基于现代近红外光谱技术的食品检测工作分析

◎ 熊文霞

（云县市场监督管理局，云南 临沧 675800）

食品安全和质量一直是社会各界关注的重要问题，全球各地的食品生产商都在努力确保其产品既具有高质量，又不会对消费者的健康造成威胁。然而，随着食品供应链的复杂性增加和全球市场的扩张，确保食品的安全性和质量，变得愈加具有挑战性[1]。在这个背景下，基于近红外光谱技术的食品检测工作已经崭露头角，为食品安全和质量控制带来了新的希望。

近红外光谱技术是一种强大的分析工具，具有快速、非破坏性和多功能的特点。它利用光的吸收、散射和反射来分析样品的化学成分和性质，不会对样品造成任何损害[2]。这一技术的关键在于近红外光与分子振动和伸缩模式之间的相互作用，通过记录样品吸收或反射的光谱信息，了解样品中的成分、含量和特性[3]。因此，本文深入研究这一技术在食品行业中的应用领域、工作原理，以及对食品安全和质量控制的重要性。通过对近红外光谱技术的样品准备、数据采集和数据分析等工作流程，把握其在检测食品中的污染物、有害物质和微生物方面的应用。通过深入了解近红外光谱技术在食品检测中的作用，可以更好地理解其在确保食品质量、提高食品安全性中的价值，促进食品行业可持续发展。

1 近红外光谱技术

1.1 技术概述

近红外光谱技术（Near-Infrared Spectroscopy，NIRS）是一种基于光学原理的分析方法，能够在不破坏样品的情况下获取关于样品成分和性质的信息。该技术的核心原理在于近红外光与分子的振动和伸缩模式之间的相互作用。

近红外光谱技术利用了近红外光（波长范围通常为700～2 500 nm）通过样品时与样品中的分子发生相互作用的原理，当近红外光穿过或反射于样品时，会与样品中的化学成分相互作用，导致光谱中的吸收、散射和反射发生变化。这些变化包含关于样品中化学键振动、分子伸缩和其他分子性质的信息。其对光的吸收可以用博朗-比尔定律来表示：

其中，A为食品的吸光度，l为光走的程长，为光的吸收系数，c为吸光组分在样品中的浓度，T为透射率。

在近红外光谱检测中，光谱数据通常通过光谱仪器采集，这些仪器会发送一束近红外光源到样品上，然后测量经过样品后的光谱。数据采集可以是吸收光谱或反射光谱，对于固态样本，对光的吸收和反射主要以漫射的形式，漫反射和漫反射吸光度以Kubelka-Munk理论来描述，具体表示为：

其中，A为固态样本食品的吸光度，R为漫反射率，I为测得的漫反射光强，I0为背景环境测得的漫反射光强。

1.2 应用场景

近红外光谱技术在食品行业中的应用场景包括食品成分分析、质量控制、食品安全检测、酒质检测、农业应用等。具体来说，近红外光谱技术被广泛应用于分析食品中的成分，如水分、脂肪、蛋白质、糖分等，对于确定食品的营养价值和质地非常重要。在食品生产中，近红外光谱可用于检测产品的质量并及时调整生产过程，确保产品在规定的质量标准内[4-5]。

近红外光谱技术的应用优势主要体现在以下几点：

（1）非破坏性。 近红外光谱技术是一种非破坏性的分析方法，不需要样品的物理或化学处理。这意味着样品可以在检测过程中保持完整性，不会受到损害。

（2）快速性。光谱数据的采集和分析通常非常快速，允许实时监测和快速决策。在食品生产过程中，近红外光谱技术可实时监测和控制生产参数，有助于及时发现问题并采取纠正措施，对于生产线上的质量控制至关重要。

（3）多功能性。近红外光谱技术适用于多种应用领域，可以分析不同类型的样品。例如，食品、药物等，涉及食品业、农业、制造业等。同时，与传统分析方法相比，近红外光谱技术通常更经济，因为其不需要昂贵的试剂或复杂的样品处理。

2 食品检测工作流程

2.1 样品准备

①从生产批次中随机采样酱油样品，采样应该尽可能代表整个批次的特性，采样包需要使用特制的工具从不同部分和容器中抽取样品。②每个采集到的样品都应该加以标识，包括样品来源、采样日期、生产批次号等信息，有助于追溯和记录。

酱油样品需要在实验室中进行制备，制备步骤包括将样品进行搅拌和混合，确保样品的均匀性，并通过过滤去除悬浮物和固体颗粒。如果酱油太浓或太稠，可能需要进行适当的稀释，以便后续分析。

2.2 近红外光谱分析

食品检测工作流程中的数据分析，是为了从采集到的数据中提取有用的信息、作出决策和评估食品的质量、安全性和合规性。在酿造类食品生产中，相关产品中的参数需要符合国家规定，以酱油为例，酱油的国家规定标准如表1所示。

表1 酱油中可溶性无盐固形物、全氮、氨基酸态氮参数参考表

表1列出了酱油中可溶性无盐固形物、全氮和氨基酸态氮的参数参考值，这些值适用于不同等级和类型的酱油，这些参数可以用于评估酱油的质量和符合性。

准备特级、一级、二级和三级的高盐稀态发酵酱油各一份，以及特级、一级、二级和三级的低盐固态发酵酱油各一份，共计8份样品，分别编号1～8。在分析前，需要将每个样品制备成适合光谱分析的形式。通常，可以将酱油样品放置在透明的玻璃或石英容器中，以便光可以透过样品。使用已知含量的特级酱油样品建立校准模型。这可以通过将光谱数据与样品的实际可溶性无盐固形物、全氮和氨基酸态氮含量之间的关系进行分析完成。预测这些样品中可溶性无盐固形物、全氮和氨基酸态氮的含量如表2所示。

表2 酱油中近红外光谱检测结果表

对于高盐稀态发酵酱油，样品1中的可溶性无盐固形物较高，全氮和氨基酸态氮含量也相对较高，表示这个样品在口感和氨基酸含量方面表现出色；样品2中的可溶性无盐固形物稍低于特级，但全氮和氨基酸态氮含量仍然相对较高；样品3中的可溶性无盐固形物略低，但全氮和氨基酸态氮含量仍然适中，是一种平衡口感和氨基酸含量的产品；样品4中的可溶性无盐固形物和氨基酸态氮含量较低，全氮含量也相对较低。因此，这个样品可能在口感和氨基酸含量方面表现较差。

对于低盐固态发酵酱油，样品5中的可溶性无盐固形物较高，全氮和氨基酸态氮含量也相对较高；样品6中的可溶性无盐固形物略低于特级；样品7中的可溶性无盐固形物稍低，但全氮和氨基酸态氮含量仍然适中；样品8中的可溶性无盐固形物和氨基酸态氮含量较低，全氮含量也相对较低。

3 结语

当前，现代近红外光谱技术已成为食品检测领域的重要工具，是食品工业常用的高效性和精确性的分析手段。未来，相信近红外光谱技术将继续为食品领域的科研和实践带来更多突破，进一步推动食品行业的进步，确保食品供应链的可持续性和安全性，为人们提供更加可信赖的食品。