紅外光譜技術在乳制品檢測方面的應用進展

文/魏艷敏 王 淼

（黑龍江立高儀器設備有限公司）

乳制品營養豐富，是消費量日益增長的食品之一，而乳制品質量安全問題也越來越受到人們的關注。目前對乳制品的質量安全監控主要依據國家標準的方法，存在檢測速度慢、需要大量試劑、操作比較繁瑣等缺點。紅外光譜技術具有操作簡單，靈敏度高，檢測速度快，重復性好，試樣用量少，儀器結構簡單等優點[1]，已被廣泛應用到乳制品檢測領域。紅外光譜技術的原理是通過紅外光譜掃描，將檢測的圖譜與標準物質圖譜比較，再根據朗伯—比爾定律進行定量分析[2]。紅外光譜技術可檢測的樣品種類繁多，氣態、液態和固態樣品都可檢測。當不同波長的紅外光照射有機物分子時，不同物質分子對不同波長的紅外光有特征性的吸收，即當紅外光照射物質分子時，分子中的官能團或化學鍵會產生振動吸收，不同官能團、化學鍵吸收頻率不同，因此可得到分子中化學鍵或官能團的位置和信息[3]。根據波長，紅外光譜可分為近紅外光譜、中紅外光譜和遠紅外光譜，近紅外光譜和中紅外光譜常被用于檢測物質的成分和含量。近紅外光譜是含氫官能團振動吸收變化的結果，條帶信號較弱，適合無需前處理的高吸收或強散射樣品分析；中紅外光譜是特定官能團振動引起的吸收條帶，適合于有機物結構的鑒定，條帶密度與官能團數量成比例，適合于定量分析[4，5]。紅外光譜技術可以應用到乳制品生產的各個環節，可對原料乳、半成品乳及乳制品進行質量監控和分析。本文介紹了近年來國內外利用紅外光譜技術在檢測牛乳成分、摻雜使假、奶牛健康、蛋白質凝集結構等方面的應用進展，為全面評估紅外光譜技術在乳制品從源頭到終端的應用價值，為今后的乳制品安全檢測技術和研究發展提供參考依據。

1 紅外光譜定量分析模型

近紅外光譜的定量分析必須借助化學計量學方法，如逐步線性回歸、偏最小二乘、主成分分析、多元線性回歸、連續投影算法、無信息變量消除算法、人工神經網絡、遺傳算法等[6]。數據預處理方法主要有括散射校正和求導。偏最小二乘法是目前應用比較廣泛的一種光譜分析數學方法，根據輸出的變量使原始數據壓縮，從而使所建模型有較高的預測精度。人工神經網絡具有快速、處理能力強、自學習自組織能力強的優點，與其它化學計量法相比具有無可比擬的優勢。目前BP（反向傳播）神經網絡是應用最廣的神經網絡模型之一，采用誤差反向傳播算法，調整處理單元間的權重值。

2 紅外光譜技術在牛奶成分檢測方面的應用

牛奶的主要成分有蛋白質、脂肪、乳糖、維生素、礦物質元素等。牛奶成分分析是乳制品加工的關鍵，快速、準確、操作簡便的成分檢測方法是乳制品加工的重要環節。Tsenkova R等[7]利用近紅外光譜技術測定生鮮乳中蛋白質、脂肪、乳糖等主要成分的含量。李慶波等[8]采用偏最小二乘法并結合不同光譜預處理方法構建了定量分析模型，對牛奶的主要成分進行定量檢測。劉波平等[9]基于近紅外光譜技術，利用PLS-BP模型對樣品中蛋白質、脂肪、乳糖以及總固形物進行快速檢測。Dra?ková M等[10]利用傅里葉近紅外預測羊乳中脂肪、蛋白質、乳糖、冰點等指標。鄭麗敏等[11]利用傅里葉變換近紅外光譜快速檢測了新疆驢奶中脂肪、蛋白質、灰分含量。Tsenkova R等[12]利用中紅外和遠紅外光譜對未經均質的牛乳進行了成分分析，結果較準確。匡靜云等[13]利用紅外光譜，采用BP神經網絡建立定量模型，快速檢測原料乳中蛋白質和脂肪含量。穆同娜等[14]專家采用主成分分析方法，利用嬰兒配方乳粉的近紅外光譜數據與必需脂肪酸的含量數據建立了校正模型，檢測結果與化學法相比無顯著差異。中紅外光譜可對牛奶中乳鐵蛋白含量進行比較準確地預測，乳鐵蛋白含量與體細胞數呈正相關，與產奶量呈負相關。中紅外光譜結合原子吸收技術可以測定牛奶中微量元素，如Ca、K、Mg、Na、P等的含量。

3 紅外光譜技術在乳制品質量安全監控方面的應用

3.1 牛奶新鮮度的檢測

新鮮的牛奶是加工高質量乳制品的關鍵。牛奶長時間放置會導致微生物滋生，酸度升高，pH值降低；乳房炎會導致牛奶中體細胞數增加。牛奶的pH值、滴定酸度以及體細胞數等代表牛乳新鮮度的指標可通過近紅外光譜建立的模型進行檢測。Al-Qadiri H M等[15]用近紅外光譜技術檢測不同溫度下保存不同時間的巴氏奶中菌落總數，預測模型可較準確地測定菌落總數，表明紅外光譜可對乳制品進行快速和無損檢測。Nicolaou N等[16]采用傅里葉變換近紅外光譜技術對牛奶樣品的腐敗微生物進行了快速定量檢測。Wang Y等[17]采用傅里葉變換近紅外光譜儀區分不同保藏時段的原料奶新鮮度，通過多元線性回歸MLR、最小二乘回歸PLS、人工神經網絡ANN建立預測模型，結果表明，該模型對酸度和pH值的預測相關系數均達到了0.85以上，可用于原料奶新鮮度的評價。

3.2 摻雜使假的檢測

原料奶中摻入水、化學物質及其它低成本物質是目前原料奶收購環節中很難監控的問題。檢驗摻雜使假的方法主要是化學檢驗法，需要大量試劑，耗時耗力，且針對性強，對于未知物無法檢驗。近年來，采用紅外光譜技術對原料奶的摻雜使假問題進行檢測取得了很好的效果。張鑫等[18]利用化學計量方法編寫計算機程序，同時建立模型，通過不同光譜預處理法和建模法的對比，確定最佳近紅外光譜判別模型，建立了摻假原料奶近紅外光譜識別平臺，可較好地識別摻假原料奶。陳巧燕[19]建立了快速鑒別摻假奶的紅外光譜分析法，利用紅外光譜結合主成分分析法建立定標識別模型，并進行模型驗證，結果表明，紅外光譜法可以對摻假奶進行快速鑒別。王曉雨等[20]研究了一種可以快速檢測摻假原料奶的紅外光譜方法，運用紅外光譜技術和主成分分析法建立定標模型，對摻假奶進行檢測。古方青等[21]將近紅外光譜分析法與化學計量學法結合，檢測出原料奶中摻雜的植脂末和大豆分離蛋白，并且發現通過平滑處理結合多元散射校正進行光譜預處理，用徑向基神經網絡建模效果最佳。

4 紅外光譜技術在其它方面的應用

近紅外光譜結合化學計量法能夠區分不同放牧、舍飼飼養系統的綿羊奶[22]。傅氏轉換紅外線光譜分析儀結合偏最小二乘法辨別分析模型能夠判定日糧中是否含有新鮮牧草，區分有機牧場和傳統牧場樣品的正確率達到80%以上[23]。中紅外光譜技術能夠根據奶牛的基礎日糧干草和玉米青貯區分原料奶，但不能辨別奶牛品種和牧場海拔之間的差異[24]。近紅外光譜結合多元變量統計分析軟件SIMCA分析雙重體細胞數（SCC）閾值，可將奶牛可分為健康、過渡和乳房炎3 種[25]。Kawamura S等[26]建立了近紅外傳感系統，在線監測原料奶質量，在擠奶時的特定波段內獲取原料奶數據，通過脂肪、蛋白質、乳糖、體細胞數、乳尿素氮的檢測模型判斷奶牛健康狀況。

5 小結

紅外光譜由于諸多優點而備受關注，在乳制品檢測方面應用比較廣泛。但是由于建立檢測模型需要大量具有代表性的樣品，并且理想樣品很難獲得，因此在檢測結果上與化學檢驗法還有一定差距。隨著紅外光譜技術研究不斷深入，模型不斷升級，配套化學計量軟件功能不斷優化，檢測技術方面問題會逐步解決。未來，開發能夠在線監測樣品質量的紅外光譜檢測儀器，以及檢測原料奶及乳制品成分的便攜式紅外光譜儀是發展趨勢。