可见近红外光谱技术在液态食品检测中的应用研究进展

随着人们生活质量的不断提高，对食品安全的要求也越来越高，在这种情况下，为了避免再次出现“三聚氰胺毒奶粉”“地沟油”等食品安全问题，必须要做好对液态食品的检测工作。在对液态食品进行检测时，可见近红外光谱技术凭借检测的客观性、可靠性、安全性得到了广泛应用。客观来讲，可见近红外光谱技术相比于液相色谱、气相色谱、电化学分析法等检测技术，实现了借助光纤远距离的测量，具有高效、无损、无污染等优点，在液态食品检测中的应用优势更加明显，检测精度和准度也更高。

一、可见近红外光谱技术

在液体食品检测中的原理

近红外光谱通过记录液体食品中的结构组成信息等内容，实现对液体食品分子结构状态的测定，从而给试验样品提供定量和定性的理论依据，具有方便、快速、高效、准确和低成本、不破坏样品、不消耗化学试剂、不污染环境等优点。

在液态食品成分的检测过程中，近红外光谱技术主要有定量和定性分析这两种方式。定量分析是指借助近红外光谱数据和样本作为参考值建立模型，通过模型预测样品的成分以及含量，实现收集样品数据、标定参考值和采集光谱数据。通常情况下，定量分析常用元线性回归、主成分回归、偏最小二乘法以及支持向量机等校准方法来实现对液态食品的检测。定性分析是指根据可见近红外光谱所包含的相关组成信息以及结构信息，确认试验检测的样品品质以及光谱特性等定性关系，并利用马氏距离、聚类分析等分析方法，实现对液态食品的检测分析。

二、近红外光谱技术的关键点分析

1.对波长的优化和预处理分析。对样品进行光谱分析时，往往会出现高频随机噪音、样品未均质化的特点，必须对其进行光谱数据预处理，才能实现对样品的校正检测。但近红外光谱中对于样品的特征区域检测并不明顯，同时又包含了很多冗余信息，基于此，在建模过程中，往往需要剔除那些不相关的信息，才能选择有效的波段信息。目前常用的波长方法有相关系数法、CARS法、偏最小二乘法筛选变量法、无信息变量消除法以及遗漏算法等方法，尤其是CARS法必须通过自适应加权采样筛选的方式，选择出最高波长并去除最小波长的方式，最终选择出最优的相关波长长度。

2.对奇异样本的剔除分析。在液态食品的检测中，如果出现奇异样本，则应该剔除奇异样本，否则奇异样本会影响到检测实验的精准度。在剔除奇异样本的过程中，使用马氏距离法、蒙特卡罗法的方式，确定样品中的PCR主成分，并对样本中的MCS数据进行检测校准，从而得到每一个样本的预测误差值分布情况，有利于实现对样本预测值的计算。

3.对光谱的有效选择。随着人们对近红外光谱的深入研究，近红外光谱的应用越来越普遍，借助二维相关光谱法的方式，能够有效突显光谱扰动外界而引起的各种变化特征。在对可见近红外光谱信号的分析中，想要提高光谱的分辨率，就必须对光谱之间存在的相关性进行分析，同时还需要对同步交叉峰的光谱做到有效解释，才能减小由噪音或者基线引起的误差，提升近红外光谱的精度。

三、可见近红外光谱技术

在液态食品检测中的应用

1.在奶制品中的检测应用。可见近红外光谱在奶制品的检测过程中，能够得到非均脂奶制品的可见近红外光谱，从而在该基础上构建出与牛奶脂肪、蛋白质以及乳糖等相关的标定模型，实现对奶制品这种液态食品的质量检测。

首先将可见近红外光谱技术和化学计量学整合在一起，能够构建出含有植物蛋白以及淀粉的植物性填充奶制品辨识模型，当奶制品中含有植物性填充物，那么可见近红外光谱就能迅速检测出奶制品中的相关性质和含量。然后通过对可见近红外光谱技术中奶制品的检测分析，得到可见近红外光谱对奶制品处理过程中的脂肪含量，在可见近红外光的波长范围内，实现对奶制品中所含脂肪量的实际情况进行深入检测，有助于更好地实现对奶制品整个监控过程和环境的有效检测和设计改善，使可见近红外光谱更加稳定性。接着对近红外光谱图像的相关参数以及电子鼻信号参数数据进行深入分析，将这些参数数据的第一成分分值用于建立可观察的奶制品发酵轨迹过程表，并实现在可见近红外光谱中通过偏小二乘法的有效处理方式，从而建立起对奶制品相关HP以及总酸值的有效校准。最后在综合使用可见近红外光谱技术中，对奶制品的实际发酵情况进行在线检测和评价，利用可见近红外光谱技术对奶制品中的非均脂牛奶的近红外光谱波长进行测量，可以对奶制品中的主要成分进行检测，并做到对奶制品中细胞个数的SCC以及牛奶尿素氮MUN的有效标定，有利于在线检测出奶制品的品质，提升奶制品品质的稳定性。

2.在果汁类中的检测应用。可见近红外光谱在果汁类中的检测应用比较多，并且检测结果的准确性也较高，偏差值在0.1%范围内。如：对没有发酵的果汁品种进行甄别时，电子鼻和紫外光谱技术的错误率分别是41.3%和47.7%，而可见近红外光谱技术分析的错误率只有30.7%。在对果汁类食品的糖分进行检测时，可见近红外光谱可以有效判定该果汁类食品是否被污染或者是假冒伪劣产品，借助可见近红外光谱技术，能有效实现对果汁类品牌的有效辨识，提升检测的精准率。在对苹果果汁的可溶性固形物含量进行检测时，可以使用变换可见近红外光谱透射的方式进行定量性研究，借助可见近红外光谱引起的检测模型对照分析，能够有效预测出对应的平方误差以及决定系数，实现对基准模型的预测，从而精准、快捷、无损地检测出新鲜果汁中的固形物含量值，得到精准的检测数据。

3.在酒类中的检测应用。利用可见近红外光谱技术，结合偏最小二乘算法，建立一种同时快速测定酒中总酚含量、有色聚合体、三甲聚合体以及单宁酸的方法，并通过光谱预处理方法，实现对异常值的诊断和建模参数的优化，以提高模型的预测精度，提升检测的快速性、准确性。

酒类检测中心将可见近红外光谱技术应用于对不同种类酒品质分析中，并建立对应的酒类数据模型，通过研究分析发现可见近红外光谱检测数据与酒的品质评价存在一定的联系性，也就是说可见近红外光谱技术对酒类的品质评价也能提供一定的数据分析。如：水分、酸度、酯类的含量等，但是这种分析研究存在一定的局限性，需要采集酒醅的近红外漫透射光谱，基于偏最小二乘法建立近红外光谱的数学模型，以快速检测酒醅中的水分和酸度值，并采用交叉验证的方法对模型进行检验，得到的相关系数均满足精度要求，进一步验证了模型的准确性，以实现对酒醅中水分和酸度值的快速检测。

在利用可见近红外光谱技术分析检测酒类的酿造过程中，对酒类酿造的15个参数进行检测，并用偏小二乘法和交互验证法的方式进行多变量校正方法，能够建立出光谱模型。在对酒精度、pH、乳糖以及总酸等化合物进行判别时，当这些物质远低于可见近红外光谱技术的检测限时，则符合酒类的品质要求。

随着检测技术的发展，将近红外、中红外光谱技术应用到酒类酒精度和容积重量指标的检测中发现，该方法和标准方式十分接近。同时对酒类色素成分进行检测发现，标准样品分析误差在0.15-23.79mg·L-1，因此，可见近红外光谱技术可用于酒类色素成分的检测中。

4.在食用油中的檢测应用。将可见近红外光谱技术应用在食用油的检测中，可以分为两种类型，一种是定性分析，其可以更好地鉴别出食用油的真假情况;另一种是定量检测，主要是对食用油中主要成分的检测。

21世纪初期，人们在借助可见近红外光谱的同时也结合PCA技术，实现了对果汁中精油成分的检测，这给食用油的检测提供了全新方法。应用可见近红外光谱技术建立快速鉴别食用油模型，并建立测定食用油中的棕榈酸、硬脂酸、油酸等脂肪酸的含量，实现可见近红外光谱技术的定量分析模型，借助SVM技术，构建出对食用油掺伪鉴别模型的构建，选择最为合适的可见近红外光谱波长变量，有助于更好地建立PLS检测油的相关模型，实现对模型的优化。

另外也可将可见近红外光谱技术与二维相关分析技术结合在一起，分析不同种类的食用油，随后根据温度的变化情况进行动态光谱二维分析，当温度处于50-160℃，随着食用油温度的升高发生波段的变化，并在5500-6000nm的波段范围内建立二维相关可见近红外光谱图，实现对自动峰和交叉峰的直观鉴别。食用油在可见近红外光谱技术中的光谱波长强度在885-897nm中的比值大于1.4，而地沟油则小于1.1，借助这个比值差异，可实现对食用油的区分，并在2430-2445nm和2465-2485nm这两个不同波段的食用油中，存在非常明显的峰值差异，因此可见近红外光谱技术能够分辨出地沟油和食用植物油。

总之，可见近红外光谱技术在液体食品的检测过程中，具有高效、无损的特点，尤其是在乳制品、果汁类、酒类和食用油的检测中，具有非常良好的检测效果。

作者简介：黄小军（1982-），男，汉族，四川岳池人，大学本科，工程师，研究方向为食品检测。