張 芳，周 昊，徐寸發(fā)，徐 蓉，徐為民

(江蘇省農(nóng)業(yè)科學(xué)院中心實(shí)驗(yàn)室，江蘇南京 210014)

食品是人類生命活動(dòng)重要的能量來(lái)源，其主要成分是水、碳水化合物、蛋白質(zhì)和脂肪，以及其他一些以低濃度存在的成分(如維生素、礦物質(zhì)等)。而不同種類食品，或同種食品不同品種、不同產(chǎn)地，其品質(zhì)、營(yíng)養(yǎng)價(jià)值、價(jià)格也不同。近年來(lái)，食品安全事件頻繁發(fā)生，如以次充好、以假亂真、產(chǎn)品不過(guò)關(guān)等問(wèn)題，不僅損害了消費(fèi)者利益，甚至嚴(yán)重威脅人體健康，同時(shí)也影響了食品行業(yè)的有序發(fā)展，這使得食品檢測(cè)日益重要。一般的食品檢測(cè)方法主要有：液相色譜、液相色譜-質(zhì)譜法、氣相色譜[1-4]等，雖然這些檢測(cè)手段都能滿足食品檢測(cè)定性定量的要求，應(yīng)用也很廣泛，但是檢測(cè)樣品前處理繁瑣、檢測(cè)周期長(zhǎng)、成本較高，限制了其應(yīng)用，也制約了食品檢測(cè)速度，不利于食品檢測(cè)的發(fā)展。近年來(lái)，紅外光譜技術(shù)在食品檢測(cè)行業(yè)的引入，為這類問(wèn)題的解決提供了新的思路和方法。

紅外光譜作為四大光譜之一，通過(guò)紅外特征光譜表征物質(zhì)的分子結(jié)構(gòu)，被廣泛應(yīng)用于化工、醫(yī)藥、石油、高分子等領(lǐng)域[5-8]。紅外光譜技術(shù)應(yīng)用于食品檢測(cè)雖然較晚，但由于其分析速度快、操作成本低，樣品前處理簡(jiǎn)單，具有環(huán)保、高效的特點(diǎn)，推進(jìn)了食品檢測(cè)行業(yè)的發(fā)展，顯示出很好的應(yīng)用前景。但是，高含水量的樣品中含量低于0.1%的成分利用紅外光譜是很難檢出的，所以通常食品樣品的紅外光譜是以檢測(cè)主要成分(水、碳水化合物、蛋白質(zhì)和脂肪)為主[1]；同時(shí)，食品的不均勻特性導(dǎo)致了光譜的復(fù)雜性，光譜中的微小差別不能被有效識(shí)別，因此直接單獨(dú)運(yùn)用紅外光譜進(jìn)行食品檢測(cè)也存在較大局限。隨著化學(xué)計(jì)量學(xué)的發(fā)展，化學(xué)計(jì)量學(xué)方法被引入紅外光譜數(shù)據(jù)處理領(lǐng)域，在數(shù)據(jù)分析方面發(fā)揮出獨(dú)特優(yōu)勢(shì)，化學(xué)計(jì)量學(xué)為化學(xué)測(cè)量提供理論和方法，為數(shù)據(jù)的解析、優(yōu)化提供了新途徑?；瘜W(xué)計(jì)量學(xué)應(yīng)用于紅外光譜，主要表現(xiàn)在3個(gè)方面：一是光譜數(shù)據(jù)預(yù)處理；二是為紅外光譜技術(shù)的定性或定量方法，建立穩(wěn)定可靠的分析檢測(cè)模型；三是用于校正模型的傳遞，也叫紅外光譜儀器的標(biāo)準(zhǔn)化，實(shí)現(xiàn)校正模型的共享?；谂c化學(xué)計(jì)量學(xué)的結(jié)合，紅外光譜分析技術(shù)在食品定性和定量分析過(guò)程中具有無(wú)可比擬的優(yōu)勢(shì)，分析過(guò)程的投資及操作費(fèi)用低，可同時(shí)進(jìn)行定性定量分析，分析過(guò)程無(wú)損樣品、零試劑、零污染環(huán)境。目前的食品監(jiān)督管理中，紅外光譜結(jié)合化學(xué)計(jì)量學(xué)技術(shù)已是一種常規(guī)的檢測(cè)工具，在保證食品質(zhì)量的一致性，提高食品生產(chǎn)過(guò)程的可控性和食品的均一性方面起到很大作用。

1 定性鑒別

分子中不同的特征基團(tuán)的振動(dòng)能級(jí)的能量差有區(qū)別，所以會(huì)吸收不同波段的電磁輻射，因而在光譜上表現(xiàn)出不同位置的吸收峰，相同特征基團(tuán)的能級(jí)的能量差基本相同，吸收峰的位置相對(duì)固定，這是紅外光譜定性分析的依據(jù)。由于同類樣品具有相近的光譜吸收，在分析過(guò)程中，運(yùn)用化學(xué)計(jì)量學(xué)方法將紅外光譜或壓縮的變量組成一個(gè)多維的變量空間，同類物質(zhì)在該多維空間位于相近的位置。未知樣品的分析過(guò)程就是考察其光譜或壓縮的變量是否位于某類物質(zhì)所在的空間。其主要的分析過(guò)程是：采集已知樣品的光譜；用一定的數(shù)學(xué)方法處理采集到的光譜，生成定性判據(jù)；用該定性判據(jù)判斷未知樣品屬于哪類物質(zhì)所在的空間[9]。紅外光譜結(jié)合化學(xué)計(jì)量學(xué)在食品檢測(cè)定性方面的應(yīng)用主要表現(xiàn)在：產(chǎn)地鑒別，品種鑒別，易混淆、真?zhèn)舞b別，品質(zhì)分析研究等方面。

1.1產(chǎn)地鑒別不同地域來(lái)源的食品原料受氣候、環(huán)境、地質(zhì)等因素的影響，其組織中化學(xué)成分、物質(zhì)含量存在差異，其相應(yīng)的光譜也存在細(xì)小差別。目前，紅外光譜技術(shù)應(yīng)用于食品產(chǎn)地溯源方面，歐盟研究起步較早，我國(guó)在此方面的研究相對(duì)較晚，但近年來(lái)研究發(fā)展迅速。

在對(duì)羊肉產(chǎn)地進(jìn)行分析時(shí)，張寧等[10]利用近紅外光譜結(jié)合簇類獨(dú)立軟模式(SIMCA)識(shí)別方法對(duì)4個(gè)產(chǎn)地羊肉分別建立類模型，基本實(shí)現(xiàn)了對(duì)4個(gè)產(chǎn)地羊肉的有效識(shí)別，對(duì)其他產(chǎn)地羊肉識(shí)別時(shí)，拒絕率達(dá)到100%。表明近紅外光譜結(jié)合SIMCA模式識(shí)別方法在羊肉產(chǎn)地溯源中具有可行性，為解決羊肉安全問(wèn)題提供了一種新的思路。朱哲燕等[11]基于中紅外光譜分析技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法，對(duì)香菇的產(chǎn)地識(shí)別進(jìn)行研究，對(duì)3 581～689 cm-1光譜和全譜分別建立多種不同模型進(jìn)行分析，發(fā)現(xiàn)不同模型識(shí)別效果不同，基于相關(guān)向量機(jī)(RVM)能夠被更有效地應(yīng)用于中紅外光譜識(shí)別香菇產(chǎn)地的研究。說(shuō)明并不是任何一種化學(xué)計(jì)量學(xué)方法建立的模型都能達(dá)到預(yù)期的試驗(yàn)?zāi)康模山⒍喾N模型進(jìn)行比較，選擇最合適可靠的化學(xué)計(jì)量學(xué)方法。

在對(duì)數(shù)據(jù)進(jìn)行建模分析前應(yīng)用化學(xué)計(jì)量學(xué)方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，消除非目標(biāo)因素對(duì)光譜數(shù)據(jù)的影響，可以達(dá)到更好的試驗(yàn)效果。張文海等[12]在利用FTIR對(duì)7種糯米進(jìn)行產(chǎn)地識(shí)別時(shí)，借助特征波長(zhǎng)的有效選擇、Savitzky-Golay多項(xiàng)式平滑法、基線校正及SNV等方法對(duì)原始光譜進(jìn)行預(yù)處理，然后結(jié)合基于主成分分析(PCA)的SIMCA模式識(shí)別方法對(duì)7種糯米分別建模，有效識(shí)別所考察的糯米，充分展示了FTIR結(jié)合SIMCA法識(shí)別糯米產(chǎn)地的可行性。李仲等[13]利用傅立葉變換紅外光譜，測(cè)定了來(lái)自青海省不同產(chǎn)地的枸杞樣品的紅外光譜。通過(guò)小波變換的方法壓縮光譜變量，結(jié)合BP神經(jīng)網(wǎng)絡(luò)建立青海枸杞產(chǎn)地鑒別模型，該模型對(duì)柴達(dá)木盆地產(chǎn)地鑒別預(yù)測(cè)效果很好，還能鑒別偽劣枸杞或枸杞制成品，正確識(shí)別率達(dá)到100%，有較大的實(shí)用性，適合無(wú)損快速鑒別應(yīng)用。

1.2品種鑒別稻米是黃酒發(fā)酵的主要原料，稻米品質(zhì)特性的不同導(dǎo)致所釀造的黃酒特性也有一定差異。采集自制黃酒的紅外光譜圖，選取波數(shù)975～1 165和1 250～1 500 cm-1作為特征向量，建立以大米品種為分類標(biāo)準(zhǔn)的SIMCA識(shí)別模型，該模型對(duì)預(yù)測(cè)集樣本的識(shí)別率和拒絕率均達(dá)到了100%。表明大米品種對(duì)黃酒的最終品質(zhì)有影響，而SIMCA模式識(shí)別能恰當(dāng)?shù)胤从尺@種影響關(guān)系[14]。

管驍?shù)萚15]利用SIMCA類建模法原理建立光明乳粉、荷蘭乳粉、雀巢乳粉主成分回歸分類模型，模型對(duì)3種品牌乳粉的識(shí)別率分別為78%、75%、100%，拒絕率分別為100%、87%、88%，取得了較好的品牌分類的目的。何勇等[16]用主成分分析法對(duì)蘋果品種進(jìn)行聚類分析并獲取蘋果的近紅外指紋圖譜，再結(jié)合人工神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行品種鑒別，建立一種快速鑒別蘋果品種的新方法，與之前一些品種鑒別相比，主成分結(jié)合人工神經(jīng)網(wǎng)絡(luò)方法，用于品種鑒別得到的識(shí)別率得到很大提高，說(shuō)明該方法是一種快速準(zhǔn)確鑒別蘋果品種的方法。方慧等[17]運(yùn)用不同的數(shù)據(jù)處理方式對(duì)轉(zhuǎn)基因大豆進(jìn)行鑒別，效果良好。結(jié)合特征波數(shù)選擇和特征信息提取方法，對(duì)轉(zhuǎn)基因大豆及其親本進(jìn)行品種鑒別研究。分別采用X-loading weights、VIP和2-Der提取特征波數(shù)，并采用PCA和ICA提取特征信息。分別基于全波段光譜、特征波數(shù)、特征信息建立PLS-DA模型，建模集和預(yù)測(cè)集均取得了較好的判別正確率。研究表明，中紅外光譜分析技術(shù)可以較為準(zhǔn)確地鑒別非轉(zhuǎn)基因親本與轉(zhuǎn)基因品種，為轉(zhuǎn)基因大豆的無(wú)損鑒別提供新的思路。

1.3易混淆、真?zhèn)舞b別驢肉具有極高的食用價(jià)值，資源的缺乏使其價(jià)格持續(xù)走高，由此引發(fā)的欺騙和摻假亟待解決。牛曉穎等[18]選取了不同部位(脖子、肋板、后墩和腱子)的驢肉樣品及牛肉、豬肉和羊肉樣品建立了驢肉的近紅外光譜鑒別模型，利用不同化學(xué)計(jì)量學(xué)方法及不同的光譜預(yù)處理方法，對(duì)肉塊樣品及大中小3個(gè)不同粉碎粒徑肉糜樣品建立分類模型，結(jié)果發(fā)現(xiàn)，模型中的驢肉樣品均得到了100%的判別正確率，其中，馬氏距離判別和SIMCA方法較適合肉類樣品的分類，2種方法均具有判別精度高、算法簡(jiǎn)單、運(yùn)算速度快等有利于實(shí)時(shí)化、儀器化的特點(diǎn)。

食用油的真?zhèn)螌?duì)人們身體健康有著非常直接的影響。但隨著社會(huì)的發(fā)展，提煉技術(shù)的進(jìn)步，越來(lái)越多的不法商販看上了泔水、動(dòng)物油脂以及內(nèi)臟中提煉的食用油，試圖用這些偽食用油以次充好，從中獲取暴利。陳學(xué)海[19]通過(guò)構(gòu)建FTIR-SIMCA分類識(shí)別模型的方式對(duì)真?zhèn)问秤糜瓦M(jìn)行鑒別。根據(jù)研究結(jié)果來(lái)看，通過(guò)應(yīng)用FTIR-SIMCA分類識(shí)別模型對(duì)訓(xùn)練集和驗(yàn)證集進(jìn)行2次識(shí)別，結(jié)果均顯示拒絕率和識(shí)別率為100%，表明FTIR-SIMCA分類識(shí)別模型具有較高的可識(shí)別性。與傳統(tǒng)的核磁共振法、理化指標(biāo)測(cè)定法和薄層層析法等相比，提高了食用油真?zhèn)蔚臋z出率，且檢測(cè)快速，操作簡(jiǎn)單，無(wú)損樣品。楊志敏等[20]利用近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)方法不僅成功鑒別原料肉和摻假肉，而且還識(shí)別出不同分類的摻假肉。他們首先利用近紅外結(jié)合主成分與Fisher 2類判別法，建立原料肉與摻假肉的判別函數(shù)用于判別原料類是否摻假，總的正確判別率達(dá)到90%。然后，利用近紅外結(jié)合主成分與MLP神經(jīng)網(wǎng)絡(luò)建立原料肉和3種摻假肉的3層神經(jīng)網(wǎng)絡(luò)識(shí)別模型，正確識(shí)別率達(dá)到94.2%。說(shuō)明利用近紅外結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)原料肉是否摻假及摻假種類進(jìn)行鑒別是可行的。

1.4品質(zhì)分析研究不同品質(zhì)原料、不同加工方式加工出的食品，品質(zhì)存在差別；食品在儲(chǔ)存過(guò)程中，其品質(zhì)也會(huì)發(fā)生改變。趙賢德等[21]利用傅立葉變換紅外光譜技術(shù)研究紅葡萄酒特征光譜及其品質(zhì)劣變的判別方法。選取葡萄酒劣變前后在光譜特征上具有一定差異的3個(gè)波段，通過(guò)PCA分析建模結(jié)合SIMCA分類判別方法成功識(shí)別出劣變和未劣變的葡萄酒，并證明在1 550～800 cm-1波段建模識(shí)別效果最好，識(shí)別率達(dá)到94%。這一研究為葡萄酒的變質(zhì)判別提供了新的方法。由于試驗(yàn)過(guò)程中選擇的是明顯變質(zhì)的葡萄酒，得出了令人滿意的結(jié)果，但是對(duì)于葡萄酒輕微變質(zhì)是否低于紅外檢測(cè)限而無(wú)法檢測(cè)，有待進(jìn)一步深入系統(tǒng)研究。歐文娟等[22]首次利用可見(jiàn)-近紅外反射光譜快速檢測(cè)有機(jī)胡蘿卜、綠色胡蘿卜和無(wú)公害胡蘿卜，選擇最佳區(qū)間(650～700 nm)，3種分類模型包括主成分分析結(jié)合k均值聚類、主成分分析結(jié)合線性判別分析、反向傳播神經(jīng)網(wǎng)絡(luò)，鑒別126個(gè)胡蘿卜樣本的準(zhǔn)確率分別為93.65%、100%和98.41%。結(jié)果表明，可見(jiàn)-近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)技術(shù)可以有效地驗(yàn)證有機(jī)胡蘿卜、綠色胡蘿卜和無(wú)公害胡蘿卜，為質(zhì)量檢驗(yàn)機(jī)構(gòu)提供了一個(gè)可行的檢測(cè)方法，從而促進(jìn)包括有機(jī)食品、綠色食品、無(wú)公害食品等安全食品的發(fā)展。劉聰[23]利用紅外光譜結(jié)合化學(xué)計(jì)量學(xué)鑒別鮮棗的完整果和裂果。運(yùn)用多層感知器人工神經(jīng)網(wǎng)絡(luò)，根據(jù)一階微分處理后的鮮棗近紅外光譜數(shù)據(jù)，建立了鮮棗完好果和裂果的定性鑒別模型，獲得了較高的鑒別正確率，校正集和預(yù)測(cè)集的鑒別正確率均在100%，實(shí)現(xiàn)了利用近紅外光譜技術(shù)對(duì)鮮棗貯運(yùn)過(guò)程中的完整程度的鑒別。Alamar等[24]探討了利用綠色、快速、高效的近紅外光譜分析方法來(lái)替代目前評(píng)價(jià)冷凍番石榴和黃色西番蓮果肉的質(zhì)量(水分、總糖、酸度、可溶性固體、pH和抗壞血酸)的方法。用近紅外光譜(NIR)和50個(gè)已知樣品進(jìn)行了分析，偏最小二乘回歸(PLSR)用于近紅外光譜和已知樣品校正模型建立，結(jié)果表明，有58%的番石榴果肉樣品和44%的黃色西番蓮果肉樣品加水摻假，PLS模型的均方根誤差校準(zhǔn)值(RMSEC)、根均方預(yù)測(cè)誤差(RMSEP)較低，決定系數(shù)在0.7以上。水分和總糖的校準(zhǔn)模型最好(番石榴果肉RMSEP分別為0.240和0.269；黃色西番蓮果肉RMSEP分別為0.401和0.413)，因此可通過(guò)水或糖的是否添加來(lái)測(cè)定西番蓮果和黃西番蓮果肉是否摻假。該研究結(jié)果表明，近紅外光譜技術(shù)結(jié)合多元校正技術(shù)可用于番石榴和黃色西番蓮果肉的質(zhì)量評(píng)價(jià)。

2 定量檢測(cè)

紅外光譜同樣可用于定量分析，以郎伯-比爾( Lambert-Beer)定律為理論基礎(chǔ)，紅外光譜有許多可供選擇的特征波長(zhǎng)，因此，氣體、液體及固體均可利用紅外光譜定量[25]。隨著科學(xué)技術(shù)的發(fā)展，紅外光譜技術(shù)的應(yīng)用從中紅外、到近紅外、再到現(xiàn)在較為熱門的傅立葉紅外變換光譜(FTIR)，技術(shù)得到不斷的改進(jìn)，應(yīng)用領(lǐng)域得到不斷的擴(kuò)充，尤其是FTIR，由于其可在復(fù)雜的背景分辨出待測(cè)物質(zhì)，故在食品中低含量物質(zhì)的檢測(cè)中具有極其重要的價(jià)值。

楊家寶等[26]采用中紅外光譜對(duì)小白菜葉片中的硝酸鹽含量進(jìn)行快速表征。選取硝酸鹽的特征吸收區(qū)(1 200～1 500 cm-1)，干擾程度最少的衰減全反射光譜。采用衰減全反射光譜結(jié)合偏最小二乘法進(jìn)一步改進(jìn)硝態(tài)氮的預(yù)測(cè)模型，預(yù)測(cè)誤差顯著減少，相關(guān)系數(shù)(R2)為0.885 1，RPD值為3.19，預(yù)測(cè)模型達(dá)到很優(yōu)秀水平。Mauer等[27]把近紅外光譜和中紅外光譜用于嬰兒奶粉的三聚氰胺的定量檢測(cè)，使用PLS方法建模得到相關(guān)系數(shù)大于0.99，可以快速檢測(cè)出三聚氰胺含量最低值為1×10-6。吳迪等[28]采用近紅外及中紅外光譜技術(shù)檢測(cè)了不同品種奶粉的蛋白質(zhì)含量，采用最小二乘支持向量機(jī)對(duì)光譜透射率值和蛋白質(zhì)值建模。模型在全波段對(duì)樣本蛋白質(zhì)含量預(yù)測(cè)得到了較好的結(jié)果。說(shuō)明紅外光譜技術(shù)能夠?qū)崿F(xiàn)奶粉蛋白質(zhì)含量的無(wú)損檢測(cè)，且檢測(cè)過(guò)程比傳統(tǒng)化學(xué)檢測(cè)方法簡(jiǎn)單、操作性強(qiáng)。同時(shí)還研究了分別基于中紅外光譜范圍和近紅外光譜范圍的建模。模型預(yù)測(cè)結(jié)果顯示，中紅外光譜區(qū)域的建模效果要優(yōu)于近紅外光譜區(qū)域。該研究為今后奶粉蛋白質(zhì)含量快速無(wú)損檢測(cè)提供了新的方法。方娟娟等[29]使用偏最小二乘法建立近紅外光譜與組分濃度的多元校正模型，用于同時(shí)快速測(cè)定食醋的有效成分(總酸)和防腐劑(苯甲酸)含量，在可接受能力的誤差范圍內(nèi)，該方法實(shí)現(xiàn)了同時(shí)快速檢測(cè)食醋的有效成分和防腐劑含量。Revelou等[30]用衰減全反射傅立葉變換紅外光譜(ATR FT-IR)和部分最小二乘法(PLS)算法對(duì)西蘭花中總異硫氰酸鹽含量進(jìn)行了測(cè)定，在2 150～2 020 cm-1的光譜區(qū)域中，用于全異硫氰酸酯的定量分析，相關(guān)系數(shù)為0.999 92，校準(zhǔn)(RMSEC)的根平均平方誤差為1.74，預(yù)測(cè)(RMSEP)的根平均誤差為2.17，所得結(jié)果與已建立的UV-Vis分光分度法相比較，這2種方法在再現(xiàn)性和準(zhǔn)確性方面是等價(jià)的(F-test,t-test)。該方法比現(xiàn)有的方法更簡(jiǎn)單快捷，是測(cè)定西蘭花中總異硫氰酸鹽含量的有效替代方法。

3 其他方面的研究

紅外光譜結(jié)合化學(xué)計(jì)量學(xué)在食品檢測(cè)中的應(yīng)用除了定性定量外，在其他方面也有一定的應(yīng)用。

采收成熟度是影響李果實(shí)貯藏質(zhì)量的重要因素，適宜的采收成熟度對(duì)提高果實(shí)的耐貯性和貯藏后的商品價(jià)值至關(guān)重要[31]。為實(shí)現(xiàn)快速無(wú)損判別李果實(shí)的成熟度，牛曉穎等[32]根據(jù)開花后發(fā)育時(shí)間的不同，將李果實(shí)樣品分為早期、中期和晚期3個(gè)成熟度，結(jié)合化學(xué)計(jì)量學(xué)進(jìn)行了近紅外分類模型的建立和優(yōu)化，對(duì)不同成熟度的李果實(shí)進(jìn)行了分類。對(duì)比3種分類模型結(jié)果，馬氏距離判別法模型結(jié)果最優(yōu)。接著對(duì)可溶性固形物、可滴定酸及堅(jiān)實(shí)度數(shù)據(jù)進(jìn)行差異分析，從理化指標(biāo)的角度驗(yàn)證了不同成熟度李果實(shí)樣品的近紅外分類結(jié)果。研究表明，使用近紅外光譜分析技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)李果實(shí)成熟度進(jìn)行鑒別是有效的、可行的。

4 討論與展望

綜上所述，紅外光譜結(jié)合化學(xué)計(jì)量學(xué)是一種被廣泛用于食品檢測(cè)的現(xiàn)代分析技術(shù)，技術(shù)成熟、易用，零污染，檢測(cè)快速準(zhǔn)確，無(wú)損樣品，且成本較低。然而，盡管這一技術(shù)在食品檢測(cè)中顯示出良好的應(yīng)用效果，但仍然有一些問(wèn)題需要進(jìn)一步研究解決。主要表現(xiàn)在以下幾個(gè)方面：

(1)食品的化學(xué)組分復(fù)雜，影響檢測(cè)結(jié)果。食品是混合物，其原料受多種因素(氣候、環(huán)境、代謝類型、種植/養(yǎng)殖方式、加工工藝等)的影響，其組分各不相同且復(fù)雜，某些含量很低的組分，不在紅外檢測(cè)限范圍內(nèi)，卻可能是區(qū)別不同品種、產(chǎn)地和品質(zhì)好壞的關(guān)鍵組分，關(guān)鍵組分含量過(guò)低導(dǎo)致紅外光譜吸收弱，靈敏度低，影響檢測(cè)結(jié)果。這就需要研究人員通過(guò)廣泛而深入的研究，全面掌握所研究食品的光譜信息，將紅外光譜與其他技術(shù)結(jié)合起來(lái)進(jìn)行食品檢測(cè)研究。

(2)取樣困難，建模難度大。建立模型需要大批來(lái)源豐富的代表性樣品，而食品在生長(zhǎng)、加工過(guò)程中的變化因素很多，造成了最后的成品所含的成分各不相同，這樣就給建模樣品的選擇帶來(lái)了很大的困難，同時(shí)也限制了所建模型的普適性。針對(duì)這一問(wèn)題，要求研究人員要選擇盡可能大量具有代表性和多樣性的建模樣品，從而使所建模型的適應(yīng)性滿足應(yīng)用需要。

(3)結(jié)果難以直接解釋。由于紅外光譜結(jié)合化學(xué)計(jì)量學(xué)這一技術(shù)是一種間接分析技術(shù)，需要依靠復(fù)雜的化學(xué)計(jì)量學(xué)方法對(duì)所得光譜數(shù)據(jù)進(jìn)行提取分析，而提取分析后的數(shù)據(jù)物理意義并不明確，因此對(duì)其最終得出的結(jié)果很難直接作出解釋，需要使用精確的化學(xué)分析手段對(duì)樣本的化學(xué)組分進(jìn)行深入研究，以求從中找出真正影響光譜差異的因素，從而更加科學(xué)地對(duì)鑒別結(jié)果作出解釋。

(4)研究系統(tǒng)性、深度欠缺。目前，大多數(shù)紅外光譜結(jié)合化學(xué)計(jì)量學(xué)在食品檢測(cè)中的研究只是進(jìn)行可行性探索，研究的系統(tǒng)性、深入性還很不夠，而且檢測(cè)抽樣量比較少，還未在全球范圍內(nèi)建立任何關(guān)于食品產(chǎn)地溯源、品質(zhì)鑒定、真?zhèn)舞b別等的數(shù)據(jù)庫(kù)，因此還需進(jìn)一步做大量的研究工作，將紅外技術(shù)結(jié)合化學(xué)計(jì)量學(xué)有效地應(yīng)用于食品檢測(cè)中。

[1] ALIAKBARZADEH G,SERESHTI H,PARASTAR H.Fatty acids profiling of avocado seed and pulp using gas chromatography-mass spectrometry combined with multivariate chemometric techniques[J].Journal of the Iranian chemical society,2016,13(10):1905-1913.

[2] 馬悅,趙樂(lè)鳳,呂子燕,等.高效液相色譜-四極桿-靜電場(chǎng)軌道阱高分辨質(zhì)譜分析桑葚中黃酮類和多酚類物質(zhì)[J].質(zhì)譜學(xué)報(bào),2017,38(1):45-51.

[3] SHI L K,ZHANG M M,LIU Y L.Concentration and survey of phthalic acid esters in edible vegetable oils and oilseeds by gas chromatography-mass spectrometry in China[J].Food control,2016,68:118-123.

[4] 孫興權(quán),趙禹,楊春光,等.液相色譜-高分辨質(zhì)譜聯(lián)用技術(shù)在食品欺詐檢測(cè)鑒別中的應(yīng)用[J].色譜,2016,34(7):647-656.

[5] ZHAO W,LIU F,FENG X H,et al.Fourier transform infrared spectroscopy study of acid birnessites before and after Pb2+adsorption[J].Clay minerals,2012,47(2):191-204.

[6] MEHLTRETTER A H,WRIGHT D M,SMITH M A.Variation in duct tape products over time:Physical measurements and adhesive compositional analysis by Fourier transform infrared spectroscopy[J].Forensic chemistry,2017,4:1-8.

[7] YAN R,CHEN J B,SUN S Q,et al.Rapid identification ofLoniceraejaponicaeFlos and Lonicerae Flos by Fourier transform infrared (FT-IR) spectroscopy and two-dimensional correlation analysis[J].Journal of molecular structure,2016,1124:110-116.

[8] HUANG D M,GUO C N,ZHANG M Z,et al.Characteristics of nanoporous silica aerogel under high temperature from 950 ℃ to 1200 ℃[J].Materials & design,2017,129:82-90.

[9] 馬冬紅,王錫昌,劉利平,等.近紅外光譜技術(shù)在食品產(chǎn)地溯源中的研究進(jìn)展[J].光譜學(xué)與光譜分析,2011,31(4):877-881.

[10] 張寧,張德權(quán),李淑榮,等.近紅外光譜結(jié)合 SIMCA 法溯源羊肉產(chǎn)地的初步研究[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(12):309-312.

[11] 朱哲燕,張初,劉飛,等.基于中紅外光譜分析技術(shù)的香菇產(chǎn)地識(shí)別研究[J].光譜學(xué)與光譜分析,2014,34(3):664-667.

[12] 張文海,姬中偉,艾斯卡爾·艾拉提,等.FT-IR 結(jié)合 SIMCA 法識(shí)別糯米產(chǎn)地[J].食品科學(xué),2012,33(8):225-228.

[13] 李仲,劉明地,吉守祥.基于枸杞紅外光譜人工神經(jīng)網(wǎng)絡(luò)的產(chǎn)地鑒別[J].光譜學(xué)與光譜分析,2016,36(3):720-723.

[14] 黃桂東,毛健,姬中偉,等.DR-FTIR 結(jié)合 SIMCA 識(shí)別不同種類原料米釀造的黃酒[J].食品科學(xué),2013,34(14):285-288.

[15] 管驍,古方青,劉靜,等.近紅外光譜技術(shù)的乳粉品牌溯源研究[J].光譜學(xué)與光譜分析,2013,33(10):2621-2624.

[16] 何勇,李曉麗,邵詠妮.基于主成分分析和神經(jīng)網(wǎng)絡(luò)的近紅外光譜蘋果品種鑒別方法研究[J].光譜學(xué)與光譜分析,2006,26(5):850-853.

[17] 方慧,張昭,王海龍,等.基于中紅外光譜技術(shù)鑒別轉(zhuǎn)基因大豆的方法研究[J].光譜學(xué)與光譜分析,2017，37(3):760-765.

[18] 牛曉穎,邵利敏,董芳,等.基于近紅外光譜和化學(xué)計(jì)量學(xué)的驢肉鑒別方法研究[J].光譜學(xué)與光譜分析,2014,34(10):2737-2742.

[19] 陳學(xué)海.傅里葉變換紅外光譜結(jié)合模式識(shí)別法在食用油真?zhèn)舞b別中的實(shí)踐分析[J].食品安全導(dǎo)刊,2015(6):94-96.

[20] 楊志敏,丁武.近紅外光譜技術(shù)快速鑒別原料肉摻假的可行性研究[J].肉類研究,2011,25(2):25-28.

[21] 趙賢德,董大明,鄭文剛,等.傅里葉變換紅外光譜在葡萄酒品質(zhì)劣變檢測(cè)中的應(yīng)用[J].光譜學(xué)與光譜分析,2014,34(10):2667-2672.

[22] 歐文娟,孟耀勇,張平麗,等.可見(jiàn)-近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)認(rèn)證有機(jī)胡蘿卜、綠色胡蘿卜和無(wú)公害胡蘿卜[J].激光生物學(xué)報(bào),2015,24(1):46-54.

[23] 劉聰.基于近紅外光譜的鮮棗品質(zhì)檢測(cè)及其安全判別研究[D].楊凌：西北農(nóng)林科技大學(xué),2013.

[24] ALAMAR P D,CARAMS E T S,POPPI R J,et al.Quality evaluation of frozen guava and yellow passion fruit pulps by NIR spectroscopy and chemometrics[J].Food research international,2016,85:209-214.

[25] 劉崇華,黃宗平.光譜分析儀器使用與維護(hù)[M]．北京:化學(xué)工業(yè)出版社，2010.

[26] 楊家寶,杜昌文,申亞珍,等.基于傅里葉變換中紅外光譜的小白菜硝酸鹽含量的快速測(cè)定[J].分析化學(xué),2013,41(8):1264-1268.

[27] MAUER L J ,CHERNYSHOVA A A,HIATT A,et al.Melamine detection in infant formula powder using near-and mid-infrared spectroscopy[J].Journal of agricultural and food chemistry,2009,57(10):3974-3980.

[28] 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(cè)中的應(yīng)用[J].光譜學(xué)與光譜分析,2008,28(5):1071-1075.

[29] 方娟娟,衛(wèi)雪梅,強(qiáng)建華,等.偏最小二乘法同時(shí)測(cè)定食醋的有效成分和防腐劑的含量[J].計(jì)算機(jī)與應(yīng)用化學(xué),2010,27(3):351-354.

[30] REVELOU P K,KOKOTOU M G,PAPPAS C S,et al.Direct determination of total isothiocyanate content in broccoli using attenuated total reflectance infrared Fourier transform spectroscopy[J].Journal of food composition and analysis,2017,61:47-51.

[31] 及華,關(guān)軍鋒,孫玉龍,等.不同采收成熟度黑寶石李冷藏期間品質(zhì)變化的研究[J].保鮮與加工,2010,10(3):22-25.

[32] 牛曉穎,貢東軍,王艷偉,等.基于近紅外光譜和化學(xué)計(jì)量學(xué)的李果實(shí)成熟度鑒別方法研究[J].現(xiàn)代食品科技,2014,30(12):230-234.