信息摘要：
近年来，食品掺假现象频发，引发了社会的广泛关注和担忧。例如，2021年河北省“伪劣香油案”使人“闻香色变&r...
近年来，食品掺假现象频发，引发了社会的广泛关注和担忧。例如，2021年河北省“伪劣香油案”使人“闻香色变”；2024年“罐车运输食用油”事件更是引发了全社会的高度关注。食品种类日益繁多，成分愈加复杂，多种成分的混合与新型掺假手段的使用，使得传统检测方法难以鉴别真假，且传统的检测方法周期长，对人员、仪器、场地都有较高要求。
1 近红外光谱技术简介
近红外光谱技术(Near-Infrared Spectroscopy，NIR)是一种基于物质在近红外光区域(780～2 500 nm)对光吸收特性的分析技术。该技术利用光与物质相互作用时产生的吸收、透射或反射信号，来揭示样品的分子结构和化学成分，特别是对C-H、O-H、N-H等官能团的振动信息具有高度敏感性。
NIR技术在食品检测中展现出诸多优势和独特特点。①作为一种快速、无损的检测方法，NIR技术能够在不破坏样品的前提下高效分析食品成分，减少了复杂的样品前处理步骤。②NIR技术具备多组分同时检测的能力，可以精准测定水分、脂肪、蛋白质、糖分等关键成分，广泛应用于食品成分分析和质量控制。③该技术适用于多种食品形态，包括固体和液体，且检测过程快速便捷，适合实时在线监测，可以实现食品掺伪的在线检测[1]。结合大数据分析和机器学习算法，NIR技术进一步提升了检测的精确性和自动化水平，为食品安全和质量监控提供了强有力的支持。
2 NIR技术在食品掺假检测中的应用
2.1 肉制品掺假
肉制品掺假问题在市场上日益严重，常见形式包括掺入低品质肉类、混合非肉类成分、使用过量添加剂，甚至用廉价肉冒充高档肉。NIR技术在肉制品掺假检测领域具有广泛的应用前景。该技术通过分析肉制品在近红外光区域内的吸收光谱，能够快速、无损地识别掺假的成分和比例。由于不同成分(如水、脂肪、蛋白质、碳水化合物等)在近红外区域的吸收特性不同，NIR技术可以有效区分正常肉制品与掺杂了劣质肉类、植物蛋白、添加剂等不合规成分的产品。
梁静等[2]采用近红外光谱技术结合正交偏最小二乘判别分析法，建立牛肉掺假和羊肉掺假的定性鉴别模型，结果显示，所有模型训练集鉴别准确率均在95%以上，预测集鉴别准确率均在90%以上；冯嘉欣等[3]采集400个不同肥瘦比的羊肉掺杂鸡肉样本的近红外光谱数据，利用化学计量学方法建立了支持向量机(Support Vector Machine，SVM)和偏最小二乘法(Partial Least Squares，PLS)预测模型，实现对不同肥瘦比的羊肉中鸡肉掺假比例的鉴别分析；白京等[4]制备324个添加猪肉的羊肉卷，经近红外光谱仪扫描，采集光谱数据，建立了竞争性自适应加权采样-偏最小二乘回归(Competitive Adaptive Reweighted Sampling-Partial Least Square Regression，CARS-PLSR)预测模型，实现了羊肉卷中掺假猪肉的定量检测。
2.2 乳制品掺假
乳制品掺假现象在近年来屡有发生，常见的手段包括掺入水分、淀粉、植物油脂或劣质奶粉来降低生产成本。这不仅影响了乳制品行业的声誉，还给食品安全带来了重大隐患。近红外光谱技术在乳制品掺假检测中展现出显著优势。该技术通过快速、无损分析乳制品的光谱特征，能够精确识别掺入的非乳成分，如水分、淀粉等杂质。
刘伯扬等[5]利用近红外光谱仪采集470例正常牛奶样本和1 090例异常牛奶样本的光谱数据，并结合化学计量学方法，建立了SVM鉴别模型，可以实现多种掺假物异常牛奶样品的快速准确识别，具有较好的特异性；黄扬明等[6]采用近红外光谱法结合偏最小二乘算法(PLS)，建立了移动窗口-偏最小二乘法(Moving Window-Partial Least Square，MW-PLS)模型，可以快速测定牛奶中的尿素含量；范睿等[7]制备50个掺假牛奶样品，经近红外光谱仪漫反射光纤模块扫描，化学计量学方法预处理，结合PCR构建了掺假牛奶中植物水解蛋白含量的定量分析模型，说明该方法可用于牛奶中的植物水解蛋白的检测。那琴[8]采用近红外光谱法结合偏最小二乘法(PLS)，建立驼乳以及驼乳粉掺假的定量检测模型，该模型线性关系良好，最低检测掺假浓度为5%，可用于驼乳以及驼乳粉掺假的定量检测。
2.3 蜂蜜掺假
近红外光谱技术在蜂蜜掺假检测中展现出显著优势。通过分析蜂蜜样品的光谱特征，近红外光谱能够快速、无损地检测其中是否存在掺入物，如糖浆或其他非天然甜味剂。由于不同化学成分对近红外光具有独特的吸收光谱特征，NIR技术能够精确区分纯蜂蜜和掺假的蜂蜜。此外，该方法无须复杂的样品前处理，检测速度快，结果可靠，已被广泛应用于蜂蜜质量控制和市场监管，为确保蜂蜜产品的纯净度和安全性提供了高效的检测手段。
黄富荣等[9]采集112个天然纯蜂蜜样品和112个掺假蜂蜜样品的近红外光谱数据，经预处理后，结合偏最小二乘-判别分析(Partial Least Squares-Discriminant Analysis，PLS-DA)和SVM建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型，最佳PLS-DA模型准确率为87.50%，SVM模型准确率为94.64%；杨心浩[10]采集麦卢卡蜂蜜掺假样品的近红外光谱数据，经光谱差异分析、主成分分析和偏最小二乘回归向量分析，绘制水镜图并进行水光谱组学评估，结果表明，近红外光谱结合水光谱组学可以有效用于蜂蜜掺假的鉴别。
2.4 食用油掺假
食用油掺假现象在市场上较为普遍，常见形式包括掺入低品质油、混合其他植物油，甚至使用工业油冒充食用油。为了有效识别掺假行为，近红外光谱技术得到了广泛应用。该技术通过分析食用油的光谱吸收特征，能够快速、无损地检测油品的组成成分和质量差异。
方芳等[11]采集掺假茶籽油样品的近红外光谱数据，结合线性判别分析和偏最小二乘法进行定性和定量分析，对不同掺假类型的中、高掺假度(≥10%)的样品识别率高达100%；孙通等[12]通过采集纯山茶油与掺假山茶油的近红外光谱数据，并结合线性判别分析方法建立鉴别分类模型，其中对掺入2%以上菜籽油的山茶油进行分类时，分类正确率达到了100%；姚婉清等[13]应用傅里叶近红外光谱仪结合偏最小二乘法，建立了掺假山茶油的定量分析模型，该模型的预测值相对误差较小，与真值没有显著性差异。
2.5 调味品掺假
调味品掺假现象在食品市场中屡见不鲜，常见手段包括在酱油、醋等调味品中掺入淀粉、色素、低价替代品或化学添加剂。近红外光谱技术在调味品掺假的检测中展现出巨大的潜力。通过分析调味品的光谱特征，近红外光谱能够快速、无损地识别其中的成分变化，精准检测掺入的非标物质。该技术不仅能够提升调味品质量监控的效率，还可为打击掺假行为提供科学依据。
符春利[14]采用可见-近红外(Visible-Near Infrared Spectroscopy，Vis-NIR)结合化学计量学方法建立鉴别与掺假酱油判别模型，该模型具有在1 mm测量模态，仅采用3个波长，即可达到100%的判别准确率，在10 mm测量模态，仅采用3个波长，即可达到超过97.9%的判别准确率；古丽君等[15]采集103组食醋样品的近红外光谱数据，并结合化学计量学方法建立了食醋品牌的线性判别分析模型，其预测不同品牌食醋的正确率高达85.57%，具有较好的预测效果；管骁等[16]采集了4个品牌共160组食醋样品的近红外漫反射光谱数据，建立了SIMCA食醋品牌溯源模型，该模型对食醋进行识别时，表现出极高的准确性，4个品牌食醋的正确识别率依次为100.0%、100.0%、91.7%、90.0%。
2.6 其他食品掺假
近红外光谱技术在多种食品掺假检测中得到了广泛应用，除了在肉制品、乳制品、食用油和调味品之外，还应用于面粉、速溶茶和咖啡等产品的掺假识别。通过分析食品的光谱特征，近红外光谱能够快速识别掺入的低质量原料或替代成分，如面粉中掺入的滑石粉、咖啡中添加的果粉或大麦粉等。由于该技术无须对样品进行复杂处理，检测速度快且不损坏样品，已成为食品行业确保产品质量和安全的高效工具。同时，结合现代数据分析技术，近红外光谱还能识别更复杂的掺假行为，提升食品掺假检测的全面性和精准度。
包昌昊[17]制备360份掺假面粉样品，经近红外光谱仪扫描，采集光谱数据，并结合化学计量学方法建立3个掺假面粉的分类鉴别模型，其中LLE-PLS模型鉴别效果最为优异，可以实现对非法掺假面粉样品的鉴别；李益兵等[18]采集速溶红茶和速溶乌龙茶的近红外光谱数据，并结合化学计量方法，建立了速溶茶内部成分含量分析模型，可以实现速溶茶中茶多酚、茶氨酸和咖啡碱的快速无损检测；陈秀明等[19]利用近红外光谱仪采集掺假咖啡样品，建立掺假咖啡光谱数据库，结合化学计量学方法建立咖啡掺假快速鉴别模型，可以对含量在2%、5%、10%、15%、20%、30%及40%的巴西莓果粉和5%、10%、15%、20%、30%及40%的大麦掺假咖啡实现有效的掺假鉴别。
3 展望
近红外光谱技术在食品掺假检测中的应用前景广阔，随着光谱仪器的不断优化和数据处理算法的进步，有望进一步提高检测的灵敏度和准确性。由于其具备快速、无损、绿色环保等优点，近红外光谱技术能够在不破坏食品结构的情况下，实时检测食品中的掺假成分。例如，在蜂蜜、乳制品、肉制品和植物油等领域中识别常见的掺假物质，如糖浆、劣质油、非标添加剂等。
未来，该技术有可能与机器学习、大数据分析等先进工具相结合，实现对复杂掺假模式的精准识别。同时，近红外光谱设备的便携化与智能化也将推动其在食品供应链中的广泛应用，使其不仅能在实验室中发挥作用，还能实现现场快速检测。通过建立完善的光谱数据库和标准化检测流程，近红外光谱技术将在保障食品质量与安全方面发挥越来越重要的作用，有助于监管部门有效打击日益复杂的食品掺假行为，为消费者提供更高的食品安全保障。
4 结语
近红外光谱技术以其快速、无损和高效的特点，在食品掺假检测中展现了巨大的应用潜力。随着技术的不断进步，近红外光谱技术在食品行业中的应用将进一步推动检测手段的智能化与精准化，有效提高掺假行为的识别效率和食品质量监控水平。未来，近红外光谱技术的广泛推广和深入应用，不仅能更好地保障食品安全，还将为消费者带来更放心的消费体验，促进整个食品行业的健康发展。
微信号