荧光光谱分析技术在食品检测领域的研究进展

史 鑫，罗永康，张佳然，史 策, ，赵峙尧

（1.北京市农林科学院信息技术研究中心，北京 100097；2.中国农业大学食品科学与营养工程学院，北京 100083；3.国家农业信息化工程技术研究中心，北京 100097；4.农产品质量安全追溯技术及应用国家工程实验室，北京 100097；5.北京工商大学人工智能学院，北京 100084）

食品安全问题与人们的健康和生命息息相关，随着生活水平的提高，人们对生活质量的要求越来越高，对食品安全的要求也在不断提升。但食品安全的现状并不乐观，新的食品安全问题仍然不断出现。为此，我国颁布了多项法律法规严控食品质量安全问题。然而，在日常生活中，消费者们难以对食品的品质进行准确判定，许多不法商贩试图通过掺假、使用违规添加剂等手段谋取不正当利益，严重损害了消费者的合法权益。因此，提高食品安全监管技术水平、完善食品检测手段尤为重要。

传统检测方法步骤繁琐，耗时耗力，容易对环境造成化学污染。现阶段常见的食品检测技术主要有三大类：生物检测技术、色谱检测技术以及光谱检测技术等[1]。其中，荧光光谱技术作为一种新型的光谱检测技术以其独特的优势在近几年迅速发展，为检测食品中微量甚至痕量物质提供了新方法。此外，荧光光谱技术还具有较广泛的选择性和多维检测特性，对待测样品进行紫外和可见光范围内的全波段荧光光谱数据的收集，为检测成分复杂的食品提供了便利。同时，荧光光谱分析技术因其无化学污染、操作便捷、检测效率高且成本低的特点被广大科研人员深入研究，并在多类食品如粮油、肉类、水产品、果蔬等领域的检测中得到广泛的应用。本文通过对多种荧光光谱技术的介绍及不同类别食品检测中的应用方法与效果进行了归纳与总结，总结和分析了荧光光谱技术现阶段存在的问题以及对未来发展趋势的展望，为荧光光谱技术在食品检测领域的应用提供借鉴意义。

1 荧光光谱分析技术的原理

“荧光”一词是在1852 年由Storks 最先提出，其基本原理是物质吸收紫外或可见光波段的电磁辐射后，受激发的原子或分子从基态跃迁至高能级后立即发生去激发现象，在去激发过程中，跃迁到较高能级的原子或分子由于不稳定从高能级跃迁至低能级并释放能量，是一种光致发光的冷发光现象。荧光光谱是描述某一物质的荧光能量和其对应波长的关系图，可分为激发光谱和发射光谱[2]。激发的荧光波长与物质内部组织结构有关，其荧光强度与物质组分含量有关，从而可以实现对不同物种进行快速有效地鉴别[3]。由于荧光光谱图像数据的复杂性，对于图像数据的分析常需要与各种化学计量学工具相结合，对荧光光谱数据进行提取、优化及整理归纳，使检测数据更有价值[4]。

2 荧光光谱分析技术的分类

2.1 原子荧光光谱分析技术（Atomic Fluorescence Spectrometry）

原子荧光光谱技术的基本应用原理为：当原子处于蒸汽状态时能够吸收特定频率下的辐射，导致原子处于高能激发状态，以光辐射的形式反射出不同特征长度波长的荧光[5]，可用于检测某种特定的原子在特殊波长下的辐射反射情况。原子荧光光谱具有高效率和高准确率的特点，这种光谱分析技术目前被广泛应用于环境科学领域中水质和矿物质的检测、生物医药制品的检测和分析，在食品检测领域常与氢化物发生、高效液相色谱等技术相结合检测肉食及粮油食品中的铅、汞、砷、镉等金属元素[5−6]。目前，我国已将利用原子荧光光谱分析技术检测食品中的重金属含量列为国家检测标准之一。

2.2 分子荧光光谱分析技术（Molecular Fuorescence Spectroscopy）

分子荧光光谱分析技术是最基础的一种荧光光谱分析技术。该技术以物质所发射的荧光强度与浓度之间的线性关系为依据进行定量分析，以荧光光谱的形状和荧光峰对应的波长进行定性分析[7]。但是分子荧光光谱技术只能呈现单一波长下的荧光物质变化，且无法修饰和减弱激发和发射谱带的严重重叠现象。

2.2.1 二维相关荧光光谱分析技术（Two Dimensional Fluorescence Correlation Spectroscopy） 二维相关荧光光谱分析技术原理是在对样品进行光谱检测时，对动态光谱从浓度、pH、淬灭以及激发波长等外部条件下进行扰动，从而引起光谱信号的变化[8]。收集动态离散的光谱数据矩阵，得到二维相关同步或异步谱图，以便于观察分析一维图谱中的小峰弱峰。该技术主要应用于对肉类氧化过程的定性分析以及茶叶[4]、油类[9]的鉴别分类工作。

2.2.2 三维荧光光谱分析技术（Excitation- Emission Matrices, EEM） 该技术分析的是荧光强度随激发波长和发射波长这两个变量而变化的函数。描述荧光强度与发射波长和激发波长变化关系的谱图称为三维荧光光谱。根据视图方式的不同三维荧光光谱可分为等角三维投影图和等高线图。与普通的荧光光谱相比，三维荧光光谱是对激发光谱和发射光谱两种普通荧光光谱数据的有效整合，可以在测定和鉴别具有荧光效应的食品添加剂或污染物时提供更加完整丰富、有价值的信息。

2.2.3 前表面荧光光谱分析技术（Front-face Fluorescence Spectroscopy, FFFS） 该技术通过特殊的入射角照射样品（图1）[10]，目的是有效降低因样品较混浊（吸光度>0.1）产生内滤波效应（Inner Filter Effect）而造成的结果不准确现象[11]。该技术与传统荧光光谱分析技术的区别在于传统的荧光光谱仪器的发射光是垂直穿透样品并激发荧光。该技术具有检测成本低、检测限量低以及样品前处理简单等优势，与化学计量工具的进一步结合，使得该技术在对畜禽肉、鱼、水果类等新鲜度和品质评价，酒类、油脂、乳制品、果汁等掺假鉴别领域都有广泛应用[10]。

图1 前表面荧光光谱分析技术原理图Fig.1 Schematic diagram of front-face fluorescence spectroscopy

2.2.4 同步荧光光谱分析技术（Synchronous Fluorescence Spectroscopy, SFS） 在食品检测过程中，成分复杂且多变的样品在进行分子荧光光谱分析时常出现光谱重叠及光散射干扰严重的现象。Lloyd 等[12]针对该问题提出同步荧光光谱技术，该技术在保持对样本的激发光波长和发射光波长之间的差值Δλ不变的情况下，对样品的发射光波长及荧光强度进行数据记录和分析[13]。SFS 具有使谱带变窄、减少光谱重叠和光散射干扰、提高检测灵敏度等特点，通过对光谱形状、不同激发和发射波长下的荧光强度等数据的处理可实现对成分复杂样品的鉴定和定量分析。国内已有研究人员利用SFS 完成了对植物油的分类及掺假鉴别[14]，以及畜肉中农药残留的定量分析[15]。

2.2.5 总同步荧光光谱技术（Total Synchronous Fluorescence Spectroscopy, TSFS） TSFS 是对多个SFS 数据进行收集，不同于同步荧光光谱技术，TSFS 的每个SFS 都以其各自的Δλ值获得[16]。与EEM 类似，TSFS 的光谱数据是对同步荧光光谱数据的二维应用扩展到了三维，也可以绘制成3D 图或等高线图，是荧光强度以激发波长和偏移Δλ为双变量的函数图像。TSFS 具有SFS 的所有优点，此外，TSFS 还可以在数据采集阶段通过收集具有适当偏移量的荧光数据来去除高强度的瑞利散射信号，从而减少了由瑞利散射引起的误差影响，省去了在数据分析阶段用于消除瑞利散射影响的数学处理步骤[17]。但目前尚未有在食品检测领域的应用报道。

2.2.6 荧光光谱成像技术（Fluorescence Spectral Imaging） 荧光光谱成像技术目前已经作为一种指纹技术应用于食品检测领域，实现了对食品样本中各成分的全面表征，是一种高效、高灵敏、无损且可进行实时检测的光谱技术。该技术最大的优势是可同时获取被测物质的定量、定性及定位信息[4]。其基本原理是运用光谱扫描手段，使用滤波器改变样品被荧光激发后的发射光波长，收集不同发射波长下样品的荧光图像，在经过系统程序分析后可获得图像上任意点的光谱曲线[18]。荧光光谱成像技术在仅限于点测量的荧光光谱分析技术的基础上，增加了关于样品中各荧光成分的空间分布信息，因此，常用于对具有荧光效应的异质产品进行检测定位[3]，在确定异质物含量的同时确定该物质在食品中的位置信息。

3 食品中的荧光物质来源分类

荧光光谱分析技术的原理是利用样品中荧光物质产生荧光效应，这些荧光物质可以是源自于食品样品内部，即由样品自身成分产生荧光效应，被称为内源性荧光物质（Autofluorescence）。目前常用于荧光光谱分析技术的内源性荧光物质主要有氨基酸、NADH、Flavin adenine dinucleotide（FAD）、卟啉类化合物、弹性蛋白和胶原蛋白等，波长范围一般为250 到800 nm。

荧光物质也可以由外部成分与样品相结合共同产生荧光效应，被称为外源性荧光物质（Exogenous fluorescent）。由于内源性荧光团产生的荧光信号大多微弱且具有非特异性，因此，国内外学者开始考虑引用外源性荧光探针用于弥补内源性荧光团的缺陷。外源性荧光探针的优势在于其极具多样性，从荧光小分子到荧光蛋白和纳米颗粒均可作为荧光探针在样品中有效应用，且波长范围为250 到1200 nm，几乎涵盖了所有的光谱波长。

4 荧光光谱在食品领域的应用

荧光光谱在食品检测领域有着广泛的应用，食品中的荧光成分包括芳香族氨基酸（如苯丙氨酸、酪氨酸、色氨酸）、维生素A、维生素E、维生素B2和维生素B 的辅因子、基团、多酚、叶绿素和卟啉等。食品样品中的其他荧光元素还包括加工过程衍生的化合物（如美拉德反应产物）、食品添加剂、香料化合物、合成着色剂、抗氧化剂、污染物（如抗生素、农药残留、黄曲霉毒素和粪便污染等）[18]和重金属检测[19]。这些成分都可以使用荧光光谱分析技术手段进行准确有效的定性定量分析，从而进一步达到对食品进行品质评价、品质分级或掺假鉴别的目的（表1）。

表1 荧光光谱分析技术在食品领域应用一览表Table 1 Application list of fluorescence spectrum analysis technology in the food field

4.1 粮油食品的检测

荧光光谱技术在粮油食品检测中的应用主要有品质检测、品质分类分级、掺假鉴别以及粮油食品中有害物质的检测。在对粮油食品进行不同的检测时，所检测的荧光物质也存在差异。粮油品质劣变的主要原因是油脂中脂肪酸的氧化，其中与脂肪酸氧化过程相关的甘油三酯和维生素E 等天然荧光基团也随之发生变化，因此可被用于监测粮油食品贮藏过程中的品质变化，以及评价抗氧化剂对植物油氧化稳定性的影响[48]。油脂的植物来源、地理来源[49]等常与粮油食品中的生育酚、核黄素、叶绿素和多酚等荧光物质相关。粮油食品中有害物质的检测主要有具有荧光特性的真菌毒素、重金属、农药残留、食品添加剂、防腐剂（如苯甲酸等）等[5]。

粮油食品的品质检测较多采用三维荧光光谱技术[50]和同步荧光光谱技术[23]。陶春先等[51]用三维荧光光谱技术对掺杂不同浓度煎炸油的食用植物油进行检测，通过对比样品油中维生素E 的荧光峰区分了食用植物油和煎炸油。胡珂青等[14]用同步荧光光谱技术鉴别杜仲籽油中的掺假物质，通过对比光谱峰面积成功区分了杜仲籽油中掺杂的花生油、玉米油、菜籽油等7 种不同植物源的食用油。Mabood 等[50]应用同步荧光光谱技术，通过对比纯特级初榨橄榄油标品与待测油样品的荧光光谱有效实现了掺假鉴别，并结合偏最小二乘分析对掺假油含量进行了定量分析。三维荧光光谱技术和同步荧光光谱技术还可有效结合实现对食品品质的快速检测[22]，两种荧光光谱技术的结合更有利于有效信息数据的获取和模型构建速度及准确率的提升。

粮油食品安全检测是粮油食品检测的重要部分，其中汞、砷、铅等重金属含量检测的常用技术为原子荧光光谱技术[5]，该方法检测速度快、精度高，现已成为我国的国家标准检测方法，但是该方法的实验成本较高，且样品的前处理方法复杂。郑宇等[24]采用固相萃取技术与原子荧光光谱技术结合，对稻米中的无机硒进行固相分离萃取后再进行原子荧光光谱检测，无需对样品进行酶解，简化了样品处理过程，稻米和虾仁样品的加标回收率分别为84.1%~98.7%和89.8%~109.3%，准确性和重复性也相对较好，实现了原子荧光光谱技术在该领域的技术优化。

4.2 畜禽肉品的检测

荧光光谱技术在畜禽肉检测领域的应用主要包括畜禽肉的成分鉴别、品质评价、新鲜度预测以及肉品中污染物及重金属的检测等。畜禽肉类中含有色氨酸及其残基、NADH 等脂质氧化产物、胶原蛋白、维生素、抗氧化剂以及天然色素分子等荧光物质。其中色氨酸及其残基、NADH 等脂质氧化产物等物质常用于指示品质劣变[52−53]；肉类脂肪组织和软骨组织的胶原蛋白、蛋白质以及微量的氧化组分中含有的荧光物质可用于分析肉品的氧化程度，从而实现对肉品新鲜度的鉴别及预测[54]。畜禽肉中的荧光物质种类较多，利用三维荧光光谱技术可以实现对区域内所有荧光物质变化的检测。任梦佳等[25,55]利用三维荧光光谱技术检测不同贮藏温度下的冷鲜猪肉，对激发波长范围为200~500 nm，发射波长范围为210~750 nm 波段内的所有荧光物质进行检测，并利用平行因子法从荧光光谱数据中提取可有效代表整个三维荧光光谱的特征组分（主成分）数据，用于构建偏最小二乘法（PLS）模型预测TVB-N、TBA 和pH 指标，实现了冷鲜猪肉新鲜度的快速无损检测。但由于肉品成分的复杂性并且对光谱产生干扰的因素较多，肉品品质变化过程中某些荧光变化不明显的物质容易被忽视，易造成检测结果的不准确。有学者提出使用前表面荧光光谱分析技术对特异性荧光物质进行检测可以较好地解决上述问题。Veberg 等[56]利用前表面荧光光谱技术对火鸡肉糜中脂质氧化产物相关的荧光物质进行检测，发现荧光峰值与脂肪氧化的特异性标记物呈正相关，表明该技术可以快速准确地检测出肉糜中轻微的氧化变化。荧光光谱成像技术在对于肉品中荧光物质定性定量分析的基础上实现了对荧光物质的定位分析。汪希伟[57]利用荧光光谱成像技术对不同贮藏时间下猪肉中因脂质氧化而产生的荧光代谢产物进行了检测，利用图像分割出肌肉、背膘及肉皮的荧光区域，通过分析荧光区域占整个样本区域的百分比有效描述了猪肉的脂质氧化程度。

荧光光谱分析技术也可用于对畜禽肉品中污染物、重金属及药物残留等的检测。Mekhrengin 等[58]对肉类表面的菌类进行了固定450 nm 激发波长下的荧光检测及分析，对大肠杆菌及其代谢物进行了及时的准确定位。该方法还可用于对未知菌种的检测，实现了荧光法对食品污染菌的检测。畜禽肉中的重金属检测方法与粮油中重金属的检测方法类似，也常采用原子荧光光谱技术[28]。洪茜等[59]利用四环素的碱解增敏作用，对猪肉样品的同步荧光光谱标准归一化处理，并构建支持向量机模型实现了对猪肉样本中四环素残留量的有效检测和分级。

4.3 水产品的检测

在对水产品进行检测时，荧光光谱技术主要应用于品质评价及肉品中重金属的检测。与畜禽肉中的荧光基团类似，水产品中也含有较多的荧光物质，如烟酰胺腺嘌呤二核苷酸（NADH）、核酸、维生素A、维生素B2以及含有色氨酸、酪氨酸或苯丙氨酸残基等芳香族氨基酸的蛋白质[60]、胶原蛋白、生育酚[61]以及脂肪氧化产物[62]等。其中，芳香氨基酸和核酸、色氨酸和NADH 不仅荧光性强易检测，而且在贮藏、加工和运输过程中会随水产品组织结构及生化特性的改变而发生变化，荧光光谱峰值变化与储存时间高度相关，是可用作水产品品质评价的重要荧光物质[63]。

由于水产品中的荧光物质复杂且多变，因此，在对水产品进行品质评价时常采用前表面荧光光谱分析技术。有学者通过前表面荧光光谱技术对鱼体中色氨酸和NADH 的荧光峰值进行分析，结合化学计量学（主成分分析、Fisher 线性判别分析法等）实现了对不同贮藏条件下鱼片品质、新鲜和反复冻融鱼体的准确判别[64]；还有学者通过检测不同冷藏时间下鱼体的色氨酸和NADH 的前表面荧光光谱变化，构建偏最小二乘模型实现了对鱼肉冷藏时间的准确预测[30]。

对于水产品中重金属的检测也常采用原子荧光光谱分析技术[19,65]，史永富等[65]采用甲苯萃取-原子荧光光谱法对鱼肉中甲基汞进行了检测，以鱼肉中总汞和甲基汞标准物质（GBW10029）以及英国食品分析水平评估计划（Food Analysis Performanse Assessment Scheme, FAPAS）鱼肉罐头（T07189）对方法的准确度和精密度进行了验证，回收率分别为96.1%和97.5%，准确度高，重复性好。

4.4 乳制品的检测

荧光光谱分析技术在乳制品中的应用主要是品质鉴别、品质评价以及乳品中有害添加物和抗生素残留等的检测。牛乳是乳制品中的重要原料，牛乳中含有氨基酸、核黄素、维生素A、维生素B2、卟啉、NADH、美拉德反应和脂质氧化产物等多种荧光基团[18]，利用这些荧光物质的荧光变化可有效实现乳制品的品质鉴别与评价。Dufour 等[66]利用前表面荧光光谱技术通过分析维生素A、色氨酸等的荧光物质的荧光峰位置和峰值并实现对生牛乳和加热牛乳的有效区分。除了利用荧光峰值对已知的荧光物质进行定量检测外，荧光光谱技术还可以通过对比样品中荧光峰的位置和峰值差异区分不同品种的牛奶样品。丁婉榕[40]选用波长为380 nm 的激发光照射4种不同品牌的新鲜牛奶样品，探究样品中荧光物质随储藏时间延长发生的变化建立线性判别分析模型，并结合不同存储时间下牛奶中的细菌含量的检测对模型进行验证，实现对牛奶存储时间的准确预测。除对牛奶的品质进行检测和鉴别之外，牛奶的食品安全问题也非常重要，荧光光谱分析技术可实现对乳品中四环素等微量有害物质残留的快速检测[67−68]。

4.5 果蔬产品的检测

荧光光谱分析技术在果蔬产品领域检测主要起到品质鉴别及分级、品种分类、病害检测以及重金属检测[43]等作用。在对果蔬产品进行检测时，叶绿素是最为常用的荧光特征物质，该物质不仅具有良好的荧光特性，其荧光参数还与果蔬采摘前后的生理特性密切相关，从而可以间接地反映出果蔬的品质状况；此外，叶绿素的荧光参数还与果蔬的生理病害相关，可应用于果蔬生理病害的预测[69]。因此，叶绿素常用于果蔬产品品质及病害检测的固有荧光探针。Moshou 等[70]利用荧光光谱分析技术对不同贮藏条件下的苹果中叶绿素的荧光进行检测分析，发现叶绿素的荧光强度与苹果粉质化程度呈负相关，并通过构建动力学模型实现了对不同品质苹果的分级分拣。王迎旭等[42]对温室黄瓜植株顶端部位病斑区域叶绿素进行荧光数据采集并分析其变化趋势，基于叶绿素荧光强度和动力学参数对黄瓜褐斑病和炭疽病进行分类和早期监测，分别采用支持向量机算法和极端梯度提升算法对不同程度病害植株进行分类，构建了对黄瓜病害的分类及检测模型。在无特征荧光物质或不确定具体荧光物质时，也可以使用荧光光谱分析技术对果蔬产品进行品质鉴别。董泳江[4]将分子荧光光谱分析技术与偏最小二乘法结合对苹果的糖度和硬度建立模型，实现了对不同贮藏条件下苹果品质的有效区分，与常用于检测苹果品质的近红外光谱技术对比，显示两种技术的准确度近似，证明了该技术的可行性。潘莎莎等[71]也应用了荧光光谱图像技术，在700 nm 激发波长下对正毛化橘红和其他品种橘红进行照射，并与MLP 神经网络结合构建模型，实现了对不同品种化橘红的快速准确鉴别，准确率可达100%。

4.6 其他

荧光光谱分析技术的应用还常见于对饮品类食品的掺假鉴别、分类鉴别[46,72]及重金属的检测[44]等，一般通过分析不同样品中荧光物质的荧光强度和荧光峰为位置差异，并结合多种化学计量学方法实现。毛立新等[45]利用同步荧光光谱技术对稀释至不同浓度梯度橙汁的原液含量进行检测，利用不用样品间荧光强度的差异构建偏最小二乘法模型，实现了对不同橙汁原液浓度样品的定量分析。Karoui 等[72]利用前表面荧光光谱分析技术，选取四种与蜂蜜中常见的荧光物质（芳香族氨基酸、维生素、辅因子和多酚类化合物）相近的特征激发波长分别照射7 个不同花种的蜂蜜样本，利用析因判别分析有效区分了7 种蜂蜜。对于烧烤等成分多样且复杂的样品，荧光光谱分析技术也可以有效地分析荧光物质的位置和峰值。金玲等[73]对烧烤类、铁板类等食品中的多环芳烃进行了恒波长同步荧光光谱检测并对多环芳烃物质的光谱图像进行简化处理，确定了多环芳烃物质的荧光峰位置并进行定量分析，实现了对烧烤类、铁板类等食品中多环芳烃含量的快速检测。

5 展望

荧光光谱在食品检测中的应用对检测和监管食品品质与安全的意义重大。目前，国内外对于荧光光谱分析技术已在生物活体检测、水产品、禽畜肉产品、果蔬及粮油产品等品质检测、食品等级分类、产地溯源、农兽药残留和添加剂检测等方面取得了较大的进展。不仅如此，荧光光谱分析技术还与多种其他技术相结合，为食品检测提供有效辅助。但是不同荧光物质所建立的预测模型不仅因模型选择的不同而影响准确度，还会因化学计量学方法的不同而存在精度上的差异，目前常用的方法有平行因子分析、主成分分析、Fisher 判别分析等光谱数据预处理及分类判别方法，还有逐步多元线性回归、偏最小二乘回归等定性分析方法，相关系数、校正均方根误差等多种定量分析方法，因此，为各特征荧光物质选择合适的化学计量学分析及模型预测方法还有待进一步的研究。其次，目前对于荧光光谱分析技术的应用尚未像其他光谱分析技术一样形成完整的、成体系的检测流程及系统，主要原因有两点：一是食品中的荧光物质较复杂，光谱之间的重叠及干扰严重，给分析过程造成了一定的困扰；二是围绕荧光光谱展开的研究多集中于对样品光谱图像的对比，通过图像间的差异分析样品的品种差异和品质变化，较少探究与品质相关的荧光物质的变化机理。如何将荧光光谱分析技术对食品的检测应用于实际市场，以及对于对荧光光谱分析技术体系的进一步研究和完善问题还有待解决。

荧光光谱分析技术在食品检测领域的应用具有广泛性和多样性，不仅测量精度高，而且成本较低，为实现食品品质、安全检测及预测奠定了大量的数据理论基础，同时也为打造便携式食品检测仪器提供了新的思路与强有力的理论支撑。