现代红外光谱技术在粮食品质检测中的应用

摘要：本研究探讨了红外光谱技术在粮食品质检测中的应用，并分析了其面临的挑战和改进的方向。通过案例研究，评估了红外光谱技术在检测小麦、玉米和稻谷的水分、蛋白质和脂肪含量上的效果以及面筋含量和脂肪酸值的结果稳定性。结果显示，该技术能够提供快速、准确的分析结果。然而，高昂的设备成本限制了其更广泛的应用。研究指出，通过自动化、集成化和便携化的技术改进，可以克服这些挑战，使红外光谱技术在粮食检测和其他领域的应用更加普及。

关键词：红外光谱技术 粮食品质检测 技术创新

作者简介：胡伟杨（1994—），男，本科，主要从事粮油食品安全指标检验工作。

引 言

粮食品质的检测对于确保食品安全和优化加工过程至关重要。传统的检测方法耗时且可能破坏样品。近年来，红外光谱技术作为一种非破坏性、高效的分析工具，已经引起了广泛关注。这项技术利用物质对特定波长的红外光的吸收特性来确定其化学成分，为粮食品质检测提供了一种新的可能性。然而，尽管具有显著优势，红外光谱技术在实际应用中仍面临一些挑战。本文旨在探讨红外光谱技术在粮食品质检测中的应用、当前面临的挑战以及未来的改进方向。通过对不同粮食的案例研究，本文评估了该技术的实用性并提出了可能的改进策略，以促进其在粮食检测领域的更广泛应用。

一、红外光谱技术概述

（一）红外光谱技术的基本原理

红外光谱技术基于物质吸收特定波长的红外光辐射的原理。当红外光照射到样品上时，不同的化学键会根据其能量级别吸收不同波长的光。这种吸收会导致分子振动模式的变化，从而产生独特的光谱。通过分析这些光谱，可以识别和量化样品中的各种化学成分。因其非侵入性和高灵敏度，红外光谱技术在物质分析中变得极其重要。

（二）技术分类

红外光谱技术分为近红外（NIR）和远红外（FIR）两大类。近红外光谱技术主要用于有机物的分析，涵盖的波长范围一般是780到2 500纳米。它对水分、蛋白质和脂肪等的检测尤为有效。远红外光谱技术涵盖的波长则更长，一般在2 500纳米以上，常用于矿物质和无机物的分析。这两种技术各有特点，适用于不同类型的化学成分分析。

二、粮食品质的检测指标

（一）检测指标

粮食品质检测的主要指标包括水分、蛋白质含量、脂肪含量和纤维素含量，水分含量是影响粮食储藏寿命和食品加工的关键因素。蛋白质含量直接关系到粮食的营养价值。脂肪含量不仅影响能量供给，还关系到口感和食品加工属性。纤维素含量则是评价粮食营养和健康价值的重要指标。这些检测指标为评估和确保粮食品质提供了科学依据。

（二）粮食品质检测的传统方法和局限性

传统的粮食品质检测方法主要依赖于化学分析和物理检测。化学分析方法如基于Kjeldahl法的蛋白质含量测定，虽然准确，但通常耗时且需要使用有害化学试剂。物理检测方法如重量和体积测量则简单快速，但信息有限，无法提供详细的化学成分分析。这些传统方法的局限性在于操作复杂、耗时长、灵敏度和特异性较低，难以满足现代快速、高效和全面的检测需求。

三、红外光谱技术在粮食检测中的应用

（一）红外光谱技术在检测水分、蛋白质等指标中的应用

红外光谱技术在粮食检测中特别有利于快速测定关键品质指标，如水分和蛋白质含量。通过分析样品对特定波长红外光的吸收情况，可以快速准确地获得水分和蛋白质等成分的含量信息。例如，近红外光谱（NIR）技术能够在几秒内测定粮食样品的水分和蛋白质含量，而且不需要对样品进行破坏性的处理。这使得红外光谱技术在粮食安全监测和品质控制中具有重要的应用价值。

（二）不同类型粮食（如小麦、玉米、稻谷等）的案例研究

在不同类型的粮食检测中，红外光谱技术已经显示出其广泛的适用性。例如，在小麦检测中，NIR技术被用来快速评估蛋白质含量和面筋质量，这对面粉品质至关重要。在玉米检测中，NIR用于测定水分含量、油脂和淀粉含量，脂肪酸值这些指标对于评估玉米的储藏和加工性能至关重要。稻谷的品质检测中，红外光谱技术则用于测定水分、淀粉和蛋白质含量，这些指标直接影响稻谷的烹饪和感官品质。

（三）技术的优势：快速、无损、准确性高

红外光谱技术在粮食检测中的主要优势包括其快速性、无损性和高准确性。这种技术能够在几秒钟内完成对样品的分析，大大提高了检测效率。由于是非破坏性检测，样品在分析后仍然保持完整，适合于连续或在线检测。此外，红外光谱技术具有高准确性和重复性，能够提供可靠的数据用于粮食品质控制和安全监测。这些优势使得红外光谱技术成为现代粮食检测的重要工具。

四、案例研究与实验设计

（一）实验材料和方法

1.实验材料。选取三种不同的粮食样本，分别为小麦、玉米和稻谷。确保所有样本来自相同的生长周期和地理位置，以减少环境因素的影响。每种粮食至少准备2 000克样品，以确保足够的测试量和重复性测试。

2.仪器设备。近红外光谱仪（仪器型号：supNIR-3000 生产厂家：聚光科技有限公司）：选择具有高灵敏度和分辨率的近红外光谱仪，确保设备已经过校准和维护仪器。

自动分样器（仪器型号：JFYZ-11生产厂家：中储粮成都储藏研究院有限公司）

万分之一天平（仪器型号：ME204E/02生产厂家：梅特勒-托利多仪器有限公司）

电热鼓风干燥器（仪器型号：101-1 AB生产厂家：北京中兴伟业世纪仪器有限公司）

3.实验方法。将每种粮食样品用自动分样器混匀，确保样品的均一性，尽可能的除去样品中的杂质以确保数据的准确性。将每个样品放置在NIR光谱仪的样品托盘上，进行光谱扫描。对每个样品进行多次扫描（建议至少10次），以确保数据的准确性和重复性。使用已知成分（直链淀粉、粗蛋白、粗脂肪）的标准样品对光谱仪进行校准，确保测量的准确性。同时三种粮食样品水分以GB 5009.3-2016《食品安全国家标准 食品中水分的测定》第一法测定，稻谷和玉米脂肪酸值小麦的湿面筋含量分别以GB/T 20569-2006、GB/T 20570-2015、GB/T 20571-2006测定结果与扫描结果均值比对。

（二）实验流程：样品准备、光谱数据采集、数据分析。

1.样品准备。从小麦、玉米和稻谷中分取所需试样确保样本的均匀性。每种样本约500克。放入干净、透明的样品袋中。确保每个样品袋标记清晰。

2.光谱数据采集。在开始实验前，使用已知成分的标准样品校准光谱仪，确保设备的准确性和稳定性。将每个样品袋依次放置在光谱仪的样品托盘上，进行光谱扫描。每个样品至少扫描三次，以获取可靠的重复性数据。记录每个样品的光谱数据，包括吸收峰的位置、强度等信息。确保数据的完整性和准确性。

3.数据分析。

小麦样本：在水分含量和脂肪含量上，小麦显示出较低的测量值，这可能表明小麦具有较低的水分保留能力和较低的脂肪含量，这对于一些特定的加工需求（如面粉生产）可能是有利的。

玉米样本：玉米在蛋白质含量上表现出中等的值，这可能反映了玉米作为饲料和食品原材料的营养价值。在水分含量上，玉米也显示出较高的值，这可能影响其储存和保质期。

稻谷样本：稻谷在所有三个指标上均显示出较低的值，表明稻谷可能需要更仔细的储存条件以防止质量下降。

依据GB/T 27404-2008《实验室质量控制规

范 食品理化检测》附录F中表F.2实验室内变异系数参考范围来判断，图2中稻谷、玉米的所有指标的变异系数都在实验室内变异系数参考范围内，而小麦除粗脂肪外其他指标也在实验室内变异系数参考范围内，证明其重复性较好。根据附录F中表F.2实验室内变异系数参考范围粗脂肪的变异系数应在2.7%以下实际5.5%可能原因是存在偶发性或者是因为不同粮食在特定波长上的吸收峰有差异小麦粗脂肪整体化学成分较为复杂。

通过这些详细的分析，我们不仅可以了解每种粮食的品质特点，还可以对如何改进储存和加工条件提供意见。此外，这些分析也证实了红外光谱技术在粮食品质检测中的应用价值，尤其是在迅速识别和区分不同粮食品质方面。

（三）实验结果和讨论

1.成分对比。柱状图中的成分含量对比显示了小麦、玉米和稻谷在水分、蛋白质和脂肪含量上的差异。这些差异反映了每种粮食的独特营养特性和加工质量。玉米的高水分含量可能影响其储存稳定性和加工特性，而相对较高蛋白质和脂肪含量可能增强其营养价值。

2.精密度与准确度。从图2中数据可以看出近红外光谱仪（NIR）对同一样品的数据稳定性较好。对于准确度方面，三种粮食样品以GB 5009.3-2016《食品安全国家标准 食品中水分的测定》第一法测定得出结果分别为12.6%、13.4%、11.5%，与近红外光谱仪（NIR）所测水分均值12.0%、13.0%、11.2%按GB 5009.3-2016第一法要求的精密度要求来判断三种粮食样品水分检测结果在误差范围内。同理脂肪酸值、湿面筋含量按各自国家标准要求的储存品质判定规则均在误差范围内。直Je4zuGGCkhSOPgPSlRu1gNiN9oi9KxHGUuBvQRUadsM=链淀粉、粗脂肪、粗蛋白因在检测之前用已知成分的标准样品校准光谱仪，所以不予评价。因此可以看出近红外光谱仪（NIR）具有较好的准确度和稳定性。

3.检测速度快检测过程无损耗。在检测的过程中我们发现平均每次样品的检测时间约为20秒，多个参数指标同时得到结果这对粮食的出入库检测起到至关重要的作用，同时节约人力近红外光谱仪（NIR）仅需一人就可以操作。在检测过程中无试剂损耗，无样品损耗，相对于传统的经典检验方法而言避免检测人员接触有毒有害试剂，做到了“绿色”“高效”。

4.品种差异的影响。每种粮食中不同品种的成分差异可能与遗传因素、生长条件和后期处理有关例如，不同品种的小麦可能因蛋白质含量的差异而适用于不同类型的面粉和面包生产。

5.综合分析。红外光谱技术的优点在于多参数同时检测、检测速度快、检测成本低、无毒、无损、可以进行大批量检测这对粮食的储存与加工是有利的。但可能在一些需要微量分析的方面如农残等不太适用。

五、技术挑战与改进方面

（一）目前技术面临的挑战

高昂的设备成本与数据模型分建立：红外光谱仪的高成本限制了其在资源有限的环境下的可行性。同时，建立准确的一个数据模型需要大量的人力与物力，这只能依靠数据共享或由开发人员完成。

维护难度和样品处理要求：红外光谱设备需要定期维护和校准，以保证其准确性，这增加了运营成本。此外，特定的样品处理步骤可能增加分析流程的时间和复杂性。

（二）技术改进的可能方向

自动化与集成化：通过自动化技术简化操作流程，提高效率和准确性。将红外光谱技术与其他分析方法集成，可以提供更全面的检测结果，适用于更广泛的应用场景。

便携化和成本优化：开发便携式和经济型红外光谱仪，使其更易于在现场使用，扩大应用范围。同时，优化制造过程和技术创新以降低成本，使这种技术更加普及。

结 论

红外光谱技术已经证明在粮食品质检测中极为有效，能够提供快速、准确和非破坏性的分析。本研究展示了该技术在检测不同粮食（如小麦、玉米、稻谷）中水分、蛋白质和脂肪含量方面的应用，并通过实验数据揭示了其在检测一些储存指标的准确度。尽管面临设备成本高等挑战，通过技术创新如自动化、集成化和便携化，红外光谱技术的应用范围和效率有望进一步提升。

参考文献：

[1]钟鹤森，李玮，张泽宇等.基于可见-近红外光谱技术的广东典型地区耕地土壤养分含量模型评估[J].华南农业大学学报，2024，45（2）：218-226.

[2]田丽梅，陈菲，林炎丽等.近红外光谱检测燕麦饲草青贮营养品质研究[J].草地学报，2023，32（12）：3841-3850.

Chan Ye Fa Zhan