信息摘要：
近年来，食品质量安全问题日益突出，食品掺假、添加剂滥用、微生物超标等问题的不断曝光促使人们对食品质量及食品质量监管要求越来越高。然而食品种类繁多、成分复杂，传统...
近年来，食品质量安全问题日益突出，食品掺假、添加剂滥用、微生物超标等问题的不断曝光促使人们对食品质量及食品质量监管要求越来越高。然而食品种类繁多、成分复杂，传统的化学分析或仪器分析方法存在操作复杂或设备昂贵等缺点，难以满足食品质量快速检测的需求。如何有效保障食品质量安全，快速进行食品质量检测成为研究热点。近红外光谱分析技术因其无损、快速、高效的检测特点，在食品质量安全检测领域得到快速而广泛应用。
近红外光谱测量的主要是分子或原子振动基频在2 000 cm-1以上的倍频、合频吸收，包括分子中含氢官能团X-H(X为C、N、O、S等）振动的倍频及合频吸收，这意味着与上述含氢基团结构有关的组分，运用近红外光谱进行分析均具有可行性。近红外光谱可反映绝大多数有机化合物的构造和结构组成信息，通过样品的吸收光谱和理化分析结果之间的对应关系，推断近红外吸收光谱所对应的物质成分及含量，实现对该物质的构造和组成信息的了解。近红外光谱技术具有速度快、成本低、精度高、无损、无污染等优点，便于实时监测和在线分析，在食品安全检测领域得到了广泛应用。
1 近红外光谱技术用于食品分析的优势
近红外光谱技术是利用物质对光的吸收、散射、反射与透射等特性，对待测物进行定性或定量分析的检测技术。近红外光谱技术发展时间并不长，但它在食品、制药等诸多领域得到广泛应用，这与其自身优势有着密不可分的关系。近红外光谱为分子振动光谱，从理论上来说所有含有C—H、N—H、O—H、C=O等可产生近红外光谱的物质均可用近红外光谱分析，因此检测指标较为丰富。近红外光谱的穿透性比较好，可直接穿透玻璃、石英等材料，也可以顺利穿透动植物组织，提高了生物样品分析的可行性。该技术在样品制备方面相对简单，可直接检测颗粒状、粉末状、糊状、流体、气体等样品，且样品基本无损耗，测定后的样品依然可作为他用。而且该技术检测速度快，几秒钟内即可完成多项指标的检测，可显著提升检测效率。由于其具有适用性广泛、样品前处理简单、操作方便、易于推广，且对气体、液体和固体样品均可准确检测等优点，表现出良好的发展前景。特别是近几年化学计量学的快速发展，可从复杂的光谱曲线中提取出有效信息进行利用，使得近红外光谱技术越发高效、灵敏，被广泛应用于食品检测中。
2 近红外光谱技术在食品安全检测中的应用
随着生活水平的不断提高，人们对食品安全的重视程度也越来越高，进而对食品质量参数、掺假以及食品生产、运输、储存、销售环节中的品质控制等技术的要求也不断提高。近红外光谱技术作为一种快速、无损、绿色的分析技术，近年来在食品安全检测领域发挥越来越重要作用。
2.1 掺假检测
牛奶是一种营养丰富的乳制品，但一些不法商贩为谋取利益，在牛奶中掺杂三聚氰胺、氯化铵、尿素等物质以提高蛋白质含量，进而引发严重的食品安全问题。三聚氰胺等违法添加物质的检测方法主要为高效液相色谱法和液质联用法，但其样品前处理步骤比较复杂，检测效率较低。魏玉娟等[1]结合近红外光谱技术和机器学习技术，对牛奶中违法添加的三聚氰胺进行快速检测。采用主成分分析法、线性判别分析法、偏最小二乘判别法对纯牛奶和掺有不同浓度三聚氰胺牛奶的近红外光谱数据进行分析，结果表明基于偏最小二乘判别法的模型具有最好的训练和预测性能，其对训练集和验证集的分类准确率分别达到100%和90.32%。范睿等[2]建立基于近红外光谱技术的氯化铵掺假牛奶定量分析模型，比较光谱采集模式和样品前处理方法对最终模型预测准确性的影响。结果指出，采用透射式的光谱采集模式，并经三氯乙酸处理的牛奶样品，在8 600～5 700 cm-1波段用偏最小二乘回归方法建立的定量分析模型具有最好的预测精度，可用于牛奶中氯化铵的掺假检测。刘永峰等[3]比较主成分回归法、偏最小二乘法、改进偏最小二乘法三种建模方法对牛奶中尿素的近红外检测模型的影响，结果表明基于改进偏最小二乘法建立的模型具有最好的预测准确性，其在验证集中的校正相关系数和预测标准差分别为0.976和0.360，对牛奶中尿素的定量检测具有很好的适用性。
牛羊肉是广受消费者喜爱的肉类食品，市场需求量极大，但有不法商贩用猪肉、鸭肉等低价位肉进行掺假，既损害消费者利益，也存在食品安全隐患。传统的肉制品掺假检测方法有感官评价、核酸聚合酶链式反应、化学分析等，此类方法步骤较为复杂，不能满足大批量快速检测的需求。白京等[4]以猪肉掺假的解冻羊肉卷为检测对象，结合近红外光谱技术和偏最小二乘回归法，建立了快速检测羊肉卷中掺假猪肉的定量分析模型，用该模型对验证集进行预测，真实值与预测值的相关系数为0.913 8，表明近红外光谱技术可实现羊肉卷中猪肉掺假比例的定量检测。此外，利用类似原理建立牛肉汉堡饼中掺假猪肉的定性判别和定量检测模型[5]，证明近红外光谱技术可用于牛肉中掺假猪肉的检测。除了牛奶和肉制品掺假检测外，近红外光谱技术亦被验证可应用于奶粉、山茶油、蜂蜜、荞麦等[6][7][8][9]食品的快速掺假检测中，在食品安全检测领域发挥广泛且重要的作用。
2.2 转基因检测
转基因技术在现代农业中的应用越来越广泛，转基因农产品开始出现在餐桌上，因此其安全性越来越受到人们的关注，转基因产品的检测也逐渐成为研究热点。常用转基因产品检测方法有蛋白质检验法、DNA检验法和色谱法等，不过该类方法存在检测耗时长、检测成本高和具有破坏性的缺点。近年来，近红外光谱技术开始应用于转基因产品检测领域，并取得一些进展。芮玉奎等[10]借助近红外光谱技术，对转基因玉米及其亲本在4 000～8 000 cm-1波段内进行光谱扫描，并建立神经网络识别模型，所建立的模型对10个验证样品的类型预测准确率为100%，在转基因农产品育种领域有一定应用价值。闫灵[11]研究了基于偏最小二乘判别分析算法的菜籽油转基因鉴别模型，并优化光谱预处理方法和光谱谱区，优化后模型的光谱点数由4 148点减少到1 065点，预测集的决定系数由0.671提高到0.925，预测集的预测误差均方根由0.286降低为0.137，预测精度从90.48%提升到98.81%，表明基于近红外光谱技术建立的偏最小二乘判别模型对转基因菜籽油的快速鉴别是可行的。王海龙等[12]基于近红外高光谱成像技术，结合判别分析算法，对转基因和非转基因大豆的快速鉴定进行研究。采用偏最小二乘判别分析算法，对经平滑处理的941～1 646 nm波段范围内的光谱数据进行建模，所建立模型对3种非转基因大豆的训练集和验证集的判断准确率分别为97.5%和100%,100%和100%,96.25%和92.50%，证明近红外高光谱成像技术可用于非转基因大豆的识别。谢丽娟等[13]用可见/近红外光谱技术对转基因和非转基因的番茄叶片进行定性分析，试验采集46个样本（26个转基因、20个非转基因）用于建模，22个样本（12个转基因、10个非转基因）用于验证，结果显示，判别分析法较偏最小二乘判别法有更好效果，模型分类的准确率为89.7%。此外，他们进一步验证[14]不论是转基因番茄叶、番茄果实还是番茄汁，都可以通过测量其的可见/近红外光谱并结合化学计量学方法，实现转基因样品的快速、无损鉴定。
2.3 微生物检测
食品中的微生物检测常用微生物培养的方法，利用培养基培养微生物，并通过菌落计数、微生物的形态学特征、显色反应或放气反应，鉴定微生物的数量和种类。该类方法具有检测结果准确的优点，但其实验操作过于复杂，检测周期过长，不利于食品生产企业的快速品质检测和产品放行。近红外光谱技术能够反映微生物细胞的分子振动信息，并具有检测速度快、准确度高、检测成本低的特点，适用于食品品质的实时监控。
王建明等[15]用近红外光谱技术成功对牛奶中的阪崎肠杆菌、金黄色葡萄球菌和大肠杆菌进行检测，试验结果同时表明近红外光谱技术能有效区分革兰阴性菌和阳性菌，为牛奶中致病菌的快速检测提供参考。段翠等[16][17]利用近红外光谱技术结合GA遗传算法和BP神经网络算法建立鱼类菌落总数快速检测方法，该方法对白色鱼肉和红色鱼肉都适用，从鱼肉的近红外光谱扫描到神经网络模型输出预测结果，整个过程在1 min左右，相比传统检测方法有较大优势。栢凤女等[18]结合近红外光谱技术和支持向量机对3种食源性致病菌进行分类鉴定，确定RBF核函数的支持向量机对食源性致病菌近红外光谱的分类结果要优于多项式核函数的支持向量机，其对肠出血性大肠杆菌、单增李斯特菌和金黄色葡萄球菌的预测正确率均为100%，为研制食源性致病菌快速在线检测系统提供了技术支持。郑彩英[19]利用近红外光谱技术对羊肉表面微生物检测进行研究，通过偏最小二乘法、人工神经网络等方法，结合生化计量学方法，进行定量和定性研究，建立羊肉总菌落总数和嗜冷菌含量预测模型，正确识别率达到92.5%。
2.4 新鲜程度检测
肉类在长途运输和储存中容易受环境、微生物的影响而导致腐败变质，影响食用安全和营养价值。新鲜度是评价肉类品质的重要指标，也是企业生产加工的重要指标，对于确保产品的价值、品质、预测货架期具有重要意义。目前常规的新鲜度检测方法多为K值、硫代巴比妥酸值等破坏性方法为主，其检测过程复杂、效率低，也易导致原料的浪费和污染。近红外光谱技术通过检测与新鲜度变化相关的化学键的近红外吸收变化，可检测样品的新鲜程度。
陶瑞等[20]用近红外光谱技术结合化学计量学方法，建立金枪鱼新鲜度指标的定量预测模型，模型能够对样本的K值、硫代巴比妥酸值、高铁肌红蛋白、p H等新鲜度指标进行预测，且预测值和真实值之间没有显著的差异。张玉华等[21]采用近红外光谱技术结合偏最小二乘法建立带鱼TVB-N含量、p H和菌落总数的定量分析模型，用未参与建模的30个样品对模型进行验证，结果表明TVB-N含量、p H和菌落总数验证集相关系数分别为0.960,0.923和0.994，验证标准差分别为5.178,0.333和0.823，说明利用近红外光谱技术检测带鱼的新鲜度是可行的。
近红外光谱技术也被广泛应用于各类生鲜肉制品的新鲜度检测中。杨勇等[22]检测冷鲜鹅肉的近红外光谱数据（950～1 650 nm）和代表鹅肉新鲜度的TVB-N值和p H，用标准正态变量变换对光谱数据进行预处理，并基于偏最小二乘法建立鹅肉的TVB-N值和p H预测模型。用20个鹅肉样本对上述模型进行验证，鹅肉TVB-N预测值和真实值之间的相关系数为0.976，预测值平均偏差为-0.240，鹅肉p H预测值和真实值之间的相关系数为0.705，预测值平均偏差为-0.024，证明近红外光谱技术可作为鹅肉新鲜度快速检测的一种方法。张晶晶等[23]利用可见/近红外高光谱成像技术对羊肉新鲜度快速检测方法进行研究，检测150份羊肉样品在不同储存时间下的光谱数据和TVB-N数据，在400～1 000 nm波段内选取特征波段，经标准变量变换预处理后，建立羊肉新鲜度指标TVB-N的偏最小二乘回归模型，其对训练集的相关系数和均方根误差分别为0.91和1.79，对验证集的相关系数和均方根误差分别为0.72和1.93，证明该模型可较好地预测羊肉储存期间挥发性盐基氨浓度变化并评价羊肉的新鲜度。
3 结语与展望
近红外光谱技术作为一种热门的仪器分析技术，具有简单、快速、无损、准确等优点，被广泛应用于食品分析领域。利用近红外光谱技术结合化学计量学方法，建立食品质量安全的定性或定量分析模型，可对消费者关心的食品掺假、转基因、微生物、新鲜程度等指标进行快速检测，在食品安全检测领域发挥了重要作用。不过现阶段该技术也存在一些缺陷，如：实验样品的采集和处理没有统一的标准，导致不同检测机构采集的光谱数据有差异，建立的模型对其他样品的检测准确率较低；近红外光谱数据受温度、湿度、光谱仪参数等诸多实验参数的影响，光谱数据预处理方法和建模方法种类繁多、技术难度大。为提高该技术的检测准确率和适用范围，进一步推动其在食品质量安全检测领域的应用，有待官方机构制定相应的标准，以统一各类样品的采集及处理方法、近红外光谱检测实验参数、数据预处理和建模方法。总而言之，近红外光谱技术凭借其自身独特的优势，在食品质量安全检测领域有良好的发展前景，若结合其他技术来提高检测结果的准确性，亦可拓展其在新领域的应用。
微信号