李長濱，張荷麗，王姍姍，莊軍輝

（1.河南牧業(yè)經(jīng)濟(jì)學(xué)院質(zhì)量檢測與管理系，河南鄭州450046；2.河南教育學(xué)院宣傳部，河南鄭州450046）

近紅外光譜技術(shù)在食品品質(zhì)方面的應(yīng)用

李長濱1，張荷麗1，王姍姍2，莊軍輝1

（1.河南牧業(yè)經(jīng)濟(jì)學(xué)院質(zhì)量檢測與管理系，河南鄭州450046；2.河南教育學(xué)院宣傳部，河南鄭州450046）

近年來，由食品的品質(zhì)問題引發(fā)的安全事故越來越多，建立食品品質(zhì)的快速檢測方法迫在眉睫。近紅外光譜分析技術(shù)以其分析速度快、無損、預(yù)處理簡單、非破壞性、易于實(shí)現(xiàn)在線檢測等特點(diǎn)，已發(fā)展成為一種應(yīng)用于食品品質(zhì)控制方面的快速分析新手段。本文概述了近年來近紅外光譜技術(shù)在肉類、乳制品、水果蔬菜、糧食作物及其他等方面的研究進(jìn)展，并對其在食品品質(zhì)方面的應(yīng)用進(jìn)行了展望。

近紅外；食品；品質(zhì)；應(yīng)用

近紅外光譜區(qū)（Near Infrared，NIR）是介于可見光和中紅外光之間波長在780 nm～2 526 nm范圍的電磁波。近紅外主要是含氫基團(tuán)X—H（X＝C、N、O、S）振動的倍頻和合頻吸收，其中包含了大多數(shù)類型有機(jī)化合物的組成和分子結(jié)構(gòu)的信息。而食品主要由水、蛋白質(zhì)、脂肪、淀粉和纖維等組成，這些化合物均含有在近紅外光譜區(qū)有響應(yīng)的化學(xué)鍵；此外，由于食品檢測的時(shí)效性，加之近紅外光譜分析的檢測快速、無損、易于實(shí)現(xiàn)在線檢測、易于進(jìn)行多組分同時(shí)測定、預(yù)處理簡單及無污染等優(yōu)點(diǎn)，該技術(shù)被廣泛應(yīng)用。近紅外光譜技術(shù)是利用統(tǒng)計(jì)學(xué)方法建立一個(gè)近紅外光譜數(shù)據(jù)和樣品待測組分量之間的校正模型并通過該模型對未知樣品進(jìn)行預(yù)測分析及判斷的一種間接分析技術(shù)，在食品品質(zhì)方面應(yīng)用主要體現(xiàn)在肉制品、乳制品、果品蔬菜、糧食作物等方面。

1在肉及肉制品品質(zhì)分析中的應(yīng)用

肉及肉制品既是人類生活當(dāng)中蛋白質(zhì)的來源，也是人體能量的提供者。近紅外關(guān)于肉制品的品質(zhì)應(yīng)用主要集中在豬、牛、羊肉制品加工過程中某些物質(zhì)的含量測定。在國外，近紅外光譜的應(yīng)用以牛肉作為研究對象的文獻(xiàn)較多。如在線預(yù)測牛肉餡的化學(xué)組成、預(yù)測牛肉的脂肪酸組成；利用近紅外反射光譜預(yù)測牛肉的嫩度［1］；使用光纖探頭結(jié)合近紅外光譜技術(shù)建立豬肉和牛肉產(chǎn)品中羥脯氨酸的測定方法［2］。此外，豬羊肉方面，V.M.Fernández-Cabanás等通過近紅外光譜技術(shù)對Iberian干腌豬肉腸的飽和脂肪酸、單不飽和脂肪酸、多不飽和脂肪酸等組分進(jìn)行測定［3］；F.Guy等在2011年成功地將近紅外光譜技術(shù)應(yīng)用到了羊肉脂肪酸成分的分析中［4］。在魚制品品質(zhì)分析中，包括一些魚產(chǎn)品、魚粉、魚糜和魚丸，除了組成成分的分析以外，還有物理特性、加工過程的控制，如Musleh Uddin等應(yīng)用近紅外光譜技術(shù)確定魚糜熱處理［5］。

在肉制品摻假方面，2000年，Ding等利用近紅外技術(shù)對牛肉漢堡摻假的問題進(jìn)行了研究，通過采集生、熟和切碎的牛肉的光譜，并通過偏最小二乘法建立回歸模型來判斷漢堡包中的摻假程度［6］。Gayo J等利用可見-近紅外光譜技術(shù)對蟹肉摻假進(jìn)行了分析［7］。

隨著民眾對食品安全問題的關(guān)注度日益提升，近紅外或?qū)?yīng)用于肉制品獸殘的快速檢測。同時(shí)近紅外光譜技術(shù)在檢測肉類的感官特性方面存在一定的局限性，這都將是以后研究的方向。

2在乳制品檢測中的應(yīng)用

早在20世紀(jì)50年代末，已有文獻(xiàn)報(bào)道有學(xué)者將近紅外光譜技術(shù)應(yīng)用到了乳制品分析中。80年代關(guān)于乳制品方面的文獻(xiàn)開始增多，I.González-Martín等采用近紅外光譜技術(shù)結(jié)合光纖技術(shù)實(shí)現(xiàn)了對不同飼養(yǎng)區(qū)、不同培育類型的奶牛牛奶中脂肪總量、固形物、蛋白質(zhì)和乳糖含量的實(shí)時(shí)在線檢測［8］。隨后逐漸出現(xiàn)近紅外光譜技術(shù)應(yīng)用到鮮牛奶和酸奶質(zhì)量分析中的報(bào)道。國內(nèi)近紅外光譜技術(shù)研究大多集中在奶粉和鮮奶的質(zhì)量控制方面，中國農(nóng)業(yè)大學(xué)的吳靜珠等建立了不同種類奶粉中脂肪、乳糖、蔗糖、蛋白和灰分的近紅外模型，并將此應(yīng)用于奶粉的質(zhì)量控制［9］；魯超等利用近紅外光譜技術(shù)分析了均質(zhì)、巴氏殺菌等不同加工工藝對牛乳近紅外光譜的影響，通過研究發(fā)現(xiàn)可以利用牛乳與原料乳區(qū)別的特征波長點(diǎn)來判斷牛乳是否經(jīng)過了加工處理，從而為牛乳的質(zhì)量控制依據(jù)［10］；何勇等利用主成分分析法（PCA）建立了不同品種酸奶的三層BP人工神經(jīng)網(wǎng)絡(luò)鑒別模型，結(jié)果表明所建模型對不同酸奶品種的擬合率和預(yù)測品種的識別率均為100%［11］；浙江大學(xué)吳迪等通過主成分分析（PCA）對原始光譜輸入變量進(jìn)行降維壓縮，采用最小二乘支持向量機(jī)（LSSVM）對光譜透射率值和蛋白質(zhì)值建模并應(yīng)用到奶粉蛋白質(zhì)含量的快速檢測中［12］；M.Coppa等利用NIRS技術(shù)結(jié)合外部驗(yàn)證對烘干牛奶和液體牛奶中脂肪酸的成分進(jìn)行了分析，并取得了理想結(jié)果［13］。

近十年來，關(guān)注奶酪品質(zhì)分析和過程控制的研究較多。Romdhane Karoui等建立了軟奶酪內(nèi)部的預(yù)測化學(xué)參數(shù)方法［14］；M.J.Mateo等實(shí)現(xiàn)了近紅外反向散射在奶酪制作過程中工藝參數(shù)的應(yīng)用［15］；I.Revilla和I. González-Martin通過帶有光纖探頭的近紅外技術(shù)評價(jià)了奶酪的質(zhì)地結(jié)構(gòu)［16］；I.González-Martín等應(yīng)用近紅外技術(shù)結(jié)合光纖探頭建立了奶酪中礦物成分的數(shù)據(jù)模型并將建立的模型用于未知奶酪中不同礦物成分的預(yù)測［17］。

目前有關(guān)乳制品品質(zhì)的質(zhì)量控制分析的報(bào)道多見原料奶，跟消費(fèi)者關(guān)系最緊密的包裝成品乳的檢測及不同工藝對乳制品品質(zhì)控制應(yīng)該是研究重點(diǎn)。

3在水果和蔬菜品質(zhì)評價(jià)中的應(yīng)用

近紅外技術(shù)在水果和蔬菜方面的研究對象包括蘋果、梨、葡萄、桃等常見水果及土豆、大白菜、西紅柿等常見蔬菜，研究內(nèi)容涉及糖分、添加劑、酸度、可溶性固形物和硬度的檢測以及貯藏過程中質(zhì)量監(jiān)控及品質(zhì)鑒別［18］。近些年，組合算法的運(yùn)用及多指標(biāo)的同時(shí)測定越來越多。中國農(nóng)業(yè)大學(xué)的王加華等建立了蘋果糖度的遺傳算法（GA）-偏最小二乘法（PLS）校正模型和不同譜區(qū)的PLS定量模型，并評價(jià)了模型的穩(wěn)健性［19］；劉波平等用偏最小二乘（PLS）結(jié)合廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）建立了土豆中粗纖維、淀粉、蛋白質(zhì)3種營養(yǎng)成分的PLS-GRNN模型并取得了很好的預(yù)測結(jié)果［20］；W.Luo等利用近紅外光譜技術(shù)和模式識別相結(jié)合的方法對蘋果種類進(jìn)行了定性鑒別［21］；S.Bureau等在800 nm～2 500 nm光譜區(qū)間內(nèi)對8個(gè)品種不同成熟期內(nèi)的杏果用近紅外方法對可溶性固形物和可滴定酸度進(jìn)行了預(yù)測，相關(guān)系數(shù)分別達(dá)到了0.92和0.89，取得了較為準(zhǔn)確的結(jié)果［22］；Y.Makino等在645 nm～979 nm波長范圍內(nèi)對樣品進(jìn)行掃描，將人工神經(jīng)網(wǎng)絡(luò)運(yùn)用到了番茄氧吸收率的預(yù)測中去，并取得了良好的預(yù)測結(jié)果［23］。

近紅外光譜分析技術(shù)也應(yīng)用在果蔬中農(nóng)殘的快速檢測。周向陽等以農(nóng)藥甲胺磷為主要研究對象，首次采用傅立葉變換近紅外光譜法對多種葉菜中有機(jī)磷農(nóng)藥殘留的鑒別進(jìn)行了系統(tǒng)研究［24］；王多加等運(yùn)用近紅外光譜技術(shù)結(jié)合以二階導(dǎo)數(shù)處理和偏最小二乘法分析了生菜中硝酸鹽的含量［25］。徐琳等建立了快速檢驗(yàn)蔬菜表面殘留氯氰菊酯的新方法［26］。

4在糧食作物中的應(yīng)用

隨著近紅外光譜技術(shù)的日趨發(fā)展及完善，近年來此技術(shù)在糧食作物檢測中的應(yīng)用越來越廣泛，包括小麥、玉米、花生、大豆等。陳鋒等應(yīng)用近紅外透射光譜測試技術(shù)研究中國冬播小麥面粉顆粒度分布情況［28］；B.Zhang等采用導(dǎo)數(shù)處理和SNV+D散射校正相結(jié)合的預(yù)處理方法建立了氨基酸總量及單一氨基酸含量的預(yù)測模型，可實(shí)現(xiàn)快速測定13種氨基酸的含量［29］；Y.Rao等建立了花生油偏最小二乘回歸模型，結(jié)果表明利用此分析模型判斷花生合格與否的準(zhǔn)確率達(dá)到了96.55%，并由此可能將此模型應(yīng)用到其他指標(biāo)的檢測中去［30］；R.Choudhary等利用近紅外光譜結(jié)合線性判別和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行散裝小麥的分類并獲得了理想的結(jié)果［31］；A.G.Patil等利用偏最小二乘回歸分析建立了大豆中幾種重要脂肪酸的近紅外模型，經(jīng)外部交叉驗(yàn)證獲知油酸、亞油酸、棕櫚酸的決定系數(shù)R2分別達(dá)到了0.89、0.86和0.89［32］；丁姣等利用近紅外光譜技術(shù)對食醋中可溶性無鹽固形物含量的精度和穩(wěn)定性進(jìn)行了評價(jià)［33］。

近紅外光譜技術(shù)在糧食作物領(lǐng)域已用于研究谷物糧食中蛋白質(zhì)、氨基酸、淀粉、水分、品質(zhì)等分析，而薯類作物的品質(zhì)分析尚不多見，劉翠翠等利用近紅外分析儀結(jié)合常規(guī)化學(xué)分析方法較好地測定了馬鈴薯樣品的含鉀量［34］，至于薯類的其他指標(biāo)研究尚屬空白；姬玉梅以14種蛋白質(zhì)含量差異較大的小麥為材料，利用近紅外光譜技術(shù)，快速、無損地測定了完整小麥子粒的蛋白質(zhì)［35］。

5在其他方面的應(yīng)用

近紅外在食品品質(zhì)方面的應(yīng)用十分廣泛，除了上述應(yīng)用之外，近紅外光譜技術(shù)在食品其他方面的應(yīng)用主要體現(xiàn)在轉(zhuǎn)基因食品、茶葉、蜂蜜、果汁、酒制品等方面。J.H.Lee等利用NIRS技術(shù)使用二階導(dǎo)數(shù)預(yù)處理的偏最小二乘判別分析模型實(shí)現(xiàn)了對抗除草劑轉(zhuǎn)基因大豆的無損檢測［36］；Daiki Ono等利用近紅外光譜結(jié)合偏最小二乘回歸分析法對綠茶的工藝參數(shù)進(jìn)行了優(yōu)化［37］；陳全勝等利用近紅外光譜分析技術(shù)結(jié)合支持向量機(jī)（SVM）模式識別原理建立了碧螺春茶的真?zhèn)舞b別模型［38］；張欣等利用近紅外光譜法完成了蜂蜜中還原糖的檢測［39］；陳蘭珍等完成了蜂蜜真?zhèn)蔚慕t外光譜鑒別研究［40］；邵詠妮等實(shí)現(xiàn)了基于獨(dú)立組分分析和BP神經(jīng)網(wǎng)絡(luò)的近紅外光譜蜂蜜品牌的鑒別［41］；Pontes等建立了幾種酒精和飲料的模型，利用主成分得分圖來鑒別飲料中摻水、乙醇等摻假問題［42］。

6結(jié)論與展望

隨著人們對食品安全的重視及近紅外光譜技術(shù)的成熟與完善，近紅外光譜技術(shù)在食品品質(zhì)方面的應(yīng)用也越來越廣泛。目前應(yīng)用主要體現(xiàn)在糧食作物、乳制品、常見水果肉制品等方面，其他相關(guān)食品方面的研究較少。

在國內(nèi)，近紅外在食品品質(zhì)方面的基礎(chǔ)研究和應(yīng)用研究還有很多工作需要去做，如食品中各組分在近紅外光譜區(qū)吸收的系統(tǒng)研究、完善預(yù)測模型、新的數(shù)據(jù)處理方法、模型庫共享、校正模型轉(zhuǎn)移、各種可移動式的和過程分析儀器的研制等。目前，許多食品品質(zhì)分析方法不能滿足實(shí)際需要，如食品加過程中的品質(zhì)監(jiān)控，流通領(lǐng)域中食品品質(zhì)的實(shí)時(shí)檢查，許多傳統(tǒng)的分析方法無法實(shí)現(xiàn)快速的無損分析以及多組分同時(shí)測定。近紅外光譜技術(shù)以其無損、快速、實(shí)時(shí)等特點(diǎn)在食品加工過程中的質(zhì)量控制有著其它方法無法比擬的優(yōu)點(diǎn)，隨著食品品質(zhì)分析的各種標(biāo)準(zhǔn)方法的出現(xiàn)，以及化學(xué)計(jì)量學(xué)方法發(fā)展，將NIRS技術(shù)用于在線檢測和過程分析過程，提高產(chǎn)品品質(zhì)，加快我國傳統(tǒng)食品工業(yè)化發(fā)展的步伐，具著一定的現(xiàn)實(shí)意義。

［1］Bowling M B，Vote D J，Belk K E，et al.Using reflectance spectroscopy to predict beef tenderness［J］.Meat Science，2009，82（1）：1-5

［2］Ma Inmaculada González-Martín，César Fernández Bermejo，José Miguel Hernández Hierro，et al.Determination of hydroxyproline in cured pork sausages and dry cured beef products by NIRS technology employing a fibre-optic probe［J］.Food Control，2009，20（8）：752-755

［3］V M Fernández-Cabanás，O Polvillo，R Rodríguez-Acu?a，et al. Rapid determination of the fatty acid profile in pork dry-cured sausages by NIR spectroscopy［J］.Food Chemistry，2011，124（1）：373-378

［4］F Guy，S Prache，A Thomas，et al.Prediction of lamb meat fatty acid composition using near-infrared reflectance spectroscopy（NIRS）［J］. Food Chemistry，2011，127（3）：1280-1286

［5］Musleh Uddin，Emiko Okazaki，Moin Uddin Ahmad，et al.NIR spectroscopy：A non-destructive fast technique to verify heat treatment of fish-meat gel［J］.Food Control，2006，17（8）：660-664

［6］Ding H B.Near-infrared spectroscopic technique for detection of beef hamburger adulteration［J］.Agricultural and Food Chemistry，2000，48（6）：2193-2198

［7］Gayo J，Hale S A，Blanchard S M.Quantitative analysis and detection of adulteration in crab meat using visible and near-infrared spectroscopy［J］.Journal of Agricultural and Food Chemistry，2006，54（4）：1130-1136

［8］González-Martín I，J M Hernández-Hierro，I Revilla，et al.The mineral composition（Ca，P，Mg，K，Na）in cheeses（cow’s，ewe’s and goat’s）with different ripening times using near infrared spectroscopy with a fibre-optic probe［J］.Food Chemistry，2011，127（1）：147-152

［9］吳靜珠，王一鳴，張小超，等.基于近紅外的奶粉品質(zhì)檢測技術(shù)研究［J］.光譜學(xué)與光譜分析.2007，27（9）：1735-1738

［10］魯超，皮付偉，劉毅，等.基于牛乳加工工藝的NIRS研究［J］.光譜學(xué)與光譜分析，2008，28（1）：84-87

［11］何勇，馮水娟.近紅外光譜快速鑒別酸奶品種的研究［J］.光譜學(xué)與光譜分析，2006，26（11）：2021-2023

［12］吳迪，曹芳，馮水娟，等.基于支持向量機(jī)算法的紅外光譜技術(shù)在奶粉蛋白質(zhì)含量快速檢測中的應(yīng)用［J］.光譜學(xué)與光譜分析，2008，28（5）：1071-1075

［13］Coppa M，F(xiàn)erlay A，Leroux C，et al.Prediction of milk fatty acid composition by near infrared reflectance spectroscopy［J］.International Dairy Journal，2010，20（3）：182-189

［14］Romdhane Karoui，Abdul Mounem E'ric Dufour，Robert Schoonheydt，et al.A comparison and joint use of VIS-NIR and MIR spectroscopic methods for the determination of some chemical parameters in soft cheeses at external and central zones［J］.Eur Food Res Technol，2006，223（3）：363-371

［15］Mateo M J，O’Callaghan D J，Everard C D，et al.Influence of curd cutting programme and stirring speed on the prediction of syneresis indices in cheese-making using NIR light backscatter［J］.Food Science and Technology，2009，42（5）：950-955

［16］Revilla I，González-Martín I，Hernández-Hierro J M，et al.Texture evaluation in cheeses by NIRS technology employing a fibre-optic probe［J］.Journal of Food Engineering，2009，92（1）：24-28

［17］González-Martín I，Hernández-Hierro J M，Vivar-Quintana A，et al. The application of near infrared spectroscopy technology and a remote reflectance fibre-optic probe for the determination of peptides in cheeses（cow's，ewe's and goat's）with different ripening times［J］. Food Chemistry，2009，114（4）：1564-1569

［18］Bart M.Nicola¨'，Katrien Beullens，Els Bobelyn，et al.Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy［J］.Postharvest Biology and Technology，2007，46（2）：99-118

［19］王加華，韓東海.基于遺傳算法的蘋果糖度近紅外光譜分析［J］.光譜學(xué)與光譜分析，28（10）：2308-2311

［20］劉波平，秦華俊，羅香，等.基于偏最小二乘與廣義回歸神經(jīng)網(wǎng)絡(luò)的近紅外光譜測定土豆中3種營養(yǎng)成分的研究［J］.分析試驗(yàn)室，2007，26（9）：38-41

［21］Luo W，Huan S，F(xiàn)u H，et al.Preliminary study on the application of near infrared ectroscopy and pattern recognition methods to classify different types of apple samples［J］.Food Chemistry，2011，128（2）：555-561

［22］Bureau S，Ruiz D，Reich M，et al.Rapid and non-destructive analysis of apricot fruit quality using FT-near-infrared spectroscopy［J］. Food Chemistry，2009，113（4）：1323-1328

［23］Makino Y，Ichimura M，Oshita S，et al.Estimation of oxygen uptake rate of tomato fruits by artificial neural networks modelled using near-infrared spectral absorbance and fruit mass［J］.Food Chemistry，2010，121（2）：533-539

［24］周向陽，林純忠，胡祥娜，等.近紅外光譜法（N IR）快速診斷蔬菜中有機(jī)磷農(nóng)藥殘留［J］.食品科學(xué)，2004，25（5）：151-153

［25］王多加.近紅外光譜法非破壞快速檢測生菜中硝酸鹽含量［J］.食品科學(xué)，2004，25（10）：239-2411

［26］徐琳，王乃巖，宋東明，等.ATR-FT IR快速檢驗(yàn)蔬菜表面殘留氯氰菊酯［J］.光譜實(shí)驗(yàn)室，2003，20（6）：888-890

［27］M-T Sánchez，M-J De la Haba，J-E Guerrero，et al.Testing of a local approach for the prediction of quality parameters in intact nectarines using a portable NIRS instrument［J］.Postharvest Biology and Technology，2011，60（2）：130-135

［28］陳鋒，何中虎.利用近紅外透射光譜技術(shù)測定小麥品質(zhì)性狀的研究［J］.麥類作物學(xué)報(bào)，2003，23（3）：1-4

［29］B Zhang，Z Q Rong，Y Shi，et al.Prediction of the amino acid composition in brown rice using different sample status by near-infrared reflectance spectroscopy［J］.Food Chemistry，2011，127（1）：275-281

［30］Y Rao，B Xiang，X Zhou，et al.Quantitative and qualitative determination of acid value of peanut oil using near-infrared spectrometry［J］.Journal of Food Engineering，2009，93（2）：249-252

［31］R Choudhary，S Mahesh，J Paliwal，et al.Identification of wheat classes using wavelet features from near infrared hyperspectral images of bulk samples［J］.Biosystems Engineering，2009，102（2）：115-127

［32］A G Patil，M D Oak，S P Taware，et al.Nondestructive estimation of fatty acid composition in soybean［Glycine max（L.）Merrill］seeds using Near-Infrared Transmittance Spectroscopy［J］.Food chemistry，2010，120（4）：1210-1217

［33］丁姣，蔡建榮，張海東，等.近紅外結(jié)合Si-ELM檢測食醋品質(zhì)指標(biāo)［J］.食品與機(jī)械，2012，28（1）：93-96

［34］劉翠翠，高紅秀，李贊，等.馬鈴薯塊莖鉀含量近紅外模型的建立［J］.中國馬鈴薯，2011，5（2）：65-68

［35］姬玉梅.近紅外光譜技術(shù)在小麥品質(zhì)育種中的應(yīng)用研究［J］.湖北農(nóng)業(yè)科學(xué)，2012（10）：161-162

［36］Lee J H，Choung M G.Nondestructive determination of herbicideresistant genetically modified soybean seeds using near-infrared reflectance spectroscopy［J］.Food Chemistry，2011，126（1）：368-373

［37］Ono D，Bamba T，Oku Y，et al.Application of Fourier transform near-infrared spectroscopy to optimization of green tea steaming process conditions［J］.Journal of Bioscience and Bioengineering，2011，112（3）：247-251

［38］陳全勝，趙杰文.SIMCA模式識別方法在近紅外光譜識別茶葉中的應(yīng)用［J］.食品科學(xué)，2006，27（4）：186-189

［39］張欣，單楊，李水芳.基于多元散射校正和偏最小二乘（MSC/PLS）的傅里葉變換近紅外光譜檢測蜂蜜中還原糖［J］.食品與機(jī)械，2009，25（6）：109-112

［40］陳蘭珍，趙靜，葉志華，等.蜂蜜真?zhèn)蔚慕t外光譜鑒別研究［J］.光譜學(xué)與光譜分析，2008，28（11）：2565-2568

［41］邵詠妮，何勇，鮑一丹.基于獨(dú)立組分分析和BP神經(jīng)網(wǎng)絡(luò)的可見/近紅外光譜蜂蜜品牌的鑒別［J］.光譜學(xué)與光譜分析，2008，28（3）：602-605

［42］Pontes M J C，Santos S R B，et al.Classification of distilled alcoholic beverages and verification of adulteration by near infrared spectrometry［J］.Food Research International，2006，39（2）：182-189

Application of Near Infrared Spectroscopy in Food Quality

LI Chang-bin1，ZHANG He-li1，WANG Shan-shan2，ZHUANG Jun-hui1
（（1.Department of Quality Detection and Management Henan University of Animal Husbandry and Economy，Zhengzhou 450046，Henan，China；2.Propaganda Department of Henan Institute of Education，Zhengzhou 450046，Henan，China）

In recent years，more and more safety accidents caused by quality problems of food，establish a rapid method to rapid detection methods in food quality is Imminent.Near infrared spectroscopy analysis technology which is speed，non-destructive，simple pretreatment，nondestructive，easy online detection，has become a kind of application in food quality control.This paper reviewed the research development of near infrared spectroscopy in meat，dairy products，fruits and vegetables，food crops and other aspects in recent years，and its application in food quality is discussed.

near infrared；food；quality；application

10.3969/j.issn.1005-6521.2015.10.028

2014-04-20

河南省科技發(fā)展計(jì)劃（112102110034）；鄭州市科研攻關(guān)項(xiàng)目（131PPTGG422-1）

李長濱（1983—），男（漢），碩士研究生，研究方向：食品與藥物分析研究。