近红外光谱技术在食品和农产品领域中的应用

桑力青，徐冰洁，杨晨曦，刘 臻

（绿城农科检测技术有限公司，浙江杭州 310052）

近红外技术在1930年开始出现，但起初这项技术并未运用到食品与农产品领域。到20世纪中叶，国外研究人员利用其透射光谱检测食品与农产品中的水分。该技术发展至20世纪60年代，被运用到谷物的湿度分析中，开启了农产品与食品领域该项技术新的研究篇章。

1 基本原理与主要特征

1.1 基本原理

近红外光属于波长处在中红外和可见光之间的电磁波段，波长范围被规定为780～2 526 nm。被近红外光照射的有机物分子，其内部的氢基团因激发而出现跃迁现象，待测物会吸收一定的近红外光能量，由此获得近红外光谱，通过对光谱进行分析即可获得待测物中的有机物质含量和组分信息[1]。例如，农产品由于品种类型、产地情况、加工方法等不同，内部的有机物成分存在明显差异，该技术可用于农产品的品质检测、食品真实性鉴定等。

1.2 主要特点

①便于操作。该技术的操作流程十分简单，如在产品产地溯源方面，主要流程是收集近红外光谱、预处理数据和构建产地溯源模型等。待建立模型后，操作人员对检测样品进行光谱信息采集，在此基础上计算机系统能够自行预测样品产地。②快速检测。使用近红外光谱对样品进行检测分析，无需进行前处理，在2 min左右就能完成光谱采集，还可以满足同时检测多个指标的要求。③绿色环保，不使用有机试剂。在实际进行分析时，无需使用有机化学试剂或进行前期处理，因此具备绿色环保、成本投入低的优势。

2 近红外光谱技术在食品领域中的具体应用

2.1 检测食品中的脂肪含量

现阶段，国内常见的检测脂肪含量的方式有酸水解法、索氏提取法等，虽然能得到极为精确的检测结果，但实验操作流程相对烦琐，需对样品进行预处理，花费时间较长，因此难以满足大批量检测的需求。近红外光谱技术兼具快速、绿色等优势，可以满足快速检测大规模样本的要求。近年来，我国主要使用该技术对肉制品中的脂肪含量进行检测，相关实践结果表明检测结果十分精准。例如，采集猪肉、羊肉等食品的近红外光谱数据，待测样品利用索氏提取法检测脂肪含量，在此基础上构建数据集模型，通过预处理光谱的方法与利用最佳模型波段，构建相对理想的预测模型，肉质样本种类不同，则对应不同的预处理光谱法、最佳建模波段。相关研究人员构建的模型均满足检测精度要求，同时符合肉制品检测的实际需求。引入美国大豆Century品种等位基因系和日本Lox缺失材料作为实验参比样，在一定的实验条件下，通过电泳酶谱进行Lox分析获得4条同工酶带，符合国外文献报道。这种检验方法已经运用4 000多份中国大豆资源以及品质育种杂交后代的鉴定工作中，也从中筛选得到Lox同工酶缺失体，为能够鉴别大豆加工原料提供方法[2]。

2.2 检测食品中的致病菌

近红外光谱技术在检测食品中的致病菌方面也起到重要的作用。食品若被致病菌污染，会给身体带来巨大危害，在食品安全检测中一直将检测致病菌作为重要任务。以往采用的检测手段不仅流程较多且涉及内容复杂，无法满足食品行业的发展要求。因此，实现对食品中致病菌的快速检测成为重点研究课题[3]。近红外光谱技术在致病菌检测方面具有一定的优势，利用光谱能清晰观察到微生物的细胞特点，而光谱中的不同波长结合细菌细胞，能够对食物中含有的各种细菌进行分类。国外相关研究人员使用该技术结合傅里叶变换技术，对食品中的致病菌进行检测，结果发现该技术成功进行细菌分类的概率高达94%。我国研究人员利用红外光谱技术，尝试以微量和常量取样的方法展开全面分析，成功判断李斯特菌的概率为79.2%和90.0%，成功判断沙门氏菌的概率是92.8%和95.0%[4]。

2.3 检测食品中的药物残留

传统技术在检测食品中的药物残留时会使用有机化学试剂，购买化学试剂的成本高，而且需要满足的条件较多，大大提高了检测成本，检测效率也较低。常规检测还可能引发二次污染问题，因此研发既能满足快速检测又符合环保绿色需求的检测技术十分重要。虽然单纯使用红外光谱检测食品中药物残留的结果正确率偏低，但如果添加相应的药剂会大幅提升检测准确率。有关不同种类食品的药物残留研究中主要研究对象为毒性程度不一的农药，相关研究结果表明，该技术在有机磷类药物的残留检测中准确度较高。

3 近红外光谱技术在农产品领域中的具体应用

3.1 腐烂鉴别

国外研究人员在粮库虫害检测工作中，使用近红外光谱技术重点检测发生虫害的时期内粮食水分变化、甲壳质含量等，从而判断灾害程度[5]。有研究人员选择1 202 nm与1 300 nm的近红外光分别对10颗有害虫与无害虫的小麦颗粒进行检测，对采集到的图像进行分析，发现有害虫发生的小麦颗粒近红外图像中亮斑占比较大，而正常小麦整体为黑色[6]。两个图像通过减运算，得出有无虫害的图像间体现出明显的差异。近红外图像能满足粮食中虫害的检测，在鉴别完整和虫蚀粮粒上能达到预期效果，但对具有不同类型的成虫、幼虫等差别不明显的粮食颗粒鉴别效果一般，并且该实验是在实验室中进行的，所以和实际应用存在较大差异。

3.2 检测农产品质量安全

农产品质量一直是人们重点关注的问题，近些年出现的产品掺假、农药残留等问题，引发了社会对农产品质量检测的热议。农产品质量安全中，气相色谱、气质联用等是常用的方法，但这些方法操作烦琐且费用较高，无法实现快速检测，而近红外光谱技术可以满足以上要求。我国研究人员选择普洱茶叶作为研究对象，分别对不含香精和含有不同浓度香精的样品进行近红外光谱数据采集，对数据进行处理后构建掺假定量预测模型，有关模型对两种香精（香豆素、乙基麦芽酚）给出的决定系数是0.798 9、0.683 8，计算方根误差是0.146 1、0.180 0，可实现对茶叶中香精成分的快速检测[7]。

3.3 产地溯源

随着人们生活水平的提升，一些地域性的农产品受到广大消费者与农产品市场的认可，这些农产品可以创造十分可观的经济效益。一些不法商贩面对利益的诱惑，使用其他产品冒充地域产品，以次充好，严重侵害到消费者的切身利益，也是对生产者积极性的打击。因此，对农产品进行产地溯源检测显得十分重要。近些年，近红外光谱技术在产地溯源方面体现出巨大优势。例如，将西洋参作为溯源地检测的研究对象，通过采集其近红外光谱数据，构建西洋参不同规格、不同产地的判别模型，实验结果表明，这一模型能够清晰提取存在差异的近红外光谱信息，满足快速区分国产西洋参产品与进口西洋参产品的实际需求，同时运用于辨识西洋参的药材与饮片、判别西洋参产品的规格与产地[8]。选择我国不同产区的铁皮石斛，收集1 000～1 650 nm近红外光谱信息并建立产地分类模型，预测训练集与验证集的过程中，这一模型达到了100%的精准识别，预测未参与采样的其他产区的铁皮石斛，样品拒绝率达到100%，由此能够证明这一模型能够准确识别不同产地的铁皮石斛[9]。选择3个普洱茶产地的茶叶样品作为研究对象，对其1 100～2 498 nm近红外光谱信息进行采集，构建识别普洱茶产地的定性分析模型，识别校正集与识别验证集的正确率是98.15%、100.00%，符合无损且快速识别茶叶产地的检测工作要求[10]。

4 农产品产地溯源中近红外光谱技术的发展设想

近红外光谱技术因具备快速分析、无损检测、成本低和满足在线检测需求等诸多优势，现已在研究农产品产地溯源中成为一项热门检测技术，但其仍存在一定的局限性。①技术检测结果的准确性易受环境情况、样品来源等因素影响，同时在运输与贮藏期间，农产品的有机成分发生变化，也会给最终判别模型的检测正确率带来干扰。因此，要选择有代表性的产品，兼顾品种、运输等相关影响条件，从而确保溯源模型的科学性。②该技术在检测均质产品、流体产品时，相比固体产品的检测准确率更高，因此要控制孔隙度使其均匀分布，若要提高预测结果的精确度，建议先对待测样品进行处理。③在前期研究工作中发现，该技术能够区分不同产地的产品，但难以有效鉴别不同产区的产品是否掺假。因此，应进一步研究可满足检测需求的化学计量学方法，还要强化模型精度，从而提升鉴别精确度与实际检测速度。

5 结语

在我国食品与农产品领域，该技术的应用研究仍有较大的提升空间，与进入全面推广使用阶段仍存在一定距离，也无法忽视技术水平和市场发展的限制。我国作为世界上的农业与人口大国，该技术拥有广阔的发展前景，如农产品快速水分检测、营养品防伪检测等。社会经济的高速发展和人们不断提高的产品消费要求是近红外光谱技术的发展动力。科研工作者应进行深入研究，使该技术得到更广泛的应用。