中紅外光譜技術在食品檢測中的應用

藍蔚青，周大鵬，劉大勇，孫曉紅*，馮豪杰，謝晶*

1(上海海洋大學 食品學院，上海,201306)2(上海水產品加工及貯藏工程技術研究中心，上海,201306)3(上海海洋大學 食品科學與工程國家級實驗教學示范中心，上海,201306)4(江蘇中洋生態魚類股份有限公司，江蘇 南通,226600)

食品是人類生存的基本物質，其主要成分包括水、碳水化合物、蛋白質、脂肪、維生素、礦物質與微量元素等。近年來，隨著消費者生活水平的不斷提高，食品品質與安全也愈益被重視。國內外食品安全事件的屢屢頻發，在食品消費市場中出現了弄虛作假、產品質量不合格的現象，這不僅會損害消費者利益，還對食品行業的有序發展帶來不利影響。因此，尋求一種快速簡便，且易于使用的質量檢測方法尤為重要。常用的食品檢測方法有高效液相色譜法、液相色譜—質譜法、氣相色譜法、低場核磁共振技術與酶聯免疫技術等[1-4]。其主要優缺點如表1所示。

表1 常用食品品質檢測方法的主要優缺點Table 1 Comparison of advantages and disadvantages of common testing methods for food quality

雖然上述方法能滿足食品定性定量的檢測要求，但樣品前處理繁瑣、效率低、成本較高，在一定程度上限制了其應用。而隨著紅外光譜技術的快速發展，其技術方便快捷的優點使之逐漸在食品檢測得到應用。紅外光譜依其波數范圍可分為近、中、遠紅外3個區域。中紅外的波數范圍為4 000～400 cm-1[10]。

中紅外光譜(mid-infrared reflectance spectroscopy,MIRS)是一段波長在2 500～25 000 nm的電磁波，由分子中基團原子振動躍遷時吸收紅外光產生，其特征性強，具有指紋特性[11]。不同化合物有特定的紅外吸收光譜，其譜帶數量、位置、形狀和強度均隨化合物及其聚集態變化。因此，基于化合物的光譜可確定化合物或其官能團是否存在，可用于定性分析；化合物的定量分析可通過物質組分的吸收峰強度，由Lambert-Beer law實現[12]。目前，脂肪、蛋白質與乳糖等物質的官能團在MIRS光譜上的特征吸收峰已鑒定，具體如圖1所示。

圖1 物質官能團的MIRS光譜區域示意圖[13]Fig.1 MIRS spectral region of a substance functional group

目前，中紅外光譜技術現已被廣泛應用于化學、制藥、高分子聚合物等領域。該技術在食品檢測的應用雖起步較晚，但由于其分析速度快、操作成本低，樣品前處理簡單，具有環保、高效特點，推動了食品檢測行業發展，顯示出良好的應用前景，在食品領域也有相關應用[14-16]。本文在對中紅外光譜技術的工作原理與常用食品品質檢測方法的主要優缺點簡要說明的基礎上，綜述了中紅外光譜技術在食品產地溯源、真假摻偽、品種鑒別與品質檢測等方面的應用實例與研究進展，提出存在問題與解決方法，并對其發展前景予以展望。

1 主要研究進展

1.1 產地溯源

來自不同地區的食品原料受天氣、環境與地形地貌等因素影響，其組織中的化學成分與物質含量有一定差異，光譜也略有不同，可通過中紅外光譜技術進行產地溯源[17]。如HU等[18]利用漂移法結合化學計量法對黑胡椒產地溯源。由基線漂移反映樣品中固有化合物的特異性、濃度與微環境，能對樣品產地予以分類；另有GORDON等[19]將中紅外光譜與化學計量學相結合，對不同產地大麥進行鑒別；UROOKOV等[20]利用中紅外光譜技術鑒定酒精飲料的地理來源；向伶俐等[21]采集來自4個不同葡萄產區的153個葡萄酒樣品的近紅外透射光譜和中紅外衰減全反射光譜，結果得出，融合后的模型建模集、驗證集的準確率分別為87.11%與90.87%，對比單一模型均有提高，此法能高效、低成本識別葡萄酒的原產地；呂偉奇等[22]利用中紅外技術對來自云南4個不同產地的黃硬皮馬勃進行產地鑒別，準確率為100%。朱哲燕等[23]使用中紅外光譜分析技術對不同來源的香菇樣本進行溯源分析，由不同波段分別建立5種辨別模型，發現基于相關向量機(relevance vector machine,RVM)算法更有效，識別率為90%。

中紅外光譜技術對部分食藥兩用產品也同樣有效，如龔海燕等[24]分析了不同廠家的金銀花中紅外光譜原始、一階導數與二階導數光譜。發現產地不同的金銀花中所含成分存在差異，反映其紅外圖譜差異，最終得出可利用中紅外光譜的二階導數光譜區分不同產地的金銀花品種。

1.2 真偽鑒定

食用油是人類膳食中不可或缺的營養來源，但市場上常發生以次充好的現象，中紅外光譜技術可以對此加以鑒別。其中，GEORGOULI等[25]利用MIRS定量分析了特級初榨橄欖油與不同摻假程度食用油間差異；張婧等[26]采集了40個純芝麻油樣品和40個摻有玉米油的芝麻油樣品的中紅外衰減全反射光譜和近紅外光譜，由主成分分析、得分矩陣結合最小二乘判別法建立分析模型，所得模型預測樣品正確率為100%。位麗娜等[27]利用中紅外光譜技術結合化學計量法分別檢測了單一摻偽芝麻油和兩種摻偽芝麻油，準確率為100%。此外，中紅外光譜技術還可檢測芝麻醬摻雜情況，如周密等[28]提出中紅外光譜鑒別純芝麻醬與摻雜芝麻醬，研究表明，有效波長在3 071～2 792 cm-1與1 786～667 cm-1范圍內光譜信息結合SVM模型綜合判別準確率達93.55%。

中紅外技術在香辛料也有所應用，HU等[18]在4 000～400 cm-1的光譜范圍內對1 200個摻雜黑胡椒樣品進行漂移檢測。結果得出GA-SVM和PLS-DA模型的驗證集識別率和預測集分別為98%與96%；HORN等[29]利用傅里葉變換中紅外光譜和單級軟獨立類類比模型，建立了一種辣椒摻假的檢測方法。結果得出所有摻假物的特異性達80%以上。中紅外光譜技術對食品摻假中的粉末狀樣品也有報道。其中，LIU等[30]應用MIRS光譜技術結合偏最小二乘判別分析預測藕粉中摻假物質含量；BETTINA等[31]利用傅立葉變換中紅外光譜與獨立模型對辣椒粉摻假進行檢測，開發并優化了基于商用辣椒粉的一級模型，通過外部驗證得出其靈敏度為80%。此外，市面上水果飲料的摻假現象也較為常見，中紅外光譜則能實現準確高效測定的目的。其中，CAROLINA等[32]采用衰減全反射率傅立葉變換中紅外光譜與多元分類法檢測葡萄花蜜摻假。結果具有近100%的敏感性和特異性；GALLARDO等[33]利用傅立葉中紅外光譜結合最小偏二乘法對蜂蜜摻假玉米糖漿及轉化糖開展研究。結果得出玉米糖漿、果葡糖漿與蔗糖的預測標準誤差分別為1.5～2.1、2.1與1.4，表明這些模型適用于蜜蜂中摻雜物的檢測定量。中紅外光譜法的快速高效檢測食品摻假的特點使其有很好的應用前景，但由于所得光譜數據復雜，常常需要化學計量法處理，這就為數據分析帶來難度。

1.3 品種鑒別

由于鮮品與凍品間品質存在差異，目前中紅外光譜還可用于鮮凍肉品之間的鑒別。如KAROUI等[34]對白鮭魚鮮魚片和凍魚片采用中紅外光譜技術結合PCA和因子判別分析法進行識別，得出波長區域在1 500～900 cm-1與3 000～2 800 cm-1，校正集正確分類率均為100%，預測集的正確分類率分別為75%與87.5%，說明這2個光譜區域均可區別新鮮與凍融魚樣。ALAMPRESE等[35]利用中紅外光譜技術鑒別新鮮和凍融大西洋鯔魚魚片，通過多元散射校正預處理進行標準化中紅外光譜數據，采用線性判別分析技術分類鑒別，得出凍融魚片與新鮮魚片的檢測準確率分別達到100%與97.2%。呂慧茹等[36]研究表明，傅里葉變換紅外光譜與SIMCA識別法聯用可有效識別不同年份的宣威火腿。

除在肉制品中的應用外，該技術在飲品方面也有相關研究，如李鐵梅等[37]使用傅里葉變換紅外光譜儀在1 800～1 000 cm-1區域利用二階導數紅外光譜對6種不同品牌的咖啡進行聚類分析，準確率達93.3%。此外，還可通過中紅外光譜技術區分轉基因與非轉基因食品。如方慧等[38]利用中紅外光譜技術對3種不同品種轉基因大豆與親本間鑒別，結果表明3種大豆的建模集與預測集正確率分別為80%與75%。

1.4 成分分析

中紅外光譜技術可在復雜背景中分辨出待測物質[39-40]，在食品中低含量物質的檢測上意義重大。如HERNNDEZ-MARTMNEZ等[41]采用傅里葉中紅外光譜結合PLS法對冷藏過程中的馬鲹、橢斑馬鮫、大西洋藍鰭金槍魚的總脂肪、脂肪酸組成與營養參數變化等指標預測，比較了3種魚片冷藏期間的腐敗參數變化，預測效果良好。中紅外光譜技術還能用于檢測油脂中所含的成分含量，如吳雪輝等[42]利用傅里葉變換中紅外光譜技術檢測茶籽油中的甾醇、維生素E與類胡蘿卜素等功能因子含量；孫恒等[43]通過中紅外光譜結合化學計量法測定了鐵皮石斛中總黃酮含量，預測準確率高；陳美林等[44]采用衰減全反射中紅外光譜技術實現馬鈴薯中可溶性蛋白含量的快速檢測，利用主成分分析方法進行建模，模型能較準確預測可溶性蛋白含量，滿足快速鑒定馬鈴薯是否為高蛋白品系的需求。

NIERO等[45]利用中紅外光譜技術結合偏最小二乘回歸方法建立預測模型檢測了牛奶的總抗氧化活性。研究表明，牛奶總抗氧化活性的平均水平為6.93 mmol/L，變異系數為15%；高文佳等[46]使用中紅外光譜技術結合高效液相色譜法，檢測蜂蜜中還原糖和果糖含量，結果檢測精度較高。

葉沁等[47]研究了基于傅里葉中紅外漫反射光譜技術結合多種化學計量法快速測定精米中直鏈淀粉含量，結果顯示驗證集樣品預測值與真實值高度相關，預測準確度高，穩定性好。

1.5 品質檢測

食品品質是反映其綜合價值的重要因素，通過建立快速檢測技術，能更好維護消費者的合法權益。油脂是人體重要的營養成分之一，評價油脂品質高低的重要指標有黏度、酸值與折光率。其中，周玲玲等[48]利用傅里葉變換衰減全反射紅外光譜法技術同步檢測了不加熱與160、180、200、220 ℃加熱處理植物油的黏度、酸值和折光率。結果表明，標準正態變量變換是最佳預處理方法，模型預測性能良好，能滿足植物油品質快速檢測需求；EDITHA等[49]采用84種不同的魚油，其中22種魚油在不同溫度和光照射下加速貯藏，建立了魚油過氧化值、茴香胺值與酸值預測模型，利用中紅外光譜技術檢測魚油品質；SINELLI等[50]利用中紅外和近紅外光譜技術與化學計量數據分析聯用，檢測特級初榨橄欖油品質；同時，基于橄欖油樣品香氣強度，結合中紅外光譜建立最小偏二乘模型及判別模型并對其分類，正確率達71.6%。

紅外光譜技術同樣在酒品與咖啡的檢測中得到應用，GAMBETTA等[51]利用衰減全反射結合中紅外技術檢測霞多麗葡萄酒樣品品質，選取1 500～800 cm-1圖譜區的光譜信息與偏最小二乘判別分析結合研究得出，2014與2016年葡萄酒樣品檢測正確率為83%與79%。CRAIG等[52]利用傅立葉變換中紅外光譜結合全衰減光反射以漫反射對咖啡豆品質建立分析模型予以區分，結果表明發黑、未成熟、有酸味咖啡豆與品質優良咖啡豆在中紅外光譜上存在差異，主成分分析正確率達94%。

2 存在問題與解決辦法

中紅外光譜等一系列現代食品分析檢測技術具有成熟易用、無污染、分析速度快、準確率高、無損且成本較低等優點，目前在食品領域中應用廣泛。然而，仍有問題需加以解決。主要表現如下：

(1)食品中化學組分復雜，影響分析結果。食品原料受多種因素的影響，成分相對復雜。不同品種、來源與質量優劣的關鍵組分，由于其低于檢測限，一般難以檢測，導致其紅外光譜吸收減弱，靈敏度降低。因此，要求研究人員掌握所測食品的光譜信息，并將紅外光譜與其他技術結合進行檢測分析。

(2)建模困難，研究深度仍然相對不足。模型建立需要大量具有代表性的樣品，但產品所含成分由于食品在生產和加工過程中的變化因素而存在差異，這給建模樣品的選擇帶來很大困難，也限制了模型的普適性。同時，目前關于食品產地溯源、品質鑒定、真偽鑒別等全球性數據庫還未建立。這就要求研究人員在建模時盡可能選擇具有代表性和多樣性的建模樣品，建立數據庫，使光譜技術能更好滿足實際需要。

3 結論

隨著科學技術的發展，中紅外光譜技術在一系列新技術的基礎上為研究物質結構提供了更多更有效的手段。作為方便快捷、無損高效的現代分析檢測技術之一，中紅外光譜技術被廣泛應用于食品檢測中，在食品的產地溯源、真假摻偽、品種鑒別與品質檢測等方面意義重大。然而，該技術的應用還不夠完善，仍需加以改進，將其與其他技術聯用，使之發揮更大作用，得到理想結果。因此，后期可從如下方面開展工作：(1)中紅外光譜同其他計量學方法與軟件相結合是發展的必然趨勢，如與化學計量法相結合，有助于光譜圖分析與實驗結果的可重復性；尋求創建新的化學計量學方法，開發相關軟件也是后期的研究方向；(2)紅外光譜檢測儀正由大型研究級向小型便攜式轉變。小型便攜式儀器方便使用者隨時隨地使用，不拘泥于實驗室，可在短時間內篩選出大量樣品，使用方便快捷。同時，開發在線檢測設備，實現樣品在線檢測，提高樣品檢測準確度，對開發食品無損檢測具有重要意義；(3)建立全面廣泛的全球性數據庫。這項工作需要光譜學研究人員互助合作，數據共享，才能建立更加全面完善的標準紅外圖譜庫，以便中紅外光譜技術的使用，促進該技術發展。此外，還可與其他波段的光譜技術聯用，開發多波段光譜聯用技術，提高光譜儀器設備的適用性與廣度。

總之，在科技不斷發展的進程中，中紅外光譜技術將以其方便、快捷與高效，逐漸成為食品檢測中的主要研究手段，具有廣闊的應用前景。