田華，侯志杰，陳報(bào)陽(yáng)，李方慧，趙東黎

1(信陽(yáng)師范學(xué)院 生命科學(xué)學(xué)院，河南 信陽(yáng)，464000)2(信陽(yáng)師范學(xué)院 大別山農(nóng)業(yè)生物資源保護(hù)與利用研究院，河南 信陽(yáng)，464000)

近紅外光譜在魚類及魚制品定性定量分析中的應(yīng)用

田華1,2*，侯志杰1，陳報(bào)陽(yáng)1，李方慧1，趙東黎1

1(信陽(yáng)師范學(xué)院 生命科學(xué)學(xué)院，河南 信陽(yáng)，464000)2(信陽(yáng)師范學(xué)院 大別山農(nóng)業(yè)生物資源保護(hù)與利用研究院，河南 信陽(yáng)，464000)

近紅外光譜技術(shù)作為一種方便、快捷、綠色、高效的無(wú)損檢測(cè)技術(shù)，在農(nóng)業(yè)、食品、醫(yī)藥、石油及其他方面檢測(cè)中有獨(dú)到的優(yōu)勢(shì)和廣闊的發(fā)展前景。文中對(duì)近紅外光譜的工作原理及其在魚、魚糜、魚丸、魚粉、魚油等定量定性分析中的應(yīng)用進(jìn)行了綜述，包括對(duì)其組成及添加成分分析、新鮮度評(píng)價(jià)、品種屬地的快速鑒別和品質(zhì)的在線分析檢測(cè)。

近紅外光譜；魚；魚糜；魚副產(chǎn)品；新鮮度

魚肉作為易消化、營(yíng)養(yǎng)價(jià)值高的食物受到人們的青睞，魚肉含有豐富的蛋白質(zhì)、脂肪、維生素、礦物質(zhì)及多種生理活性成分，但魚肉水分含量較高，體表帶有多種微生物，體內(nèi)常含有多種酶類，加之目前低溫保藏技術(shù)還不完善，在存放或加工過(guò)程中容易在酶和微生物的綜合作用下發(fā)生腐敗變質(zhì)，引起肌肉質(zhì)地、風(fēng)味和化學(xué)成分等變化，致使水產(chǎn)品鮮度下降、品質(zhì)變差，因此其品質(zhì)和安全的檢測(cè)很重要[1]。近紅外光譜分析技術(shù)是近年來(lái)發(fā)展起來(lái)的一種高效、快速、無(wú)損檢測(cè)技術(shù)，該技術(shù)已在農(nóng)業(yè)、石油、醫(yī)藥、食品等領(lǐng)域進(jìn)行了應(yīng)用[2]。針對(duì)魚類及其副產(chǎn)品，國(guó)內(nèi)外學(xué)者利用近紅外光譜分析技術(shù)探索研究了淡水魚和海水魚活魚及魚片、魚糜及魚粉、魚丸等魚副產(chǎn)品進(jìn)行相關(guān)無(wú)損檢測(cè)研究[3]。本研究介紹了近紅外光譜的工作原理，探討了近紅外光譜技術(shù)在不同品種魚、魚糜制品及魚副產(chǎn)品定量定性分析中的應(yīng)用。

1 近紅外光譜工作原理

近紅外光譜分析技術(shù)是利用物質(zhì)含氫基團(tuán)(如C-H、O-H、N-H、S-H等)的伸縮振動(dòng)的各級(jí)倍頻及其伸縮振動(dòng)與彎曲振動(dòng)合頻吸收信息進(jìn)行物質(zhì)的定性和定量分析的一種快速有效的無(wú)損檢測(cè)技術(shù)，能夠在很短的時(shí)間內(nèi)分析出樣品的密度、黏度、粒度、硬度等物理性質(zhì)，以及蛋白質(zhì)、氨基酸、脂肪、淀粉、水分和其他營(yíng)養(yǎng)成分等化學(xué)成分[4]。不同品種魚樣品及魚糜制品含有機(jī)酸、蛋白質(zhì)和多糖等含氫基團(tuán)的有機(jī)成分，其近紅外光譜中就包含了大量這些基團(tuán)的倍頻及合頻的吸收峰，這也使得利用近紅外光譜檢測(cè)魚類新鮮度或品種鑒別成為可能[5]。近紅外光譜對(duì)魚、魚糜及魚副產(chǎn)品的檢測(cè)主要包含定性檢測(cè)和定量檢測(cè)。定性檢測(cè)就是針對(duì)不同品種魚、魚糜及魚副產(chǎn)品來(lái)源不同，或者其含有其他的物質(zhì)如豆粕、磷酸鹽、肉骨粉、三聚氰胺等成分，使樣品整體結(jié)構(gòu)和組成的光譜信息差異而出現(xiàn)不同的近紅外光譜圖。因此，比較未知樣本與已知參考樣本的光譜，確定未知物的歸屬[6]。近紅外光譜的定量分析是利用化學(xué)分析數(shù)據(jù)(或者其他物化性質(zhì))與近紅外光譜數(shù)據(jù)相結(jié)合建立定量校正模型，確定模型的參數(shù)后，以這個(gè)模型去定量預(yù)測(cè)某些未知樣品的信息(如濃度)。因此，近紅外光譜分析是一種高效、無(wú)損、無(wú)污染的高新分析測(cè)試技術(shù)，其光譜穩(wěn)定、信息量大，能夠反映樣品的綜合信息，可通過(guò)多元校正模型實(shí)現(xiàn)多組分同時(shí)測(cè)定。

在光譜數(shù)據(jù)與化學(xué)值關(guān)聯(lián)之前,由于近紅外光譜包含了噪聲,為此需要對(duì)特定的樣品光譜數(shù)據(jù)進(jìn)行適當(dāng)預(yù)處理或者篩選建模的譜區(qū)范圍，優(yōu)化模型，提高檢測(cè)精度[5,7]。近紅外分析的數(shù)據(jù)預(yù)處理主要包括剔除異樣樣品、消除光譜噪聲，噪聲主要指隨機(jī)噪聲、信號(hào)本底、基線漂移、樣品不均勻和光散射等。常見的預(yù)處理方法有Savitzky-Golay平滑、Savitzky-Golay導(dǎo)數(shù)、多元散射校正(MSC)、均值中心化、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、去趨勢(shì)校正(DT)、差分求導(dǎo)、數(shù)據(jù)標(biāo)準(zhǔn)化(S)、標(biāo)準(zhǔn)化(S)、凈分析信號(hào)(NAS)、正交信號(hào)校正(OSC)、基線校正等[6，8]。在近紅外分析過(guò)程中，常用的建模方法包括：多元線性回歸法和主成分回歸法等線性校正方法，以及支持向量機(jī)法、人工神經(jīng)網(wǎng)絡(luò)和拓?fù)浞椒ǖ确蔷€性校正方法[9]，偏最小二乘(PLS)模型、區(qū)間偏最小二乘(iPLS)模型、向后區(qū)間偏最小二乘(biPLS)模型和聯(lián)合區(qū)間偏最小二乘(siPLS)模型[10]。這些建模方法可與傳統(tǒng)的新鮮度指標(biāo)(TVB-N、K值、pH值、TBA、TMA等)結(jié)合，實(shí)現(xiàn)水產(chǎn)品特定組成成分的定量快速檢測(cè)[1]。徐文杰等[8]在1 000～1 799 nm光譜內(nèi), 結(jié)合化學(xué)實(shí)測(cè)值建立鰱魚偏最小二乘法、主成分分析和人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立鰱魚營(yíng)養(yǎng)成分近紅外定量模。在3種建模方法中，近紅外光譜數(shù)據(jù)結(jié)合偏最小二乘法建立的鰱魚營(yíng)養(yǎng)成分模型最優(yōu)，模型具有較好的預(yù)測(cè)能力，能較為準(zhǔn)確、快速地分析出鰱魚魚肉粗蛋白、粗脂肪、水分和灰分的含量。主成分分析法和偏最小二乘法也是近紅外光譜對(duì)食品營(yíng)養(yǎng)成分及其所含特殊物質(zhì)檢測(cè)分析建模時(shí)最常用的方法，兩者均采用全譜信息，通過(guò)交叉驗(yàn)證來(lái)預(yù)防過(guò)擬合現(xiàn)象[6]，在多種淡水魚、海水魚新鮮度檢測(cè)中都有運(yùn)用。

2 近紅外光譜對(duì)不同品種魚及魚糜制品組成成分分析

近紅外光譜技術(shù)在水產(chǎn)品領(lǐng)域最早應(yīng)用于魚及魚糜制品的定量和定性分析。國(guó)外對(duì)水產(chǎn)品的近紅外光譜分析研究起步較早，主要集中在魚肉及魚糜營(yíng)養(yǎng)成分的檢測(cè)。早在1987年，MATHIAS等[11]就利用近紅外光譜技術(shù)研究了凍干淡水魚魚體的蛋白質(zhì)和油脂的含量。ISAKSSON等[12]用近紅外漫反射光譜測(cè)定了大西洋鮭魚脂肪、水分和蛋白質(zhì)的含量。FOLKESTAD等[13]快速無(wú)損測(cè)定了大西洋鮭魚的脂肪和色素含量。UDDIN[14]及HUANG等[15]應(yīng)用近紅外光譜技術(shù)測(cè)定了魚糜中的水分及蛋白質(zhì)含量。DOWNEY[16]利用近紅外光譜分析技術(shù)檢測(cè)人工養(yǎng)殖的鮭魚肉魚油和水分進(jìn)行分析。近年來(lái)，國(guó)內(nèi)學(xué)者用近紅外光譜在不同品種魚、魚糜及魚丸、魚粉等魚副產(chǎn)品的營(yíng)養(yǎng)組成成分進(jìn)行了近紅外光譜建模研究[17-19]。大量的研究結(jié)果均表明，采用近紅外光譜數(shù)據(jù)和偏最小二乘法、主成分分析方法等建模方法建立的模型具有較好的預(yù)測(cè)能力, 能較為準(zhǔn)確、快速地分析出魚肉、魚糜及魚副產(chǎn)品粗蛋白、粗脂肪、水分、淀粉和灰分的含量。同樣，魚粉中的水分、粗蛋白、氨基酸、粗脂肪、粗灰分、總磷和鹽分含量也可采用近紅外光譜分析技術(shù)檢測(cè),但鈣的預(yù)測(cè)結(jié)果不理想[20-23]。

3 近紅外光譜對(duì)不同品種魚及魚糜制品新鮮度指標(biāo)的檢測(cè)及在線檢測(cè)

隨著近紅外技術(shù)的發(fā)展，國(guó)外學(xué)者開始采用近紅外光譜開展魚新鮮度的研究。BECHMANN等[24]采用近紅外光譜技術(shù)快速檢測(cè)了冰凍鱈魚的持水性、TVB-N、甲醛、二甲胺等品質(zhì)參數(shù)，預(yù)測(cè)效果良好。NILSEN[25]將采集的冰凍鱈魚與鮭魚2種海魚的近紅外光譜與貯藏時(shí)間建模。此外，NILSEN[26]以感官評(píng)價(jià)得分為新鮮度標(biāo)準(zhǔn)，研究了400～1 000nm可見光內(nèi)光譜吸收峰的變化趨勢(shì)與鱈魚新鮮度的關(guān)系。SIVERTSEN等[27]利用手持便攜式近紅外儀器和成像光譜儀區(qū)分新鮮鱈魚片和解凍鱈魚片的新鮮度，發(fā)現(xiàn)采用近紅外光譜分析很容易區(qū)分解凍鱈魚片。魚類貯藏期間代謝化學(xué)物質(zhì)檢測(cè)方面，ARMENTA[28]采用近紅外光譜儀結(jié)合特定波長(zhǎng)點(diǎn)對(duì)貯藏期間的鱈魚、沙丁魚、墨魚等幾種海體魚內(nèi)的三甲胺(TMA)念量進(jìn)行定量分析。UDDIN等[29]采用可見近紅外光譜有效識(shí)別了新鮮和冷凍真鯛；B?KNS等[30,31]采用近紅外評(píng)價(jià)了氣調(diào)包裝凍藏鱈魚片的新鮮度。SMULEVICH等[32]采用近紅外光譜區(qū)分金槍魚肉的紅色是否是CO處理的結(jié)果，研究表明近紅外光譜分析提供了以一種快速定性檢測(cè)金槍魚肉是否經(jīng)過(guò)CO處理。

我國(guó)對(duì)近紅外光譜技術(shù)的研究及應(yīng)用起步較晚，在魚糜制品、魚丸及整魚新鮮度近紅外光譜檢測(cè)發(fā)展迅速，研究對(duì)象涉及鯉魚、鯽魚、鳙魚、草魚、武昌魚、鰱魚、羅非魚等淡水魚，以及鱸魚、帶魚、金槍魚、大黃魚、三文魚、金鯧魚、鮐魚、大菱鲆、大西洋鮭等海水魚。通常魚類新鮮度評(píng)價(jià)主要包括感官評(píng)價(jià)、物理檢驗(yàn)、化學(xué)檢驗(yàn)、營(yíng)養(yǎng)檢驗(yàn)和微生物檢驗(yàn)等幾個(gè)方面，其中揮發(fā)性鹽基氮(TVB-N)、菌落總數(shù)(TVC)、硫代巴比妥酸TBA值、三甲胺(TMA)、K 值、pH 值等新鮮度指標(biāo)是最基本、最重要的評(píng)價(jià)指標(biāo)?；谛迈r度評(píng)價(jià)指標(biāo)的檢測(cè)，采用近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)方法，同時(shí)采集其近紅外光譜建立新鮮度的近紅外定量分析模型，大量的研究結(jié)果表明，基于近紅外光譜技術(shù)的魚肉新鮮度預(yù)測(cè)效果良好[33-36]。為解決魚類新鮮度人工檢測(cè)時(shí)間長(zhǎng)、效率低、勞動(dòng)強(qiáng)度大問(wèn)題，黃濤[3]、李鵬等[37]提出自行搭建淡水魚近紅外光譜在線采集平臺(tái)，采集其近紅外漫反射光譜，建立淡水魚新鮮度在線檢測(cè)模型，實(shí)現(xiàn)了淡水魚品質(zhì)的在線分級(jí)。

4 近紅外光譜在不同品種魚及魚糜制品品種、屬地鑒定及品質(zhì)分類研究

淡水魚經(jīng)宰殺、切塊或采肉后，就很難對(duì)樣品進(jìn)行準(zhǔn)確鑒別。摻假魚及其制品不僅影響食品的衛(wèi)生和營(yíng)養(yǎng)，而且嚴(yán)重危害消費(fèi)者的健康。為保護(hù)合法生產(chǎn)經(jīng)營(yíng)者和消費(fèi)者的利益，有必要進(jìn)行魚種種類及品質(zhì)的鑒別。王幸幸等[38]以2種大麻哈魚57個(gè)樣品為研究對(duì)象，采用近紅外光譜技術(shù)結(jié)合聚類分析和主成分分析方法，進(jìn)行魚品種快速鑒別，研究發(fā)現(xiàn)近紅外光譜技術(shù)為快速無(wú)損鑒別魚品種提供準(zhǔn)確可靠的方法。徐文杰等[39]采用近紅外光譜技術(shù)快速地鑒別出青、草、鰱、鳙、鯉、鯽、魴等7 種淡水魚。孟志娟等[36]采用近紅外光譜有效鑒別了5個(gè)產(chǎn)地帶魚的產(chǎn)地來(lái)源。三文魚的肉色是評(píng)價(jià)其品質(zhì)優(yōu)劣的重要指標(biāo)，王磊等[40]研究發(fā)現(xiàn)，稀疏表示降維處理的近紅外光譜分類模型能更好地對(duì)三文魚的肉質(zhì)特色進(jìn)行正確的分類。吳浩等[41]采用近紅外光譜技術(shù)對(duì)冷凍和解凍狀態(tài)的不同等級(jí)白姑魚糜進(jìn)行等級(jí)評(píng)定，主成分分析可以將3個(gè)等級(jí)白姑魚糜較好地區(qū)分開，冷凍狀態(tài)白姑魚糜建立的等級(jí)評(píng)定模型效果優(yōu)于解凍狀態(tài)白姑魚糜，利用近紅外光譜技術(shù)可以快速無(wú)損鑒定不同品種和不同等級(jí)海水魚糜[42]。

5 近紅外光譜對(duì)魚糜、魚粉、魚油中特殊成分的檢測(cè)

磷酸鹽對(duì)魚糜品質(zhì)有重要的影響，魚糜原料在生產(chǎn)過(guò)程中加入適量磷酸鹽可防止蛋白質(zhì)冷凍變性，可提高魚糜的持水性。同時(shí)，為了防止魚糜制品的腐敗變質(zhì)，魚糜制品中還會(huì)添加食品防腐劑山梨酸鉀。但是，過(guò)量攝入磷酸鹽和山梨酸鉀都會(huì)對(duì)人體健康造成損害。董若琰[43-44]以帶魚糜和鱈魚糜及其制品(帶魚魚糕和鱈魚丸)為研究對(duì)象，探討了將指紋圖譜技術(shù)(近紅外光譜技術(shù)和電子鼻技術(shù))用于測(cè)定魚糜及其制品中磷酸鹽和山梨酸鉀含量的可能性，結(jié)果表明近紅外光譜技術(shù)可用于魚糜中磷酸鹽和山梨酸鉀含量的快速無(wú)損檢測(cè)。魚粉蛋白質(zhì)含量高、氨基酸種類齊全，是很好的畜禽蛋白飼料。但我國(guó)魚粉資源總量不足，價(jià)格較高，于是一些不法企業(yè)在魚粉中添加肉骨粉、豆粕、三聚氰胺等成分，嚴(yán)重地影響了魚粉的質(zhì)量安全。采用近紅外光譜技術(shù)可以做到魚粉中摻假的肉骨粉[45]、豆粕[46]、三聚氰胺[47-48]等成分的快速準(zhǔn)確的定性鑒別。宋濤等[49]通過(guò)近紅外光譜分析技術(shù)對(duì)淡水魚粉、進(jìn)口魚粉和國(guó)產(chǎn)魚粉3類商品化的魚粉樣品進(jìn)行自動(dòng)化判別實(shí)驗(yàn)，采用主成分分析法建立魚粉種類的定性判別的分類模型，預(yù)判準(zhǔn)確率達(dá)到84.6%,外部驗(yàn)證準(zhǔn)確率達(dá)到100%。張瑜等[50]采用近紅外光譜檢測(cè)技術(shù)對(duì)摻入不同含量大豆油和菜籽油的魚油進(jìn)行分析，研究發(fā)現(xiàn)應(yīng)用可見-近紅外光譜技術(shù)在魚油摻假方面進(jìn)行檢測(cè)是可行的。

6 結(jié)語(yǔ)

通過(guò)對(duì)近紅外光譜技術(shù)在魚、魚糜制品及魚丸、魚粉、魚油等魚副產(chǎn)品組成成分及添加成分分析、新鮮度評(píng)價(jià)、品質(zhì)在線分析進(jìn)行研究，可以更好地對(duì)魚、魚糜及魚副產(chǎn)品的營(yíng)養(yǎng)品質(zhì)、新鮮度進(jìn)行預(yù)測(cè)和控制，可以快速地其品種、屬地進(jìn)行鑒定。近紅外光譜分析是一種高效、綠色的分析測(cè)試技術(shù)，其最大特點(diǎn)就是該區(qū)域?yàn)楹瑲浠鶊F(tuán)的倍頻和合頻吸收區(qū)，可以從更深的層次反應(yīng)水產(chǎn)品內(nèi)部的變化情況，能很好地從微觀方面反映不同品種魚、魚糜及魚副產(chǎn)品樣本之間存在的差異性。近紅外光譜技術(shù)前處理過(guò)程簡(jiǎn)單，顆粒、固體、液體和懸濁液等不同狀態(tài)下的樣品都可以檢測(cè)。但其也有其局限性，如儀器設(shè)備成本高，建模方法繁瑣且模型差異導(dǎo)致模型的過(guò)適應(yīng)或欠適應(yīng)，近紅外光譜儀易受溫度等外部環(huán)境影響，定量分析精度不高，要求樣品具有較好的均勻性，對(duì)水產(chǎn)品外部信息無(wú)能為力，這樣就需要借助于其他儀器，如計(jì)算機(jī)視覺(jué)技術(shù)、電子鼻、電子舌等嗅覺(jué)可視化技術(shù)補(bǔ)充到水產(chǎn)品新鮮度的評(píng)定中去。因此，基于近紅外光譜的多傳感器多指標(biāo)信息融合檢測(cè)技術(shù)及其在線檢測(cè)，可應(yīng)用到大規(guī)模的加工生產(chǎn)中去，有助于食品品質(zhì)評(píng)定行業(yè)從人員密集型向技術(shù)密集型的轉(zhuǎn)變和自動(dòng)化、智能化水平的提高。并且，隨著光導(dǎo)纖維及傳感器技術(shù)的發(fā)展，在線檢測(cè)及網(wǎng)絡(luò)聯(lián)用的近紅外光譜技術(shù)很容易實(shí)現(xiàn)異地定標(biāo)、異地檢測(cè)、資料共享，有力的保證了食品安全，為農(nóng)業(yè)、工業(yè)等各個(gè)領(lǐng)域帶來(lái)了良好的經(jīng)濟(jì)效益和社會(huì)效益。

[1] 勵(lì)建榮，李婷婷，丁婷. 水產(chǎn)品新鮮度綜合評(píng)價(jià)與貨架期預(yù)測(cè)模型的構(gòu)建研究進(jìn)展[J]. 食品科學(xué)技術(shù)學(xué)報(bào),2016(1):1-8.

[2] 朱逢樂(lè). 基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無(wú)損檢測(cè)[D].武漢：杭州：浙江大學(xué),2014.

[3] 黃濤，李小昱，彭毅，等. 基于近紅外光譜的淡水魚新鮮度在線檢測(cè)方法研究[J]. 光譜學(xué)與光譜分析,2014(10):2 732-2 736.

[4] 劉燕德. 無(wú)損智能檢測(cè)技術(shù)及應(yīng)用[M]. 武漢：華中科大出版社, 2007.

[5] 劉歡，徐文杰，劉友明，等. 鯽魚新鮮度近紅外定量預(yù)測(cè)模型的建立[J]. 現(xiàn)代食品科技,2015(7):173-182.

[6] 張曉敏. 近紅外光譜技術(shù)快速評(píng)估鱸魚新鮮度的方法研究[D].杭州：浙江工商大學(xué),2013.

[7] 陳偉華，許長(zhǎng)華，樊玉霞，等. 近紅外光譜技術(shù)快速無(wú)損評(píng)價(jià)羅非魚片新鮮度[J]. 食品科學(xué),2014,35(24):164-168.

[8] 徐文杰，劉歡，陳東清，等. 基于近紅外光譜技術(shù)的鰱魚營(yíng)養(yǎng)成分的快速分析[J]. 食品安全質(zhì)量檢測(cè)學(xué)報(bào),2014(2):516-527.

[9] 曹海燕. 基于近紅外光譜技術(shù)的紫薯半干面成分快速檢測(cè)及真?zhèn)舞b別[D].杭州：浙江工商大學(xué),2015.

[10] 徐富斌，黃星奕，丁然，等. 基于近紅外光譜的大黃魚新鮮度評(píng)價(jià)模型[J]. 食品安全質(zhì)量檢測(cè)學(xué)報(bào),2012(6):644-648.

[11] MATHIAS J A, WILLIAMS P C, SOBERING D C. The determination of lipid and protein in freshwater fish using near-IR reflectance spectroscopy[J]. Aquaculture, 1987, 61(3):303-311.

[12] ISAKSSON T,T?GERSEN G, IVERSEN A, et al. Non-destructive determination of fat, moisture and protein in salmon fillets by use of near-infrared diffuse spectroscopy[J]. Journal of the Science of Food & Agriculture, 1995, 69(69):95-100.

[13] FOLKESTAD A, WOLD J P, R?RVIK K A, et al. Rapid and non-invasive measurements of fat and pigment concentrations in live and slaughtered Atlantic salmon (Salmosalar, L.)[J]. Aquaculture, 2008, 280(1):129-135.

[14] UDDIN M, OKAZAKI E, FUKUSHIMA H, et al. Nondestructive determination of water and protein in surimi by near-infrared spectroscopy[J]. Food Chemistry, 2006, 96(3):491-495.

[15] HUANG Y, WANG X C, DENG D W. Rapid determination of moisture and protein contents in silver carp surimi by Fourier transform near-infrared (FT-NIR) spectrometry.[J]. Asian Fisheries Science, 2009(22)：337-345.

[16] DOWNEY G. Non-invasive and non-destructive percutaneous analysis of farmed salmon flesh by near infra-red spectroscopy[J]. Food Chemistry, 1996, 55(3):305-311.

[17] 羅陽(yáng)，王錫昌，鄧德文. 近紅外光譜分析測(cè)定魚丸中的水分和淀粉含量[J]. 光譜實(shí)驗(yàn)室,2008(6):1 131-1 137.

[18] 左克利，史巖，徐坤，等. 近紅外光譜技術(shù)快速檢測(cè)狹鱈水分、脂肪和蛋白質(zhì)的含量[J]. 食品工業(yè)科技,2012(23):326-329.

[19] 徐文杰，李俊杰，賈丹，等. 近紅外光譜技術(shù)分析草魚營(yíng)養(yǎng)成分[J]. 食品科學(xué),2013,14(20):161-164.

[20] 丁柯，張?jiān)戮?，沈廣輝，等. 蛋白飼料原料粗蛋白含量近紅外光譜模型轉(zhuǎn)移研究[J]. 光譜學(xué)與光譜分析，2016(5):1 334-1 339.

[21] 丁麗敏，計(jì)成，陳怡煌，等. 近紅外光譜分析技術(shù)快速測(cè)定魚粉氨基酸含量的研究[J]. 飼料研究,1999(5):26-28.

[22] 姜訓(xùn)鵬. 基于光譜/空間信息的肉骨粉近紅外顯微成像分析方法研究[D].北京：中國(guó)農(nóng)業(yè)大學(xué),2014.

[23] 牛智有，韓魯佳. 魚粉中氨基酸近紅外光譜定量分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2007(5):114-117.

[24] BECHMANN I E, J?RGENSEN B M. Rapid assessment of quality parameters for frozen cod using near infrared spectroscopy[J]. Lebensmittel-Wissenschaft und-Technologie, 1998, 31(7):648-652.

[25] NILSEN H, ESAIASSEN M, HEIA K, et al. Visible/Near-Infrared Spectroscopy: A New Tool for the Evaluation of Fish Freshness?[J]. Journal of Food Science, 2002, 67(5):1 821-1 826.

[26] NILSEN H, ESAIASSEN M. Predicting sensory score of cod (Gadusmorhua) from visible spectroscopy[J]. Lebensmittel-Wissenschaft und - Technologie. Food science and technology, 2005, 38(1):95-99.

[27] SIVERTSEN A H, KIMIYA T, HEIA K. Automatic freshness assessment of cod (Gadusmorhua) fillets by Vis/Nir spectroscopy[J]. Journal of Food Engineering, 2011, 103(3):317-323.

[28] ARMENTA S, COELHO N M, RODA R, et al. Seafood freshness determination through vapour phase Fourier transform infrared spectroscopy.[J]. Journal of Materials Science, 2006, 25(1):379-383.

[29] UDDIN M, OKAZAKI E, TURZA S, et al. Non-destructive visible/NIR spectroscopy for differentiation of fresh and frozen-thawed fish[J]. Journal of Food Science, 2005, 70(8):506-510.

[30] B?KN?S N, JENSEN K N, ANDERSEN C M, et al. Freshness assessment of thawed and chilled cod fillets packed in modified atmosphere using near-infrared spectroscopy[J]. LWT - Food Science and Technology, 2002, 35(7):628-634.

[31] B?KN?S N, JENSEN K N, GULDAGER H S, et al. Thawed chilled barents sea cod fillets in modified atmosphere packaging-application of multivariate data analysis to select key parameters in good manufacturing practice[J]. Lebensmittel-Wissenschaft und-Technologie, 2002, 35(5):436-443.

[32] SMULEVICH G, DROGHETTI E, FOCARDI C, et al. A rapid spectroscopic method to detect the fraudulent treatment of tuna fish with carbon monoxide[J]. Food Chemistry, 2007, 101(3):1 071-1 077.

[33] 孟一，張玉華，許麗丹，等. 近紅外光譜采集方式與樣品形態(tài)對(duì)帶魚新鮮度檢測(cè)結(jié)果的影響[J]. 食品工業(yè)科技,2014(11):282-287.

[34] 陳偉華. 基于近紅外光譜技術(shù)的羅非魚片品質(zhì)評(píng)價(jià)研究[D].上海：上海海洋大學(xué),2015.

[35] 勵(lì)建榮，王麗，張曉敏，等. 近紅外光譜結(jié)合偏最小二乘法快速檢測(cè)大黃魚新鮮度[J]. 中國(guó)食品學(xué)報(bào),2013(6):209-214.

[36] 孟志娟. 基于多元指紋圖譜技術(shù)的帶魚產(chǎn)地鑒別與新鮮度評(píng)價(jià)研究[D].杭州：浙江海洋學(xué)院,2013.

[37] 李鵬. 基于虛擬儀器的淡水魚在線品質(zhì)分級(jí)系統(tǒng)研究[D]. 武漢：華中農(nóng)業(yè)大學(xué), 2013.

[38] 王幸幸，徐坤，史巖，等. 基于近紅外光譜技術(shù)的大麻哈魚品種快速鑒別研究[J]. 食品工業(yè),2012(6):132-134.

[39] 徐文杰，劉茹，洪響聲，等. 基于近紅外光譜技術(shù)的淡水魚品種快速鑒別[J]. 農(nóng)業(yè)工程學(xué)報(bào),2014(1):253-261.

[40] 王磊，殷姣姣，余心杰. 基于近紅外光譜技術(shù)的三文魚肉質(zhì)分類研究[J]. 計(jì)算機(jī)與現(xiàn)代化,2015(9):109-112.

[41] 吳浩，陳偉華，王錫昌，等. 近紅外光譜技術(shù)在魚糜等級(jí)評(píng)定中的應(yīng)用研究[J]. 光譜學(xué)與光譜分析,2015(5):1 239-1 242.

[42] 胡偉，郭小溪，許長(zhǎng)華，等. 利用近紅外光譜技術(shù)快速鑒定不同品種與不同等級(jí)海水魚糜[C].中國(guó)食品科學(xué)技術(shù)學(xué)會(huì)第十二屆年會(huì)暨第八屆中美食品業(yè)高層論壇論文摘要集，2015.

[43] 董若琰. 利用指紋圖譜技術(shù)測(cè)定帶魚糜和鱈魚糜及其制品中磷酸鹽和山梨酸鉀含量[D].上海：上海海洋大學(xué),2013.

[44] 董若琰，王錫昌，劉源，等. 近紅外光譜技術(shù)快速無(wú)損測(cè)定帶魚糜及其制品中磷酸鹽含量[J]. 光譜學(xué)與光譜分析,2013(6):1542-1546.

[45] 楊增玲，韓魯佳，湛小梅，等. 近紅外光譜技術(shù)在魚粉摻假檢測(cè)中的應(yīng)用[C]. 中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集，2011.

[46] 石光濤，韓魯佳，楊增玲，等. 魚粉中摻雜豆粕的可見和近紅外反射光譜分析研究[J]. 光譜學(xué)與光譜分析,2009(2):362-366.

[47] 劉小莉，賈剛，王康寧，等. 應(yīng)用傅利葉近紅外光譜定性、定量檢測(cè)魚粉中摻雜三聚氰胺的研究[J]. 動(dòng)物營(yíng)養(yǎng)學(xué)報(bào),2010(3):741-749.

[48] 劉小莉. 應(yīng)用傅利葉近紅外光譜定性、定量檢測(cè)魚粉中摻雜三聚氰胺的研究[D].雅安：四川農(nóng)業(yè)大學(xué),2010.

[49] 宋濤，宋軍，劉耀敏，等. 基于近紅外光譜法的魚粉快速判別[J]. 食品科學(xué),2015,36(28):260-264.

[50] 張瑜，談黎虹，曹芳，等. 可見-近紅外光譜分析技術(shù)對(duì)魚油摻假定量快速無(wú)損檢測(cè)方法研究[J]. 光譜學(xué)與光譜分析,2013(6):1 532-1 536.

Prospects of applying near infrared spectroscopy in qualitative and quantitative analysis of fish and its products

TIAN Hua1,2*, HOU Zhi-jie1, CHEN Bao-yang1, LI Fang-hui1, ZHAO Dong-li1

1(College of Life Science, Xinyang Normal University, Xinyang 464000,China)2(Key Laboratory of Simulation and Control forDabie Mountains Population Ecology, Xinyang Normal University, Xinyang 464000, China)

As a convenient, fast, green and efficient nondestructive inspection technology, near infrared spectroscopy (NIR)has unique features and bright future in the inspection of agriculture, food, medicine, oil and other objects. Working principle of near infrared spectroscopy and its application in the qualitative and quantitative analysis of fish and its products were reviewed, such as surimi, fish-ball, fish meal, fish oil, the composition analysis, freshness evaluation, rapid discrimination of species and origin, and quality online analysis. This paper explored that multi sensors and multi indexes fusion detection technology based on near infrared spectroscopy was the future research directions, aiming to provide the convenience for the future quality inspection and discrimination of fish species and origin．

near infrared spectroscopy；fish；surimi; by-products; freshness

博士，副教授(本文通訊作者,E-mail：xynu0818@163.com)。

信陽(yáng)師范學(xué)院大別山農(nóng)業(yè)生物資源保護(hù)與利用研究院開放課題；信陽(yáng)師范學(xué)院大學(xué)生科研基金

2016-08-31，改回日期：2016-12-14

10.13995/j.cnki.11-1802/ts.201706047