成像技术在食品安全与质量控制中的研究进展

邓亚美, 王秀娟, 杨敏莉, 贺木易, 张 峰*

(1. 中国检验检疫科学研究院, 北京 100176; 2. 中国医科大学药学院, 辽宁 沈阳 110122)

食品质量与安全作为一个全球性问题,在发达国家和发展中国家都受到越来越多的关注。在食品安全方面,主要涉及食品污染物和残留,如农兽药残留、促生长剂、环境污染物、食品加工过程中产生的污染物和包装材料中迁移的污染物等[1,2]。在食品质量控制方面,主要涉及食品品质评价和掺假,包括营养成分的含量测定,如脂类、蛋白质、低聚糖、维生素和碳水化合物,以及各种添加剂的检测,如防腐剂、抗氧化剂和用于风味、颜色和气味的化学品等[3]。食品质量与安全与人们的生活息息相关,消费者对于食品品质和安全的要求也越来越高。开发和应用更有效、更强大的分析方法来检测食品中已知或未知的成分及有害物的需求正在显著增加。

传统的食品分析方法如酶联免疫吸附法、色谱法及色谱-质谱法[4-7]往往需要复杂的样品前处理,具有耗时、消耗大量的有机试剂、污染环境等缺点。更重要的是,样品经过均质处理后,无法获取目标物在样品组织上的空间分布信息。此外,传统的检测方法大多是离线的,对样品具有破坏性,无法实现食品的无损检测。如何快速、无损、实时、可视化地监测食品质量与安全已经成为食品领域研究的热点。

光谱成像技术融合光谱技术与成像技术于一体,可同时获得食品中目标物的图像信息和光谱特征,从而实现食品的高效、快速、实时、无损检测[8,9]。目前,光谱成像技术在食品领域中应用较多的有高光谱成像技术和拉曼光谱成像技术[10,11]。质谱成像(mass spectrometry imaging, MSI)是一种分子可视化技术,相对于光谱成像来说具有独特的优势。MSI不需要复杂的样品前处理、染色、荧光标记、抗原抗体反应等过程,可以直接分析样品组织或细胞[12]。MSI可以获得同一组织切片上多种分子的空间分布信息,实现高通量分析。目前,MSI技术已经广泛用于医学、药学等研究领域[13-15]。近年来,MSI在食品领域也得到了广泛的关注[16-18]。本文主要介绍了高光谱成像、拉曼光谱成像及MSI技术的原理及其在食品质量与安全领域的应用进展。

1 高光谱成像技术

高光谱成像(hyperspectral imaging, HSI)是一种先进的无损检测技术,融合了光谱学、计算机、数字图像处理等多种技术[19,20]。典型的高光谱成像系统由硬件和软件组成。具体配置可根据待测样品和所使用的图像采集技术而变化。大多数高光谱成像系统硬件平台都有共同的基本组成部分(如图1所示):提供照明的光源;光直接或通过光纤传输照射样品;同时获得光谱和空间信息的检测器;以及高光谱仪,用于分散反射、透射或散射光的波长,并将信号传送到检测器的感光表面;调整光采集范围的物镜;固定在传送带上的载物台,用于支撑和传送样品;计算机[21]。成像的原理为激发光源模块产生线光源,照射到待检样品后产生漫反射光,利用高信噪比的高光谱仪将产生的光转换成光谱,并将其形成图像,由摄像机统一接受并记录显示到计算机中。样品的扫描过程可以通过控制载物台的移动来实现。获得的高光谱图像,可以指示食品样品中的化学成分和物理性质。

图 1 高光谱成像系统的结构Fig. 1 Configuration of a hyperspectral imaging system

HSI技术是图像技术与光谱技术的完美结合,一方面,HSI系统可以识别由N-H、O-H和C-H基团的拉伸和弯曲引起的振动光谱特征,从而可以用于物质定量和定性;另一方面HSI通过获取样品的图像,提供详细的空间信息。通过获取的二维光谱信息和一维空间信息,HSI能够同时确定食品的内在属性和外在属性,并生成化学图谱,直观地显示食品质量参数的分布[22]。HSI不仅可以分析食品表面,还可以探测到样品mm～cm深度的内部特征。HSI检测的波长通常在400～2 500 nm,光谱分辨率在1～10 nm[21]。一般情况下,HSI的空间分辨率可以通过将扫描的空间距离除以每个图像中的像素数来计算,通常为mm/像素[22]。HSI技术具有非破坏性、操作简便、快速且重复性好、能实时在线检测等优点,显著优于传统的检测方法,已成为食品品质检测、分类与分级的有力手段,在食品检测领域发挥重要作用。本节中,将根据食品的种类阐述该技术在食品安全和质量评估中的具体应用。

1.1 肉类

在当今市场上,消费者对优质肉产品的需求正在增加。一些常见的质量特性,包括感官特性(颜色、嫩度、风味)、微生物特性(新鲜度、腐败度)、化学特性(脂肪、蛋白质、水分)以及工艺特性(pH值、保水性)通常用于评价肉类品质[23]。目前,HSI技术已经广泛应用到肉类产品的无损检测中[24-35]。He等[24]建立了HSI技术结合化学计量学的方法来评价鲑鱼的嫩度。采集不同嫩度鱼片的高光谱图像,在400～1 720 nm范围内提取其光谱特征。建立了最小二乘支持向量机(least square-support vector machine, LS-SVM)预测模型,相关系数(R)为0.905,预测均方根误差(root-mean square error of prediction, RMSEP)为1.089。Cheng等[27]建立了用K值评价草鱼、鲢鱼片新鲜度的HSI方法。通过偏最小二乘回归法(partial least square regression, PLSR)分析400～1 000 nm波长范围内鱼片的吸收光谱图像。结果表明,具有较高的相关系数(R=0.936)和较低的RMSEP(5.21% )。

新鲜的肉类在储藏过程中,由于自身营养成分的降解及微生物的繁殖,会引起腐败。一些微生物指标如菌落总数、大肠菌群和致病菌等可以用于判断微生物腐败,进而评价肉类新鲜度[33-35]。Cheng等[34]利用HSI技术快速、无损地测定猪肉中的生物胺指数(biogenic amine index, BAI)来评价肉类新鲜度。建立400～1 000 nm波长范围的PLSR模型,取得了良好的结果。Cheng等[35]采用400～1 000 nm波长的HSI技术和PLSR模型对草鱼鱼肉中的大肠杆菌进行可视化分析从而评价微生物腐败。模型的相关系数R值为0.880,预测结果较好。

许多研究也证实了HSI技术在肉类分级及快速鉴别中的能力[36-39]。Pu等[36]利用可见和近红外高光谱图像及组织结构分析对新鲜和冻融猪肉进行分类。分类准确率分别为93.14%和90.91% 。Kamruzzaman等[39]利用可见近红外HSI技术在400～1 000 nm波长范围内检测新鲜牛肉中掺假鸡肉的情况。建立了PLSR模型,将3种光谱曲线与样品掺假程度联系起来。然后使用不同的独立数据集对这些模型进行验证,相关系数R值分别为0.97、0.97和0.96, RMSEP分别为2.62% 、2.45%和3.18%(质量分数)。结果表明,HSI可用于检测、量化和可视化牛肉中鸡肉掺假添加量。

1.2 水果和蔬菜

新鲜水果和蔬菜在运往市场之前必须经过许多步骤,如收获、清洗、分类、分级和包装。在这些过程中,它们通常容易受到损害。目前HSI技术主要用于黄瓜、梨、芒果、草莓等果蔬品质的无损检测[40-43]。Cen等[40]利用在线高光谱成像系统无损检测黄瓜的冷害情况。通过获得的正常和低温黄瓜的高光谱反射率(500～675 nm)和透射率(675～1 000 nm)图像,基于特征选择方法与支持向量机分类器相结合,总体分类精度达到90.5% 。结果表明了HSI技术在黄瓜冷害在线检测中的潜力。Lee等[43]研究了一种在950～1 650 nm的近红外范围之外的高光谱成像,以检测梨皮下的瘀伤。采用基于F值的分类算法对图像进行分析,找出识别表面瘀伤的最佳波段比。结果表明,最佳阈值波带检测梨瘀伤的准确率为92% ,说明超近红外HSI技术是一种潜在的梨瘀伤检测方法。

1.3 其他食品

HSI技术在玉米霉变及奶粉掺假中也得到了应用[44,45]。在食品安全方面,HSI的一个应用是检测玉米等谷物中自然生长的黄曲霉及寄生曲霉产生的真菌毒素和黄曲霉毒素。传统的黄曲霉毒素测定方法需要磨粒和化学分析,而HSI技术可以实现无损、快速检测。Wang等[44]利用短波红外高光谱成像系统,在 1 000～2 500 nm波长范围内,对健康玉米籽粒表面的黄曲霉毒素B1进行了检测。验证的准确度达到了88% 。三聚氰胺曾被非法添加到牛奶配方和饲料中,以增加产品的表观蛋白质含量,但导致了一些婴儿的患病和死亡。因此,检测三聚氰胺的非法添加十分重要。Fu等[45]利用近红外HSI技术在990～1 700 nm波长范围内检测了奶粉中极低含量(<200 mg/kg)的三聚氰胺掺假。由于芳香胺结构的存在,在 1 473.8 nm左右观察到三聚氰胺和牛奶之间最显著的光谱差异。

这些应用研究表明,HSI技术在肉类、水果和蔬菜的品质检测及安全评估中得到了广泛的应用。HSI技术克服了传统光谱技术检测区域小、检测时间长、仅能检测表面情况等局限性。在HSI分析中,图像和光谱的完美结合不仅提供了食品的物理和几何特征,如被分析样品的形状、大小、外观和颜色,还可以获得由光谱分析得到的化学组成信息。因此,HSI在食品检测中表现出许多优势如不需要样品制备、具有物质非破坏性、能实现实时在线分析、操作简单和快速。更重要的是,HSI可以在检测空间信号的同时获得样品的内部光谱信息,为食品品质的无损检测及有害物的生成研究提供有力手段。但是,HSI作为一项新技术,其充分开发仍面临着数据处理困难、计算速度慢、成本高等挑战,需要在今后的研究中加以解决,以优化和扩大其在食品领域中的应用。

图 2 拉曼光谱成像示意图Fig. 2 Schematic of a Raman imaging system

2 拉曼光谱成像技术

拉曼光谱成像是拉曼光谱技术与成像技术的结合,可同时获得拉曼光谱区域中对应物质的结构和形态信息及分布图像,从而获得用于评估食品质量和安全所需的信息[46]。图2所示为拉曼光谱成像的示意图,主要由光谱仪、激光器、电荷耦合器件(charge coupled device, CCD)检测器以及光学镜片等组成。其成像原理为激光器发出的光经反光镜、二向色镜反射后通过物镜聚焦于样品表面,发出的散射光由原光路收集,经物镜和反光镜后反射进入光谱仪,光谱仪内部的聚焦透镜将散射光聚焦后穿过入射狭缝投射于光学准直透镜,信号经准直后到达光栅,光栅把宽波长的单束复合光分散为不同频率的多束单色光,这些单色光经成像物镜按照不同的波长成像于透镜焦平面上,后经CCD检测器产生信号,进而实现物质的拉曼光谱成像[47]。

拉曼光谱成像的目的是同时获得待测物的光谱和空间信息,实现食品中物质的可视化分布[11]。拉曼光谱成像在食品分析中表现出许多优势:检测成本低,无损,不受样品中水的干扰,样品用量少等。

目前,拉曼光谱成像技术在食品中主要用于食品添加剂、非法添加剂检测及奶粉掺假检测等方面。粉状食品和配料的掺假和欺诈正在威胁着消费者的健康,并造成严重的食品安全风险,因此,建立快速、无损检测技术十分重要。Qin等[48]利用线扫描显微拉曼光谱成像系统,以785 nm激光为激发源,对食品粉末进行了鉴别。该系统收集了3种代表性食品粉末和添加物(如奶粉和三聚氰胺、小麦粉和过氧化苯甲酰、玉米淀粉和马来酸酐)的拉曼图像。该研究开发了拉曼光谱和图像处理算法并创建化学图像用于显示食品粉末中添加物的识别、空间分布和形态特征。Dhakal等[49]建立了点扫描拉曼光谱成像技术定量检测奶粉中三聚氰胺的方法。该方法可以检测质量分数低至0.005%的三聚氰胺。检测出的三聚氰胺含量与配制的三聚氰胺含量呈线性关系,相关系数R值为0.99。结果表明,该方法可用于奶粉中三聚氰胺的无损定量预测。翟晨等[50]利用拉曼光谱成像技术对小麦粉中两种添加剂(过氧化苯甲酰和L-抗坏血酸)实现了快速、无损、原位检测。该研究建立了两种添加剂的拉曼特征峰强度与其浓度的线性关系模型,其相关系数R值分别为 0.982 8 和 0.991 2。同时,该研究得到了两种添加剂空间分布的可视化图像。陈达等[51]建立了拉曼光谱成像技术识别掺假奶粉(掺入面粉、淀粉、滑石粉和大豆粉)的检测方法。所建数据驱动的多尺度模型对未知样品的判别正确率为98.9% ,为奶粉掺假识别提供了一种新方法。Tan等[52]提出了一种单滴拉曼光谱成像策略来半定量牛奶制品中的危险因素三聚氰胺、硫氰酸钠和盐酸林可霉素。该方法对3种污染物的检出限分别为0.1、1和0.1 mg/kg。结果表明,该研究开发了一种新的、环境友好的方法,能够有效地评估牛奶的安全性,可以很好地推广到其他食品安全的检测中。

综上所述,拉曼光谱成像结合了成像和拉曼光谱两项重要技术,同时提供食品的图像和光谱信息。目前的研究表明,该技术可以评估食品安全问题,特别是在识别奶粉掺假中发挥着重要作用。拉曼光谱成像具有快速、无损、低成本等优点。同时,拉曼光谱成像技术克服了HSI技术只能从宏观上检测样品的局限性,可以实现食品中物质的内部检测,有利于食品中有关物质的深层解析和机制研究。但该技术仍存在一定的局限性,如分析的食品类型多集中于粉状物质及数据处理系统不够完善。今后的研究重点应放在应用不同的化学计量学算法来改进对食品质量和安全参数的评价上。此外,研制合适的信号增强基片是获得可靠结果、提高测试灵敏度的关键,这也将是未来拉曼光谱成像研究的重点。

3 质谱成像技术

质谱成像(mass spectrometry imaging, MSI)的原理为利用激光或离子束照射组织切片使其表面分子离子化,通过质谱检测离子化分子的质荷比(m/z),再由成像软件将获得的质谱数据转化为相应像素点并重构出目标物在组织上的空间分布图像[53]。MSI技术可以直接分析样品组织切片或细胞,产生任意指定质荷比的化合物的二维离子密度图,从而获得组织或细胞中目标物的构成、相对丰度及空间分布信息。该技术与其他成像技术相比具有明显的优势:不需要复杂的前处理、染色、标记等;可以在同一组织切片上实现多种分子的可视化;检测灵敏度高;成像图片质量高;高通量等[54]。近年来,MSI技术在食品领域逐渐受到关注,本文主要介绍几种MSI技术的原理及其在食品安全与质量控制中的应用进展。

3.1 MSI技术

由于MSI能够提供独特的空间化学信息,因此出现了许多不同类型的技术,这些技术的差别主要在于分析物解吸/电离方法不同。其中,在食品科学领域主要有基质辅助激光解吸电离质谱成像(matrix assisted laser desorption ionization mass spectrometry imaging, MALDI-MSI)、解吸电喷雾离子化质谱成像(desorption electrospray ionization mass spectrometry imaging, DESI-MSI)、实时直接分析质谱成像(direct analysis in real time mass spectrometry imaging, DART-MSI)、二次离子质谱成像(secondary ion mass spectrometry imaging, SIMS-imaging)、激光烧蚀电喷雾电离质谱成像(laser ablation electrospray ionization mass spectrometry imaging, LAESI-MSI)、激光解吸电离质谱成像(matrix-free laser desorption ionization mass spectrometry imaging, LDIMSI)等[17,18,55]。本节将主要介绍MALDI-MSI、DESI-MSI和DART-MSI技术的成像原理。

3.1.1 MALDI-MSI技术

MALDI-MSI技术是目前发展较为成熟的成像技术,原理是以软电离技术MALDI为基础,将待测物均匀分散在基质分子中并形成共结晶(如图3a所示)。利用紫外或红外激光束照射共结晶时,基质分子吸收能量并迅速产热,使得基质晶体升华,进而使样品从表面解吸进入气相,基质和分析物发生膨胀,进行气相质子交换反应形成离子,离子化分子在电场或负压作用下进入质谱的质量分析器。最后利用特定的质谱成像软件分析样品组织,将质谱仪获得的样品上每个点的m/z信息转化为照片上的像素点。在每个样品点上,将所有质谱数据经平均化处理获得一幅代表该区域内化合物分布情况的完整质谱图。实验仪器通过逐步采集质谱数据,最后得到具有空间信息的整套样品的质谱数据,完成对组织样品的分子成像[16,56]。

图 3 3种MSI技术的原理图Fig. 3 Schematic diagrams of three mass spectrometry imaging technologiesa. matrix assisted laser desorption ionization mass spectrometry imaging (MALDI-MSI); b. desorption electrospray ionization mass spectrometry imaging (DESI-MSI); c. direct analysis in real time mass spectrometry imaging (DART-MSI).

3.1.2 DESI-MSI技术

DESI是一种常压敞开式离子化技术,近几年被用于质谱成像[57]。DESI-MSI技术的原理为利用微型喷雾器耦合电高压并在雾化气体的辅助下将溶剂以一定流速喷射形成带电微液滴,进而喷射至样品组织表面,在组织切片表面形成液体膜,溶解样品表面的分析物[58]。在一次液滴的影响下,含有分析物离子的二次液滴以类似电喷雾的机制喷射和电离,实现离子化过程。在水平连续运动中改变相对于DESI喷雾器组件位置的样品位置,同时获取所得图像的每个像素的质谱,最后经过成像软件重构出样本组织的质谱成像图(如图3b所示)。DESI-MSI技术具有独特的优势:不依赖于真空环境,在常压下进行;不需要基质辅助,避免了基质离子化产生的干扰,同时避免了基质喷涂过程中目标物的移位[18,59]。但是它与MALDI-MSI及其他技术相比,空间分辨率较低,一般为100～200 μm,提高空间分辨率是目前DESI-MSI技术面临的主要挑战。

3.1.3 DART-MSI技术

DART是一种多用途的环境电离技术,它可以在常压下快速分析固体、液体和气体,而不需要样品准备。DART离子源的原理是氦通过一个轴向管传导,并支持产生离子、电子和激发原子的电晕放电[60]。随后,氦通过另外两个腔室,在那里电子、阳离子和阴离子被去除,只有电子激发的中性物质进入大气反应区。这些在大气中释放的原子将导致环境气体(如大气水或溶剂)发生气相反应电离级联。此外,这些离子作为化学电离试剂靠近分析样品的表面,导致分析物离子化并被转移到质量分析仪。DART-MSI技术的原理如图3c所示,它以DART为基础,不需要基质、真空和溶剂的存在,直接分析组织样本,获得样品成像图[61]。DART-MSI技术具有很多优点,可以在环境条件下对原始样品进行分析,分析物很少或没有碎片,空间分辨率高,适合小分子成像等。

3.2 MSI在食品安全与质量控制中的应用

目前,MSI技术已经应用到碳水化合物、脂质和蛋白质等营养成分分析,内、外源性毒素等食品安全研究及食品来源鉴别等方面[17]。本节主要介绍MSI技术在食品安全与质量控制中的应用。

3.2.1 MSI用于食品安全研究

食品中有害物质的检测是保证食品质量安全的重要组成部分。这些有害物质可以由原材料自然产生,也可以在食品加工和储藏过程中形成,甚至可以非法添加到食品中。传统的食品分析方法,由于样品经过均质处理,忽略了空间异质性,对精准定位有害物及追踪污染源非常不利。MSI技术可以定位和可视化食品中有害物质的分布,能够极大地帮助我们监测已知或未知的风险因子,确保食品安全。目前,MSI技术在食品安全方面主要涉及食品真菌污染、食品化学性污染和筛查过敏源等。

真菌毒素是由各种真菌产生的有毒次生代谢产物,它是食品污染的一大风险因子。研究真菌毒素在受污染食品中的分布对于深入了解感染机制和在食品加工过程中减少污染的可能性具有重要意义。de Oliveira等[62]利用MSI技术原位、快速地检测了花生表皮和核仁部位的4种黄曲霉素(B1、B2、G1、G2)和植物毒素。研究表明,该技术可用于监测真菌污染,定性评估黄曲霉毒素和二苯乙烯类在花生皮和花生仁中的分布情况,为坚果和其他食品精确跟踪真菌污染提供参考。Hickert等[63]运用MALDI-MSI技术研究了霉变的葡萄和玉米中赭曲霉毒素A和伏马菌素的分布情况。结果表明,MALDI-MSI能成功地检测到样品中赭曲霉毒素A(OTA)和伏马菌素B、C系列(FB1、FB2、FB3、FB4、FC2/3、FC4)及部分水解的伏马菌素(pHFB1、pHFB2、pHFB3、pHFC1、pHFC2/3)。这两类真菌毒素在样品中的分布是不同的:OTA只存在于样品的可见真菌腐败部位,而伏马菌素分布在整个样品中。

马铃薯中含有一类天然的有毒糖苷生物碱,可能对人体健康和食品安全构成威胁。人体摄入过量的糖苷生物碱会引起恶心、呕吐、呼吸衰竭等症状。利用MSI技术可以有效地监测该类物质的产生和变化。Tata等[64]采用DESI-MSI技术实现了马铃薯块茎中有毒物质和生物活性代谢物的同时监测,为食品安全控制提供了新思路。本课题组利用MALDI-MSI技术研究了不同贮藏时间下,4种糖苷生物碱在马铃薯不同部位的空间分布及变化规律。该研究利用logistic方程建立了生物碱的生长模型,可用于评价芽、周皮和髓质中4种生物碱的生长趋势,并揭示了生物碱的生物合成机制。该研究可为马铃薯贮藏及食品安全监测提供有益的指导。

为了提高水果、蔬菜、小麦和水稻等作物的产量和质量,常常使用杀菌剂。由于杀菌剂对人体有害,所以需要对食品中的农药残留进行监控。Taira等[65]利用MSI技术研究了腐霉利杀菌剂在黄瓜中的残留情况以及动态渗透过程。结果表明,随着喷洒农药时间的迁移,腐霉利杀菌剂不仅会残留在黄瓜的果皮中,还会慢慢迁移到黄瓜的果肉和中心区域。此外,Annangudi等[66]利用MALDI-MSI技术研究了3种商用杀菌剂在小麦叶片表面的分布情况。该实验模拟了田间应用条件,对小麦叶面喷施后所选杀菌剂的空间分布进行了直接成像,并讨论了该技术在环境领域的潜在应用。Nielen等[67]利用LAESI-MSI技术对食品(柑橘、番茄和玉米)中的污染物进行了宏观和微观空间成像,包括杀菌剂残留和真菌毒素污染。该研究表明杀菌剂在果皮上的渗透深度存在位置差异性。杏仁、枇杷和亚麻籽等食源性植物中容易产生氰苷,该类物质可水解生成高毒性的氰氢酸,从而对人体造成危害。Dalisay等[68]利用MALDI-MSI技术研究了亚麻籽中的生氰糖苷类物质的空间分布。在某些情况下,精确地定位有害天然毒素的存在,不仅为食品的质量安全考虑,还有利于进一步研究天然毒素的形成和代谢。

食品中蛋白质和多肽类过敏源所引起的安全风险也需要引起关注。Bencivenni等[69]利用MSI技术研究了番茄中非特异脂质转移蛋白的空间分布特点,结果发现,这种蛋白主要分布在种子中。该研究对于筛选低过敏性农作物非常重要。食品中过敏源成像分析是相对较新的研究领域,可为食品加工公司无过敏源产品提供一种简单、可视化证实方法。

3.2.2 MSI用于食品质量控制

食品的真实性是食品质量控制和安全保障中重要的环节,MSI技术在药食同源类食品的真假鉴别和分类中也得到了应用。以人参皂苷为生物活性成分的人参属植物根被广泛用作中草药和食品添加剂。人参、西洋参、三七是人参属常见的三大商业品种,形态相似,通常难以用肉眼区分。Wang等[70]利用MALDI-MSI技术实现了对人参皂苷在根组织中的定位及对3种人参种属的快速鉴别。MALDI-MSI分析根组织,可检测到51种皂苷。实验结果表明,皂苷在组织中的分布与植物结构有明显的关系。将MSI和主成分分析结合,首次实现了3种不同的人参种属的快速区分。MSI获得的二维离子密度图可以反映人参皂苷在不同根组织结构中的分布差异和相对丰度变化,为品种鉴别提供有价值的信息。

肉类中脂质的氧化会生成低级脂肪酸、醛、酮等物质,具有刺鼻的不良气味,影响肉类的风味、质地、颜色和营养。因此,控制和减少脂质氧化是保证肉制品质量的关键。Dyer等[71]利用MALDI-MSI技术研究了脂质氧化降解产物的空间分布图,分析了不同的包装条件(高氧、空气和真空)对牛背最长肌在贮藏期间脂质氧化的影响。该研究为MSI技术用于肉类的质量控制提供了参考。咖啡因其独特的香味而深受大家的喜爱,研究咖啡加工过程中风味物质的分布及有害物质的产生对于保证咖啡质量非常重要。Fowble等[72]利用DART-MSI技术研究了新鲜和烘焙的咖啡豆中高挥发性化合物呋喃和5-羟甲基糠醛的空间分布。结果表明,5-羟甲基糠醛主要分布在烘焙后的咖啡豆皮中,而呋喃在新鲜和烘焙的咖啡豆中均存在。该研究有利于探讨咖啡豆加工过程中物质的变化,以保证咖啡的品质和质量安全。

从这些应用实例可以看出,MSI技术在食品领域显示出巨大的潜力和优势,不仅可以分析食品中内源性成分,也可以对外源性物质进行成像。该技术不需要复杂的样品前处理(如染色和标记),即可对样品组织表面进行可视化分析。与其他成像技术相比,MSI可以提供分析物完整的质谱信息,这对于鉴定物质结构非常有利。同时,MSI还可以实现高通量检测和非目标物的成像,有利于筛查食品中潜在的有害物。该技术可准确绘制出食品中营养成分和有害物质的空间分布图像,有助于检测和监控食品中一些有毒有害的物质,探讨有害物质的生成机理及变化规律,帮助我们在分子水平上监测食品质量和安全。同时,食品中内源性物质的可视化分析有助于我们研究其生物合成和代谢途径,从而有利于保证食品品质与质量安全。虽然MSI在食品领域取得了一定的进展,但目前仍然存在一些问题,如对食品中某些含量较低的营养物质或有毒有害物质进行检测时,对实验的灵敏度和空间分辨率要求较高。此外,对于食品中蛋白质和多肽的结构鉴定仍存在一定的难度。

4 总结与展望

本文综述了几种成像技术的原理及在食品安全与质量控制中的应用,主要涉及食品品质检测、食品来源鉴别、食品微生物污染、食品物理损伤和食品化学物残留等食品安全与质量控制领域。成像技术作为一种很有前途的技术,应该扩展到更广的食品研究领域,在食品质量监控及预防食品安全问题爆发方面发挥更大的作用。其中,高光谱成像技术具有无损、实时和快速检测的优点,是食品领域应用较为广泛的光谱成像技术。高光谱成像的研究成果有力地表明,高光谱成像,特别是近红外高光谱成像,在检测肉类和海产品的质量和安全性方面具有巨大的潜力。高光谱成像的未来工作可以集中在诸如开发更高灵敏度的相机和更高分辨率的系统、改进数据处理方法、增加图像组合预测模型、提高检测精度和扩大食品的应用范围等问题上。MSI技术在不需要放射性或者荧光标记的前提下,同时获得化合物的结构和空间分布信息,具有高通量、高分子特异性,在食品领域受到越来越多的关注。MSI技术可以在离子化方式、检测灵敏度、空间分辨率和数据处理等方面得到提高和完善，未来必将更广泛地应用到食品质量与安全领域。此外,可以将光谱成像和质谱成像技术结合起来,发挥两者的优势,同时获得目标物的光谱信息和质谱信息,使得成像技术在食品研究中的应用前景更加广阔。