪在茶叶品质检测中的应用研究［J］．湖北农业科学，2009，48（10）：76．

34 赵丽丽，张录达，宋忠祥，等．近红外光谱定量检测腌腊肉制品品质的研究［J］．光谱学与光谱分析，2007，27（1）：46～49．

35 杨建松，孟庆翔，任丽萍，等．近红外光谱法快速评定牛肉品质［J］．光谱学与光谱分析，2010，34（3）：685～687．

36 刘晓晔，汤晓艳，孙宝忠，等．普通公牛肉和淘汰母牛肉的近红外光谱鉴别方法［J］．食品科学，2012，33（24）：244～248．

37 陈妍，胡慧，汪凤祖．近红外光谱法快速分析白酒中的关键指标［J］．酿酒科技，2010（11）：90～92．

38 李继光，张根生，毛迪锐．近红外分光光度法在白酒检测中的应用［J］．食品与机械，2004，20（1）：22～24．

39 郭海霞，王涛，刘洋，等．基于可见－近红外光谱技术的葡萄酒真伪鉴别的研究［J］．光谱学与光谱分析，2011，31（12）：3 269～3 272．

40 刘宏欣，张军，黄富荣，等．近红外光谱法快速测定啤酒的主要品质参数［J］．光谱学与光谱分析，2008，28（2）：313～316．

41 谢广发，徐榕，樊阿萍，等．近红外光谱技术在黄酒理化指标快速检测中的应用［J］．中国酿造，2011（11）：182～185．