藍(lán)斌

摘要：水、脂肪、碳水化合物、維生素、蛋白質(zhì)是食品的主要組成成分，這些組分在紅外線區(qū)域內(nèi)均有吸收光譜。利用紅外光譜技術(shù)可以準(zhǔn)確檢測(cè)出食品組分及其結(jié)構(gòu)性質(zhì)。本文以食品紅外光譜檢測(cè)為研究對(duì)象，介紹紅外光譜的檢測(cè)原理，分析食品檢測(cè)中紅外光譜的應(yīng)用進(jìn)展，并對(duì)紅外光譜在食品檢測(cè)中的應(yīng)用進(jìn)行簡(jiǎn)單的探究。

關(guān)鍵詞：食品檢測(cè);紅外光譜;Near Infrared

前言

傅里葉變換紅外光譜技術(shù)是一種新型的無(wú)損檢測(cè)技術(shù)，在食品檢測(cè)中發(fā)揮著良好的效用。應(yīng)用傅里葉變換紅外光譜技術(shù)可以直接對(duì)食品進(jìn)行檢測(cè)，而且檢測(cè)效率較高，檢測(cè)成本較低，污染程度較小。因此，適當(dāng)分析傅里葉變換紅外光譜技術(shù)在食品檢測(cè)中的應(yīng)用具有非常重要的意義。

紅外光譜的檢測(cè)原理

紅外光譜是一種分子吸收光譜，主要包括Near Infrared（近紅外檢測(cè)/0.75-2.5μm）、Far Infrared（遠(yuǎn)紅外檢測(cè)/25-1000μm）、Middle Infrared（中紅外檢測(cè)/2.5-25μm）三個(gè)區(qū)段。食品樣本受到頻率連續(xù)變化的紅外光照射后，其分子會(huì)吸收一定頻率紅外光輻射[1]。隨后由振動(dòng)運(yùn)動(dòng)（或轉(zhuǎn)動(dòng)運(yùn)動(dòng)）引起分子偶極矩變化，最終形成紅外吸收光譜。通過(guò)對(duì)紅外吸收光譜中不同吸收峰化學(xué)基團(tuán)進(jìn)行對(duì)比分析，可判定化合物的結(jié)構(gòu)和狀態(tài)，進(jìn)而確定食品性質(zhì)。

食品檢測(cè)中紅外光譜的應(yīng)用進(jìn)展

目前應(yīng)用于食品檢測(cè)領(lǐng)域的紅外光譜技術(shù)主要為Near Infrared（近紅外檢測(cè)）和Middle Infrared（中紅外檢測(cè)）。

Near Infrared應(yīng)用進(jìn)展

Near Infrared在食品檢測(cè)中的應(yīng)用主要源于20世紀(jì)80年代，其將計(jì)算機(jī)技術(shù)、光譜測(cè)量技術(shù)、基礎(chǔ)測(cè)試技術(shù)與化學(xué)計(jì)量學(xué)技術(shù)進(jìn)行了有機(jī)整合，成為獨(dú)立的食品檢驗(yàn)?zāi)K。Near Infrared在食品檢測(cè)中的應(yīng)用主要包括糧食安全性、肉類(lèi)安全性、食用油安全性、乳制品安全性、茶葉安全性、酒類(lèi)安全性等模塊。如利用Near Infrared檢測(cè)技術(shù)，可對(duì)黑木耳、銀耳、黑牛肝菌等食用菌，或者不同區(qū)域生產(chǎn)的山藥樣本進(jìn)行紅外檢測(cè)分析[2]。

Middle Infrared應(yīng)用進(jìn)展

Middle Infrared在食品檢測(cè)領(lǐng)域中可檢測(cè)食用油組分、糧食成分及肉制品中反式脂肪酸含量。如根據(jù)油脂中多次甲基鏈C-O、C-H在Middle Infrared振動(dòng)方式、振動(dòng)頻率差異[3]。利用Middle Infrared主成分分析方式，可區(qū)別葵花油、玉米油、菜籽油及橄欖油在1800-1000-1輻射區(qū)域內(nèi)變化;通過(guò)液體油樣光纖分析，還可以對(duì)Middle Infrared光譜進(jìn)行二階導(dǎo)數(shù)處理，及時(shí)確定食品摻假情況。

紅外光譜在食品檢測(cè)中的應(yīng)用

紅外光譜在食品定性鑒別中的應(yīng)用

現(xiàn)階段我國(guó)食品市場(chǎng)，不少商家為牟取更大利潤(rùn)向食品中摻加葡萄糖、淀粉、抗生物等，以實(shí)現(xiàn)以次充好的目的。針對(duì)上述情況，可利用Near Infrared檢測(cè)技術(shù)，對(duì)食品進(jìn)行直接掃描檢測(cè)，確保食品摻假問(wèn)題的及時(shí)發(fā)現(xiàn)，保證食品安全。以Near Infrared定性分析牛奶摻假為例，在定性分析過(guò)程中，檢測(cè)人員可分別收集摻有豆?jié){的牛奶樣本、生鮮牛奶樣本及摻有尿素的牛奶樣本，利用主成分分析技術(shù)，結(jié)合人工神經(jīng)網(wǎng)絡(luò)，進(jìn)行摻假牛奶定性分析模型的構(gòu)建。在摻假牛奶定性分析模型中，通過(guò)對(duì)樣本數(shù)據(jù)分析，可以保證牛奶摻假識(shí)別率在93.56%以上。

另外，利用Middle Infrared進(jìn)行食品定性分析，抽取性質(zhì)相似的樣品，在統(tǒng)一輻射區(qū)域內(nèi)進(jìn)行紅外光譜照射，并以主成分為依據(jù)，進(jìn)行二維線性投影，根據(jù)投影圖內(nèi)紅外吸收峰聚類(lèi)，可以確定不同食物的性質(zhì)差異。如選擇我國(guó)紹興米酒、嘉善米酒樣本，在傅里葉紅外檢測(cè)儀的Middle Infrared區(qū)段內(nèi)進(jìn)行掃描。隨后利用PCA分析法進(jìn)行分析，可區(qū)分兩地米酒的差異。

紅外光譜在食品定量分析中的應(yīng)用

一方面，基于Near Infrared的食品定量分析主要通過(guò)多個(gè)食品樣本的識(shí)別，在4200-4800nm-1波段內(nèi)對(duì)食品各組分含量，進(jìn)行最小二乘定量模型的構(gòu)建。通過(guò)對(duì)多個(gè)食品預(yù)測(cè)組分含量與參考含量的對(duì)比分析，可有效判定被檢測(cè)食品組分含量的超標(biāo)情況。如利用傅里葉紅外變化模型，向槐花蜜、油菜蜜中摻加5.0%的麥芽糖漿，利用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法，構(gòu)建蜂蜜的麥芽糖漿含量定量模型。通過(guò)對(duì)兩樣本定量模型方根對(duì)比分析，可確定兩種蜂蜜的麥芽糖漿摻加含量。在此基礎(chǔ)上，檢測(cè)人員可進(jìn)一步拓展檢測(cè)范圍，即向槐花蜜中摻加不同含量的麥芽糖漿，配成100個(gè)蜂蜜樣本，在305-2100nm-1范圍內(nèi)采集Near Infrared反射光譜。隨后利用主成分分析方法，對(duì)Near Infrared光譜內(nèi)的數(shù)據(jù)進(jìn)行匯總、整合，以蜂蜜麥芽糖含量定量模型構(gòu)建的方式，對(duì)定量模型的交叉驗(yàn)證相關(guān)系數(shù)及均方根誤差進(jìn)行逐一分析，從而確定蜂蜜摻加麥芽糖漿的比例。通過(guò)對(duì)上述定量模型分析，可有效判定蜂蜜的摻假現(xiàn)象。并確定摻假蜂蜜濃度，為后續(xù)蜂蜜鑒別提供依據(jù)。

另一方面，利用Middle Infrared進(jìn)行食品定量分析，主要利用統(tǒng)計(jì)學(xué)、模型參數(shù)估計(jì)、化學(xué)信號(hào)處理、定量構(gòu)效關(guān)系、人工智能、實(shí)驗(yàn)設(shè)計(jì)優(yōu)化等化學(xué)計(jì)量方法，提取食品特征，構(gòu)建食品參數(shù)模型，從而達(dá)到定量分析的目的。以Middle Infrared在食品反式脂肪酸含量測(cè)定中的應(yīng)用為例，實(shí)驗(yàn)主要利用氯仿-甲醇提取法，提取食品中的脂肪。然后利用甲醇-BF3將食品中的脂肪進(jìn)行快速甲脂化。食品脂肪甲酯化后，在Avatar 375傅里葉變換紅外光譜儀內(nèi)，對(duì)食品中反式脂肪酸含量進(jìn)行定量分析，可達(dá)到90.2%-102.3%回收率[4]。

雖然Near Infrared、Middle Infrared在食品檢測(cè)中發(fā)揮了較大作用，但是總的來(lái)說(shuō)紅外檢測(cè)技術(shù)在食品定性、定量分析中仍存在較大的局限性。如紅外食品檢測(cè)極限為1.0%，無(wú)法有效測(cè)量低濃度的物質(zhì)。利用定性或定量模型雖然可以有效辨別食品中的摻假現(xiàn)象，但是對(duì)于食品中的未知物質(zhì)，利用紅外檢測(cè)技術(shù)并不能有效地檢測(cè)出來(lái)，特別是在液體食品的檢測(cè)過(guò)程中，由于液體食品的檢測(cè)范圍較集中，且性質(zhì)不夠穩(wěn)定，在檢測(cè)過(guò)程中極易出現(xiàn)多種干擾因素，甚至?xí)l(fā)生食品間性質(zhì)相互干擾的情況。因此，在后續(xù)的食品紅外檢測(cè)過(guò)程中，相關(guān)人員應(yīng)綜合考慮溫度、濕度、時(shí)間、壓力等因素對(duì)食品性質(zhì)的影響，構(gòu)建大顆粒光散射修正模型，創(chuàng)新檢測(cè)方法，擴(kuò)展檢測(cè)范圍，保證紅外光譜技術(shù)在食品檢測(cè)行業(yè)的有效應(yīng)用。

總結(jié)

食品特別是農(nóng)產(chǎn)品的質(zhì)量和安全問(wèn)題是人們普遍關(guān)注的問(wèn)題。為有效處理食品安全問(wèn)題，相關(guān)人員可根據(jù)食品類(lèi)型，合理利用Near Infrared和Middle Infrared檢測(cè)技術(shù)，從定性、定量?jī)蓚€(gè)方面，分析食品組分和結(jié)構(gòu)，保證食品摻假問(wèn)題的及早發(fā)現(xiàn)和處理，為我國(guó)食品行業(yè)的健康發(fā)展提供保障。

參考文獻(xiàn)：

[1] 王君， 劉蓉. 近紅外光譜技術(shù)在液態(tài)食品摻假檢測(cè)中的應(yīng)用[J]. 食品工業(yè)科技， 2016， 37（7）：374-380.

[2] 宋雪健， 錢(qián)麗麗， 張東杰，等. 近紅外光譜技術(shù)在食品溯源中的應(yīng)用進(jìn)展[J]. 食品研究與開(kāi)發(fā)， 2017， 38（12）：197-200.

[3] 黃瑞娟. 紅外光譜技術(shù)在食品檢測(cè)中的應(yīng)用[J]. 中國(guó)檢驗(yàn)檢測(cè)， 2015（1）：9-14.

[4] 葛俊苗， 宋益善， 李燕，等. 傅里葉變換紅外光譜儀及其在食品中的應(yīng)用[J]. 廣東化工， 2017， 44（2）：54-55.