近红外光谱技术在药食同源品质评价中的应用进展

李家磊，管立军，王崑仑，高扬，张志宏，严松，卢淑雯 ，谢学军

(黑龙江省农业科学院食品加工研究所，哈尔滨 150086)

近些年来，随着人们对健康意识的增强，食养、食疗的理念逐渐兴起，用饮食取代药物调节机体、抵御和治疗疾病成为人们的诉求。中国传统的“药食同源”思想“万物为食、万物为药、食药同源同用”正好契合了人们的这种想法[1]。迄今为止，“药食同源”还没有统一的定义，通常是指既是食品又是药品的物品。2002年，卫生部发布了《关于进一步规范保健食品原料管理的通知》的公告，明确划定了山药、山楂和枸杞等在内的共87种既是食品又是药品的物品。随后，2014 年，卫计委公告的《按照传统既是食品又是中药材物质目录管理办法(征求意见稿)》拟将原有87个品 种增加至101个品种，目前，该征求意见稿正在讨论当中[2]。高品质的药食同源保证了其具有较高的价值，因此，药食同源的品质问题越来越受到人们的关注，而实现药食同源品质的快速准确评价成为其中最重要的问题之一。目前，常规的品质分析评价方法有比色分析法、生物芯片检测法、免疫分析法以及近红外光谱法等[3]，其中，近红外光谱技术被认为是20世纪90年代以来发展最为快速的分析技术之一，因其具有无损、方便、即时、稳定、准确率高等特点被越来越多的学者所关注[4]。因此，本文就近些年来近红外光谱技术在药食同源品质评价中的应用进展进行了综述，以期该项技术在药食同源品质方面有更广阔的应用前景，进而为开展药食同源的研究提供一定的现实基础。

1 近红外光谱技术概述

近红外光是指介于可见光与中红外光之间的电磁波，美国材料检测协会将其波长定义在780～2526 nm范围之内，在此区域内，不同物质中的S-H，N-H，O-H以及C-H等含氢基团的分子内部原子间振动的倍频和合频通过吸收，产生不同的谱带，呈现出复杂多样的谱形，这就形成了近红外光谱技术的理论基础。近红外光谱技术是一种新型的检测分析技术，它是将样品的扫描光谱与实测的组分数据进行关联，再利用化学计量学方法建立的校正模型，实现对未知样品组分和性质测定的方法。近红外光谱技术展现了诸多优点，主要包含以下几个方面：(1)操作简便，快速高效；(2)不损害样品，可对样品进行整体测量；(3)不需要试剂，故可避免对环境造成污染；(4)方法稳定，测试结果重现性好；(5)可实现在线检测。因而，其被誉为是一种“多功能的绿色分析技术”。目前，近红外光谱技术被广泛应用于农业、工业领域实现对目标物质的定性定量分析[5-7]。

2 近红外光谱技术在药食同源品质评价中的应用

药食同源的品质评价主要包含真伪掺假的鉴别、产地种类的鉴别、成分含量的测定以及质量安全检测等。

2.1 真伪掺假鉴别

近些年来，药食同源以次充好、以假乱真的现象频有发生，这严重威胁到消费者的身体健康，并会造成一定的经济损失，因此，需要有效的手段对药食同源的真伪掺假进行鉴别。目前惯用的化学方法很难实现对药食同源真伪掺假进行有效的鉴别。鉴于此，国内外许多学者利用近红外光谱技术在药食同源真伪掺假识别方面进行了有意义的探索[8]。Zhu等以68个真蜂蜜以及67个掺假蜂蜜为样本，利用近红外光谱技术结合化学计量学方法建立不同的预测模型，通过比较，确定近红外光谱技术与小波变换结合最小二乘支持向量机法为最佳预测模型，结果表明：这种方法快速准确，可有效地用于蜂蜜掺假的鉴别[9]；汤丽华和刘敦华为了寻求解决市场上日益严重的枸杞掺假现象，利用近红外光谱技术结合偏最小二乘回归法对枸杞的各组分建立了定量预测模型，结果表明：该方法可用于枸杞各成分的定量检测，并可有效地用于枸杞掺假的鉴别[10]；李宗朋等以234份沙棘籽油、掺假沙棘籽油以及其他植物油为样品，采用近红外光谱技术分别结合偏最小二乘判别法、簇类独立软模式法和最小二乘支持向量机法分别建立这3类油的辨别模型，3种模型的辨别正确率均达到100%，结果表明：利用近红外光谱技术用于沙棘籽油真伪鉴别是行之有效的[11]；吴晓毅等采用近红外光谱技术结合聚类分析法和偏最小二乘法分别建立硫磺熏蒸的白芷快速鉴别模型和白芷中欧前胡素含量的定量测定的预测模型，结果表明：2种模型准确可靠，可有效地实现对硫磺熏蒸的白芷的快速定性鉴别以及白芷中欧前胡素含量的定量测定[12]。

2.2 产地种类鉴别

药食同源具有属地特异性和品种特异性等特点。高品质的药食同源是特定品种在特定地理位置与气候等自然因素共同作用下的结果。鉴别药食同源产地和种类有利于名优品种产地和品牌的树立与保护，因此，它逐渐成为人们关注的热点。近些年来，国内外很多学者们利用近红外光谱技术对药食同源产地和品种进行系统的研究[13]。Chen等利用近红外光谱技术和多元分析对5种不同来源(洋槐、椴树、荆条、油菜、红枣)的蜂蜜进行分类，分别采用马氏距离判别法和BP神经网络算法建立定性模型，结果表明：与马氏距离判别法相比，BP神经网络算法建立的模型更加适合蜂蜜的分类，结果同时也表明利用近红外光谱技术对不同植物来源的蜂蜜进行分类是行之有效的[14]；Chen等以3个品种的139批菊花为样本，利用近红外光谱技术，采用偏最小二乘法建立了菊花种类鉴别模型，大白菊、胡菊和小白菊3个品种的校正集的准确率分别为97.60%，96.65%，94.70%，预测集的准确率分别为95.16%，86.11%，93.46%，结果表明：近红外光谱技术快速无损，可有效地用于菊花种类的鉴别[15]；杨天鸣等对利用近红外光谱技术结合偏最小二乘法鉴别4个产地的甘草，模型的训练集和预测集的正确识别率都为100%，结果表明：该方法对不同产地的甘草的快速鉴别是行之有效地[16]；李询等为了实现对不同产地的布渣叶进行鉴别，采用近红外光谱技术结合聚类分析方法建立布渣叶鉴别模型，结果表明：该方法可有效地对不同产地的布渣叶进行快速分类和鉴别[17]；熊陈诚等出于达到快速鉴别不同区域肉桂子的目的，以6个产地的肉桂子为样本，利用近红外光谱技术结合化学计量学方法建立肉桂子产地的定性预测模型，该预测模型的识别率较高，结果表明：该方法可有效地实现肉桂子产地的快速鉴别[18]；陈蓉等为了实现不同产地芡实的快速鉴别，以17 批不同产地的芡实为样本，利用近红外光谱技术，并采用主成分分析结合聚类判别法建立芡实产地的鉴别模型，结果表明：该方法可有效地用于芡实药材产地的鉴别[19]；郝莉花等以新疆和河南新郑2个产地9种来源的灰枣为样本，采用近红外光谱技术结合偏最小二乘判别法建立灰枣产地的快速鉴别模型，结果表明：该方法具有快速无损等优点，其可视为鉴别灰枣产地的一项新技术[20]；龚海燕等利用近红外光谱技术结合聚类分析法建立了白玉山药和铁棍山药的快速鉴别方法，结果表明：采用此方法能够准确快速地对白玉山药和铁棍山药进行分类[21]。

2.3 成分含量测定

含有较为丰富的成分，尤其是活性成分是高品质药食同源的特征之一，因此，对药食同源成分的准确测定可有效地评价药食同源的品质。近些年来，随着近红外光谱技术的普及，其在药食同源成分分析中的应用也越来越广泛[22]。Dong等运用近红外光谱技术结合最小二乘支持向量机法建立了薄荷中总糖、总黄酮、总酚和总抗氧化活性的预测模型，结果表明：该方法快速、准确、有效，可视为一种测量薄荷成分潜在的检测方法以取代现有分析方法[23]。Guo等利用近红外光谱技术对4个地区枣的总糖、总酸、总酚以及总抗氧化活性进行快速检测，确定主成分分析法结合最小二乘支持向量机法为最佳预测模型，结果表明：近红外光谱技术可作为一种快速有效的检测技术用于枣成分的分析[24]。Li等以4年间收集的124个金银花提取物为样本，利用近红外光谱技术，采用偏最小二乘回归法，建立了金银花提取物中6种有机酸的预测模型，结果表明：采用近红外光谱法技术测得的结果准确度和精密度可完全满足中药厂的要求，并且这种方法可大大地节约时间和降低成本[25]。Liu等运用近红外光谱技术，以化学方法测得的结果为参考值，建立了薏米中脂肪、蛋白质和氨基酸的偏最小二乘法定量预测模型，结果表明：近红外光谱技术可有效地用于薏米中脂肪、蛋白质和氨基酸含量的快速检测[26]。Liu等研究了利用近红外光谱技术定量测定薏米中膳食纤维和矿质元素(K，Mg，P，S)的可行性，采用竞争性自适应重加权算法和偏最小二乘回归法在12000～11000 cm-1和6500～3600 cm-1范围内建立薏米中膳食纤维和矿质元素(K，Mg，P，S)定量测定的最佳预测模型，预测均方根误差分别为0.0923，182.7224，75.4987，162.6993，36.6278；相关系数分别为0.95，0.88，0.80，0.96，0.96；剩余预测偏差分别为2.68，2.05，1.70，3.24，3.04，结果表明：近红外光谱技术可有效地用于薏米中膳食纤维和矿质元素(K，Mg，P，S)的快速检测[27]。Zhang等运用近红外光谱技术，以苯酚-硫酸法测得的结果为参考值，建立了甘草多糖的定量分析方法，通过研究确定竞争性自适应重加权算法结合偏最小二乘法为最佳预测模型，模型预测系数和预测均方根误差分别为0.9119和0.4350，结果表明：近红外光谱技术可有效地用于甘草中多糖的定量分析[28]。Brown以183份牡蛎为样本，运用可见光-近红外光谱技术建立了牡蛎中水分、蛋白、脂肪以及糖原含量的定性定量分析方法，结果表明：该方法快速、准确、有效[29]。Huang等研究了利用可见光-近红外光谱技术定量测定表面不平的桑葚中可溶性固形物和pH值的可行性，通过研究确定采用连续投影算法结合多元线性回归可获得最佳预测模型，结果表明：利用可见光-近红外光谱技术可快速无损地测定表面不平的桑葚中可溶性固形物和pH值[30]。胡小莉等以6 个不同区域的野菊花为样品，运用近红外光谱法建立了野菊花中总黄酮的定量预测模型，结果表明：该方法快速、准确、有效[31]。陈美君等利用近红外光谱技术结合偏最小二乘法建立陈皮中橙皮苷、川陈皮素以及橘皮素3种黄酮成分的定量分析模型，结果表明：近红外光谱技术适用于陈皮中橙皮苷、橘皮素和川陈皮素的定量分析[32]。林萍等以130批高良姜为样本，运用近红外光谱技术，以高效液相色谱法测得的结果为参考值，结合偏最小二乘法建立高良姜中高良姜素的定量分析模型，结果表明：该模型准确可靠，可实现高良姜中高良姜素含量的快速测定[33]。许世泉等以90份刺五加茎皮粉末及其提取液为样本，且以高效液相色谱法测得的结果为参考值，利用近红外光谱技术结合化学计量学法建立刺五加中紫丁香苷的定量预测模型，结果表明：该方法准确可靠，适用于刺五加中紫丁香苷的快速测定[34]。周青梅等采用近红外光谱技术结合最小二乘法建立了麦芽中β-葡聚糖含量的定量预测模型，结果表明：该模型具有较好的稳定性以及较高的准确度，因此，该方法可用于麦芽中β-葡聚糖的快速测定，为生产过程中对麦芽β-葡聚糖进行分级控制提供了一种可能[35]。蔡佳良等利用近红外光谱技术结合最小二乘法建立了藿香中水分含量的定量预测模型，结果表明：该模型稳定，并且准确可靠，适用于广藿香中水分含量的快速测定[36]。呼海涛等运用近红外漫光谱技术结合偏最小二乘法建立野菊花中蒙花苷含量的快速测定方法，结果表明：该方法操作简便，测定快速准确，可有效地用于菊花中蒙花苷含量的快速测定[37]。

2.4 质量安全检测

质量安全不仅关乎着药食同源的品质，还涉及消费者的身体健康和生命安全。检测作为保证药食同源质量安全的最基本手段，其相应的技术也逐渐成为国内外研究和关注的热点[38]。Fen等利用近红外光谱技术检测龙眼表面残留的农药敌百虫，采用主成分分析结合BP人工神经网络算法在500～1000 nm范围内建立农药残留预测模型，模型的正确检出率为93%，结果表明：近红外光谱技术可作为一种新的方法用于水果表面农药残留的快速无损检测[39]。刘聪等为了快速准确地检测鲜枣的食用安全，采用近红外光谱技术结合多元线性回归法建立了霉菌菌落总数预测模型，结果表明：该模型准确可靠，近红外光谱技术可视为一种快速无损的检测方法用于鲜枣霉菌菌落总数的监测[40]。

3 结论与展望

随着人们保健意识的增强以及大健康产业的蓬勃发展，药食同源方兴未艾。近些年来，伴随着现代仪器分析技术的不断进步，近红外光谱技术得到了迅猛的发展。近红外光谱技术作为一种新型的分析技术，凭借其快速、准确、无损以及无污染等特点，已广泛应用于各种领域，其中，在药食同源品质评价方面，包括真伪掺假的鉴别、产地种类的鉴别、成分含量的测定以及质量安全检测等都已取得了很大的进展。尽管如此，近红外光谱技术应用于药食同源品质评价方面也存在许多不足，主要体现在以下几个方面：(1)大样本量的实测数据是保证所建校正模型可靠性的保证，因此，需要投入大量的人力、物力以及财力；(2)不适用于所测组分质量小于样品质量0.1%的样本量；(3)建模过程中，光谱分析和数据处理复杂，不易被掌握。然而，相信不久的将来，随着科学技术的进步以及多学科的交叉融合，以上问题将会迎刃而解。近红外光谱技术将会在药食同源品质评价方面拥有更广阔的应用前景。

参考文献：

[1]朱建平，邓文祥，吴彬才，等.“药食同源”源流探讨[J].湖南中医药大学学报，2015，35(12)：27-30.

[2]单峰，黄璐琦，郭娟，等.药食同源的历史和发展概况[J].生命科学，2015，27(8)：1061-1069.

[3]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.

[4]谭正林，吴谋成，傅廷栋.近红外光谱技术在农产品品质检测中的应用[J].中国油料作物学报，2012，34(4)：455-460.

[5]张清娜，臧恒昌.近红外光谱技术在中药领域的研究进展[J].食品与药品，2017，19(4)：302-305.

[6]白钢，丁国钰，侯媛媛，等.引进近红外技术用于中药材品质的快速评价[J].中国中药杂志，2016，41(19)：3501-3505.

[7]宋雪健，钱丽丽，张东杰，等.近红外光谱技术在食品溯源中的应用进展[J].食品研究与开发，2017，38(12)：197-200.

[8]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.

[9]Zhu X，Li S，Shan Y，et al.Detection of adulterants such as sweeteners materials in honey using near-infrared spectroscopy and chemometrics[J].Journal of Food Engineering，2010，101(1)：92-97.

[10]汤丽华，刘敦华.基于近红外光谱的枸杞化学成分定量分析[J].现代食品科技，2013，29(9)：2306-2310.

[11]李宗朋，王健，张晓磊，等.基于近红外光谱技术的沙棘籽油鉴伪方法研究[J].中国油脂，2014，39(2)：57-62.

[12]吴晓毅，巢志茂，孙文，等.基于近红外光谱技术对硫磺熏蒸白芷的定性鉴别和定量研究[J].中国中药杂志，2014，39(10)：1863-1868.

[13]申云霞，赵艳丽，张霁，等.红外光谱在中药质量研究中的应用[J].世界科学技术:中医药现代化，2015，17(3)：664-669.

[14]Chen L，Wang J，Ye Z，et al.Classification of Chinese honeys according to their floral origin by near infrared spectroscopy[J].Food Chemistry，2012，135(2)：338-342.

[15]Chen C，Yan H，Han B.Rapid identification of three varieties ofChrysanthemumwith near infrared spectroscopy[J].Revista Brasileira De Farmacognosia，2014，24(1)：33-37.

[16]杨天鸣，张璐，付海燕，等.不同产地甘草的近红外指纹图谱模式识别鉴别方法[J].亚太传统医药，2015，11(14)：11-14.

[17]李洵，罗文汇，毕晓黎，等.布渣叶药材近红外指纹图谱的聚类分析[J].广东药学院学报，2013，29(3)：270-272.

[18]熊陈诚，李莉，王婷媛.基于近红外光谱技术不同产地肉桂子模型的建立[J].西北药学杂志，2016，31(3)：221-225.

[19]陈蓉，陈伟，吴启南.基于近红外指纹图谱的芡实药材快速分析[J].医药导报，2014，33(5)：653-657.

[20]郝莉花，张丽华，陈春生，等.近红外光谱对灰枣产地的鉴别[J].食品科技，2015，40(12)：258-260.

[21]龚海燕，白雁，宋瑞丽，等.近红外光谱结合聚类分析鉴别铁棍山药和白玉山药[J].中国医院药学杂志，2010，30(9)：735-737.

[22]王绪新.近红外光谱技术在中药鉴定中的应用研究[J].中国实用医药，2013(8)：254.

[23]Dong W，Ni Y,Kokot S.A novel near-infrared spectroscopy and chemometrics method for rapid analysis of several chemical components and antioxidant activity of mint (Mentha Haplocalyx Briq.) samples [J].Applied Spectroscopy，2014，68(2)：245-254.

[24]Guo Y，Ni Y，Kokot S.Evaluation of chemical components and properties of the jujube fruit using near infrared spectroscopy and chemometrics[J].Spectrochimica Acta Part A：Molecular and Biomolecular Spectroscopy，2016,153：79-86.

[25]Li W，Wang Y，Qu H.Near infrared spectroscopy as a tool for the rapid analysis of the honeysuckle extracts[J].Vibrational Spectroscopy，2012,62：159-164.

[26]Liu X，Zhang X，Rong Y Z，et al.Rapid determination of fat， protein and amino acid content in coix seed using near-infrared spectroscopy technique[J].Food Analytical Methods，2015，8(2)：334-342.

[27]Liu X，Rong Y Z，Zhang X，et al.Rapid determination of total dietary fiber and minerals in coix seed by near-infrared spectroscopy technology based on variable selection methods[J].Food Analytical Methods，2015，8(7)：1607-1617.

[28]Zhang C H，Yun Y H，An W，et al.Rapid analysis of polysaccharides contents in Glycyrrhiza by near infrared spectroscopy and chemometrics[J].International Journal of Biological Macromolecules，2015,79：983-987.

[29]Brown M R.Rapid compositional analysis of oysters using visible-near infrared reflectance spectroscopy[J].Aquaculture，2011，317(1)：233-239.

[30]Huang L，Wu D，Jin H，et al.Internal quality determination of fruit with bumpy surface using visible and near infrared spectroscopy and chemometrics:a case study with mulberry fruit[J].Biosystems Engineering，2011，109(4)：377-384.

[31]胡小莉，白雁，雷敬卫，等.NIRS 快速测定不同产地野菊花中总黄酮含量[J].药物分析杂志，2016，36(3)：547-553.

[32]陈美君，陈鸿平，丁龙，等.陈皮中3种黄酮成分近红外定量分析模型的建立[J].时珍国医国药，2016，27(7)：1614-1619.

[33]林萍，周文婷，王海霞，等.高良姜中高良姜素含量 NIRS 分析模型的构建[J].计算机与应用化学，2014，31(5)：632-636.

[34]许世泉，张瑞，刘宏群，等.近红外测定刺五加中紫丁香苷含量模型探讨[J].特产研究，2012(4)：54-57.

[35]周青梅，郭立芸，林智平.近红外光谱法测定麦芽中的β-葡聚糖[J].食品与发酵工业，2013，39(10)：223-226.

[36]蔡佳良，李蕾蕾，姬生国.近红外光谱法快速测定广藿香中水分含量[J].医药导报，2012，31(11)：1468-1470.

[37]呼海涛，胡小莉，白雁，等.近红外光谱法快速测定河南产野菊花中蒙花苷含量[J].中国实验方剂学杂志，2016，22(8)：74-77.

[38]彭彦昆.开展无损检测研究，保障食品质量安全[J].食品安全质量检测学报，2015，6(8)：2967-2968.

[39]Fen D，Tiansheng H，Kun Z，et al.Nondestructive detection of pesticide residue on longan surface based on near infrared spectroscopy[J].Intelligent Computation Technology and Automation (ICICTA)，2010(2)：781-783.

[40]刘聪，郭康权，张强，等.基于近红外光谱的室温贮藏下鲜枣霉菌污染动力学模型[J].农业工程学报，2013，29(1)：278-284.