光谱指纹图谱技术在咖啡质量控制应用中的研究进展

程可 董文江 赵建平 初众 胡荣锁 宗迎

摘 要 本文就6种光谱技术（紫外-可见、近红外、中红外、拉曼、荧光、核磁共振光谱）及其在咖啡质量控制应用中的研究进展进行综述。通过对咖啡的起源、分布、风味品质及功能特性的描述，拟帮助消费者对咖啡文化有进一步的了解，并为咖啡产业的发展提供理论参考。光谱技术是一种快速和低成本的分析方法，可替代传统的化学成分和感官特性分析方法，实现对样品的无损检测，由于光谱的这些特点，使得光谱技术在咖啡的质量控制上具有不可替代的优点。在实际应用中，将光谱技术与化学计量学结合能更好的实现对咖啡风味品质的有效控制。

关键词 咖啡；光谱技术；化学计量学；质量控制

中图分类号 R97 文献标识码 A

Abstract Six kinds of spectroscopic techniques（ultraviolet-visible， near infrared， mid infrared， fluorescence， raman and nuclear magnetic resonance spectroscopy）and the application in the quality control of coffee were summarized. The description of origin， distribution， flavor and functional characteristics of coffee could help consumers have further understanding the characteristics of coffee. Spectroscopic methods provide a relatively rapid and low-cost alternative to traditional chemical composition or sensory analyses. The non-destructive spectroscopic techniques provide analytical information without damaging the sample. Due to the characteristics of the spectrum， spectroscopic techniques possess irreplaceable advantages in the quality control of coffee compared to other traditional techniques. In general， spectroscopic techniques combined with chemometrics can achieve a better performance in the the quality control of coffee.

Key words Coffee； spectroscopic techniques； chemometrics； quality control

doi 10.3969/j.issn.1000-2561.2017.12.031

咖啡為茜草科、咖啡属植物，是世界上产销量仅次于石油的商品[1]。在世界范围内每天有数百万的人在饮用咖啡，而且对于高品质精品咖啡的需求量也在增加[2]。咖啡中富含脂肪、蛋白质、碳水化合物、咖啡因、葫芦巴碱、绿原酸等成分，这些成分的存在使其具有一定的功能特性[3]。现代临床医学实验表明，咖啡具有提神醒脑、抗氧化、增强免疫力、减肥、治疗老年痴呆等功效[4-7]。世界范围内栽培的主要咖啡品种为小粒种阿拉比卡和中粒种罗布斯塔，其产销量占全球范围的95%以上。世界范围内知名的小粒种咖啡品种有：铁毕卡（Typica）、哈拉尔（harald）、波邦（Bourbon）、卡杜拉（Caturra）、卡提摩（Catimor）等[8]。咖啡是我国重要的特色热带饮料作物，在我国的种植范围主要分布于海南和云南地区，其种植的主要品种分别为中粒种罗布斯塔和小粒种阿拉比卡。咖啡引入我国的时间不长，但是咖啡在我国的发展速度迅速[9]。我国咖啡的年消费增长率为2.5%，远高于世界的平均增长水平，到2020年，如果中国能达到人均每天1杯咖啡，将会创造500亿美元的市场。

咖啡的质量和其独特的感官特性取决于整个产业链环节，影响咖啡最终品质的因素有：产地、气候、品种、采收方法、加工工艺、储藏条件和冲泡方法，咖啡的香气和滋味是判断一杯咖啡好坏常用的标准[10]。光谱技术是一种相对快速、低成本的、可替代传统检测方法的技术，其特点是在测定样品时对样品的前处理少且操作简单。大量的光谱数据通常从光谱仪器中获得，其中包含有用的分析信息、噪音、可变性、不确定性和识别特性等因素[11]。通过将光谱指纹技术与化学计量学相结合，从光谱数据中获取尽可能多的相关信息，进行统计学分析，以实现对样品的溯源监控、化学成分预测及真伪鉴别等目标[12]，最终达到对产品质量控制的目的。

本文综述了咖啡的起源、分布、风味品质及其功能性质，对6种光谱指纹图谱技术在咖啡质量控制中的主要应用进行总结，分析目前该技术在咖啡质量控制中存在的问题，提出该技术在咖啡质量控制中的发展前景，为其后续的研究和利用提供理论参考。

1 咖啡的起源、分布、风味品质及功能特性

1.1 咖啡的起源与分布

咖啡起源于埃塞俄比亚和刚果地区，是世界范围内销量最多的三种饮料之一，目前大约有60多个国家和地区种植咖啡[13]。红色的咖啡鲜果经采摘后需要经过脱皮脱胶得到生咖啡豆，而生咖啡豆到咖啡液又需要经过烘焙、研磨、冲泡等工艺流程。据报道，虽然自然界中有将近70个品种属于咖啡属，但只有其中的三种是被广泛栽培和销售的，它们分别为阿拉比卡咖啡（Coffea Arabica）、罗布斯塔咖啡（Coffea Robusta）又名（Coffea canephora）、利比里亚咖啡（Coffea liberica）[14-15]。世界上主要的咖啡生产国有巴西、越南、印度尼西亚、哥伦比亚等国，而主要的咖啡消费国有美国、德国、日本、意大利和法国[16]。

1.2 咖啡的风味品质特性

咖啡的风味品质特征主要取决于它的香气和滋味。生咖啡豆通常具有一定的气味特征（如鲜花味、蔬菜味、果味、泥土味等），而因生豆中一些不良的气味特征（泥土味、木头味等）使其不能直接冲煮饮用[17]。咖啡的香气特征形成需经过烘焙过程，使生咖啡豆中的脂肪、蛋白质、氨基酸、咖啡因、葫芦巴碱、绿原酸等风味前体物发生美拉德反应、焦糖化反应、斯特雷格降解反应等一系列化学反应[18]，生成呋喃类、吡嗪类、酸类、醛酮类、酚类、吡啶类、吡咯类、硫化物等挥发性风味化合物[19-21]。咖啡的滋味特征（如：苦味、烧烤味、焦糖甜味等）也因咖啡豆品种和烘焙度的不同而产生差异。

1.3 咖啡的功能特性

适度饮用咖啡是对身体有益的。大多数潜在咖啡消费者为了身体健康不饮用咖啡，因为咖啡中含有大量的功能性成分（如：咖啡因、葫芦巴碱、绿原酸等），他们不了解这些成分对身体的作用如何。有研究表明，在挪威和西班牙女性的饮食中，咖啡是其获取抗氧化剂的主要途径[22]。咖啡中含有营养成分，同时具有增强身体健康的作用，其中包括抗氧化能力、免疫调节作用、治疗老年痴呆症，抗肿瘤等功效[7]，最新研究也表明每天饮用少量的咖啡或可降低患肠癌的风险[23]。因此，每天适当的饮用咖啡是对身体有益的。

2 光谱技术在咖啡质量控制中的应用

2.1 常用光谱技术简介

2.1.1 紫外-可见光谱技术 紫外-可见光谱，即分子在紫外和可见区的吸收光谱，是在分析仪器中最常见的一种光谱技术。利用紫外-可见光谱技术可对物质的组成、结构、含量进行分析、推断和预测。紫外-可见光谱具有操作简单、容易获得、成本低廉等优点；紫外-可见光谱仪也是大多数食品分析实验室中常见的，在使用时不需要添加额外新仪器也不需要其他额外费用；紫外-可见光谱数据在作为判别变量使用时，它可以通过样品化学成分的不同对样品进行区分，灵敏度较高，因此，紫外-可见光谱能从众多复杂、昂贵的仪器中被选择使用[24]。而紫外-可见光谱的缺点是它不能很好的区分有相近吸光度的物质[24-26]。目前，紫外-可见光谱技术已被应用到多个领域，如区别含咖啡因和不含咖啡因的咖啡、鉴别葡萄酒的起源及葡萄的品種、鉴别橄榄油的起源。

2.1.2 近红外光谱技术 近红外光谱，即分子在近红外区的吸收光谱，这项技术的建立可以用来确定食品原料的起源[27]。利用近红外光谱技术可对物质对应的分子间C-H、O-H、N-H振动进行记录。它的优点是快速、方法简单、对样品无损、且被广泛应用于食品的定性分析中。而近红外光谱技术的不足是：在其多元数据分析中存在目标光谱波段选择的问题，尤其是在光谱中显示不能分辨的波峰或光谱无法识别重要特征时。为了移除不相关的光谱变量和改善模型性能，各种方法被用于选择多元校正的最优变量，其中有：间隔偏最小二乘法，联合区间偏最小二乘法等。作为一种成熟的振动光谱技术，近红外光谱技术结合多元数据分析已广泛应用于肉类分析中，提供了一个及时的在线测量方法[28]。目前，近红外光谱技术已经被应用于测量鱼中的脂肪和其他理化指标、肉制品的质量控制、碎肉的掺假检测、农副产品的溯源和掺假检测等方面[27-29]。

2.1.3 中红外光谱技术 中红外光谱，即分子在中红外区的吸收光谱。因其光谱共振在激发频率范围内，并且在中红外区大多数官能团能被检测到，所以它可以用于鉴定化合物，即使该化合物有非常复杂和相似的结构，如：多糖也能通过中红外光谱分别出来[30]。中红外光谱技术具有简单、快捷、经济、自动化并能直接检测样品等优点，中红外光谱的主要缺点是在其光谱范围内有着广泛的不可选择的光谱波段[31]。目前，中红外光谱技术已被应用于测量卷烟烟气中苯并芘的含量[31]、测量番茄汁的多组分质量特征[32]、对丹参颗粒中的糊精进行定量分析[33]等研究中。

2.1.4 拉曼光谱技术 拉曼光谱，是一种散射光谱技术。区别于其它五种光谱，它源于单色光的非弹性散射，反映了更多的诸如分子骨架振动、芳香结构等非极性振动。拉曼光谱技术具有以下优点：它是一门无损检测技术；检测时需要很少或不需要样品的准备；拉曼光谱在分析食品样品时不与蛋白质、脂质、碳水化合物等敏感而独特的食品成分信号重叠；拉曼光谱已经成为一种绿色分析化学方法[34-36]。它的缺陷在于拉曼光谱的抗干扰能力较差，同时在分析固态样品时会受到了一定的限制。目前，拉曼光谱技术已应用在追溯橄榄油、蜂蜜等食品的的来源，鉴定啤酒、白酒等酒精饮料的真伪等领域中。

2.1.5 荧光光谱技术 荧光光谱技术，是一种发射光谱技术，分为分子荧光光谱和原子荧光光谱。荧光光谱提供了荧光基团的信息，将其与多元数据分析结合，能够实现对食品的控制和分类。荧光光谱技术的主要优点为其高灵敏性、专一性、无损性、代表性和较低检测下限[37]。它的缺点是：只有少部分化合物产生荧光，大多数分子不发荧光。目前，荧光光谱技术已经应用于食品的很多应用领域，如检测由于热处理引起的不同品种奶酪中牛奶变质、预测酸奶的保藏期、测定鱼的新鲜度、检测肉的新鲜度、检测不同类型的油脂氧化、通过食物的起源来对其进行分类[38]。

2.1.6 核磁共振光谱技术 核磁共振光谱，是一种吸收光谱技术。指具有自旋性质的原子核在核外强磁场作用下，吸收射频辐射而产生能级跃迁。核磁共振光谱中使用的核子有1H，13C，31P，其中核子1H来源更丰富，相比于其它两者有更高的灵敏性。作为一种有效的分析工具，可用于检测分子间的相互作用[39]。它的优点是：可以同时做定性和定量分析；测量时可以迅速完成；当出现混合物时不需要隔离被分析物；获得光谱所需时间更短；它能在一个单一光谱中同时执行不同物质的分析[39]。但是因其分析时所需费用昂贵等缺陷使其目前没有在食品中广泛应用。

2.2 光谱技术在咖啡质量控制中的研究

2.2.1 紫外-可见光谱在咖啡应用中的研究 紫外-可见光谱技术应用中主要表现为将该光谱应用在液相色谱检测器和紫外-可见分光光度计中。咖啡的风味和口感是咖啡最重要的品质特征。前者通过将该技术与液相色谱结合，对咖啡中的主要风味物质（咖啡因、葫芦巴碱、绿原酸等）含量进行分析，进而鉴定咖啡的质量好坏。如：Domingues等[42]使用高效液相色谱结合高效阴离子交换色谱脉冲安培检测器和柱后衍生的紫外-可见检测器对烘焙咖啡和咖啡粉中的掺假进行检测，结果表明，后者相对前者能更快更简单的操作，且更容易应用到大多数实验室。紫外-可见光谱技术也应用于对咖啡中风味物质含量的测定，Belguidoum等[43]采用高效液相色谱结合紫外-可见光谱定量测定了阿尔及利亚市场上16种咖啡样品（生咖啡豆、烘焙咖啡豆、速溶咖啡）中的8种酚酸、3种黄酮和咖啡因。后者可以通过紫外-分光光度计对烘焙咖啡水提物的结构进行分析，进而对咖啡质量进行分析控制。如：Souto等[41]采用紫外-可见光谱和连续投影算法-线型判别分析鉴别烘焙咖啡粉中由于咖啡果皮和树枝导致咖啡的掺假，该方法在试验和检测阶段都能达到100%的分辨率。Souto等[44]研究了紫外-可见光谱技术和化学计量学用于对不同类型的（脱咖啡因和不脱咖啡因）和不同贮藏状态的（没有过期的、过期的）巴西烘焙咖啡粉中水提取物的分类。通过软独立建模分类法和连续投影算法-线性判别分析两种分类方式的比较，结果表明后者的分类正确率更高，达到了96%。

2.2.2 近红外光谱在咖啡应用中的研究 近红外光谱在咖啡中的应用主要表现为它的定性及定量作用。它的定量作用表现为通过近红外光谱与其他技术的结合可以实现对咖啡中某些风味物质含量的测定。如Zhang等[45]建立了基于近红外光谱和化学计量学的定量测定小粒种烘焙咖啡豆中咖啡因含量的方法，结果表明，该方法的相对平均误差和相对平均标准误差分别为1.976%和1.797%，验证了该方法的可行性。Scholz等[48]研究了近红外光谱技术用于评估生咖啡豆中二萜类化合物（咖啡醇和咖啡豆醇）的数量，结果表明：每100 g样品中咖啡醇含量范围为182.62～1 308.62 mg，咖啡豆醇含量范围为182.69～1 265.41 mg。它的定性作用表现为：在对咖啡粉进行近红外光谱分析时，可以得出它的某些关键物理和化学信息，进而对咖啡的抗氧化性有一定的评估。如：Páscoa等[46]采用傅里叶变换红外光谱评估101个咖啡残渣样品的抗氧化能力，偏最小二乘回归模型结果表明：咖啡残渣的抗氧化能力、咖啡残渣乙醇提取物的抗氧化能力都具有良好的线性方程，其R2值分别为0.93、0.96。Santos等[47]建立了一种基于近红外光谱技术的实时方法用于预测烘焙豆两个重要指标蔗糖含量和颜色，结果表明：测量误差比和相关系数均分别高于10.0和0.85，证明了这种方法的适用性。

2.2.3 中红外光谱在咖啡应用中的研究 中红外光谱在咖啡中的应用主要表现为中红外光谱的定性作用。通过对咖啡粉进行中红外光谱扫描，对其中咖啡中风味成分的特征峰进行分析，进而判断咖啡质量的好坏。陈舟华等[49]采用傅里叶变换中红外光谱技术对现磨咖啡、速溶咖啡和菊苣咖啡的有机物特征波段分析，可以实现对这3种不同咖啡的分类。Craig等[50]比较了傅里叶变换中红外光谱和近红外光谱定量测定烘焙咖啡豆中缺陷咖啡豆的比例，结果表明：傅里叶变换中红外光谱检测出更多的有缺陷咖啡豆。Zhang等[51]研究了中红外透射光谱结合模式识别方法来鉴别中国海南中粒种和云南小粒种咖啡，采用10种模式识别方法建立判别模型，依据对咖啡品种分类的准确度分为高效方法、中效方法和低效方法。

2.2.4 拉曼光谱在咖啡应用中的研究 拉曼光谱在咖啡中的应用主要表现为拉曼光谱的定性作用。不同咖啡样品中含有的某些特征化合物的含量是不相同的。通过对不同样品进行拉曼光谱分析，得到特征化合物不同的峰的强度，进而可以实现对不同咖啡样品的区分。如：El-Abassy等[52]采用显微可见拉曼光谱结合主成分分析对小粒种和中粒种咖啡豆进行分类，通过对两个品种样品中绿原酸和脂质的分析来实现对两个品种的区分。Anke等[53]研究了傅里叶拉曼光谱技术分析咖啡豆中咖啡豆醇的分析以区分小粒种和中粒种生咖啡豆，该光谱分析测量方法的重现性是3.5%。Thomas等[54]研究了拉曼光谱技术分析混合咖啡豆内中粒种咖啡豆所占的百分比，通过测量混合样品中咖啡豆醇和脂肪酸的波峰来实现中粒种样品百分比含量的测定。拉曼光谱已应用于油、酒精饮料、蜂蜜等农产品的溯源上，而关于拉曼光谱应用于咖啡溯源的研究报道还较少，这方面需对其进行更深入的研究。

2.2.5 荧光光谱在咖啡应用中的研究 荧光光谱作为一个快速筛选、敏感和非破坏性的分析技术，在分析许多具有荧光性质的抗氧化物质时起到很好的作用。荧光光谱技术在咖啡中的应用主要表现为它可以对咖啡中具有荧光性状的物质进行分析，进而为后续研究提供一定的理论基础。如：Orzel等[55]采用偏最小二乘回归和多元偏最小二乘回归方法依据咖啡和薄荷提取物的激发荧光发射光谱研究了它们的抗氧化性，分别进行氧自由基吸收能力测定和福林酚试验来测定它们的总抗氧化能力和总酚含量，试验结果的相对标准偏差范围在1.61%～7.13%。田丽萍等[56]研究了咖啡酸的荧光光谱和荧光量子产率，结果表明：咖啡酸水溶液在pH<4.5时不显示荧光，在4.58.5后随PH的升高其荧光逐渐减弱，以硫酸奎宁作为参比，咖啡酸水溶液荧光量子产率的测定结果为0.086，该方法测定的检出限为0.52 ng/mL。同时，荧光光谱可以与液相色谱技术结合，实现对咖啡中某些特征物质的检测。如Rosa等[57]研究了基于固相微萃取结合液相色谱-荧光检测技术测定咖啡生豆中的赭曲霉毒素A的方法，其中该方法的检出限和定量下限分别為0.3 ng/g和2.0 ng/g。

2.2.6 核磁共振光谱在咖啡应用中的研究 目前，核磁共振光谱应用于咖啡中主要表现为它可以对不同品种、不同地区的咖啡豆进行区分。采用核磁共振光谱技术可以检测分子间的相互作用，从氢谱和碳谱中，可以提取有机物的分子结构和分子式。通过对咖啡中的某些化合物（如：咖啡因、甘油三酯、脂肪酸、有机酸等）进行定性和定量分析，进而对咖啡品质起到一定的控制作用。如：Monakhova等[58]采用1H核磁共振光谱技术快速鉴定小粒种和中粒种咖啡混合物中各自的百分含量，通过分析咖啡中亲脂性提取物来区分小粒种和中粒种咖啡，定量测定混合样品中的中粒种咖啡含量。Arana等[59]研究了核磁共振光谱区分亚洲、非洲、南北美洲不同国家和地区的192个咖啡样品，提供了一种性价比高的技术来保护不同国家和地区各自的产品。同时，核磁共振光谱也能对咖啡中某些主要成分进行定量测定。D'Amelio等[60]采用核磁共振光谱技术对咖啡中主要成分咖啡油进行大量而快速的测定，该方法的特点是只需最低限度的样品处理和有机溶剂的使用。Wei等[61]研究了将核磁共振光谱为基础的代谢组学、人类感官测试和正交投影的多变量投影方法结合一起分析烘焙咖啡豆提取物中化学成分，而这些化学成分可以区分和预测咖啡感官特征，结果表明，该方法能方便、快捷、准确的预测咖啡感官特征。

3 研究展望

到目前为止，有大量的研究报告报道关于这6种光谱技术在食品分析中的应用。然而，关于光谱技术应用于咖啡质量控制的研究综述较少。每种光谱技术都有自己的优缺点，在实际应用中，应综合考虑选择咖啡中具有代表性的化合物进行分析，选择成本较低、速度较快、效果较好的光譜检测技术。目前用于咖啡品质研究的大多光谱仪器都较为笨重，且对工作环境（温度、湿度、电磁干扰等）要求较为苛刻，未来对于开发小型的、便携的、抗干扰能力强的光谱仪有迫切需求。同时，光谱技术在未来还会继续拓宽其在咖啡研究领域的应用面。

光谱指纹图谱技术在实际应用时通常需要结合化学计量学，因此光谱技术在咖啡质量控制的进一步发展需要做好两点：选择合适的光谱范围和挑选模式识别方法。而光谱技术发展所面临的主要问题是建立适用于这些方法的、具有代表性的数据库。

参考文献

[1] Esquivel P， Jiménez V M. Functional properties of coffee and coffee by-products[J]. Food Research International， 2012， 46： 488-495.

[2] Yang N， Liu C J， Liu X K， et al. Determination of volatile marker compounds of common coffee roast defects[J]. Food Chemistry， 2016， 211： 206-214.

[3] 李学俊， 崔文瑞， 杜华波， 等. 小粒种咖啡的主要成分及功能分析[J]. 热带农业科学， 2016， 36： 71-75.

[4] Semen S， Mercan S， Yayla M， et al. Elemental composition of green coffee and its contribution to dietary intake[J]. Food Chemistry， 2016， 215： 92-100.

[5] Magdalena J S， Stanisz E， Maria P D P. Relationship between antioxidant capacity， chlorogenic acids and elemental composition of green coffee[J]. LWT-Food Science and Technology， 2016， 73： 243-250.

[6] 陈 尧， 周宏灏. 咖啡因体内代谢及其应用的研究进展[J]. 生理科学进展， 2010， 04： 256-260.

[7] Heimbach J T， Marone P A， Hunter J M， et al. Safety studies on products from whole coffee fruit[J]. Food and Chemical Toxicology， 2010， 48： 2 517-2 525.

[8] 莫丽珍， 李学俊， 高应敏. 咖啡品种的特性及历史迁移[J]. 热带农业科学， 2012， 32： 35-39.

[9] 邱明华， 张枝润， 李忠荣， 等. 咖啡化学成分与健康[J]. 植物科学学报， 2014， 32： 540-550.

[10] Bressanello D， Liberto E， Cordero C， et al. Coffee aroma： Chemometric comparison of the chemical information provided by three different samplings combined with GC-MS to describe the sensory properties in cup[J]. Food Chemistry， 2016， 214： 218-226.

[11] Uríc ˇková V， Sádecká J. Determination of geographical origin of alcoholic beverages using ultraviolet， visible and infrared spectroscopy： A review[J]. Spectrochimica Acta Part A： Molecular and Biomolecular Spectroscopy， 2015， 148： 131-137.

[12] Gredilla A， Silvia Fdez-Ortiz de Vallejuelo， Elejoste N， et al. Non-destructive Spectroscopy combined with chemometrics as a tool for Green Chemical Analysis of environmental samples： A review[J]. Trends in Analytical Chemistry， 2016， 76： 30-39.

[13] 楊静园， 董文江， 陆敏泉， 等. 咖啡豆的热风干燥特性及其干燥过程中风味成分变化规律研究[J]. 热带作物学报， 2016， 5： 971-978.

[14] Luca S D， Filippis M D， Bucci R， et al. Characterization of the effects of different roasting conditions on coffee samples of different geographical origins by HPLC-DAD， NIR and chemometrics[J]. Microchemical Journal， 2016， 129： 348-361.

[15] Babova O， Occhipinti A， E. Maffei M. Chemical partitioning and antioxidant capacity of green coffee （Coffea arabica and Coffea canephora） of different geographical origin[J]. Phytochemistry， 2016， 123： 33-39.

[16] Sunarharum W B， Williams D J， Smyth H E. Complexity of coffee flavor： A compositional and sensory perspective[J]. Food Research International， 2014， 62： 315-325.

[17] 丁 胜， 周 婀， 王艳萍. 印尼罗布斯塔咖啡豆应用于咖啡饮料开发的研究[J]. 饮料工业， 2010， 13： 18-22.

[18] Petisca C， Pérez-Palacios T， Farah A， et al. Furans and other volatile compounds in ground roasted and espresso coffee using headspace solid-phase microextraction： Effect of roasting speed[J]. Food and Bioproducts Processing， 2013， 91： 233-241.

[19] Altaki M S， Santos F J， Galceran M T. Occurrence of furan in coffee from Spanish market： Contribution of brewing and roasting[J]. Food Chemistry， 2011， 126： 1 527-1 532.

[20] 董文江， 张 丰， 赵建平， 等. 云南地区烘焙咖啡豆的风味指纹图谱研究[J]. 热带作物学报， 2015， 36： 1 903-1 911.

[21] 吕文佳， 刘 云， 杨凯舟， 等. 咖啡主要烘焙风味物质的形成及变化规律[J]. 食品工业科技， 2015， 3： 394-400.

[22] Kwak H S， Ji S， Jeong Y. The effect of air flow in coffee roasting for antioxidant activity and total polyphenol content[J]. Food Control， 2017， 71： 210-216.

[23] 刘 霞. 每天喝咖啡或可降低患肠癌几率-黑咖啡效果更显著[J]. 食品与机械， 2016， 4： 87-88.

[24] Morillo A P， Alcázar A， Pablos F D， et al. Differentiation of tea varieties using UV-Vis spectra and pattern recognition techniques[J]. Spectrochimica Acta Part A： Molecular and Biomolecular Spectroscopy， 2013， 103： 79-83.

[25] Bi H Y， Fernandes A C， Cardoso S， et al. Interference-blind microfluidic sensor for ascorbic acid determination by UV/vis spectroscopy[J]. Sensors and Actuators B： Chemical， 2016， 224： 668-675.

[26] Alamprese C， Casale M， Sinelli N， et al. Detection of minced beef adulteration with turkey meat by UV-vis， NIR and MIR spectroscopy[J]. LWT-Food Science and Technology， 2013， 53： 225-232.

[27] Ma H L， Wang J W， Chen J L， et al. Rapid authentication of starch adulterations in ultrafine granular powder of Shanyao by near-infrared spectroscopy coupled with chemometric methods[J]. Food Chemistry， 2017， 215： 108-115.

[28] Zhao M， Downey G， P. O'Donnell C. Exploration of microwave dielectric and near infrared spectroscopy with multivariate data analysis for fat content determination in ground beef[J]. Food Control， 2016， 68： 260-270.

[29] Moscetti R， P. Haff R， Monarca D， et al. Near-infrared spectroscopy for detection of hailstorm damage on olive fruit[J]. Postharvest Biology and Technology， 2016， 120： 204-212.

[30] Hell J， Prückler M， Danner L， et al. A comparison between near-infrared （NIR） and mid-infrared （ATR-FTIR） spectroscopy for the multivariate determination of compositional properties in wheat bran samples[J]. Food Control， 2016， 60： 365-369.

[31] Zhang Y， Zou H Y， Shi P， et al. Determination of benzo[a]pyrene in cigarette mainstream smoke by using mid-infrared spectroscopy associated with a novel chemometric algorithm[J]. Analytica Chimica Acta， 2016， 902： 43-49.

[32] Ayvaz H， Cadavid A S， P. Aykas D， et al. Monitoring multicomponent quality traits in tomato juice using portable mid-infrared （MIR） spectroscopy and multivariate analysis[J]. Food Control， 2016， 66： 79-86.

[33] Guo T， Feng W H， Liu X Q， et al. Fourier transform mid-infrared spectroscopy （FT-MIR） combined with chemometrics for quantitative analysis of dextrin in Danshen （Salvia miltiorrhiza） granule[J]. Journal of Pharmaceutical and Biomedical Analysis， 2016， 123： 16-23.

[34] Jentzsch P V， Ciobota V， Salinas W， et al. Distinction of Ecuadorian varieties of fermented cocoa beans using Raman spectroscopy[J]. Food Chemistry， 2016， 211： 274-280.

[35] Xing Z， Du C W， Tian K， et al. Application of FTIR-PAS and Raman spectroscopies for the determination of organic matter in farmland soils[J]. Talanta， 2016， 158： 262-269.

[36] Mandrile L， Zeppa G， Giovannozzi A M， et al. Controlling protected designation of origin of wine by Raman spectroscopy[J]. Food Chemistry， 2016， 211： 260-267.

[37] Chen J， Li B Q， Cui Y Q， et al. A fast and effective method of quantitative analysis of VB1， VB2 and VB6 in B-vitamins complex tablets based on three-dimensional fluorescence spectra[J]. Journal of Food Composition and Analysis， 2015， 41： 122-128.

[38] Ahmad M H， Nache M， Waffenschmidt S， et al. Characterization of farinographic kneading process for different types of wheat flours using fluorescence spectroscopy and chemometrics[J]. Food Control， 2016， 66： 44-52.

[39] G. Shimamoto G， Tubino M. Quantification of methanol in biodiesel through 1H nuclear magnetic resonance spectroscopy[J]. Fuel， 2016， 175： 99-104.

[40] Rashidinejad A， J. Birch E， Hindmarsh J， et al. Molecular interactions between green tea catechins and cheese fat studied by solid-state nuclear magnetic resonance spectroscopy[J]. Food Chemistry， 2017， 215： 228-234.

[41] Souto U D T C P， Barbosa M F， Dantas H V， et al. Identification of adulteration in ground roasted coffees using UV-Vis spectroscopy and SPA-LDA[J]. LWT - Food Science and Technology， 2015， 63： 1 037-1 041.

[42] Domingues D S， Pauli E D， Abreu J E.M.D， et al. Detection of roasted and ground coffee adulteration by HPLC by amperometric and by post-column derivatization UV-Vis detection[J]. Food Chemistry， 2014， 146： 353-362.

[43] Belguidoum K， Guebailia H A， Boulmokh Y， et al. HPLC coupled to UV-vis detection for quantitative determination of phenolic compounds and caffeine in different brands of coffee in the Algerian market[J]. Journal of the Taiwan Institute of Chemical Engineers， 2014， 45： 1 314-1 320.

[44] Souto U T C P， Pontes M J C， Silva E C， et al. UV-Vis spectrometric classification of coffees by SPA-LDA[J]. Food Chemistry， 2010， 119： 368-371.

[45] Zhang X， Li W， Yin B， et al. Improvement of near infrared spectroscopic （NIRS） analysis of caffeine in roasted Arabica coffee by variable selection method of stability competitive adaptive reweighted sampling （SCARS） [J]. Spectrochimica Acta Part A： Molecular and Biomolecular Spectroscopy， 2013， 114： 350-356.

[46] Páscoa R N M J， Magalhaes L M， Lopes J A. FT-NIR spectroscopy as a tool for valorization of spent coffee grounds： Application to assessment of antioxidant properties[J]. Food Research International， 2013， 51： 579-586.

[47] Santos J R， Viegas O， Páscoa R N M J ， et al. In-line monitoring of the coffee roasting process with near infrared spectroscopy： Measurement of sucrose and colour[J]. Food Chemistry， 2016， 208： 103-110.

[48] Scholz M B S， Pagiatto N F， Kitzberger C S G， et al. Validation of near-infrared spectroscopy for the quantification of cafestol and kahweol in green coffee[J]. Food Research International， 2014， 61： 176-182.

[49] 陳舟华， 许丽莉， 秦 强. 光谱分析法应用于咖啡成分的测定和咖啡种类的鉴别[J]. 光谱学与光谱分析， 2014， 34： 1 688-1 692.

[50] Craig A P， Franca A S， Oliveira L S， et al. Fourier transform infrared spectroscopy and near infrared spectroscopy for the quantification of defects in roasted coffees[J]. Talanta， 2015， 134：379-386.

[51] Zhang C， Wang C， Liu F， et al. Mid-Infrared Spectroscopy for Coffee Variety Identification： Comparison of Pattern Recognition Methods[J]. Journal of Spectroscopy， 2016： 145-148，

[52] El-Abassy R M， Donfack P， Materny A. Discrimination between Arabica and Robusta green coffee using visible micro Raman spectroscopy and chemometric analysis[J]. Food Chemistry， 2011， 126： 1 443-1 448.

[53] Anke K， David V S， Carla R， et al. Discrimination of Green Arabica and Robusta Coffee Beans by Raman Spectroscopy[J]. Journal of Agricultural and Food Chemistry， 2010， 58： 11 187-11 192.

[54] Thomas W， Lucio D， Babette K， et al. Quantification of the Robusta fraction in a coffee blend via Raman spectroscopy： proof of principle[J]. Journal of Agricultural and Food Chemistry， 2011， 59： 9 074-9 079.

[55] Orzel J， Daszykowski M. A rapid validation of the antioxidant capacity of food commodities based on their fluorescence excitation emission spectra as applicable to coffee and peppermint extracts[J]. Chemometrics and Intelligent Laboratory Systems， 2014， 137：74-81.

[56] 田麗萍， 杨莉丽， 魏永巨. 咖啡酸的荧光光谱与荧光量子产率[J]. 分析实验室， 2009， 28：260-262.

[57] Rosa V， Antonella A， Zambonin C G， et al. Determination of ochratoxin A in green coffee beans by solid-phase microextraction and liquid chromatography with fluorescence detection[J]. Journal of Chromatography A， 2008， 1 187： 145-150.

[58] Monakhova Y B， Ruge W， Kuballa T， et al. Rapid approach to identify the presence of Arabica and Robusta species in coffee using 1H NMR spectroscopy[J]. Food Chemistry， 2015， 182：178-184.

[59] Arana V A， Medina J， Alarcon R， et al. Coffee's country of origin determined by NMR：The Colombian case[J]. Food Chemistry， 2015， 175： 500-506.

[60] D'Amelio N， Angelis E D， Navarini L， et al. Green coffee oil analysis by high-resolution nuclear magnetic resonance spectroscopy[J]. Talanta， 2013， 110： 118-127.

[61] Wei F， Furihata K， Miyakawa T， et al. A pilot study of NMR-based sensory prediction of roasted coffee bean extracts[J]. Food Chemistry， 2014， 152： 363-369.