玉米是我国重要的粮食作物。根据国家统计局数据显示，我国2021年玉米播种面积为4 332万hm2，玉米产量达2.7亿。玉米中的水分、蛋白质、脂肪、糖类等主要化学成分含量会直接影响到玉米的经济效益。化学成分含量的测定已成为原料品质评价中的重要环节。玉米种子作为生产中最基本的资料，其质量的好坏直接影响玉米的产量及品质。玉米品质指标（水分、蛋白质、淀粉等）的检测常用理化方法，安全指标（毒素等）的检测使用液相等物理或化学方法，可用冷浸法等对种质品质进行分析，但这些方法均会对样本本身造成破坏，存在处理时间较长以及需要专业人员操作、仪器成本高等缺点。因此，探究一种可以对玉米进行无损、快速检测技术显得尤为重要。近红外光谱及高光谱分析技术具有样品不需复杂耗时的前处理、无损耗、多成分同时分析、无污染的检测优势，近年来得到了广泛关注[12]。
本文对近红外光谱分析技术在玉米的品质分析检测、安全指标检测、育种以及其他方面的应用进行总结，并分析其优势和劣势，为近红外光谱分析技术对玉米相关因素的检测应用提供参考。
1 近红外光谱分析技术
近红外光谱分析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分析的检测技术，通过样品的吸收光谱及理化分析结果可对样品进行定性或定量分析。近红外光谱分析技术的检测步骤为使用化学计量法对近红外光谱数据进行预处理及建立模型，将样本的预测集通过模型进行检测，验证模型是否精准，并对模型进行评价及优化。
近红外高光谱技术融合了近红外光谱技术与图像技术，其原理是通过光栅扫描获得样品的光谱信息，并将若干张带有波段信息图片迭代在一起形成图像[15]，获取的光谱信息可用于检测样品的理化性质，图像信息可用于检测样品的色彩、光泽等表面品质，该技术在玉米水分检测、品种鉴别、种子活力检测等方面均有应用[16]。
1.1 近红外光谱技术常用处理方法
由于近红外光谱中强大的背景信息造成的噪声干扰和存在冗余变量，导致从样品的近红外光谱中提取与检测目标相关的信息较困难，因此，需对光谱数据进行预处理。常用的光谱预处理方法有去噪自编码器（DAE）、正交信号校正法（OSC）、标准正态变换（SNV）、多元散射校正（MSC）等。
1.2 近红外光谱技术模型评价指标
1.2.1 定量模型评价指标
评价近红外光谱定量模型预测准确性的实质是模型的预测结果与样品结果的接近程度[19]，评价预测模型一般采用校正决定系数（Rc2）、验证决定系数（Rv2）、校正相关系数（Rc）、验证相关系数（Rv）、校正均方根误差（RMSEC）、验证均方根误差（RMSEV）和相对分析误差（RPD）等参数，决定系数与相关系数是预测值与使用化学方法检测出的真值样本集相关性的标准，通常Rc2、Rv2、Rc、Rv越大时，认为所建模型效果越好；RMSEC和RMSEV是校正集与验证集的预测值和使用化学方法检测出的真值之间差异大小的量度，RMSEC和RMSEV越小，认为所建模型性能越优；RPD是衡量模型可靠性的指标，当RPD>3，认为所建立的预测模型可靠性较高，3>RPD>2.5，认为模型可用于分析；RPD<2.5时，则表明模型分析难以进行[20]。
1.2.2 定性模型评价指标
近红外光谱技术在定性分析中多用于样品分类，常用判定指标有正确率、敏感性、特异性等[21][22]。
2 近红外光谱分析技术在玉米饲用品质检测中的应用
玉米营养丰富，富含淀粉、蛋白和脂肪等，是畜禽饲料中最常见的能量饲料原料，饲料消费占比超过60%。随着近红外光谱分析技术的发展，该技术在饲料品质分析中有大量应用，关于玉米的研究中多应用于对其营养物质的定量分析。
2.1 近红外光谱分析技术在玉米淀粉检测中的应用
淀粉约占玉米籽粒干重的70%，是玉米籽粒的重要组成部分，可通过物理、化学等方法将淀粉转化为低分子化合物或高分子聚合物，是良好的加工原料[24]。淀粉是动物饲料中碳水化合物的主要来源，可以为动物生长提供能量需求[25]。因此，实现快速检测玉米中的淀粉含量在饲用领域有重要价值。
韩洁楠等[26]采用多种预处理方法，结合偏最小二乘法（PLS）建立近红外光谱检测玉米中淀粉含量的分析模型，最优的预处理方法为一阶导数及减去一条直线，其RMSEV=0.738,Rc2=0.854，表明近红外光谱分析技术可以实现对玉米粉中淀粉含量的快速检测。吴晗等[27]建立检测玉米中直链淀粉的近红外模型，光谱数据采用标准正常化结合散射处理的预处理方法，使用改进偏最小二乘法（MPLS）分析技术建立检测模型，定标标准偏差（SEC)=0.388，交叉验证误差（SECV)=1.465,Rc2=0.963，近红外模型可以实现对玉米中直链淀粉的检测。Liu等[28]利用玉米籽粒两面近红外高光谱图像玉米籽粒胚面朝上与朝下的近红外高光谱图像测定单粒淀粉的含量，对光谱进行平滑和导数预处理，采用竞争性适应重加权抽样方法（CARS）选择特征波长，使用PLS和人工神经网络（ANN）法建立模型，比较得出ANN模型效果最佳，该模型的Rv=0.960,RMSEV=0.980，对淀粉含量预测的准确率较高。
综合分析表明，可以通过近红外光谱分析技术结合化学计量学分析方法建立定量分析模型实现对玉米淀粉的快速检测，但部分研究中所用样品不具有普遍性，所建模型对淀粉含量较低或较高的样品预测稳定性较差，限制了其在实际测定中的使用，需收集大量样品对所建立的模型进行完善及优化使其达到应用水平，探索近红外光谱分析技术结合更优的化学计量法检测玉米中的淀粉含量，以快速、无损的检测玉米中淀粉含量。
2.2 近红外光谱分析技术在玉米蛋白、脂肪等营养物质检测中的应用
玉米中的蛋白质、脂肪、纤维等营养成分含量不同会对玉米的营养价值产生不同的影响。有学者使用近红外光谱分析技术对玉米中的多种基本营养物质进行研究。
陈海燕等[29]使用近红外光谱分析技术对宁夏玉米中的粗蛋白质、粗脂肪、粗纤维等营养成分建立分析模型，使用多种预处理方法分别对光谱进行预处理进行多种方式预处理，使用PLS建立模型，结果表明粗蛋白质的检测使用标准正态变换（SNV）结合去趋势校正方法所模型最优，其Rc2=0.955,Rv2=0.973,RMSEC=0.328；粗脂肪使用多种方法预处理，均未能达到精准预测的目的；粗纤维使用SNV结合去趋势校正预处理方法效果较好，其Rc2=0.887、Rv2=0.897，可见近红外光谱分析技术可以实现对玉米中多种营养成分的同时检测。Chen等[30]使用傅里叶变换近红外光谱仪对玉米中蛋白质和总脂肪进行联合分析，使用Whittaker平滑法对近红外光谱数据预处理，使用PLS建立近红外分析模型，检测蛋白质分析的RMSEC、Rv、相对均方根误差（RRMSEV）分别为0.327、0.923、3.480，检测总脂肪分析的RMSEC、Rv、RRMSEV分别为0.195、0.921、4.680，该试验证明双组分联合分析比单组分单独分析得到的检测结果更优，有利于近红外光谱分析技术在玉米或其他谷物中检测多个营养物质的应用。
近几年，采用近红外光谱分析技术结合化学计量法对玉米中淀粉、粗蛋白质等营养成分含量检测的研究较多（表1），表明使用近红外光谱分析技术检测玉米中的化学成分是可行的，并且对大部分常见的营养成分检测效果均较好。
3 近红外分析技术在玉米食用品质检测中的应用
玉米作为主要的粮食作物被大面积种植，鲜食玉米不仅可作为粮食，也具有果蔬的特性。近红外光谱技术可对鲜食玉米做定量或定性检测。
3.1 定量分析
杨泉女等[37]使用近红外光谱分析技术对甜玉米中葡萄糖、果糖和蔗糖含量建立定量分析模型，采取多种方法预处理，使用PLS建立模型，检验葡萄糖的分析结果RMSEV=0.402,RV2=0.683，检验果糖的分析结果为RMSEV=0.186,RV2=0.780，检验蔗糖的分析结果为RMSEV=1.880,RV2=0.875，证明近红外光谱分析技术可以对玉米中不同糖类的含量进行检测，并且精准度较高。
3.2 定性分析
胡玲玲[38]使用近红外光谱技术建立判别甜玉米口感的模型，不对光谱做预处理，使用KNN建模方法建立模型，对种皮厚度、甜度、柔韧度3个指标的分类准确率分别为100.0%、95.0%、100.0%。
由于鲜食玉米从起源到广泛种植不过百余年历史，目前使用近红外光谱分析技术对鲜食玉米的检测较少。根据鲜食玉米的特性，近红外光谱技术在检测鲜食玉米的营养品质时可聚焦于游离糖及氨基酸含量，以实现对鲜食玉米快速无损的检测。
4 近红外分析技术在玉米安全品质检测中的应用
玉米因气候或种植、收获及储存方式不当易导致玉米产生毒素，误食后轻者使呕吐、腹泻，重者甚至会致癌。因此，在储存、售卖玉米时快速检测玉米的安全指标是否符合储存或售卖标准是十分有必要的。近红外光谱分析技术快速、无损的检测特点有利于推广其在玉米毒素检测中的应用。
4.1 定量分析
Gaspardo等[39]使用基于积分球的傅里叶变换近红外光谱分析技术对玉米粉中的伏马毒素B1和B2进行快速检测，该方法不对光谱数据进行预处理，直接使用PLS建立模型，检测结果为R2c=0.983,RMSEC=0.432，交叉验证均方差（RMSECV)=2.005。
4.2定性分析
Cheng等[40]对单粒玉米中的黄曲霉毒素使用紫外-近红外光谱法建立模型，从原始光强中减去背景光强对光谱进行预处理，使用随机森林算法建立检测模型，其结果为特异性为97.7%，敏感性为87.1%，袋外估计错误率为5.0%，证明可以在误差允许的范围内对玉米中的黄曲霉毒素进行检测。袁莹等[41]使用基于傅里叶变换的近红外光谱分析技术对玉米的霉变程度进行研究，对光谱数据做归一化处理，使用主成分分析（PCA）进行特征提取，结合SVM建立预测模型，其校正集及验证集的预测准确率分别为93.3%和91.7%，对玉米的霉变程度有较高的检测准确率。
由于毒素在玉米中的含量极少，使用近红外光谱分析技术虽然可以进行快速检测，但相对于色质谱方法，该技术的检测限较难达到国家标准。目前使用近红外光谱分析技术对玉米中毒素含量检测的相关研究较少，但基于近红外光谱分析技术检测花生、小麦、糙米等其他谷物中的毒素均有较多研究。因此，下一步的研究可以参考近红外光谱分析技术检测其他谷物毒素的方法，结合新型化学计量学方法，寻找适合检测玉米毒素的近红外光谱分析方法，推动该技术在实际应用中快速、准确地检测玉米中的毒素、霉变等安全指标。
表1 近红外光谱分析技术在玉米饲用品质检测中的应用
5 近红外光谱分析技术在玉米种质品质分析中的应用
玉米的种子质量直接影响玉米产量，为确保玉米产量，需对玉米种子的纯度、品质、活力等进行检测[45]。纯度是检验玉米杂交种质量的标准，提高玉米杂交种的纯度，能极大地推动粮食增产[46]。种子的品质决定了果实质量，单倍体育种技术可以改良作物品种，在诱变育种和突变遗传的研究中有很大优势，但玉米自然产出单倍体的概率很低[47]。随着转基因技术的发展，转基因玉米的安全性及环保等方面问题，引起了消费者的疑虑和抵制，使用近红外光谱技术可快速识别玉米是否为转基因产物，可快速鉴别样品是否为转基因玉米种子，使其相关信息透明公开。
5.1 近红外光谱分析技术在玉米种子质量中的应用
高活力的种子是保证出苗率的基础，有助于发挥玉米的生长态势与产量潜力[48]，目前可以通过低温发芽测定法等对玉米的种子活力进行检测[49]。但这些方法检测玉米种子质量需要观察其1周或更长时间的发芽率，近红外光谱分析技术可以通过建立模型对单粒玉米种子进行现场评估，以达到快速检测的目的。
5.1.1 定量分析
玉米种子的定量分析主要测定种子的含水量。张乐等[50]基于随机森林回归算法对单粒玉米种子中的水分实现了快速定量检测，该研究使用随机森林回归算法建模，通过控制变量法对比得出使用MSC对光谱做预处理、使用DAE对光谱数据降维后所建模型效果最好，其Rc2=0.988,RMSEC=0.175，可以实现对单粒玉米种子水分快速无损检测。杨琳等[51]使用近红外光谱技术检测未包裹种衣剂等药物的玉米种子的含水率，采用SG变换结合MSC预处理后的光谱建立模型，使用融合了3种算法的Stacking集成算法建模，Rc2=0.939,RPD=2.900，此方法有助于实现玉米种子含水率的快速、无损检测。
5.1.2 定性分析
王雪等[52]使用近红外光谱分析技术区分不同质量级别的玉米种子，使用子卷积平滑和MSC及二者组合的方法对光谱数据分别进行预处理，使用PCA建立检测模型，依据3种不同预处理方式建立的模型对种子的识别率经过验证后，其准确率分别为88.4%、90.1%、95.2%，可以区分不同质量级别的种子。赵盛毅等[53]研究了不同强度的近红外光源对玉米杂交种鉴别的影响，通过一阶差分导数和矢量归一化对光谱数据进行预处理，使用SVM建立模型，在分组进行试验后得出在适当电压范围内，当电压增大时，光强越强，光谱越平滑，对杂交种的识别率随之上升。Qiu等[54]基于傅里叶变换近红外光谱分析技术对甜玉米种子品种进行分类，采用PCA去除离群值，结合21点窗和三阶多项式对所有光谱数据进行滤波预处理，使用4种分类算法建立模型，得出在全波长范围内，4种算法的分类精度均在97.6%～99.6%。因此，近红外光谱分析技术可以对甜玉米种子品种进行有效的分类。
5.2 近红外光谱分析技术在识别转基因玉米中的应用目前，转基因玉米培育的目标性状主要是在抗虫转基因玉米、耐除草剂转基因玉米、耐干旱和品质改良转基因玉米等方面[55][56][57][58]。使用近红外光谱分析技术可快速识别转基因玉米。
彭城等[59]对转基因玉米及母本玉米的颗粒及粉末状态进行研究，使用SG变换对采集到的近红外光谱做去噪声处理，基于全波段光谱和PCA分别建立了PLS和SVM模型，发现对玉米籽粒的近红外光谱进行PCA降维后的模型效果较全光谱波段更优，SVM模型取得了最优的效果，校正集和验证集识别正确率达到100%，粉末状态整体的校正集和验证集的判别正确率相对较差，结果表明应用近红外光谱技术结合化学计量学方法鉴别转基因玉米是可行的。Feng等[60]采用PCA、SVM和PLS-DA等多变量分析对转基因玉米和非转基因玉米籽粒进行分类和筛选，应用CARS筛选波长，经过预处理后，PLS-DA模型预测集的识别能力可达99.0%，即基于最佳波长的PLS-DA识别模型是一个可靠性和鲁棒性均优的模型，可以识别转基因玉米。
目前使用近红外光谱分析技术对转基因玉米分析识别的研究较少，并且用于分类的试验材料多为同一年获得的。下一步的研究可使用来自不同年份、地区和转基因事件的种子样本，以提高鉴别模型的可靠性和适应性。
除此，本文列出了其他近红外光谱分析技术在检测玉米种子质量中的相关应用（表2）。从多项研究中可知，不同的模型在检测与种子质量有关的因素中均有较高的精度，近红外光谱分析技术结合不同的化学计量法建立模型，可以实现对种子快速、无损的检测。相对于传统的对种子使用超声波处理后对其进行质量鉴定的检测方法[61]，近红外光谱分析技术没有复杂的前处理，可以达到快速检测的目的。但是，近红外光谱分析技术在检测玉米种子质量时，建立的模型只能对单个类别进行鉴别，只对提供数据的种子有鉴别功能，并且鉴别范围越宽，所需要的原始数据越多。这些因素限制了近红外光谱分析技术在检测玉米种子质量上的发展，应当寻找更多方法解决这些限制条件，助力近红外光谱分析技术应用于广阔的研究和生产中。
表2 近红外光谱技术在检测玉米种子质量中的应用
6 近红外光谱分析技术在玉米检测中的其他应用
近红外光谱分析技术在检测玉米的其他方面也有应用。Zhang等[64]使用近红外高光谱分析技术对冷冻玉米分类，结果显示误分类的玉米种子样本种类较少，并且样本可视化效果较好；Schuetz等[65]利用傅里叶变换近红外光谱分析技术对作为饲料原料的玉米进行地理溯源的研究，由选定区域组成的特定国家模型对所有样本判定的平均准确率为95%，证明该技术可以作为一种快速、经济、有效的验证玉米样品原产国的筛选方法；Ronay等[66]利用近红外高光谱分析技术研究玉米和降低玉米产量的常见杂草之间对水分的竞争，通过表征玉米在早期生长过程中由于作物与杂草的竞争而发生的生理变化，并使用高光谱测量检测竞争效应的能力，得出的结论支持杂草与玉米间的竞争会使得短波近红外区域的吸收强度发生变化的假设，验证了利用光谱测量可以作为植物竞争指标的潜力。
7 小结与展望
近红外光谱分析技术具有简单、快速、无损、准确等不同于其他传统的化学检测技术的特点，在玉米检测的研究与应用中已经取得了一定成果。通过近红外光谱分析技术结合化学计量学方法建立分析模型，可对储存或销售时玉米中水分等营养指标和毒素、霉变等安全指标以及种子纯度与活力等指标实现快速检测。不过现阶段该技术仍存在一些缺陷：(1)对样品的采集与存储等没有统一标准，不同的检测研究采集的玉米光谱数据有差异，部分针对玉米建立的模型检测准确率较低，不能达到准确检测的目的；(2)近红外光谱数据受环境因素、仪器因素等试验参数的影响，光谱数据预处理方法和建模方法种类多、技术难度不同等；(3)近红外光谱技术聚焦于对样品的内部成分检测，检测样品表面品质的方法以人工分选为主，具有较强的主观性。
为提高其检测准确率和适用范围，进一步促进近红外光谱分析技术在玉米检测中的实际应用，使其在实际应用中发挥更大的优势，实现统一化、可生产化，可采取以下措施：(1)制定统一的检测标准，增加建立模型所使用的样本来源和数量，与不同的化学计量学方法结合，提高模型的准确性、稳定性和重现性；(2)将图像信息与光谱信息结合，对不完善粒、霉变粒及营养物质、安全品质等实现同步检测；(3)与互联网、大数据等结合，研发出小型化、智能化、可实时监测的近红外光谱检测设备，在线完成对各项指标的检测等。
微信号