近红外光谱分析技术在食品检测中的应用研究进展

近红外光谱分析技术在食品检测中的应用研究进展

陈习习 

丰县疾病预防控制中心，江苏省徐州市丰县，邮编 221715

【摘要】技术水平其具有较低的灵敏度，而且具有较低的抗干扰能力，这种情况下导致技术在使用过程中受到限制，未能在食品检验过程中被大范围使用。随着技术的完善发展，化学计量内容研究逐渐深入，使近红外光谱分析技术逐渐被提出并被使用。而且该种检查方式具有良好的定量，定性，结构分析作用，其使用领域逐渐增多，包括食品，化工以及环境科学等领域。食品安全问题已经成为社会关注度较高的内容，将近红外光谱分析技术使用到食品检测过程中，能够为今后食品检验以及食品安全提供科学辅助。

【关键词】近红外光谱技术；食品检测；研究进展

食品安全是近年来我国十分关注的问题，不仅与人们的生命安全息息相关，而且对于维护社会稳定、促进社会健康发展具有积极作用。因此，食品安全问题必须得到重视。近代红外光谱分析技术是电磁波处理技术中的一种，在物质定量、定性分析方面效果较为突出，从而可以对食品的性质变化做出正确分析。与传统的食品检测技术相比，该项技术更为环保，而且更高效，是食品安全检测中具占据非常重要的地位。

1 近红外光谱技术原理与特点

近红外（near infrared，NIR）光，是近年来新发展起来的一种分析技术，在物质检测中的作用是非常作用重要的。作为电磁波，其波长在可见光以及中红外区域，波长最长2526nm，波长最短780nm，后者通常包括2个区域，分别为近红外短波（780-1100nm）、为近红外长波（1100-2526nm）。受到有机物质内部基因团存在差异的影响，如能级不同，针对不同环境中其波长吸收均存在差异。针对物品实施不同频率的近红外光照射，经过选择性吸收以及反射和投射，使红外线携带不同有机物的组分信息，这种情况下对其信息进行检验能够明确被检测物质的内部情况，如结构，性质等[1]。
    相较于其他的检测技术，该技术的使用优势较多，主要体现在（1）具有较快的分析速度，只需要进行定标，该技术则能够对待测样品多个组分的同步测量，可在几秒至几分钟的时间内完成。（2）检测具有绿色性，针对被检测物品并不需要对其进行化学干预，直接实施定量检验即可。（3）检验过程操作方便简单，对技术人员操作要求不高，仅需要按照相关检测规范要求进行实施，能够有效减少检验过程中人为误差出现。

2 NIR常用化学计量方法

近红外光谱分析想要完成光谱预处理、模型建立等工作，必须要依靠化学计量方法。光谱预处理方法包括小波变换、平滑算法、多元散射矫正等。其中，多元矫正方法更为常用，线性矫正方法与非线性矫正方法较多。前者包括多元线性回归、主成分回归、偏最小二乘法（partial least squares, PLS）等；后者包括人工神经网络、支持向量机（support vectormachine,SVM）、最小二乘支持向量机(least squaresupport vector machine, LS-SVM)等。

2.1偏最小二乘法

PLS是一种新型的多元统计数据分析方式，首次提出在1983年，主要研究因多变量对多自变量的回归建模，尤其是当各自变量内部高度线性相关情况下，偏最小二乘法回归的作用是十分理想的。随着近年来研究不断深入，PLS算法也在不断改进，并逐渐广泛在食品、农产品、医药等行业的NIR分析中，且均取得了较为理想的效果。

2.2支持向量机

SVM是NIR模式识别技术中较为新颖的一种，目前被广泛的使用，而且技术在发展过程中不断优化创新，该技术能够利用统计学理论，降低结构风险，对潜在问题能够及时进行规避。针对非线性为难题，能够利用明确非线性映射进行输入量反应，将其映射至新的空间内部，进行最优分类面实施构建，构建过程中利用函数得方式进行非线性变化，获得线性分类后，能够满足向量机使用需求。SVM分类函数其形式和神经网络相类似，其输出为中间节点，具有线性组合特征，使向量和不同节点能够有效对应[2]。针对食品检验，使用近红外光谱检验的样本量相对较少，该技术通常更适用于小样本统计以及问题预测，而SVM能够满足其需求，使用效果较好。

2.3最小二乘支持向量机

LS-SVM是从机器学习损失函数方面着手，使用二范数对目标函数进行优化，并通过等式约束条件对SVM算法中不等式约束条件进行代替，对支持向量机在二次损失函数中来说，是一种有效扩展。LS-SVM对不等式的约束用等式约束进行替代，仅对线性方程进行求解，一定程度上提高了速度，对“过拟合”、“过学习”等问题进行有效解决，因此广泛应用在函数估计和逼近中。与其他方式相比，LS-SVM不仅可以对光谱数据中的线性关系进行处理，而且也能够对光谱中的非线性信息进行利用，以此保证得到的模型精度更高。

3 NIR在食品检测中的应用

3.1食品组分检验

结合适当运算法则，测量过程中近红外技术能够得到良好准确性。例如，通过近红外技术快速检测奶粉中蛋白质含量，通过LS-SVM方法建立模型，能够实现蛋白质含量的检验，检验过程中其误差相对较小，这种情况在一定程度上说明针对奶粉内部的蛋白质检验，该技术具有较高的使用精度，而且其具有较高操作性

[3]。该技术在使用中，能够在不损伤被检验物质的基础上，利用化学计量等方式进行模型建立，直接得到相应结果，可以在不同应用中使用，且速度较快，效率较高，可达到无损检测目的。此外，与以往常规检测方式相比，该检测方式将检测时间有效缩短，不需要预处理程序，检测效率提升明显。

3.2食品品种分类

食品品种分类过程中该技术同样被广泛使用，将NIR技术以及SVM技术进行结合，实现定量分析的同时能够大幅度提升检验结果的精度[4]。这也是目前食品品种分类经验中该技术使用重要原因，其识别准确性高达95%，表示该检测方式较为可靠，有较高使用价值。

随着该项分析技术的不断发展，可应用在食品掺伪鉴定领域中[5]。比如，该方式可检测植物油是否掺假、特级初榨橄榄油中是否掺杂玉米油等。

肉制品检测。在检测猪肉肉糜的同时，可对其pH值、挥发性盐基氮、需氧菌平板数等指标进行测定，从而帮助判断猪肉肉糜的新鲜程度，准确率可达90%，甚至更高。

谷物（米、面等）及其制品方面检测。近红外光谱可进行安全监测与掺伪鉴定。比如，可以利用该技术对甘薯粉丝掺假情况进行判断。受限需要对甘薯粉丝掺假定性判别、定量分析模型进行建立，再对其决定系数、预测均方差等数值进行对比，从而得出准确结论。在技术快速进步的情况下，有专家学者设计出了一罐便携式近红外检测仪，以此方便对谷物进行在线监控，且对精度做出了保证，值得在实际生活中应用。

水果蔬菜检测。现代农业发展迅速，果蔬也种植规模不断扩大，且常常借助化肥、农药等。通过近红外光谱分析技术，可对果蔬中残留药物成分进行检测。水果蔬菜中的糖分、酸度、添加剂的含量是比较大的，在该技术干预下，果蔬性质可被鉴别，以此为标准对其成熟度进行判断。除此之外，通过对果蔬吸氧量等数据的分析，可帮助了解其质量安全情况。

酒检测。对于酒类食品来说，其质量极大程度上受到了发酵时间等因素的影响。酒中成分含量的检测，可通过本文研究技术实现。特别是在酒的发酵过程中，物质中苯酚含量可通过近红外光谱分析技术测得，以此对发酵工艺起到一定促进作用。除此之外，若想对啤酒质量进行保证，同样可使用近红外光谱分析技术；通过测定葡萄酒中的糖分含量，可对糖浆酸度进行明确，从而使得葡萄酒口干得到保证。

4 近红外光谱技术的展望

近年来的食品检测技术中，近红外光谱技术愈发被认可，但更多局限在试验阶段，商业化应用中并未普及，分析其原因可概括为如下几点：其一，测量精度问题。近红外光谱区包括多种氢基团、合频吸收，所以常存在严重峰形重叠、光谱信噪比低、谱带复杂、有效信号弱等不足。NIR技术需要进一步解决从光谱中提取有用成分变化信息的问题，提高测量精准度。其二，测量条件标准化的问题。从长期临床研究情况来看，近红外光谱很容易受到温度、湿度、样品状态等外界因素影响，光谱不稳定性易导致误差。此外，光散射、反射等感染信息，会引发光谱变化，并且会被加载在光谱中，增加光谱复杂程度。基于此，技术研究过程中十分关注变准化测量条件，致力于提升矫正模型的稳健性。在预测模型良好的情况下，对不同仪器间模型传递性问题的关注程度也需要提高。其三，理论知识与实际操作存在一定差距。近红外光谱技术的应用，依赖于化学计量学方法、分析仪器等，与专业知识结合较为紧密。但因存在多学科领域交叉，存在部分技术难点攻克困难的情况，导致研究并不充足。上述问题相关表现包括测量结果存在误差、建模方式需要优化、理论指导不充足等，因此导致对相关技术的分析有效性与针对性缺乏。

5 总结

综上，生活水平的改善使人们对食品安全的重视程度进一步提升，为进一步营造良好食品安全环境，考虑使用近红外光谱分析技术进行干预。该项技术可对肉制品、谷物、果蔬、酒类食品等进行具体检测，可有效保证其口感与食用安全性。近红外光谱技术目前虽存在一定不足，但随着研究不断深入，该技术的应用前景将一片光明，为促进食品行业发展提供更大价值。

参考文献：

[1]杜伯会,滕江波,邹惠玲.现代近红外光谱分析在食品检测中的应用[J].中国食品工业,2022(22):30-31.

[2]王储,麻冬梅,李跃,屈新月,李智林,胡倩楠,乔葭月,孙彦.检测燕麦干草主要营养成分含量的近红外光谱分析模型[J].草地学报,2022,30(10):2645-2651.

[3]李艳秋,马川兰.现代近红外光谱分析在食品检测中的应用[J].现代食品,2021(08):157-159.

[4]李迎凯.近红外光谱分析技术在食品分析检测中的应用探究[J].食品安全导刊,2021(03):172+174.

[5]王燕,付琪,李颖,罗芳,林振宇.近红外光谱分析技术快速检测藕粉品质[J].食品安全质量检测学报,2022,13(15):5026-5034.