信息摘要：
“民以食为先，食以安为先”，食品安全问题越来越受到消费者以及社会各界的重视，习近平总书记曾强调，坚决遏制各类食品安全违法犯罪行为，提高群...
“民以食为先，食以安为先”，食品安全问题越来越受到消费者以及社会各界的重视，习近平总书记曾强调，坚决遏制各类食品安全违法犯罪行为，提高群众消费安全感和满意度。在各类食品安全问题中，食品中检测出非法添加物时有发生，使人们的日常饮食安全受到了严重的威胁。从2008年起，我国陆续发布了多批次《食品中可能违法添加的非食用物质和易滥用的食品添加剂品种名单》，其中食品中非法添加物主要包括三聚氰胺、吊白块、苏丹红、蛋白精、硫氰酸钠、工业酒精、孔雀石绿、硼砂、罗丹明B、工业明胶等，国标中对于上述非法添加物有明确规定的检测方法，包括传统的理化分析、高效液相色谱法、气相色谱法、气相色谱-质谱法、固相萃取法、电感耦合等离子体质谱等[1]，上述方法结果准确可靠，但是耗时长，操作繁琐。
与上述分析方法相比，近红外光谱分析技术通过构建定量分析模型或者将定量分析模型应用于各个领域中，具有高效、便捷、绿色环保等独特优势，在食品中，尤其在肉制品、乳制品、蛋制品、水产品等方面被广泛研究[2]。近年来，研究者利用近红外光谱分析技术开展一系列有关食品中的非法添加物的检测研究，如三聚氰胺[3]、苏丹红[4]、工业明胶[5]、地沟油含量[6]检测等。因此，本文通过综述近红外光谱分析技术在食品中非法添加物的应用进展，期望为近红外光谱分析技术在相关物质的检测提供借鉴，同时，对近红外光谱分析技术目前发展的局限性进行分析，对该技术的应用前景进行了展望，以期为今后食品中的非法添加物检测未来研究方向提供参考。
1 近红外光谱分析技术简介
1.1 近红外光谱分析技术的原理
近红外光谱分析是通过对给定样品中含氢基团X-H(X=C、N、O、S)在近红外波长780～2526 nm范围内振动的倍频和组合频吸收信息进行测量达成对样品的分析。由于受到不同分析构象、光散射、光谱吸收峰强度较弱、吸收带较宽且不同吸收峰重叠相互等影响，造成光谱解析困难，难以通过直接解析光谱分析相关组分的组成和含量，因此需要借助化学计量学模型进一步解析[7]。20世纪80年代以来，随着化学计量学理论不断扩充和完善，红外分析技术在样品给定组分分析上应用得到的有效经验，近红外光谱分析技术得到前所未有的飞速发展，目前，已在生物、食品、药品、环境、石化等领域得到成功应用。
近红外光谱分析技术由近红外光谱仪器、建模应用软件（如matlab、phython、SPSS等）和分析模型（定性分析模型或者定量分析模型）三部分构成的，具体流程见图1。首先利用近红外光谱仪采集样本的近红外光谱，将光谱集合划分为校正集和预测集；然后利用建模应用软件将校正集光谱与光谱反映样品中相关成分的化学组成、性质等分子结构信息关联构建定量分析模型或者定量分析模型，在模型构建完成后将预测集光谱带入所构建的分析模型中，根据模型输出结果判别所构建模型的效果；最后根据上述构建定量分析模型或者定量分析模型，预测未知样本的相关成分的化学组成或性质。
1.2 近红外光谱分析技术的特点
目前，近红外光谱分析技术已经成为工农业生产过程质量监控中不可或缺的重要分析方法之一，具有一系列独特优越性，具体见表1所示[8]。但也存在以下不足之处[7]：由于定量分析或定性分析主要依靠校正模型的建立，针对不同的样品和成分都需要单独校准，因此需要对校正模型经常扩充和维护；由于模型的建立与采集的光谱数据密切相关，不同光谱仪采集到的光谱存在差异，因此不同仪器的性能指标的一致性还需要提高；近红外光谱分析技术的检测限一般为0.1%左右，对痕量分析往往不适用。
表1 近红外光谱分析技术的优点
表格图
2 近红外光谱分析技术检测三聚氰胺
三聚氰胺，化学名称为2,4,6-三氨基-1,3,5-三嗪，是一种富氮化合物，通常用于塑料、黏合剂、油漆、阻燃剂和肥料混合物，但由于三聚氰胺含氮量高，按质量计为66.7%，因此为了增加食物中的蛋白质含量，被作为一种非法添加物添加到食品中，以增加食品中蛋白质的表观含量。2008年中国三聚氰胺婴幼儿配方奶粉事件引发了全球对三聚氰胺的关注。根据我国卫生部发布的GB/T 22388—2008《原料乳与乳制品中三聚氰胺检测方法》中规定婴儿配方食品中三聚氰胺的限量值为1 mg/kg，其他食品中三聚氰胺的限量值为2.5 mg/kg，欧洲食品安全局将三聚氰胺的每日耐受摄入量从0.5 mg/kg降低到0.2 mg/kg[9]。长期摄入三聚氰胺会导致肾结石和肾脏损伤，因为它集中在肾微管中与三聚尿酸形成晶体，阻塞肾细胞，导致器官功能障碍[10]。此外，它可能导致生殖损伤或膀胱和肾结石形成，直至膀胱癌[11]。因此，食品中三聚氰胺的检测工作已成为当前研究的热点问题。
图1 近红外光谱分析技术原理图
2.1 近红外光谱分析技术检测奶粉中三聚氰胺
自2008年我国三聚氰胺事件以来，利用近红外光谱分析技术检测奶粉中三聚氰胺的研究不断深入，主要分为以下几个部分：
一是利用近红外光谱分析技术构建奶粉中不同浓度三聚氰胺的检测方法，通过模型的优化提高其鉴别的准确度和检测效果。如Lisa等人[12]采用近红外光谱技术对婴幼儿配方奶粉中三聚氰胺进行检测，建立三聚氰胺浓度的偏最小二乘（Partial Least Squares,PLS）回归模型，模型的结果决定系数(Determination Coefficient,R2）为0.99，交叉检验均方根误差（Root Mean Squared Error of Cross-validation,RMSECV）≤0.9，剩余预测偏差（Residual Prediction Deviation,RPD）≥12，且利用光谱的因子分析能够区分含1 mg/kg三聚氰胺的纯配方奶粉和纯配方奶粉，无错误分类，置信度为99.99%，选择性为大于2。Lu等人[13]建立了一种基于最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）的近红外光谱快速检测奶粉中纯三聚氰胺的新方法，利用主成分提取前2个主成分，构建偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）模型，与PLS-DA相比，LS-SVM的性能更好，训练集和测试集的分类准确率都达到100%，检测限低于1 mg/kg，结果表明，近红外光谱结合LS-SVM可以作为一种快速、准确地检测奶粉中纯三聚氰胺的方法。
二是研究不同奶粉基质上三聚氰胺对光谱图或者建模效果的影响，如Scholl等人[14]研究三聚氰胺与牛奶的不同混合方法对的近红外光谱的影响，三聚氰胺与脱脂奶粉干混时，近红外光谱在1468 nm处有显著的吸收区，而湿混样品经过喷雾干燥后制得的奶粉样品在1468 nm处未检测到吸收区，最终干混样品的三聚氰胺鉴别准确率高于湿混样品，其原因可能是三聚氰胺氢键状态变化、与乳糖共价络合以及湿混样品中三聚氰胺局部浓度分布较低且更均匀带来的基质效应。Chen等人[15]使用近红外光谱技术结合单类偏最小二乘（One-class Partial Least Squares,OCPLS）模型检测牛奶样品中三聚氰胺，以不同浓度蛋白质的牛奶样品为基质，并分别溶解不同浓度的三聚氰胺，模型的总准确率为89%，灵敏度为90%，特异性为88%，结果表明，近红外光谱与OCPLS分类器的结合可以作为一种快速、现场筛选牛奶样品中三聚氰胺的潜在工具。Balabin等人[16]利用近红外光谱分析技术检测婴儿配方奶粉、奶粉、液态奶等乳制品中三聚氰胺，采用多变量算法进行光谱分析，可达到1 mg/kg以下的检测极限，此外，由于乳制品的近红外光谱与三聚氰胺含量呈非线性关系，建模采用Poly-PLS或LS-SVM等非线性回归方法实现三聚氰胺含量准确预测，研究表明近红外光谱是一种快速、灵敏、低成本的有效工具。
三是进一步提出非靶向三聚氰胺检测方法，即针对三聚氰胺与其他富氮非法添加物混合等复杂掺杂类型的检测方法，如陈秀明等人[17]利用近红外光谱技术结合Adulterant Screen算法检测婴幼儿配方奶粉中6种非法添加物（双氰胺、双缩脲、尿素、三聚氰胺、硫脲、环丙氨嗪）。对单组分掺杂婴幼儿配方奶粉的识别最低检出浓度为：三聚氰胺0.04%、环丙氨嗪0.05%，尿素、双缩脲及硫脲0.1%，双氰胺0.2%。对于二组分和三组分掺假奶粉在2倍到10倍检出限浓度的准确识别率分别达到了83.3%和50%，对无掺假样品的识别率100%，该鉴别模型可以通过一个模型即可实现快速鉴别多个非法添加物。
2.2 近红外光谱分析技术检测其他食品中三聚氰胺
除了乳制品，三聚氰胺还出现在谷类产品、蛋糕和饼干、蛋白粉、甜点、糖果和其他加工食品中。在中国牛奶掺入三聚氰胺事件发生之前，美国和加拿大曾发生过在饲料中掺入含三聚氰胺成分导致大量宠物死亡的事件，因此对于饲料中三聚氰胺的检测也尤为必要[9]。Simon A等人[18]利用近红外光谱技术检测转基因和非转基因的去壳大豆、大豆壳和烤大豆中三聚氰胺的含量，所构建的主成分分析（principal component analysis,PCA）回归和PLS回归两种模型检测精度良好，R2的范围为0.89～0.99，校正均方根误差（Root Mean Squared Error of Calibration,RMSEC）和预测均方根误差（Root Mean Square Errors of Prediction,RMSEP）分别为0.081%～0.276%和0.134%～0.368%，此外，利用PCA鉴别模型可以区分4种样品类型，并且利用生成Cooman图，可以区分掺假和非掺假样品。刘小莉等人[19]利用近红外光谱分析技术对鱼粉中掺杂的三聚氰胺进行定性鉴定及定量预测，先制备三聚氰胺含量为0.1%～15.0%的掺假鱼粉，在定性分析模型上，以选取6873.4～6514.7 cm-1范围的近红外图谱作为定性分析的特征图谱，并在预处理后结合因子算法对171个检验样品的正确识别率为96.5%；在定量分析模型上，以7560.0～7058.5、6915.8～6098.1、4601.6～4246.7cm-1的近红外特征光谱构建0.1%～15.0%的PLS回归定量分析模型和0.1%～5.5%范围的PLS回归定量分析模型，两个模型的R2分别为94.77%和98.59%,RMSEP分别为0.779%和0.188%，表明所构建的方法能较准确地预测鱼粉中掺杂三聚氰胺的含量。Rodionova等人[20]提出一种基于近红外光谱分析技术检测豆粕掺假非靶向分析方法，首先制备三种不同类型掺假样品，包括不同浓度的三聚氰胺、三聚氰尿酸及其混合物，构建数据驱动软独立模式分类模型能够有效识别掺假和未掺假样品，同时该方法不是针对特定污染物的识别和定量，而通常是对不同掺假类别中的三聚氰胺进行检测，这对在检测其他类型的饲料和食品中一些新的和意想不到的污染物提供一个很好借鉴。Shen等人[21]提出一种基于近红外显微光谱的豆粕非靶向掺假筛选方法，以6种非蛋白氮（三聚氰胺、三聚氰酸、尿素、磷酸二铵、双缩脲、磷酸一铵）作为掺假物，在未知豆粕中掺假物类型的情况下，当豆粕中添加0.5%的单一非蛋白或6种非蛋白（分别为0.5%）时，非靶向筛选法可筛选出所有人工混合样品中的异常光谱，同时构建偏最小二乘判别分析模型能较好地筛选出豆粕中的掺假成分，说明非靶向筛选方法可以扩展到检测其他类型的污染物。Simon A等人[22]比较手持式和台式近红外光谱仪对掺假三聚氰胺大豆产品的检测分析结果，利用PCA算法进行的定性分析，由于手持光谱仪光谱波数范围限制为6250～4167 cm-1，台式近红外光谱数据比手持近红外光谱数据鉴别效果更好，但使用手持光谱仪采集的光谱数据生成的定量分析模型的R2为0.94～0.99,RMSEC和RMSEP分别为0.081%～0.215%和0.095%～0.288%，通过交叉验证对模型进行进一步验证，RMSECV为0.101%～0.212%，表明手持式近红外光谱仪可用于检测大豆饲料中掺假问题。
3 近红外光谱分析技术检测苏丹红
苏丹红是一种具有偶氮结构的化学染色剂，包括苏丹红I、Ⅱ、Ⅲ、Ⅳ等，其被国际癌症研究所认定为三类致癌物，具有致突变性和致癌性[23]。由于苏丹红着色效果鲜艳且不易褪色，常被作为非法添加物用于增加食品的色泽，但由此也对人体健康造成严重危害。因此，检测食品中苏丹红含量吸引较多研究者关注。Rasool等人[24]利用相近红外光谱分析技术检测姜黄粉中2种主要掺假物苏丹红和甲腈黄，采集样品在10000～4200 cm-1的近红外光谱，建立SIMCA模型鉴别姜黄粉的真伪，样本分类正确率在校正集和验证集分别为96.7%和93.4%，此外，利用PLS回归模型对掺入苏丹红和甲丁黄的姜黄粉样品定量分析，苏丹红在验证集中R2为0.90,RMSEP为0.059，甲丁黄的在验证集中R2为0.91,RMSEP为0.058。Gimena等人[25]利用近红外光谱与化学计量学检测辣椒中苏丹红I、Ⅱ、Ⅲ、Ⅳ和对红染料，仅基于6个特征光谱变量，利用线性判别分析可以实现掺假样品（掺杂3种不同浓度的上述5种掺杂物的辣椒粉样品）以及未掺杂的辣椒粉样品的鉴别，模型的灵敏度和特异性达到90%以上，此外，通过逐步减去特征光谱变量，仅依靠4933.09cm-1和4987.09 cm-1两个特征变量，也可以实现70%的精度，表明开发和设计廉价便携式设备检测其中的掺杂物具有很好的可行性。Roseline等人[4]利用手持式近红外光谱结合多变量算法对棕榈油样品中的苏丹红Ⅳ染料掺假进行分类和测量，利用K-最近邻分类模型鉴别纯棕榈油样品和苏丹Ⅳ染料掺假（0.10%～0.002%，质量分数）的样品，校准集和预测集鉴别准确率分别达95.48%和97.00%，此外，采用PCR回归、PLS回归和SVM回归算法定量的分析棕榈油样品中苏丹红Ⅳ染料的添加量，光谱经过标准正态变量预处理后构建的偏最小二乘模型预测效果最佳，校正集和预测集的R2分别为0.91和0.90,RMSEC、RMSEP分别为0.0841和0.0868，结果证明，使用短波手持式近红外光谱可以快速、无损地鉴别棕榈油样品中苏丹红Ⅳ染料。
4 近红外光谱分析技术检测其他非法添加物
除了三聚氰胺、苏丹红等常见非法添加物外，工业明胶、罂粟壳等非法添加物也被掺杂于食品中。Xu等人[5]利用近红外光谱分析技术检测掺杂了不同水平的食用明胶、工业明胶和大豆蛋白粉的酸奶样品，在光谱经过正交投影预处理后，构建OCPLS模型的灵敏度为0.900，特异性为0.949，表明在掺假1%食用明胶、2%工业明胶和2%大豆蛋白粉等较高掺杂水平的酸奶，可以实现有效检测。卢浩等人[26]发明了一种罂粟壳的检测方法及移动终端，通过特定的分子传感器接收待测食品反射的红外光谱，并根据特征光谱检测待测食品中是否含有罂粟壳。
5 总结与展望
随着近红外光谱分析技术研究不断发展，目前已有部分国家标准或者农业标准在饲料、粮油、畜禽肉等方面建立相关近红外光谱分析检测方法，如GB/T 24870—2010《粮油检验大豆粗蛋白质、粗脂肪含量的测定近红外法》、GB/T 41366—2022《畜禽肉品质检测水分、蛋白质、脂肪含量的测定近红外法》、NY/T 3295-2018《油菜籽中芥酸、硫代葡萄糖苷的测定近红外光谱法》等。通过上述文献，近红外光谱分析技术在食品中非法添加物的检测大致可以归为以下几方面：一是建立不同食品基质中不同非法添加物的检测方法，并通过优化模型提高鉴别效果；二是探究不同基质和非法添加物对光谱特征峰的影响；三是针对复杂的含有非法添加物的掺杂样品建立非靶向检测方法，即实现对未掺杂样品和含有一种甚至多种非法添加物的掺杂样品的鉴别，由于市场上存在的掺杂问题是复杂且多样的，因此非靶向检测方法未来具有更大的实践应用意义。
但总体上近红外光谱分析检测方法在实际应用领域还有待进一步发展，主要受限于以下几方面：
⑴近红外光谱仪器的性能指标需要进一步提高，如目前不同厂商仪器还未实现标准化，不同仪器采集光谱数据有差异，附件的效率还不够高效，未来研制和生产更加轻便的专用型光谱仪器将会使得在线和现场分析更为便捷；
⑵对近红外光谱区域复杂谱图下蕴含的重要信息的解析能力还需进一步提高，由于光谱不同吸收峰重叠相互影响，对于某些复杂样品中的检测效果较差；
⑶模型的适用受一定的地域或者环境影响，不容易建立通用模型，尤其样品基体对近红外光谱的影响，如对于同一目标物的检测，在不同基体上建立的模型往往无法通用，需要根据不同基体建立不同的分析模型；
⑷光谱数据库还未完善，如将不同测试样品通过云计算和互联网等现代手段，建立和普及相关样品数据库，将会大大提高建模的效率。
近红外光谱分析技术与其他分析技术相比有其独特的优越性，随着研究的不断深入，通过对样品采集和处理方式、光谱数据预处理、建模方法等进行进一步规范，该方法在对食品中非法添加物检测中的应用将具有良好的发展前景。
微信号