黃寶瑩，佘之蘊(yùn)，王文敏，張 娟

（廣東產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)研究院，廣東順德 528300）

液體乳、乳粉、發(fā)酵乳制品等產(chǎn)品因其營(yíng)養(yǎng)豐富而深受消費(fèi)者歡迎，但近年來(lái)乳制品質(zhì)量安全事件時(shí)有發(fā)生，不少乳制品存在摻假、假冒品牌、化學(xué)成分或微生物檢測(cè)不合格的現(xiàn)象，存在一定的食品安全隱患，乳制品的質(zhì)量問(wèn)題日益引起人們的重視。目前乳制品的質(zhì)量控制和監(jiān)管仍依賴傳統(tǒng)的化學(xué)檢測(cè)方法，檢測(cè)耗時(shí)長(zhǎng)、操作繁瑣、成本高、破壞樣品，不能滿足企業(yè)在線監(jiān)測(cè)和快速分析的要求。因此開(kāi)發(fā)快速、高效的乳制品檢測(cè)方法對(duì)保障其質(zhì)量安全、市場(chǎng)監(jiān)管具有重要的意義。近紅外光譜（near-infrared spectroscopy，NIR）技術(shù)具有高效、準(zhǔn)確、檢測(cè)成本較低、操作簡(jiǎn)單、不需要對(duì)樣品進(jìn)行預(yù)處理、無(wú)污染、可多組分同時(shí)檢測(cè)等優(yōu)點(diǎn)[1-3]，可以有效避免傳統(tǒng)檢測(cè)方法相應(yīng)的不足，可為快速檢測(cè)提供技術(shù)支撐，實(shí)現(xiàn)在線監(jiān)測(cè)分析。本文綜述了國(guó)內(nèi)外近紅外光譜技術(shù)在乳制品快速檢測(cè)中的研究成果，為近紅外光譜技術(shù)在乳制品加工和質(zhì)量檢測(cè)中的應(yīng)用提供思路和參考。

1 近紅外光譜技術(shù)

近紅外光譜技術(shù)是根據(jù)待檢樣品中某些化學(xué)成分，對(duì)近紅外光譜區(qū)的吸收特性而進(jìn)行的定量或定性檢測(cè)的分析方法。

1.1 近紅外光譜技術(shù)的原理

1.2 近紅外光譜技術(shù)的特點(diǎn)

1.2.1 近紅外光譜技術(shù)的主要優(yōu)點(diǎn)

（1）操作簡(jiǎn)單便捷：常規(guī)檢測(cè)方法需對(duì)樣品進(jìn)行一定的預(yù)處理，而近紅外光譜技術(shù)可對(duì)樣品直接掃描，一般無(wú)需樣品預(yù)處理，操作簡(jiǎn)單，對(duì)檢測(cè)人員技術(shù)要求較低[13]。

（2）效率高，耗時(shí)短，可多組分同時(shí)檢測(cè)[14]：近紅外光譜技術(shù)檢測(cè)耗時(shí)少于1 min，極大地縮短了檢測(cè)時(shí)間，保障生產(chǎn)過(guò)程的連續(xù)性，且能用于多組分的同時(shí)檢測(cè)，尤其適用于企業(yè)在線監(jiān)測(cè)或快速檢測(cè)。

（3）無(wú)需試劑，成本低，不產(chǎn)生污染：近紅外光譜分析中只需掃描樣品獲取光譜信息，不使用任何化學(xué)試劑[15]，可以脫離試驗(yàn)試劑的影響，測(cè)試過(guò)程中不產(chǎn)生污染。

1.2.2 近紅外光譜技術(shù)存在的不足和缺點(diǎn)

（1）信號(hào)提取困難、測(cè)量靈敏度低：相比其他含量較高的成分，待檢成分的近紅外光譜信號(hào)較弱，近紅外光譜區(qū)大量的是重疊譜峰和肩峰，譜峰重疊嚴(yán)重，信號(hào)提取困難[16-17]。如發(fā)酵乳成分復(fù)雜，包含水、蛋白質(zhì)、脂肪、乳糖、乳酸、鹽分、食品添加劑等物質(zhì)，因此利用近紅外光譜分析技術(shù)對(duì)發(fā)酵乳中的某種化學(xué)物質(zhì)含量進(jìn)行定量分析，屬于從復(fù)雜、重疊、變動(dòng)的背景中提取弱信息。直接掃描發(fā)酵乳獲得的近紅外光譜易受基質(zhì)的干擾，多成分物質(zhì)造成光譜的背景復(fù)雜，增加了近紅外光譜分析的難度。

（2）近紅外光譜采集的發(fā)酵乳原始光譜信息中除包含與待檢組分及結(jié)構(gòu)有關(guān)的信息外，還可能受檢測(cè)條件、溫濕度、儀器和樣品狀態(tài)等因素的影響[18]。樣品中不同組分也會(huì)互相影響，導(dǎo)致譜線重疊，低含量組分光譜峰被高含量組分光譜峰掩蓋等現(xiàn)象。

2 化學(xué)計(jì)量學(xué)方法

與傳統(tǒng)檢測(cè)方法不同，近紅外光譜技術(shù)采用間接方法對(duì)組分進(jìn)行檢測(cè)，需要借助化學(xué)計(jì)量學(xué)方法來(lái)實(shí)現(xiàn)對(duì)未知樣品的定性或定量分析。被測(cè)物質(zhì)的近紅外光譜取決于樣品的組成和結(jié)構(gòu)，二者存在一定的函數(shù)關(guān)系。借助化學(xué)計(jì)量學(xué)方法，通過(guò)校正，可確定樣品的組成、結(jié)構(gòu)與近紅外光譜的函數(shù)關(guān)系。通過(guò)掃描樣品獲得待測(cè)樣品的近紅外光譜，就可根據(jù)函數(shù)關(guān)系，快速計(jì)算出各種數(shù)據(jù)。

阿里很久沒(méi)見(jiàn)到母親了，阿里只知道母親在睡覺(jué)。他不明白，母親為什么老是睡覺(jué)。他想不明白，也問(wèn)不出來(lái)。雖然每天早上他去東湖放錄音，聽(tīng)母親的聲音，但那到底不是母親。沒(méi)有母親溫?zé)岬氖终?，也沒(méi)有母親的笑聲，更沒(méi)有母親每天跟他說(shuō)這說(shuō)那，給他好吃的東西。這個(gè)世界跟以前不一樣了。母親一直在睡覺(jué)，阿里竟也一直都不進(jìn)她的房間。阿里不能吵她。

2.1 逐步多元線性回歸法

逐步多元線性回歸法（stepwisemultiplelinearregression，SMLR）的檢測(cè)原理是依據(jù)波長(zhǎng)變量對(duì)分析組分的偏相關(guān)系數(shù)的大小依次將波長(zhǎng)變量引入回歸方程，需要設(shè)定適當(dāng)?shù)倪x入和剔除水平[19-20]。

2.2 主成分回歸法

主成分回歸法（principal component regression，PCR）的檢測(cè)原理是先求出樣品集光譜矩陣的主成分矩陣，再建立主成分矩陣和樣品成分含量矩陣的函數(shù)關(guān)系，通過(guò)建立的函數(shù)關(guān)系對(duì)未知樣品進(jìn)行預(yù)測(cè)[21-22]。

2.3 偏最小二乘法

偏最小二乘法（partial least squares，PLS）是一種全光譜分析技術(shù)，是化學(xué)計(jì)量學(xué)中常用的數(shù)據(jù)處理方法[23]。運(yùn)用PLS進(jìn)行數(shù)據(jù)分析，分別求出樣品集光譜矩陣和樣品組分矩陣的主成分矩陣，將其相關(guān)聯(lián)，求其線性函數(shù)關(guān)系，根據(jù)所建立的函數(shù)來(lái)預(yù)測(cè)未知樣品[24-26]。

3 近紅外光譜技術(shù)在乳制品快速檢測(cè)中的研究進(jìn)展

近紅外光譜技術(shù)具有快捷、高效、無(wú)創(chuàng)、低成本、可多組分同時(shí)檢測(cè)等優(yōu)點(diǎn)，目前已廣泛應(yīng)用于乳制品的定量和定性分析，包括摻假識(shí)別、微生物快速檢測(cè)、化學(xué)成分快速檢測(cè)、快速鑒定牛奶品牌等方面。

3.1 摻假識(shí)別

乳制品中含有豐富的營(yíng)養(yǎng)物質(zhì)，但乳制品摻假現(xiàn)象時(shí)有發(fā)生，嚴(yán)重危害人體健康。因此，對(duì)摻假乳制品的準(zhǔn)確檢測(cè)具有重要意義。金垚等[27]采用近紅外漫反射光譜法分析了源自4個(gè)廠家的不同品牌、不同種類的224個(gè)牛奶及還原奶樣品，采用主成分分析（principal component analysis，PCA）對(duì)其進(jìn)行聚類分析，以此建立牛奶的品種鑒定及摻假識(shí)別模型，可以實(shí)現(xiàn)對(duì)不同品牌的牛奶及摻假牛奶的正確識(shí)別，該方法方便、快速、準(zhǔn)確。魏玉娟等[28-29]運(yùn)用近紅外光譜技術(shù)結(jié)合模式識(shí)別方法對(duì)液態(tài)奶中違法添加三聚氰胺進(jìn)行快速檢測(cè)，采用PLS判別法結(jié)合近紅外光纖技術(shù)對(duì)牛奶中三聚氰胺不同摻假量的快速識(shí)別研究，所構(gòu)建的偏最小二乘判別分析（partial least-square discriminant analysis，PLSDA）方法模型對(duì)三聚氰胺不同摻假量牛奶樣品訓(xùn)練集和預(yù)測(cè)集的近紅外原始光纖譜的識(shí)別正確率分別達(dá)到100%和90.32%。CHEN H等[30]研究了利用近紅外光譜和一類偏最小二乘法檢測(cè)牛奶中三聚氰胺摻假的可行性。樣品集為102個(gè)液體乳。以特殊的變量重要性指數(shù)來(lái)選擇40個(gè)最重要的變量。32個(gè)純牛奶樣品構(gòu)成了構(gòu)建一級(jí)模型的訓(xùn)練集，其他樣本則作為測(cè)試集。結(jié)果表明，在該獨(dú)立測(cè)試裝置上，其總準(zhǔn)確率為89%，靈敏度為90%，特異性為88%。結(jié)合利用近紅外光譜和一類偏最小二乘法，可作為牛奶樣品中三聚氰胺快速現(xiàn)場(chǎng)篩選的潛在工具。

3.2 微生物快速檢測(cè)

目前乳制品的微生物檢測(cè)多采用傳統(tǒng)的培養(yǎng)方法，檢測(cè)周期較長(zhǎng)，容易造成監(jiān)控?cái)?shù)據(jù)滯后現(xiàn)象，無(wú)法滿足在線檢測(cè)要求。利用近紅外光譜技術(shù)能夠反應(yīng)微生物細(xì)胞的分子振動(dòng)信息特點(diǎn)，具有快捷、高效、準(zhǔn)確、無(wú)損、低成本等優(yōu)勢(shì)，有利于乳制品行業(yè)對(duì)微生物進(jìn)行在線監(jiān)控。

王建明等[31]利用傅里葉變換近紅外光譜技術(shù)分別采集被阪崎腸桿菌、金黃色葡萄球菌、大腸桿菌三種致病菌污染的牛奶樣品的近紅外透射光譜，預(yù)處理選用一階求導(dǎo)、標(biāo)準(zhǔn)正態(tài)變量變換、多元散射校正，結(jié)合偏最小二乘判別分析對(duì)三種細(xì)菌判別的可行性進(jìn)行探究。研究表明，利用NIR技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法經(jīng)過(guò)合適預(yù)處理方法后能有效用于乳制品中微生物類別的鑒別。CáMARA-MARTOS F等[32]利用近紅外光譜技術(shù)對(duì)牛奶中的大腸埃希氏菌和銅綠假單胞菌進(jìn)行了定量分析，近紅外掃描范圍4 000～10 000 cm-1，經(jīng)過(guò)24 h培養(yǎng)后的牛奶樣品，其定量模型效果更好。AL-QADIRI H M等[33]利用可見(jiàn)和短波近紅外光譜（600～1 100 nm）及多元分析監(jiān)測(cè)巴氏殺菌乳在三個(gè)不同的儲(chǔ)存溫度（6 ℃、21 ℃、37 ℃）條件下3～30 h內(nèi)的質(zhì)量損失，比較了PCR、簇獨(dú)立軟模式分類法、PLS三種建模方法對(duì)巴氏殺菌乳腐敗變質(zhì)程度的預(yù)測(cè)能力。主成分分析表明，在不同的儲(chǔ)存時(shí)間內(nèi)樣品具有明顯的聚類和分離特性。簇獨(dú)立軟模式分類法對(duì)培養(yǎng)30 h后的樣品進(jìn)行鑒別的正確率達(dá)到88%～93%。利用PLS建立菌落總數(shù)和pH值的定量分析模型，其相關(guān)系數(shù)分別為0.99和0.99。研究結(jié)果表明利用短波近紅外光譜技術(shù)對(duì)巴氏殺菌乳的細(xì)菌增殖水平和腐敗程度進(jìn)行快速、無(wú)損檢測(cè)是可行的。

3.3 化學(xué)成分快速檢測(cè)

近紅外光譜分析技術(shù)在乳制品化學(xué)成分檢測(cè)中有很多成功的應(yīng)用，如可準(zhǔn)確快速檢測(cè)牛奶中蛋白質(zhì)、脂肪、碳水化合物等多種成分的含量。

CHEN H等[34]采用近紅外光譜技術(shù)和互信息變量選擇對(duì)奶粉的分類和定量進(jìn)行研究，對(duì)4個(gè)品牌179個(gè)樣品進(jìn)行分類研究，對(duì)30個(gè)樣品進(jìn)行定量分析。在分類研究方面，基于所選變量集的PLSDA模型與全譜PLSDA模型進(jìn)行了比較，兩者均達(dá)到了100%的精確度。在定量分析方面，由260個(gè)變量選擇的子集構(gòu)造的偏最小二乘回歸模型明顯優(yōu)于全譜模型。WU D等[35]利用短波近紅外（800～1 050 nm）技術(shù)和波長(zhǎng)分配定量分析奶粉中的主要化合物。研究以回歸系數(shù)和載荷為評(píng)價(jià)指標(biāo)，對(duì)比了PLS和基于最小二乘支持向量機(jī)算法（least-squares support vector machine，LS-SVM）兩種化學(xué)計(jì)量學(xué)方法對(duì)脂肪、蛋白質(zhì)和碳水化合物含量定量分析模型的預(yù)測(cè)性能。結(jié)果顯示選擇優(yōu)化波長(zhǎng)區(qū)域比全短波長(zhǎng)近紅外區(qū)域的評(píng)價(jià)指標(biāo)更好，使用LS-SVM建模，脂肪、蛋白質(zhì)和碳水化合物的回歸系數(shù)分別為0.981、0.984和0.982。LIN P等[36]結(jié)合非線性多元方法和可見(jiàn)近紅外光譜技術(shù)（visible near infrared spectroscopy，Vis/NIRS）檢測(cè)干酪中的蛋白質(zhì)含量，研究了運(yùn)用基于核函數(shù)的偏最小二乘算法（kernelpartialleastsquares，KPLS）、支持向量機(jī)（supportvector machine，SVM）和反向傳播人工神經(jīng)網(wǎng)絡(luò)（back propagation artificial neural network，BP-ANN）等非線性多元方法和Vis/NIRS組合的建模效果，采用增廣部分殘差圖方法對(duì)原始光譜數(shù)據(jù)進(jìn)行非線性診斷，分別采用多元散射校正、標(biāo)準(zhǔn)正態(tài)變量變換、Savitzky-Golay二階導(dǎo)數(shù)和直接正交信號(hào)校正對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理和比較，最終后者并被選定為預(yù)測(cè)模型的預(yù)處理方法。以相關(guān)系數(shù)（R2）、根均方誤差（root mean square error，RMSE）和剩余預(yù)測(cè)偏差（residual predic tivedeviation，RPD）作為指標(biāo)對(duì)模型的性能進(jìn)行評(píng)價(jià)，DOSCKPLS模型的R2和RPD得分最高，分別為0.974和5.587，比其他模型具有更好的預(yù)測(cè)性能。

3.4 快速鑒定牛奶品牌

品牌是消費(fèi)者挑選乳制品的一個(gè)重要因素，針對(duì)乳制品假冒、貼牌、以次充好的問(wèn)題，近紅外光譜技術(shù)在乳制品的品牌鑒別和溯源方面也有一些初步的應(yīng)用研究。

管驍?shù)萚37]結(jié)合近紅外光譜技術(shù)和簡(jiǎn)易分類技術(shù)，對(duì)光明、荷蘭、雀巢、伊利四個(gè)品牌138批次乳粉進(jìn)行了分類溯源研究。采用平滑、歸一化、二階求導(dǎo)對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理之后，利用簡(jiǎn)易分類技術(shù)建立主成分回歸分類模型，結(jié)果顯示，光明、荷蘭、雀巢乳粉的識(shí)別率分別為78%、75%、100%，拒絕率為100%、87%、88%。盡管模型穩(wěn)健度較低，存在錯(cuò)誤識(shí)別，仍具備一定的品牌溯源能力，為乳粉品牌溯源和鑒別提供新思路。卞?；鄣萚38]結(jié)合近紅外光譜技術(shù)和化學(xué)模式識(shí)別方法，以伊利、蒙牛和海河三種品牌50批次的樣品為研究對(duì)象，采用系統(tǒng)聚類分析和偏最小二乘判別分析兩種方法，建立液體牛奶品牌快速鑒別模型。研究結(jié)果表明，1 mm光程的樣品池測(cè)量效果最好，系統(tǒng)聚類分析的分類正確率為86%，偏最小二乘法判別分析正確率為100%。INACIO M R C等[39]利用近紅外光譜技術(shù)對(duì)乳粉進(jìn)行分類，共采集了巴西的納塔爾、薩爾瓦多以及里約熱內(nèi)盧的38組乳粉的近紅外光譜數(shù)據(jù)，預(yù)處理后結(jié)合簡(jiǎn)易分類技術(shù)最終模型的分類精度100%。

4 小結(jié)

近紅外光譜技術(shù)在乳制品的快速檢測(cè)領(lǐng)域已進(jìn)行了一些探索性研究工作，初步證明了該技術(shù)是可行有效的，但仍存在以下問(wèn)題有待進(jìn)一步研究：（1）模型的穩(wěn)定性和可靠性需要進(jìn)一步提高。由于乳制品組分復(fù)雜，其近紅外光譜的數(shù)據(jù)變量較為分散，有效信息較少，干擾信號(hào)較多，導(dǎo)致模型的準(zhǔn)確度和穩(wěn)定性較低。（2）在定量分析中，多數(shù)研究的樣品集是局部地區(qū)的產(chǎn)品，適用范圍具有局限性，建模的樣品集數(shù)量較少，代表性不足。（3）目前乳制品的近紅外快速檢測(cè)研究，大多數(shù)仍處于可行性探索，缺乏系統(tǒng)性研究，模型的適應(yīng)性有待考究。將試驗(yàn)階段的模型運(yùn)用于實(shí)際檢測(cè)工作中，仍需進(jìn)行多方面系統(tǒng)、深入的探索。今后的研究可以通過(guò)篩選大量有代表性的樣品，剔除異常值，擴(kuò)充樣品集的種類和數(shù)量，優(yōu)化建模的計(jì)算分析軟件等方法來(lái)提高模型的穩(wěn)定性和適應(yīng)性。

近紅外光譜技術(shù)具有傳統(tǒng)檢測(cè)方法無(wú)法企及的優(yōu)勢(shì)，雖然離實(shí)際應(yīng)用還有一段距離，但近紅外光譜技術(shù)作為一種新型的綠色分析方法，在企業(yè)生產(chǎn)的在線或無(wú)損檢測(cè)，以及質(zhì)監(jiān)部門(mén)的現(xiàn)場(chǎng)檢測(cè)等領(lǐng)域都有廣闊的發(fā)展前景和積極的應(yīng)用意義。