可見近紅外光譜技術(shù)在液態(tài)食品檢測(cè)中的應(yīng)用研究進(jìn)展

隨著人們生活質(zhì)量的不斷提高，對(duì)食品安全的要求也越來越高，在這種情況下，為了避免再次出現(xiàn)“三聚氰胺毒奶粉”“地溝油”等食品安全問題，必須要做好對(duì)液態(tài)食品的檢測(cè)工作。在對(duì)液態(tài)食品進(jìn)行檢測(cè)時(shí)，可見近紅外光譜技術(shù)憑借檢測(cè)的客觀性、可靠性、安全性得到了廣泛應(yīng)用。客觀來講，可見近紅外光譜技術(shù)相比于液相色譜、氣相色譜、電化學(xué)分析法等檢測(cè)技術(shù)，實(shí)現(xiàn)了借助光纖遠(yuǎn)距離的測(cè)量，具有高效、無損、無污染等優(yōu)點(diǎn)，在液態(tài)食品檢測(cè)中的應(yīng)用優(yōu)勢(shì)更加明顯，檢測(cè)精度和準(zhǔn)度也更高。

一、可見近紅外光譜技術(shù)

在液體食品檢測(cè)中的原理

近紅外光譜通過記錄液體食品中的結(jié)構(gòu)組成信息等內(nèi)容，實(shí)現(xiàn)對(duì)液體食品分子結(jié)構(gòu)狀態(tài)的測(cè)定，從而給試驗(yàn)樣品提供定量和定性的理論依據(jù)，具有方便、快速、高效、準(zhǔn)確和低成本、不破壞樣品、不消耗化學(xué)試劑、不污染環(huán)境等優(yōu)點(diǎn)。

在液態(tài)食品成分的檢測(cè)過程中，近紅外光譜技術(shù)主要有定量和定性分析這兩種方式。定量分析是指借助近紅外光譜數(shù)據(jù)和樣本作為參考值建立模型，通過模型預(yù)測(cè)樣品的成分以及含量，實(shí)現(xiàn)收集樣品數(shù)據(jù)、標(biāo)定參考值和采集光譜數(shù)據(jù)。通常情況下，定量分析常用元線性回歸、主成分回歸、偏最小二乘法以及支持向量機(jī)等校準(zhǔn)方法來實(shí)現(xiàn)對(duì)液態(tài)食品的檢測(cè)。定性分析是指根據(jù)可見近紅外光譜所包含的相關(guān)組成信息以及結(jié)構(gòu)信息，確認(rèn)試驗(yàn)檢測(cè)的樣品品質(zhì)以及光譜特性等定性關(guān)系，并利用馬氏距離、聚類分析等分析方法，實(shí)現(xiàn)對(duì)液態(tài)食品的檢測(cè)分析。

二、近紅外光譜技術(shù)的關(guān)鍵點(diǎn)分析

1.對(duì)波長(zhǎng)的優(yōu)化和預(yù)處理分析。對(duì)樣品進(jìn)行光譜分析時(shí)，往往會(huì)出現(xiàn)高頻隨機(jī)噪音、樣品未均質(zhì)化的特點(diǎn)，必須對(duì)其進(jìn)行光譜數(shù)據(jù)預(yù)處理，才能實(shí)現(xiàn)對(duì)樣品的校正檢測(cè)。但近紅外光譜中對(duì)于樣品的特征區(qū)域檢測(cè)并不明顯，同時(shí)又包含了很多冗余信息，基于此，在建模過程中，往往需要剔除那些不相關(guān)的信息，才能選擇有效的波段信息。目前常用的波長(zhǎng)方法有相關(guān)系數(shù)法、CARS法、偏最小二乘法篩選變量法、無信息變量消除法以及遺漏算法等方法，尤其是CARS法必須通過自適應(yīng)加權(quán)采樣篩選的方式，選擇出最高波長(zhǎng)并去除最小波長(zhǎng)的方式，最終選擇出最優(yōu)的相關(guān)波長(zhǎng)長(zhǎng)度。

2.對(duì)奇異樣本的剔除分析。在液態(tài)食品的檢測(cè)中，如果出現(xiàn)奇異樣本，則應(yīng)該剔除奇異樣本，否則奇異樣本會(huì)影響到檢測(cè)實(shí)驗(yàn)的精準(zhǔn)度。在剔除奇異樣本的過程中，使用馬氏距離法、蒙特卡羅法的方式，確定樣品中的PCR主成分，并對(duì)樣本中的MCS數(shù)據(jù)進(jìn)行檢測(cè)校準(zhǔn)，從而得到每一個(gè)樣本的預(yù)測(cè)誤差值分布情況，有利于實(shí)現(xiàn)對(duì)樣本預(yù)測(cè)值的計(jì)算。

3.對(duì)光譜的有效選擇。隨著人們對(duì)近紅外光譜的深入研究，近紅外光譜的應(yīng)用越來越普遍，借助二維相關(guān)光譜法的方式，能夠有效突顯光譜擾動(dòng)外界而引起的各種變化特征。在對(duì)可見近紅外光譜信號(hào)的分析中，想要提高光譜的分辨率，就必須對(duì)光譜之間存在的相關(guān)性進(jìn)行分析，同時(shí)還需要對(duì)同步交叉峰的光譜做到有效解釋，才能減小由噪音或者基線引起的誤差，提升近紅外光譜的精度。

三、可見近紅外光譜技術(shù)

在液態(tài)食品檢測(cè)中的應(yīng)用

1.在奶制品中的檢測(cè)應(yīng)用?？梢娊t外光譜在奶制品的檢測(cè)過程中，能夠得到非均脂奶制品的可見近紅外光譜，從而在該基礎(chǔ)上構(gòu)建出與牛奶脂肪、蛋白質(zhì)以及乳糖等相關(guān)的標(biāo)定模型，實(shí)現(xiàn)對(duì)奶制品這種液態(tài)食品的質(zhì)量檢測(cè)。

首先將可見近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)整合在一起，能夠構(gòu)建出含有植物蛋白以及淀粉的植物性填充奶制品辨識(shí)模型，當(dāng)奶制品中含有植物性填充物，那么可見近紅外光譜就能迅速檢測(cè)出奶制品中的相關(guān)性質(zhì)和含量。然后通過對(duì)可見近紅外光譜技術(shù)中奶制品的檢測(cè)分析，得到可見近紅外光譜對(duì)奶制品處理過程中的脂肪含量，在可見近紅外光的波長(zhǎng)范圍內(nèi)，實(shí)現(xiàn)對(duì)奶制品中所含脂肪量的實(shí)際情況進(jìn)行深入檢測(cè)，有助于更好地實(shí)現(xiàn)對(duì)奶制品整個(gè)監(jiān)控過程和環(huán)境的有效檢測(cè)和設(shè)計(jì)改善，使可見近紅外光譜更加穩(wěn)定性。接著對(duì)近紅外光譜圖像的相關(guān)參數(shù)以及電子鼻信號(hào)參數(shù)數(shù)據(jù)進(jìn)行深入分析，將這些參數(shù)數(shù)據(jù)的第一成分分值用于建立可觀察的奶制品發(fā)酵軌跡過程表，并實(shí)現(xiàn)在可見近紅外光譜中通過偏小二乘法的有效處理方式，從而建立起對(duì)奶制品相關(guān)HP以及總酸值的有效校準(zhǔn)。最后在綜合使用可見近紅外光譜技術(shù)中，對(duì)奶制品的實(shí)際發(fā)酵情況進(jìn)行在線檢測(cè)和評(píng)價(jià)，利用可見近紅外光譜技術(shù)對(duì)奶制品中的非均脂牛奶的近紅外光譜波長(zhǎng)進(jìn)行測(cè)量，可以對(duì)奶制品中的主要成分進(jìn)行檢測(cè)，并做到對(duì)奶制品中細(xì)胞個(gè)數(shù)的SCC以及牛奶尿素氮MUN的有效標(biāo)定，有利于在線檢測(cè)出奶制品的品質(zhì)，提升奶制品品質(zhì)的穩(wěn)定性。

2.在果汁類中的檢測(cè)應(yīng)用?？梢娊t外光譜在果汁類中的檢測(cè)應(yīng)用比較多，并且檢測(cè)結(jié)果的準(zhǔn)確性也較高，偏差值在0.1%范圍內(nèi)。如：對(duì)沒有發(fā)酵的果汁品種進(jìn)行甄別時(shí)，電子鼻和紫外光譜技術(shù)的錯(cuò)誤率分別是41.3%和47.7%，而可見近紅外光譜技術(shù)分析的錯(cuò)誤率只有30.7%。在對(duì)果汁類食品的糖分進(jìn)行檢測(cè)時(shí)，可見近紅外光譜可以有效判定該果汁類食品是否被污染或者是假冒偽劣產(chǎn)品，借助可見近紅外光譜技術(shù)，能有效實(shí)現(xiàn)對(duì)果汁類品牌的有效辨識(shí)，提升檢測(cè)的精準(zhǔn)率。在對(duì)蘋果果汁的可溶性固形物含量進(jìn)行檢測(cè)時(shí)，可以使用變換可見近紅外光譜透射的方式進(jìn)行定量性研究，借助可見近紅外光譜引起的檢測(cè)模型對(duì)照分析，能夠有效預(yù)測(cè)出對(duì)應(yīng)的平方誤差以及決定系數(shù)，實(shí)現(xiàn)對(duì)基準(zhǔn)模型的預(yù)測(cè)，從而精準(zhǔn)、快捷、無損地檢測(cè)出新鮮果汁中的固形物含量值，得到精準(zhǔn)的檢測(cè)數(shù)據(jù)。

3.在酒類中的檢測(cè)應(yīng)用。利用可見近紅外光譜技術(shù)，結(jié)合偏最小二乘算法，建立一種同時(shí)快速測(cè)定酒中總酚含量、有色聚合體、三甲聚合體以及單寧酸的方法，并通過光譜預(yù)處理方法，實(shí)現(xiàn)對(duì)異常值的診斷和建模參數(shù)的優(yōu)化，以提高模型的預(yù)測(cè)精度，提升檢測(cè)的快速性、準(zhǔn)確性。

酒類檢測(cè)中心將可見近紅外光譜技術(shù)應(yīng)用于對(duì)不同種類酒品質(zhì)分析中，并建立對(duì)應(yīng)的酒類數(shù)據(jù)模型，通過研究分析發(fā)現(xiàn)可見近紅外光譜檢測(cè)數(shù)據(jù)與酒的品質(zhì)評(píng)價(jià)存在一定的聯(lián)系性，也就是說可見近紅外光譜技術(shù)對(duì)酒類的品質(zhì)評(píng)價(jià)也能提供一定的數(shù)據(jù)分析。如：水分、酸度、酯類的含量等，但是這種分析研究存在一定的局限性，需要采集酒醅的近紅外漫透射光譜，基于偏最小二乘法建立近紅外光譜的數(shù)學(xué)模型，以快速檢測(cè)酒醅中的水分和酸度值，并采用交叉驗(yàn)證的方法對(duì)模型進(jìn)行檢驗(yàn)，得到的相關(guān)系數(shù)均滿足精度要求，進(jìn)一步驗(yàn)證了模型的準(zhǔn)確性，以實(shí)現(xiàn)對(duì)酒醅中水分和酸度值的快速檢測(cè)。

在利用可見近紅外光譜技術(shù)分析檢測(cè)酒類的釀造過程中，對(duì)酒類釀造的15個(gè)參數(shù)進(jìn)行檢測(cè)，并用偏小二乘法和交互驗(yàn)證法的方式進(jìn)行多變量校正方法，能夠建立出光譜模型。在對(duì)酒精度、pH、乳糖以及總酸等化合物進(jìn)行判別時(shí)，當(dāng)這些物質(zhì)遠(yuǎn)低于可見近紅外光譜技術(shù)的檢測(cè)限時(shí)，則符合酒類的品質(zhì)要求。

隨著檢測(cè)技術(shù)的發(fā)展，將近紅外、中紅外光譜技術(shù)應(yīng)用到酒類酒精度和容積重量指標(biāo)的檢測(cè)中發(fā)現(xiàn)，該方法和標(biāo)準(zhǔn)方式十分接近。同時(shí)對(duì)酒類色素成分進(jìn)行檢測(cè)發(fā)現(xiàn)，標(biāo)準(zhǔn)樣品分析誤差在0.15-23.79mg·L-1，因此，可見近紅外光譜技術(shù)可用于酒類色素成分的檢測(cè)中。

4.在食用油中的檢測(cè)應(yīng)用。將可見近紅外光譜技術(shù)應(yīng)用在食用油的檢測(cè)中，可以分為兩種類型，一種是定性分析，其可以更好地鑒別出食用油的真假情況;另一種是定量檢測(cè)，主要是對(duì)食用油中主要成分的檢測(cè)。

21世紀(jì)初期，人們?cè)诮柚梢娊t外光譜的同時(shí)也結(jié)合PCA技術(shù)，實(shí)現(xiàn)了對(duì)果汁中精油成分的檢測(cè)，這給食用油的檢測(cè)提供了全新方法。應(yīng)用可見近紅外光譜技術(shù)建立快速鑒別食用油模型，并建立測(cè)定食用油中的棕櫚酸、硬脂酸、油酸等脂肪酸的含量，實(shí)現(xiàn)可見近紅外光譜技術(shù)的定量分析模型，借助SVM技術(shù)，構(gòu)建出對(duì)食用油摻偽鑒別模型的構(gòu)建，選擇最為合適的可見近紅外光譜波長(zhǎng)變量，有助于更好地建立PLS檢測(cè)油的相關(guān)模型，實(shí)現(xiàn)對(duì)模型的優(yōu)化。

另外也可將可見近紅外光譜技術(shù)與二維相關(guān)分析技術(shù)結(jié)合在一起，分析不同種類的食用油，隨后根據(jù)溫度的變化情況進(jìn)行動(dòng)態(tài)光譜二維分析，當(dāng)溫度處于50-160℃，隨著食用油溫度的升高發(fā)生波段的變化，并在5500-6000nm的波段范圍內(nèi)建立二維相關(guān)可見近紅外光譜圖，實(shí)現(xiàn)對(duì)自動(dòng)峰和交叉峰的直觀鑒別。食用油在可見近紅外光譜技術(shù)中的光譜波長(zhǎng)強(qiáng)度在885-897nm中的比值大于1.4，而地溝油則小于1.1，借助這個(gè)比值差異，可實(shí)現(xiàn)對(duì)食用油的區(qū)分，并在2430-2445nm和2465-2485nm這兩個(gè)不同波段的食用油中，存在非常明顯的峰值差異，因此可見近紅外光譜技術(shù)能夠分辨出地溝油和食用植物油。

總之，可見近紅外光譜技術(shù)在液體食品的檢測(cè)過程中，具有高效、無損的特點(diǎn)，尤其是在乳制品、果汁類、酒類和食用油的檢測(cè)中，具有非常良好的檢測(cè)效果。

作者簡(jiǎn)介：黃小軍（1982-），男，漢族，四川岳池人，大學(xué)本科，工程師，研究方向?yàn)槭称窓z測(cè)。