近紅外光譜技術在食品檢測中的應用研究

Research on the Application of Near-Infrared Spectroscopy Technology in Food Detection

KANG Yumin1， YANG Zhen2*， GU Congcong （1.Shandong Xiangchi Jianyuan Biotechnology Co.，Ltd.，Binzhou 2565oo， China; 2.Shandong Xiangchi Grain and Oil Co.， Ltd.， Binzhou 25650o， China; 3.Shandong Yuxin Biotechnology Co.， Ltd.， Binzhou 2565oo， China）

Abstract： As arapid，non-destructive，and efcient detection method， near-infrared spectroscopytechnology has shownbroad apication prospects inthefieldoffooddetection inrecent years.Thispaper combs through the specific applications of near-infrared spectroscopy technology in aspects such as food quality identification，component analysis，freshess evaluation，and genetically modifiedcomponent detection.Ialsoexplores its techical advantages and proposes a series of optimization strategies，aiming to provide theoretical references for promotingthe in-depth application of near-infrared spectroscopy technology in food detection.

Keywords： near-infrared spectroscopy technology; food detection; food safety

隨著食品生產工業化和供應鏈全球化，各類食品污染、摻假等問題頻發，嚴重威脅著人們的身體健康和生命安全。化學分析法、色譜法等傳統食品檢測技術雖具有較高準確性，但存在操作煩瑣、檢測周期長、需要大量的化學試劑且易對環境造成污染等弊端。近紅外光譜技術作為一種新興的無損檢測技術，以其快速、高效、準確和綠色環保等優勢，在食品檢測領域展現出巨大的應用潛力。因此，深入研究近紅外光譜技術在食品檢測中的應用并提出相應建議，對提升食品檢測水平、保障食品安全具有重要的現實意義。

1近紅外光譜技術在食品檢測中的具體應用

1.1鑒別食品品質與種類

近紅外光譜技術在食品品質與種類的鑒別中展現出顯著優勢，其核心在于通過光譜特征與食品理化性質的關聯性建立快速判別模型。在食品種類鑒別方面，近紅外光譜技術能依據不同食品的分子振動特性差異，精準識別原料來源、加工工藝及品種信息。例如，針對谷物類食品，近紅外光譜可捕捉淀粉、纖維素等成分的特定吸收峰，結合化學計量學方法區分不同品種稻米或小麥的產地特征[1；在食用油檢測方面，通過分析脂肪酸組成的光譜響應差異，可有效鑒別橄欖油、花生油等常見油脂的摻偽問題[2]。此外，近紅外光譜技術可應用于肉類產品的真偽鑒別，基于肌紅蛋白、水分及脂肪含量的光譜特征差異，快速識別不同畜種肉類的混合摻雜現象[3]。相較于傳統感官評價或生化檢測方法，近紅外光譜技術無須復雜的前處理，能在數秒內完成無損檢測，同時避免樣品消耗，顯著提升檢測效率并降低企業質量控制成本。

1.2 分析食品成分

近紅外光譜技術對食品成分的快速定量分析能力，使其成為現代食品工業質量監控的重要工具。近紅外光譜技術通過建立光譜信息與目標成分濃度之間的數學模型，可實現對水分、蛋白質、脂肪和碳水化合物等成分的同步檢測。在乳制品檢測方面，近紅外光譜技術能穿透乳脂球膜直接獲取酪蛋白、乳糖等成分的光譜信號，用于液態奶及奶粉的在線成分分析[4；在谷物加工過程中，近紅外光譜技術可監測小麥粉中的蛋白質含量或稻米的直鏈淀粉比例，為產品分級與工藝調控提供數據支持[5]。與凱氏定氮法、索氏提取等傳統化學分析法相比，近紅外光譜技術不僅避免了試劑消耗與環境污染問題，還可通過便攜式設備實現生產線上的連續監測，尤其適用于大批量樣品的快速篩查。此外，近紅外光譜技術的非破壞性特點使得其在高價值食品，如功能性保健品的成分檢測中具有更高的經濟性。

1.3檢測食品新鮮度與變質程度

在食品新鮮度與變質程度的動態監測方面，近紅外光譜技術通過捕捉腐敗過程中產生的特征性化學物質變化，為食品品質評估提供依據。針對果蔬類產品，近紅外光譜技術可基于細胞壁多糖降解引起的吸光度偏移，量化評估蘋果、番茄等果蔬的成熟度與貯藏期[；對于水產品及畜禽肉類，通過檢測揮發性鹽基氮、硫化物等腐敗標志物的光譜響應，構建新鮮度評價模型[。與傳統微生物培養或氣相色譜檢測方法相比，近紅外光譜技術無須破壞樣品組織結構，可直接對整個水果或整塊肉制品進行表面或內部品質分析，同時實現多指標同步檢測。在冷鏈物流環節，搭載近紅外傳感器的智能設備可對運輸中的食品進行連續性質量追蹤，預警微生物超標風險，從而有效減少食品損耗并保障食品安全[8]。

1.4檢測轉基因食品

近紅外光譜技術在轉基因食品檢測領域的應用，主要依賴于其對基因表達產物的光譜特征捕捉能力。轉基因作物在基因修飾過程中往往伴隨特定蛋白質結構或次級代謝產物的改變，這些差異可通過近紅外光譜的高靈敏度檢測進行識別。例如，轉Bt基因玉米中殺蟲蛋白的酰胺鍵振動特征，或轉基因大豆油脂成分的微小變化，均可通過光譜模型與原始品種進行區分[。與聚合酶鏈式反應、免疫層析等分子生物學方法相比，近紅外光譜技術無須復雜的DNA提取或抗體標記過程，使檢測流程大幅簡化，且能夠實現非標記化快速篩查。此外，近紅外光譜技術對樣品形態的強適應性使其可應用于種子、粉末、油料等多種形態的轉基因成分檢測，為市場監管部門提供高效的檢測手段。

2提高近紅外光譜技術在食品檢測中應用效果的建議

2.1加強技術和儀器設備創新研發

提升近紅外光譜技術在食品檢測中的應用效果，需以技術創新與設備優化為核心驅動力。 ① 應重點突破硬件性能瓶頸，針對食品復雜基質的光譜干擾問題，研發具有更高信噪比和抗干擾能力的光譜探測器。通過優化光路設計、采用新型光學材料或引入自適應濾波技術，提升儀器在檢測高水分、高油脂或深色食品時的信號穩定性。 ② 需強化算法模型的開發與迭代，結合深度學習框架構建適用于多場景的通用型分析模型[10]。 ③ 應推動設備微型化與智能化進程，開發便攜式近紅外檢測終端并集成無線傳輸模塊，使其能適應田間、生產線或冷鏈運輸中的實時監測需求。

2.2依據實際檢測需求開展針對性的前處理工作

針對不同食品特性優化前處理流程是提升檢測精度的關鍵環節。 ① 需建立分類別、分場景的前處理標準操作規范。對于谷物粉末等固體顆粒食品，需明確研磨細度、濕度控制及裝樣密度的標準化參數，以消除因物理狀態差異導致的光譜散射干擾[11]；對于汁或食用油等液態樣品，則應規范比色皿清潔程序與溫控條件，避免殘留污染或溫度波動引起的基線漂移。 ② 需開發動態光譜校正技術，根據待測樣品的理化特性自動匹配最佳預處理方法。例如，針對高水分果蔬樣品，優先采用多元散射校正與導數變換相結合的方式消除表面反光影響；對于紅酒等富含色素的食品，則需通過標準正態變量變換補償顏色深淺對吸光度的干擾[12]。此外，應構建食品基質干擾數據庫，收錄常見食品中纖維、色素、懸浮物等干擾物質的光譜特征，并開發智能識別模塊，在檢測過程中自動扣除背景干擾信號，從而減少人工干預并提高分析效率。

2.3科學聯用其他檢測技術和數字信息技術

多技術協同與數字化賦能可顯著增強近紅外光譜技術的綜合檢測能力。 ① 需建立近紅外光譜與拉曼光譜、高光譜成像等技術的聯用機制。在食品摻假鑒別方面，利用拉曼光譜的分子指紋特性補充近紅外光譜的官能團信息，通過數據融合提高對相似成分的區分度；在異物檢測方面，結合高光譜成像的空間分辨能力，同步實現污染物定位與成分分析[13]② 應深度整合大數據分析技術，搭建食品光譜云平臺并接人物聯網終端設備，實現跨區域檢測數據的實時采集與共享[14]。通過機器學習算法挖掘歷史數據中的隱含規律，動態優化模型參數并預警異常檢測結果。此外，需開發智能決策支持系統，將光譜檢測結果與食品加工工藝參數、貯藏環境數據進行關聯分析，為生產企業提供從原料篩選到成品出庫的全鏈條質量優化方案。 ③ 可探索區塊鏈技術在檢測數據存證中的應用，利用其不可篡改特性確保檢測報告的公信力，為食品溯源體系提供可靠的技術支撐。

2.4加強檢測人員專業知識和操作技能培訓

專業化人才隊伍是保障技術高效落地的核心要素。 ① 需構建分層級、模塊化的培訓體系，針對儀器操作員、數據分析師及質量控制管理人員分別設計課程內容。操作人員應重點掌握樣品制備規范、設備校準流程及常見故障排除方法；數據分析人員需深入理解化學計量學原理，熟練運用偏最小二乘法、支持向量機等建模工具進行光譜解析。 ② 應推動跨學科知識融合教學，在培訓中融入食品化學、光學工程及統計學基礎理論，幫助從業人員建立系統化知識框架。此外，需制定標準化操作手冊與質量控制指南，明確不同食品類別檢測的標準操作程序，并通過虛擬仿真平臺進行實操演練，降低人為操作誤差。 ③ 應建立定期考核與能力認證機制，聯合行業協會開展職業技能等級評定，將光譜解析準確率、設備維護規范性等指標納入績效考核體系，以此激勵從業人員持續提升專業技術水平。

3結語

近紅外光譜技術在食品檢測領域已展現出強大功能，能有效鑒別食品品質與種類、精準分析食品成分、可靠檢測食品新鮮度及變質程度，還能對轉基因食品進行篩查。同時，通過加強技術和儀器設備創新研發、開展針對性前處理工作、科學聯用其他技術與信息技術以及強化檢測人員培訓等措施，進一步提升其應用效果。未來，隨著技術的持續革新，近紅外光譜技術有望在食品檢測中發揮更大作用，為食品安全提供更堅實的保障，推動食品行業向更安全、更高效的方向發展。

參考文獻

[1]王子熙，沈群，趙卿宇.近紅外光譜技術在谷物檢測中的應用研究進展[J].食品科學，2025，46（3）：267-273.

[2]吳成招，王一韜，胡棟，等.近紅外光譜技術在食用油摻偽檢測中的研究進展[J].光譜學與光譜分析，2023，43（3）：685-691.

[3]王冬，欒云霞，王欣然，等．近紅外光譜無損分析肉類品質的研究進展[J].肉類研究，2024，38（5）：61-70.

[4]趙小偉，鄭楠，王加啟，等.近紅外光譜技術在乳及乳制品質量檢測中的應用[J]動物營養學報，2024，36（9）：5451-5459.

[5]張勇，王督，李雪，等.基于近紅外光譜技術的農產品產地溯源研究進展[J]食品安全質量檢測學報，2018，9（23）：6161-6166.

[6]廖志強，何崇訓.基于近紅外光譜技術的蘋果糖度預測及分級研究[J].信息技術與信息化，2023（10）：93-98.

[7]陳穎，王璐，尚宏鑫，等.近紅外光譜技術在水產養殖行業的應用進展[J].河北漁業，2022（2）：33-37.

[8]王建強，陳景華，郝發義，等.冷鏈物流對鮮肉新 鮮度的影響及智能檢測[J].包裝工程，2022，43（1）：148-157.

[9]常莉，翟晨，錢承敬，等.近紅外光譜分析技術在玉米品質檢測中的應用研究進展[J]中國畜牧雜志，2024，60（1）：101-107.

[10]楊森，張新界，王振民，等.基于近紅外光譜和深度學習數據增強的大米品種檢測[J].農業工程學報，2023，39（19）：250-257.

[11]焦慧平，蓮花，李潤甜，等.基于近紅外光譜的快速、無損分析技術在肉從蓉藥材質量控制中的應用研究[J]化學研究與應用，2025，37（2）：439-448.

[12]黃小貝，周探春，易姿，等.近紅外光譜法快速測定4種酒類產品中的酒精度[J].釀酒科技，2024（8）：133-139.

[13]陳瀑，楊健，褚小立，等.近五年我國近紅外光譜分析技術的研究與應用進展[J].分析化學，2024，52（9）：1213-1224.

[14]丁浩晗，田嘉偉，謝禎奇，等.機器學習和大數據在食品領域的應用[J].食品與發酵工業，2024，50（24）：353-361.