近紅外光譜技術在乳制品快速檢測中的應用研究進展

黃寶瑩，佘之蘊，王文敏，張 娟

（廣東產品質量監督檢驗研究院，廣東順德 528300）

液體乳、乳粉、發酵乳制品等產品因其營養豐富而深受消費者歡迎，但近年來乳制品質量安全事件時有發生，不少乳制品存在摻假、假冒品牌、化學成分或微生物檢測不合格的現象，存在一定的食品安全隱患，乳制品的質量問題日益引起人們的重視。目前乳制品的質量控制和監管仍依賴傳統的化學檢測方法，檢測耗時長、操作繁瑣、成本高、破壞樣品，不能滿足企業在線監測和快速分析的要求。因此開發快速、高效的乳制品檢測方法對保障其質量安全、市場監管具有重要的意義。近紅外光譜（near-infrared spectroscopy，NIR）技術具有高效、準確、檢測成本較低、操作簡單、不需要對樣品進行預處理、無污染、可多組分同時檢測等優點[1-3]，可以有效避免傳統檢測方法相應的不足，可為快速檢測提供技術支撐，實現在線監測分析。本文綜述了國內外近紅外光譜技術在乳制品快速檢測中的研究成果，為近紅外光譜技術在乳制品加工和質量檢測中的應用提供思路和參考。

1 近紅外光譜技術

近紅外光譜技術是根據待檢樣品中某些化學成分，對近紅外光譜區的吸收特性而進行的定量或定性檢測的分析方法。

1.1 近紅外光譜技術的原理

1.2 近紅外光譜技術的特點

1.2.1 近紅外光譜技術的主要優點

（1）操作簡單便捷：常規檢測方法需對樣品進行一定的預處理，而近紅外光譜技術可對樣品直接掃描，一般無需樣品預處理，操作簡單，對檢測人員技術要求較低[13]。

（2）效率高，耗時短，可多組分同時檢測[14]：近紅外光譜技術檢測耗時少于1 min，極大地縮短了檢測時間，保障生產過程的連續性，且能用于多組分的同時檢測，尤其適用于企業在線監測或快速檢測。

（3）無需試劑，成本低，不產生污染：近紅外光譜分析中只需掃描樣品獲取光譜信息，不使用任何化學試劑[15]，可以脫離試驗試劑的影響，測試過程中不產生污染。

1.2.2 近紅外光譜技術存在的不足和缺點

（1）信號提取困難、測量靈敏度低：相比其他含量較高的成分，待檢成分的近紅外光譜信號較弱，近紅外光譜區大量的是重疊譜峰和肩峰，譜峰重疊嚴重，信號提取困難[16-17]。如發酵乳成分復雜，包含水、蛋白質、脂肪、乳糖、乳酸、鹽分、食品添加劑等物質，因此利用近紅外光譜分析技術對發酵乳中的某種化學物質含量進行定量分析，屬于從復雜、重疊、變動的背景中提取弱信息。直接掃描發酵乳獲得的近紅外光譜易受基質的干擾，多成分物質造成光譜的背景復雜，增加了近紅外光譜分析的難度。

（2）近紅外光譜采集的發酵乳原始光譜信息中除包含與待檢組分及結構有關的信息外，還可能受檢測條件、溫濕度、儀器和樣品狀態等因素的影響[18]。樣品中不同組分也會互相影響，導致譜線重疊，低含量組分光譜峰被高含量組分光譜峰掩蓋等現象。

2 化學計量學方法

與傳統檢測方法不同，近紅外光譜技術采用間接方法對組分進行檢測，需要借助化學計量學方法來實現對未知樣品的定性或定量分析。被測物質的近紅外光譜取決于樣品的組成和結構，二者存在一定的函數關系。借助化學計量學方法，通過校正，可確定樣品的組成、結構與近紅外光譜的函數關系。通過掃描樣品獲得待測樣品的近紅外光譜，就可根據函數關系，快速計算出各種數據。

阿里很久沒見到母親了，阿里只知道母親在睡覺。他不明白，母親為什么老是睡覺。他想不明白，也問不出來。雖然每天早上他去東湖放錄音，聽母親的聲音，但那到底不是母親。沒有母親溫熱的手掌，也沒有母親的笑聲，更沒有母親每天跟他說這說那，給他好吃的東西。這個世界跟以前不一樣了。母親一直在睡覺，阿里竟也一直都不進她的房間。阿里不能吵她。

2.1 逐步多元線性回歸法

逐步多元線性回歸法（stepwisemultiplelinearregression，SMLR）的檢測原理是依據波長變量對分析組分的偏相關系數的大小依次將波長變量引入回歸方程，需要設定適當的選入和剔除水平[19-20]。

2.2 主成分回歸法

主成分回歸法（principal component regression，PCR）的檢測原理是先求出樣品集光譜矩陣的主成分矩陣，再建立主成分矩陣和樣品成分含量矩陣的函數關系，通過建立的函數關系對未知樣品進行預測[21-22]。

2.3 偏最小二乘法

偏最小二乘法（partial least squares，PLS）是一種全光譜分析技術，是化學計量學中常用的數據處理方法[23]。運用PLS進行數據分析，分別求出樣品集光譜矩陣和樣品組分矩陣的主成分矩陣，將其相關聯，求其線性函數關系，根據所建立的函數來預測未知樣品[24-26]。

3 近紅外光譜技術在乳制品快速檢測中的研究進展

近紅外光譜技術具有快捷、高效、無創、低成本、可多組分同時檢測等優點，目前已廣泛應用于乳制品的定量和定性分析，包括摻假識別、微生物快速檢測、化學成分快速檢測、快速鑒定牛奶品牌等方面。

3.1 摻假識別

乳制品中含有豐富的營養物質，但乳制品摻假現象時有發生，嚴重危害人體健康。因此，對摻假乳制品的準確檢測具有重要意義。金垚等[27]采用近紅外漫反射光譜法分析了源自4個廠家的不同品牌、不同種類的224個牛奶及還原奶樣品，采用主成分分析（principal component analysis，PCA）對其進行聚類分析，以此建立牛奶的品種鑒定及摻假識別模型，可以實現對不同品牌的牛奶及摻假牛奶的正確識別，該方法方便、快速、準確。魏玉娟等[28-29]運用近紅外光譜技術結合模式識別方法對液態奶中違法添加三聚氰胺進行快速檢測，采用PLS判別法結合近紅外光纖技術對牛奶中三聚氰胺不同摻假量的快速識別研究，所構建的偏最小二乘判別分析（partial least-square discriminant analysis，PLSDA）方法模型對三聚氰胺不同摻假量牛奶樣品訓練集和預測集的近紅外原始光纖譜的識別正確率分別達到100%和90.32%。CHEN H等[30]研究了利用近紅外光譜和一類偏最小二乘法檢測牛奶中三聚氰胺摻假的可行性。樣品集為102個液體乳。以特殊的變量重要性指數來選擇40個最重要的變量。32個純牛奶樣品構成了構建一級模型的訓練集，其他樣本則作為測試集。結果表明，在該獨立測試裝置上，其總準確率為89%，靈敏度為90%，特異性為88%。結合利用近紅外光譜和一類偏最小二乘法，可作為牛奶樣品中三聚氰胺快速現場篩選的潛在工具。

3.2 微生物快速檢測

目前乳制品的微生物檢測多采用傳統的培養方法，檢測周期較長，容易造成監控數據滯后現象，無法滿足在線檢測要求。利用近紅外光譜技術能夠反應微生物細胞的分子振動信息特點，具有快捷、高效、準確、無損、低成本等優勢，有利于乳制品行業對微生物進行在線監控。

王建明等[31]利用傅里葉變換近紅外光譜技術分別采集被阪崎腸桿菌、金黃色葡萄球菌、大腸桿菌三種致病菌污染的牛奶樣品的近紅外透射光譜，預處理選用一階求導、標準正態變量變換、多元散射校正，結合偏最小二乘判別分析對三種細菌判別的可行性進行探究。研究表明，利用NIR技術結合化學計量學方法經過合適預處理方法后能有效用于乳制品中微生物類別的鑒別。CáMARA-MARTOS F等[32]利用近紅外光譜技術對牛奶中的大腸埃希氏菌和銅綠假單胞菌進行了定量分析，近紅外掃描范圍4 000～10 000 cm-1，經過24 h培養后的牛奶樣品，其定量模型效果更好。AL-QADIRI H M等[33]利用可見和短波近紅外光譜（600～1 100 nm）及多元分析監測巴氏殺菌乳在三個不同的儲存溫度（6 ℃、21 ℃、37 ℃）條件下3～30 h內的質量損失，比較了PCR、簇獨立軟模式分類法、PLS三種建模方法對巴氏殺菌乳腐敗變質程度的預測能力。主成分分析表明，在不同的儲存時間內樣品具有明顯的聚類和分離特性。簇獨立軟模式分類法對培養30 h后的樣品進行鑒別的正確率達到88%～93%。利用PLS建立菌落總數和pH值的定量分析模型，其相關系數分別為0.99和0.99。研究結果表明利用短波近紅外光譜技術對巴氏殺菌乳的細菌增殖水平和腐敗程度進行快速、無損檢測是可行的。

3.3 化學成分快速檢測

近紅外光譜分析技術在乳制品化學成分檢測中有很多成功的應用，如可準確快速檢測牛奶中蛋白質、脂肪、碳水化合物等多種成分的含量。

CHEN H等[34]采用近紅外光譜技術和互信息變量選擇對奶粉的分類和定量進行研究，對4個品牌179個樣品進行分類研究，對30個樣品進行定量分析。在分類研究方面，基于所選變量集的PLSDA模型與全譜PLSDA模型進行了比較，兩者均達到了100%的精確度。在定量分析方面，由260個變量選擇的子集構造的偏最小二乘回歸模型明顯優于全譜模型。WU D等[35]利用短波近紅外（800～1 050 nm）技術和波長分配定量分析奶粉中的主要化合物。研究以回歸系數和載荷為評價指標，對比了PLS和基于最小二乘支持向量機算法（least-squares support vector machine，LS-SVM）兩種化學計量學方法對脂肪、蛋白質和碳水化合物含量定量分析模型的預測性能。結果顯示選擇優化波長區域比全短波長近紅外區域的評價指標更好，使用LS-SVM建模，脂肪、蛋白質和碳水化合物的回歸系數分別為0.981、0.984和0.982。LIN P等[36]結合非線性多元方法和可見近紅外光譜技術（visible near infrared spectroscopy，Vis/NIRS）檢測干酪中的蛋白質含量，研究了運用基于核函數的偏最小二乘算法（kernelpartialleastsquares，KPLS）、支持向量機（supportvector machine，SVM）和反向傳播人工神經網絡（back propagation artificial neural network，BP-ANN）等非線性多元方法和Vis/NIRS組合的建模效果，采用增廣部分殘差圖方法對原始光譜數據進行非線性診斷，分別采用多元散射校正、標準正態變量變換、Savitzky-Golay二階導數和直接正交信號校正對光譜數據進行預處理和比較，最終后者并被選定為預測模型的預處理方法。以相關系數（R2）、根均方誤差（root mean square error，RMSE）和剩余預測偏差（residual predic tivedeviation，RPD）作為指標對模型的性能進行評價，DOSCKPLS模型的R2和RPD得分最高，分別為0.974和5.587，比其他模型具有更好的預測性能。

3.4 快速鑒定牛奶品牌

品牌是消費者挑選乳制品的一個重要因素，針對乳制品假冒、貼牌、以次充好的問題，近紅外光譜技術在乳制品的品牌鑒別和溯源方面也有一些初步的應用研究。

管驍等[37]結合近紅外光譜技術和簡易分類技術，對光明、荷蘭、雀巢、伊利四個品牌138批次乳粉進行了分類溯源研究。采用平滑、歸一化、二階求導對光譜數據進行預處理之后，利用簡易分類技術建立主成分回歸分類模型，結果顯示，光明、荷蘭、雀巢乳粉的識別率分別為78%、75%、100%，拒絕率為100%、87%、88%。盡管模型穩健度較低，存在錯誤識別，仍具備一定的品牌溯源能力，為乳粉品牌溯源和鑒別提供新思路。卞希慧等[38]結合近紅外光譜技術和化學模式識別方法，以伊利、蒙牛和海河三種品牌50批次的樣品為研究對象，采用系統聚類分析和偏最小二乘判別分析兩種方法，建立液體牛奶品牌快速鑒別模型。研究結果表明，1 mm光程的樣品池測量效果最好，系統聚類分析的分類正確率為86%，偏最小二乘法判別分析正確率為100%。INACIO M R C等[39]利用近紅外光譜技術對乳粉進行分類，共采集了巴西的納塔爾、薩爾瓦多以及里約熱內盧的38組乳粉的近紅外光譜數據，預處理后結合簡易分類技術最終模型的分類精度100%。

4 小結

近紅外光譜技術在乳制品的快速檢測領域已進行了一些探索性研究工作，初步證明了該技術是可行有效的，但仍存在以下問題有待進一步研究：（1）模型的穩定性和可靠性需要進一步提高。由于乳制品組分復雜，其近紅外光譜的數據變量較為分散，有效信息較少，干擾信號較多，導致模型的準確度和穩定性較低。（2）在定量分析中，多數研究的樣品集是局部地區的產品，適用范圍具有局限性，建模的樣品集數量較少，代表性不足。（3）目前乳制品的近紅外快速檢測研究，大多數仍處于可行性探索，缺乏系統性研究，模型的適應性有待考究。將試驗階段的模型運用于實際檢測工作中，仍需進行多方面系統、深入的探索。今后的研究可以通過篩選大量有代表性的樣品，剔除異常值，擴充樣品集的種類和數量，優化建模的計算分析軟件等方法來提高模型的穩定性和適應性。

近紅外光譜技術具有傳統檢測方法無法企及的優勢，雖然離實際應用還有一段距離，但近紅外光譜技術作為一種新型的綠色分析方法，在企業生產的在線或無損檢測，以及質監部門的現場檢測等領域都有廣闊的發展前景和積極的應用意義。