近红外光谱技术在食品产地溯源中的应用研究进展

郝莉花，张 平

（河南省产品质量监督检验院，河南郑州 450002）

近红外光谱技术在食品产地溯源中的应用研究进展

郝莉花，张 平

（河南省产品质量监督检验院，河南郑州 450002）

食品产地溯源是保障食品安全、保护地区名优特色产品、增强消费者信心的有力措施之一。近红外光谱技术（Near-infrared spectroscopy，NIRS）作为一种绿色、快速、高效、准确的无损检测技术，在食品产地溯源中有着广阔的应用前景。通过介绍近红外光谱技术的基本原理，以及它们在食品产地溯源中的研究现状，旨在推动我国食品安全追溯制度的建立与完善，保障食品行业的市场稳定健康发展，保护消费者合法权益。

近红外光谱；产地溯源；研究进展

食品安全问题一直是人们最关注、最担心的问题。近年来，食品市场的快速发展及国内外食品安全事件时有发生，给消费者造成了一定程度的恐慌。因此，实施食品原产地的监督和检查、加强食品安全管理、追溯食品的来源等信息显得尤为重要。食品产地溯源是食品安全追溯体系的重要组成之一，是确保食品来源的真实性和透明性、保证问题产品的快速召回、准确检测出病原菌、控制病原菌的扩散、保护消费者安全利益的一项有效措施。欧盟在其指令（178/2002）中明确要求，从2005年起在欧盟范围内销售的所有食品都必须可追溯，否则不允许在市场上销售[1]；美国在2002年《公共安全与生物恐怖应对法案》中也提出了食品可追溯要求。目前，食品产地溯源的技术较多，其中应用较多的主要有近红外光谱分析技术、DNA溯源技术、同位素指纹分析技术等，不同的技术各有各的优点，在食品产地溯源中发挥着不同的作用，而近红外光谱分析技术是众多食品产地溯源技术中的一个重要分支。

近年来，近红外光谱技术作为一种新型的快速检测技术，在食品产地溯源中有着广阔的应用前景。该技术凭借其快速、检测方便、成本低、前处理简单、多项目同时测定和能够进行在线检测等特点，其在检测[2-4]、鉴别[5-6]等方面的研究应用日益得到人们的青睐。该技术的波长范围是780～2 500 nm，是电磁波的一种，通过在波数12 000～4 000 cm-1范围内采集的光谱图来反映有机物分子中含氢基团X-H（C-H，N-H，O-H）等振动光谱倍频与合频吸收谱，每条光谱都可以反映不同样品中独特的有机物组分及其含量。来自不同产地来源的食品，由于其化学成分和各成分相对含量的不同可反映在近红外光谱上，若再借助其他模式识别方法进行分析，即可进行食品产地溯源的判别[7]。

1 近红外光谱技术的原理及特点

1.1 近红外光谱技术的原理

近红外光谱（Near-infrared spectroscopy，NIRS）是指处于可见光谱和中红外光谱之间的光谱区域，主要物质分子振动能级跃迁而产生，其波长范围为780～2 526 nm。近红外光线主要吸收一些含氢基团X-H（C-H，N-H，O-H等）的振动频率，由于有机化合物和混合物以及部分无机物分子中各种基团的运动（伸缩、振动、转动等）都有各自固定的频率，而近红外光谱信息主要反映的是含氢基团振动的倍频、合频以及差频的叠加吸收[8]。由于样品对不同频率的红外光吸收不同，使得通过样品的红外光在一些波段范围变弱（被吸收），一些波段范围内较强（不吸收），根据这些信息即可得到不同的红外光吸收光谱图，从而定量分析一些样品。

1.2 近红外光谱技术的特点

近年来，近红外光谱分析技术之所以发展迅速，是由其技术特点决定的，该技术的主要特点如下：

（1）分析速度快。近红外光谱技术对需要检测的样品不需要进行预处理，光谱的测量过程一般可在2 min内完成，而且单人可同时完成多个指标的大量测试。通过得到的光谱数据，可以很快测定出样品的组成成分及其性质等。

（2）分析成本低。近红外光谱的材料一般为石英或玻璃，价格低；分析过程中不消耗样品，且使用过的样品还可以重新利用；还有仪器的高度自动化，大大节省劳力支出，这些特点都大幅度降低了分析成本。

（3）测试的重现性好。由于近红外光谱测定的稳定性，测试的结果受人为因素的影响不明显，与其他参考方法相比，该方法表现出很好的重现性。

（4）便于在线检测。由于近红外光传属性良好，因此在生产的过程中可以在流水线上安装近红外装置，以实施对在线产品的检测。

（5）不需要化学物品的使用，不污染环境。近红外光谱分析时只需要采集到样品的光谱图即可，不需要一些化学试剂对样品的复杂处理，与其他常规方法相比，该方法对环境不会造成污染，是一种绿色环保的检测技术。

2 近红外光谱技术在食品产地溯源中的研究现状

2.1 近红外光谱技术在酒中的应用

国内外学者对近红外光谱应用于酒的产地溯源研究较多。刘巍等人[9]利用近红外光谱分析技术，对来自法国波尔多、我国昌黎和沙城的47个红葡萄酒样品进行逐步回归分析，再进行主成分分析和聚类分析，建立了判别葡萄酒产地溯源的预测模型。结果显示，判别红葡萄酒原产地的有效波长为1 400～1 550 nm和2 000～2 300 nm。将38个预测集样本用聚类分析方法建立的3个产地葡萄酒预测模型，准确率达到88.9%。Di Egidio V等人[10]收集了比利时和其他欧洲国家生产的啤酒，利用近红外反射光谱分析技术，对其275组试样进行分析，结合了简易分类法、潜功能技术和不等分布分类法3种方法分别建立了2个产地啤酒的定性模型，最后用偏最小二乘法判别分析（PLS-DA）区别Rochefort 8度和10度啤酒。结果表明，Trappist啤酒模型的灵敏度较低，而潜功能技术和不等分布分类法建立的Rochefort模型灵敏度分别为81.4%和84.5%，PLS-DA法对不同度数啤酒的判别，正确率高达93.4%。向伶俐等人[11]利用近、中红外光谱法融合判定葡萄酒产地，对来自河北怀来、山东烟台、甘肃、河北昌黎的153个葡萄酒样品采集近红外投射光谱和中红外衰减全反射光谱，再用偏最小二乘判别分析法（PLS-DA）分别建立模型。结果显示，4个产区葡萄酒判别模型建模集的平均准确率由78.21%（近红外）和82.57%（中红外）变为2种技术融合后的87.11%，优于单独采用一种光谱技术的判别结果。

2.2 近红外光谱技术在肉品中的应用

Xiccato G等人[12]利用近红外光谱技术建立了3种意大利鱼类养殖场的SIMCA识别分类模型，对不同产地、不同饲养方式（散养、半散养、笼养模式）的236组欧洲鲈鱼进行了追溯。结果显示，半散养、笼养模式饲养条件下的鲈鱼，判别的正确率为80%；散养条件下的正确判别率为74%。此外，Xiccato G等人还比较了不同类型的样品制备（新鲜鱼片和冻干鱼片）对试验的影响。结果表明，新鲜鱼片近红外光谱数据建立的模型识别率分别为65%，58%，45%，冻干鱼片的分别为83%，80%，74%。

孙淑敏等人[13]采集了来自内蒙古自治区锡林郭勒盟、呼伦贝尔市和阿拉善盟，以及重庆市和山东省菏泽市共99个具有代表性的羊肉样品，随机选择其中的66个样品作为建模训练样本集、30个样品作为预测样品集，进行近红外光谱扫描，利用主成分分析结合线性判别分析（PCA+LDA），以及偏最小二乘判别分析法（PLS-DA）2种方法对羊肉的产地来源进行判别。结果表明，PCA+LDA法对5个地域来源样本的整体正确判别率为91.9%，优于PLS-DA法的判别效果（76.7%）。张丽华等人[14]采用近红外光谱技术快速鉴别掺假羊肉，张宁、李勇等人[15-16]也分别应用近红外光谱技术研究了羊肉、牛肉的产地溯源。

2.3 近红外光谱技术在谷物中的应用

夏立娅等人[17]利用近红外光谱和模式识别对119个地理标志产品响水大米和90个其他产地的大米（即非响水大米）进行光谱扫描，然后对原始光谱进行一阶导数及平滑处理，利用主成分分析法（PCA）、聚类分析和判别分析建立识别模型。通过主成分分析，确定了相关性最大的特征波段为7 700～6 700 cm-1与5 700～4 300 cm-1。在全波段内和特征波段内，对于响水大米和非响水大米的聚类效果都能达到100%正确。在进一步对非响水大米的具体产地判别中，利用特征波段进行的聚类分析准确度高于全波段分析结果。因此，通过选取特征波段具有较强的代表性，是优化模型的有效方法之一。

赵海燕等人[18]应用近红外光谱分析仪检测2007—2008年度和2008—2009年度我国小麦主产区河北省、河南省、山东省和陕西省共240份小麦籽粒样品，对近红外光谱数据分别进行均值标准化、一阶求导和多元散射校正（MSC）处理后，利用偏最小二乘判别分析法（DPLS）分析预处理后的数据。结果表明，2007—2008年度小麦籽粒样品总体正确判别率为87.5%，2008—2009年度样品总体正确判别率为91.7%；用2007—2008年度样品所建模型来预测2008—2009年度的样品，结果总体正确判别率为48.3%；将2年样品混合后，总体正确判别率为82.5%。由此说明，不同地域来源小麦的近红外光谱特征有显著差异，但其受品种和年际因素影响较大，判别模型的稳定性有待进一步提高。

2.4 其他类食品的应用

郝莉花等人[19]为鉴别不同产地的灰枣品种，以河南新郑和新疆2个产地9种来源的灰枣为对象，通过分析检测灰枣样品的近红外扫描数据，采用MSC、SNV处理结合PCA分析并采用LOOCV建立了PLSDA模型。结果表明，该模型对建模集和验证集的不同产地灰枣均可完全判别。另外，罗雪宁、吴建虎等人[20-21]分别将该技术应用于南疆骏枣品质研究和判别干枣品种。

刘沭华等人[22]采集自河南、河北、四川、浙江4个产地的269个中药材白芷样本和山东、山西、河南、四川、浙江、河北6个地区的350个野生、栽培中药材丹参样本进行了近红外漫反射光谱测量。结合近邻法和多类支持向量机等模式识别技术，得到这2种样品的产地判别准确率分别高达99%和95%。说明该技术是一种快速鉴别中药材产地的有效方法之一。Cho C H等人[23]研究了鹿茸、白芷等中药的产地溯源。

金裕范[24]采用红外吸收光谱建立了5种不同产地、2种不同储存年限及2种不同加工工艺的普洱茶红外吸收光谱，发现各普洱茶红外吸收光谱存在一定差异，由于不同样品的化学成分和各成分含量相对不同，它们具有各自独特的红外吸收光谱。由此可以判定，普洱茶的产地、储存年限及加工工艺等信息。Ren G等人[25]对来自7个不同产茶区的140个红茶样品进行近红外光谱扫描，采用因式分解法建立红茶产地判别的识别模型。结果表明，该识别模型的正确判别率高达94.3%。

李敏[26]以山东和陕西两地产的红富士苹果作为试验对象，对苹果的近红外光谱数据进行小波软阈值预处理、去除噪声和冗余；再采用主成分分析法（Principle component analysis，PCA）进行降维；然后应用Fisher判决（Fisher discriminant analysis，FDA）进一步提取特征；最后使用K-近邻法进行分类识别（K-near neighbor classification，KNN）。通过试验比较，近红外光谱技术能很好地实现不同产地苹果无损、快速和准确分类识别，识别正确率达到97.5%。

3 结语

近年来在食品行业中，近红外光谱技术已发挥出重要作用。据资料显示，该技术应用于食品方面的主要有肉制品、乳制品、果蔬、粮油的分析检测，而在产地溯源方面，植物源食品研究多于动物源产品，且近红外光谱在食品产地溯源方面的机理及模型的建立等均处于摸索阶段，因此该技术在食品产地溯源上的研究还有很大的潜在空间。随着近红外光谱设备和一些辅助技术的不断更新进步，该技术将会广泛应用于更多领域，为人类所造福。

[1]Regulation（EC） No 178/2002 of the European Parliament and of the Council of 28 January 2002 laying down the general principles and requirements of food law，establishing the European Food Safety Authority and laying down procedures in matters of food safety[S].EU：32002R0178（EC 178/2002）.

[2]Nicolai B M，Beullens K，Bobelyn E，et al.Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy[J].Postharvest Biology and Technology，2007，46（2）：99-118.

[3]Sundaram J.Sensing of moisture content of in-shell peanuts by NIR reflectance spectroscopy[J].Journal of Sensor Technology，2012（1）：1-7.

[4]Yong W P，Pahn-Shick C，Jae Hwan L.Application of triacylglycerol and fatty acid analyses to discriminate blended sesame oil with soybean oil[J].Food Chemistry，2010（2）：377-383.

[5]Puchert T，Lochmann D，Menezes J C，et al.Nearinfrared chemical imaging（NIR-C）I for counterfeit drug identification-a four-stage concept with a novel approach of data processing（Linear image Signature） [J].Journal of Pharmaceutical and Biomedical Analysis，2010，51（1）：138-145.

[6]严衍禄，赵龙莲，韩东海，等.近红外光谱分析基础与应用 [M].北京：中国轻工业出版社，2005：47-58.

[7]刘翠玲，吴静珠，孙晓荣，等.近红外光谱技术在食品品质检测方法中的研究 [M].北京：机械工业出版社，2016：102-121.

[8]刘建学.实用近红外光谱分析技术 [M].北京：科学出版社，2001：18-19.

[9]刘巍，战吉宬，董卫东，等.基于近红外光谱技术的葡萄酒原产地辨识方法 [J].农业工程学报，2010（S1）：374-378.

[10]Di Egidio V，Olivevi P，Woodcock T，et al.Confirmation of brand identity in foods by near infrared transflectance spectroscopy using classification and class-modelling chemometric techniques：The example of a Belgian beer[J]. Food Research International，2011，44：544-549.

[11]向伶俐，李梦华，李景明，等.近、中红外光谱法融合判定葡萄酒产地 [J].光谱学与光谱分析，2014，34（10）：2 662-2 666.

[12]Xiccato G，Trocino A，Tulli F，et al.Prediction of chemical composition and origin identification of european sea bass（Dicentrarchus labrax L） by near infrared reflectance spectroscopy（NIRS） [J].Food Chemistry，2004（2）：275-281.

[13]孙淑敏，郭波莉，魏益民，等.近红外光谱指纹分析在羊肉产地溯源中的应用 [J].光谱学与光谱分析，2011，31（4）：937-941.

[14]张丽华，郝莉花，李顺峰，等.基于支持向量机的近红外光谱技术快速鉴别掺假羊肉 [J].食品工业科技，2015，36（23）：289-293.

[15]张宁.羊肉产地近红外光谱溯源模型的建立与机理初探 [D].北京：中国农业科学院，2008.

[16]李勇，魏益民，潘家荣，等.基于FTIR指纹光谱的牛肉产地溯源技术研究 [J].光谱学与光谱分析，2009，29（3）：647-651.

[17]夏立娅，申世刚，刘峥颢，等.基于近红外光谱和模式识别技术鉴别大米产地的研究 [J].光谱学与光谱分析，2013，33（1）：102-105.

[18]赵海燕，郭波莉，魏益民，等.近红外光谱对小麦产地来源的判别分析 [J].中国农业科学，2011，44（7）：1 451-1 456.

[19]郝莉花，张丽华，陈春生，等.近红外光谱对灰枣产地的鉴别 [J].食品科技，2015（12）：258-264.

[20]罗雪宁，倪明航，孔维楠，等.二维相关红外光谱技术对不同冷藏温度的南疆骏枣品质分析研究 [J].现代食品科技，2016，32（2）：170-175.

[21]吴建虎，雷俊桃，杨琪，等.利用可见近红外光谱判别干枣品种 [J].食品安全质量检测学报，2016（5）：1 870-1 875.

[22]刘沭华，张学工，周群，等.近红外漫反射光谱法和模式识别技术鉴别中药材产地 [J].光谱学与光谱分析，2006，26（4）：629-632.

[23]Cho C H，Woo Y A.Rapid qualitative and quantitative evaluation of deer antler（Cervus elaphus） using near infrared reflectance spectroscopy[J].Microchem，2001，68（2）：189-195.

[24]金裕范.不同产地、加工工艺及储存年限普洱茶化学成分和药理活性的比较研究 [D].北京：北京中医药大学，2012.

[25]Ren G，Wang S，Ning J，et al.Quantitative analysis and geographical traceability of black tea using Fourier transform near-infrared spectroscopy（FT-NIRS） [J].Food Research International，2013，53：822-826.

[26]李敏.不同产地苹果的近红外光谱分类识别法 [J].红外，2014（12）：41-44.◇

Application of Near-infrared Spectroscopy（NIRS）in Geographical Origin Traceability of Food Products

HAO Lihua，ZHANG Ping
（He'nan Province Product Quality Supervision and Inspection Center，Zhengzhou，He'nan 450002，China）

The technologies for tracing the geographical origins of food products are very important for effectively assessing the geographical origins and protecting specialty food products.As a kind of green，rapid，efficient and accurate nondestructive testing technology，near infrared spectroscopy has broad application prospects in the field of food origin traceability.This paper reviews the basic principle of near infrared spectroscopy，and their research development in food traceability.We hope that this paper can help to promote the establishment and perfection of food origin traceability system in our country，ensure the steady and healthy development of the food market in China，and protect the lawful rights and interests of consumers.

NIRS；geographical origin traceability；recent progress

TN219

A

10.16693/j.cnki.1671-9646（X）.2016.12.043

1671-9646（2016）12b-0054-04

2016-10-05

郝莉花（1979— ），女，硕士，工程师，研究方向为食品安全。