红外光谱技术在乳制品检测方面的应用进展

文/魏艳敏 王 淼

（黑龙江立高仪器设备有限公司）

乳制品营养丰富，是消费量日益增长的食品之一，而乳制品质量安全问题也越来越受到人们的关注。目前对乳制品的质量安全监控主要依据国家标准的方法，存在检测速度慢、需要大量试剂、操作比较繁琐等缺点。红外光谱技术具有操作简单，灵敏度高，检测速度快，重复性好，试样用量少，仪器结构简单等优点[1]，已被广泛应用到乳制品检测领域。红外光谱技术的原理是通过红外光谱扫描，将检测的图谱与标准物质图谱比较，再根据朗伯—比尔定律进行定量分析[2]。红外光谱技术可检测的样品种类繁多，气态、液态和固态样品都可检测。当不同波长的红外光照射有机物分子时，不同物质分子对不同波长的红外光有特征性的吸收，即当红外光照射物质分子时，分子中的官能团或化学键会产生振动吸收，不同官能团、化学键吸收频率不同，因此可得到分子中化学键或官能团的位置和信息[3]。根据波长，红外光谱可分为近红外光谱、中红外光谱和远红外光谱，近红外光谱和中红外光谱常被用于检测物质的成分和含量。近红外光谱是含氢官能团振动吸收变化的结果，条带信号较弱，适合无需前处理的高吸收或强散射样品分析；中红外光谱是特定官能团振动引起的吸收条带，适合于有机物结构的鉴定，条带密度与官能团数量成比例，适合于定量分析[4，5]。红外光谱技术可以应用到乳制品生产的各个环节，可对原料乳、半成品乳及乳制品进行质量监控和分析。本文介绍了近年来国内外利用红外光谱技术在检测牛乳成分、掺杂使假、奶牛健康、蛋白质凝集结构等方面的应用进展，为全面评估红外光谱技术在乳制品从源头到终端的应用价值，为今后的乳制品安全检测技术和研究发展提供参考依据。

1 红外光谱定量分析模型

近红外光谱的定量分析必须借助化学计量学方法，如逐步线性回归、偏最小二乘、主成分分析、多元线性回归、连续投影算法、无信息变量消除算法、人工神经网络、遗传算法等[6]。数据预处理方法主要有括散射校正和求导。偏最小二乘法是目前应用比较广泛的一种光谱分析数学方法，根据输出的变量使原始数据压缩，从而使所建模型有较高的预测精度。人工神经网络具有快速、处理能力强、自学习自组织能力强的优点，与其它化学计量法相比具有无可比拟的优势。目前BP（反向传播）神经网络是应用最广的神经网络模型之一，采用误差反向传播算法，调整处理单元间的权重值。

2 红外光谱技术在牛奶成分检测方面的应用

牛奶的主要成分有蛋白质、脂肪、乳糖、维生素、矿物质元素等。牛奶成分分析是乳制品加工的关键，快速、准确、操作简便的成分检测方法是乳制品加工的重要环节。Tsenkova R等[7]利用近红外光谱技术测定生鲜乳中蛋白质、脂肪、乳糖等主要成分的含量。李庆波等[8]采用偏最小二乘法并结合不同光谱预处理方法构建了定量分析模型，对牛奶的主要成分进行定量检测。刘波平等[9]基于近红外光谱技术，利用PLS-BP模型对样品中蛋白质、脂肪、乳糖以及总固形物进行快速检测。Dračková M等[10]利用傅里叶近红外预测羊乳中脂肪、蛋白质、乳糖、冰点等指标。郑丽敏等[11]利用傅里叶变换近红外光谱快速检测了新疆驴奶中脂肪、蛋白质、灰分含量。Tsenkova R等[12]利用中红外和远红外光谱对未经均质的牛乳进行了成分分析，结果较准确。匡静云等[13]利用红外光谱，采用BP神经网络建立定量模型，快速检测原料乳中蛋白质和脂肪含量。穆同娜等[14]专家采用主成分分析方法，利用婴儿配方乳粉的近红外光谱数据与必需脂肪酸的含量数据建立了校正模型，检测结果与化学法相比无显著差异。中红外光谱可对牛奶中乳铁蛋白含量进行比较准确地预测，乳铁蛋白含量与体细胞数呈正相关，与产奶量呈负相关。中红外光谱结合原子吸收技术可以测定牛奶中微量元素，如Ca、K、Mg、Na、P等的含量。

3 红外光谱技术在乳制品质量安全监控方面的应用

3.1 牛奶新鲜度的检测

新鲜的牛奶是加工高质量乳制品的关键。牛奶长时间放置会导致微生物滋生，酸度升高，pH值降低；乳房炎会导致牛奶中体细胞数增加。牛奶的pH值、滴定酸度以及体细胞数等代表牛乳新鲜度的指标可通过近红外光谱建立的模型进行检测。Al-Qadiri H M等[15]用近红外光谱技术检测不同温度下保存不同时间的巴氏奶中菌落总数，预测模型可较准确地测定菌落总数，表明红外光谱可对乳制品进行快速和无损检测。Nicolaou N等[16]采用傅里叶变换近红外光谱技术对牛奶样品的腐败微生物进行了快速定量检测。Wang Y等[17]采用傅里叶变换近红外光谱仪区分不同保藏时段的原料奶新鲜度，通过多元线性回归MLR、最小二乘回归PLS、人工神经网络ANN建立预测模型，结果表明，该模型对酸度和pH值的预测相关系数均达到了0.85以上，可用于原料奶新鲜度的评价。

3.2 掺杂使假的检测

原料奶中掺入水、化学物质及其它低成本物质是目前原料奶收购环节中很难监控的问题。检验掺杂使假的方法主要是化学检验法，需要大量试剂，耗时耗力，且针对性强，对于未知物无法检验。近年来，采用红外光谱技术对原料奶的掺杂使假问题进行检测取得了很好的效果。张鑫等[18]利用化学计量方法编写计算机程序，同时建立模型，通过不同光谱预处理法和建模法的对比，确定最佳近红外光谱判别模型，建立了掺假原料奶近红外光谱识别平台，可较好地识别掺假原料奶。陈巧燕[19]建立了快速鉴别掺假奶的红外光谱分析法，利用红外光谱结合主成分分析法建立定标识别模型，并进行模型验证，结果表明，红外光谱法可以对掺假奶进行快速鉴别。王晓雨等[20]研究了一种可以快速检测掺假原料奶的红外光谱方法，运用红外光谱技术和主成分分析法建立定标模型，对掺假奶进行检测。古方青等[21]将近红外光谱分析法与化学计量学法结合，检测出原料奶中掺杂的植脂末和大豆分离蛋白，并且发现通过平滑处理结合多元散射校正进行光谱预处理，用径向基神经网络建模效果最佳。

4 红外光谱技术在其它方面的应用

近红外光谱结合化学计量法能够区分不同放牧、舍饲饲养系统的绵羊奶[22]。傅氏转换红外线光谱分析仪结合偏最小二乘法辨别分析模型能够判定日粮中是否含有新鲜牧草，区分有机牧场和传统牧场样品的正确率达到80%以上[23]。中红外光谱技术能够根据奶牛的基础日粮干草和玉米青贮区分原料奶，但不能辨别奶牛品种和牧场海拔之间的差异[24]。近红外光谱结合多元变量统计分析软件SIMCA分析双重体细胞数（SCC）阈值，可将奶牛可分为健康、过渡和乳房炎3 种[25]。Kawamura S等[26]建立了近红外传感系统，在线监测原料奶质量，在挤奶时的特定波段内获取原料奶数据，通过脂肪、蛋白质、乳糖、体细胞数、乳尿素氮的检测模型判断奶牛健康状况。

5 小结

红外光谱由于诸多优点而备受关注，在乳制品检测方面应用比较广泛。但是由于建立检测模型需要大量具有代表性的样品，并且理想样品很难获得，因此在检测结果上与化学检验法还有一定差距。随着红外光谱技术研究不断深入，模型不断升级，配套化学计量软件功能不断优化，检测技术方面问题会逐步解决。未来，开发能够在线监测样品质量的红外光谱检测仪器，以及检测原料奶及乳制品成分的便携式红外光谱仪是发展趋势。