苗小雨，柴春祥，魯曉翔

(天津商業(yè)大學(xué) 生物技術(shù)與食品科學(xué)學(xué)院，天津市食品生物技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津，300134)

食品安全是關(guān)乎公眾健康、社會(huì)福祉的重大問題，受到人們的高度關(guān)注。食品微生物污染是影響食品安全的主要因素。在國家市場監(jiān)督管理總局發(fā)布的全國食品安全抽檢檢測數(shù)據(jù)中，微生物污染始終在食品安全問題中占很大比例[1]。因此加強(qiáng)食品中微生物污染的監(jiān)督與管理，采用恰當(dāng)、高效的微生物檢驗(yàn)方法和檢測技術(shù)尤為重要。

目前國家食品安全標(biāo)準(zhǔn)中的食品微生物檢測方法多為傳統(tǒng)微生物培養(yǎng)法。通常需要對(duì)食品樣品進(jìn)行預(yù)處理，增菌操作，分離培養(yǎng)，生化試驗(yàn)以及血清學(xué)鑒定等，最終來實(shí)現(xiàn)對(duì)微生物的定性和定量檢測。這一方法準(zhǔn)確度高且應(yīng)用最為廣泛，但過程耗時(shí)長、步驟繁瑣、對(duì)于操作人員熟練度的要求高。

為提高檢測效率以及更適應(yīng)市場和實(shí)際應(yīng)用的條件，食品微生物快速檢測技術(shù)逐漸發(fā)展起來。較為典型的快速檢測技術(shù)有免疫學(xué)檢測技術(shù)、色譜學(xué)檢測技術(shù)以及分子生物學(xué)技術(shù)等。這些技術(shù)彌補(bǔ)了傳統(tǒng)微生物檢驗(yàn)技術(shù)時(shí)間長、操作復(fù)雜的缺點(diǎn)，但仍需要對(duì)食品樣品進(jìn)行前處理，會(huì)對(duì)待檢測食品造成破壞，無法對(duì)大量樣品進(jìn)行檢測。一些分子生物學(xué)技術(shù)如數(shù)字PCR等的檢測方法成本太高[2]，難以普遍推廣使用。無損檢測技術(shù)是一種可以快速、準(zhǔn)確的檢測食品中微生物的技術(shù)，相較于其他檢測技術(shù)更加方便快捷，且對(duì)檢測樣品無破壞性和侵入性，可在原位進(jìn)行無損害檢測。

無損檢測技術(shù)是一種非破壞性的檢測技術(shù)，是指在不損壞待測食品原本物質(zhì)狀態(tài)及內(nèi)部結(jié)構(gòu)情況下，通過待測樣品對(duì)熱、光、電、聲、磁等產(chǎn)生的一些變化來進(jìn)行檢測[3]。無損檢測技術(shù)在食品的快速檢測，篩選分級(jí)，品質(zhì)鑒定以及安全分析等方面已有應(yīng)用[4-5]。用無損檢測技術(shù)進(jìn)行食品微生物檢測無需大量試劑，檢測所需時(shí)間短，結(jié)果更準(zhǔn)確且對(duì)食品無損害。無損檢測技術(shù)還可以進(jìn)行在線監(jiān)測，對(duì)將要受到嚴(yán)重污染的食品樣品進(jìn)行預(yù)測，具有及時(shí)性和預(yù)見性，能避免大量資源的浪費(fèi)。常用于食品微生物檢測的無損檢測技術(shù)有近紅外光譜技術(shù)、高光譜成像技術(shù)、計(jì)算機(jī)視覺技術(shù)以及電子鼻技術(shù)和電子舌技術(shù)。本文主要對(duì)上述5種無損檢測技術(shù)在食品微生物檢測中的應(yīng)用情況進(jìn)行總結(jié)，闡述其應(yīng)用情況和存在的問題，展望其應(yīng)用前景。

1 近紅外光譜技術(shù)在食品微生物檢測中的應(yīng)用

近紅外光譜技術(shù)(near infrared spectroscopy，NIR)是一種基于光譜技術(shù)對(duì)食品進(jìn)行分析檢測的技術(shù)，已應(yīng)用于食品的品種鑒別，品質(zhì)檢測等方面[6]。近紅外光的波長范圍為780～2 526 nm。近紅外光譜是分子振動(dòng)光譜，樣品中的C—H、O—H、N—H和S—H等含氫化學(xué)基團(tuán)對(duì)近紅外光產(chǎn)生合頻和倍頻吸收，由于不同基團(tuán)對(duì)近紅外光吸收的波長和強(qiáng)度不同，能產(chǎn)生含有豐富結(jié)構(gòu)和物理化學(xué)信息的近紅外光譜，從而對(duì)食品樣品進(jìn)行檢測與分析。微生物中的核酸、蛋白質(zhì)等成分可吸收近紅外光產(chǎn)生不同的光譜信息，因此可以建立近紅外光譜信息和微生物的結(jié)構(gòu)組成以及微生物數(shù)量上的相關(guān)性，使得近紅外光譜技術(shù)可以用于微生物的定性和定量檢測[7]。

1.1 食品中菌落總數(shù)的檢測

1.2 食品中致病菌的檢測

大腸桿菌等食源性致病菌通過感染食物會(huì)引起細(xì)菌性食物中毒危害人體健康。近紅外光譜技術(shù)可以對(duì)食品中常見的致病菌進(jìn)行定性鑒別。王建明等[13]利用傅里葉變換近紅外光譜儀對(duì)乳制品中的大腸桿菌、金黃色葡萄球菌和阪崎腸桿菌進(jìn)行檢測，發(fā)現(xiàn)同為革蘭氏陰性菌的大腸桿菌和阪崎腸桿菌的光譜區(qū)別很小，但結(jié)合偏最小二乘判別分析和多元散射校正預(yù)處理后對(duì)這3種致病菌的判別準(zhǔn)確率與近紅外透射光譜的一致性達(dá)到了100%。食品樣品中致病菌的污染程度也會(huì)對(duì)鑒別效果有所影響。MARTOS等[14]通過檢測牛奶中的大腸桿菌和銅綠假單胞菌的近紅外光譜，發(fā)現(xiàn)當(dāng)污染水平高于5 lgCFU/mL時(shí)，偏最小二乘判別模型便可區(qū)分出牛奶基質(zhì)中的這兩種菌，在高濃度污染下(8～9 lgCFU/mL)分離效果更明顯，且以牛奶為生長培養(yǎng)基的樣品比在培養(yǎng)基中生長再懸置于牛奶中的樣品鑒別效果好。為了更快速準(zhǔn)確鑒別食品中的致病菌，劉建學(xué)等[15]建立了基于主成分分析改進(jìn)的貝葉斯判別方法對(duì)3種典型食源性致病菌進(jìn)行近紅外光譜檢測，結(jié)果表明相較于貝葉斯判別和主成分分析，改進(jìn)的貝葉斯判別方法對(duì)未知樣品的判別正確率有所提高，可達(dá)到100%。以上研究表明近紅外光譜技術(shù)在食品致病菌定性判別方面已有較多應(yīng)用。

1.3 食品中霉菌及其毒素的檢測

霉菌污染食品后可能會(huì)在食品中產(chǎn)生霉菌毒素，對(duì)人體健康造成極大的危害，近紅外光譜技術(shù)可對(duì)食品中的霉菌污染情況進(jìn)行檢測。谷物類糧食極易受到霉菌的侵害產(chǎn)生霉變。沈飛等[16]對(duì)接種不同霉菌的稻谷進(jìn)行近紅外光譜檢測，采用主成分分析和判別分析建立分析模型，結(jié)果表明近紅外光譜技術(shù)可有效區(qū)分被多種不同霉菌污染的稻谷，平均判別正確率為87.5%，但不及單一霉菌污染的判別正確率(92.5%)高。ZHANG等[17]采用近紅外光譜技術(shù)結(jié)合多元線性回歸算法定量檢測稻谷中霉菌菌落總數(shù)，建立了穩(wěn)定的預(yù)測模型，校正數(shù)據(jù)集相關(guān)系數(shù)為0.943，預(yù)測數(shù)據(jù)集相關(guān)系數(shù)為0.897，展現(xiàn)了近紅外光譜技術(shù)對(duì)于稻谷貯藏中霉菌污染監(jiān)控方面的潛力。近紅外光譜技術(shù)也可對(duì)花生中的常見產(chǎn)毒霉菌進(jìn)行分析檢測，劉鵬等[18]的研究結(jié)果表明隨著花生貯藏時(shí)間的延長，近紅外光譜技術(shù)對(duì)花生中霉菌的區(qū)分效果越好，采用偏最小二乘回歸法建立的霉菌總數(shù)的模型有效決定系數(shù)為0.847 1、交互驗(yàn)證均方根誤差為0.276 lgCFU/g，剩余預(yù)測偏差為1.92。對(duì)于果蔬中霉菌及其毒素的檢測，張亮[19]利用近紅外光譜信息能夠識(shí)別出蘋果中的擴(kuò)展青霉，在多種霉菌共同污染的條件下，近紅外光譜法對(duì)蘋果中擴(kuò)展青霉的檢測限為1.5×103個(gè)/mL。并在水溶液、濃縮蘋果汁和鮮榨蘋果汁3種不同的體系中對(duì)展青霉素的含量進(jìn)行檢測，對(duì)于展青霉素的檢測限在水溶液中為9.29 μg/L，濃縮蘋果汁中為9.5 μg/L，鮮榨蘋果汁中為9.54 μg/L，均符合國家食品安全限量標(biāo)準(zhǔn)。近紅外光譜技術(shù)已廣泛應(yīng)用于稻谷、玉米、花生、蘋果等食品中霉菌及其毒素的檢測，對(duì)于食品霉菌的早期預(yù)防監(jiān)測有很大的潛力，但由于近紅外光譜技術(shù)的點(diǎn)掃描方式，限制了對(duì)于霉菌污染不均勻樣品的檢測。

近紅外光譜技術(shù)可以高效快速對(duì)食品中的微生物進(jìn)行定量定性檢測，還能在微生物發(fā)酵過程中監(jiān)測微生物活菌數(shù)量，更好的調(diào)控生產(chǎn)過程[20]。但對(duì)于一些檢出限較低的樣品，近紅外光譜技術(shù)檢測精度不高，這是因?yàn)楹哿康奈廴玖繉?duì)樣品光譜特性產(chǎn)生的影響尚不能被檢測到。近紅外光譜技術(shù)能夠快速鑒別食品中的不同微生物，可用于食品微生物菌種的鑒定分類和快速篩選研究，但仍有些局限性，對(duì)于某些細(xì)胞結(jié)構(gòu)成分相似的細(xì)菌區(qū)分效果不是很理想。

2 高光譜成像技術(shù)在食品微生物檢測中的應(yīng)用

高光譜成像技術(shù)(hyperspectral imaging technology，HSI)融合了光譜學(xué)和圖像學(xué)技術(shù)的特點(diǎn)，能同時(shí)檢測到待測食品的光譜信息和圖像信息。高光譜的光譜分辨率可達(dá)到10-2λ數(shù)量級(jí)，光譜范圍包含200～2 560 nm，甚至大于2 560 nm。高光譜成像系統(tǒng)大致包括光源、分光裝置、相機(jī)、成像高光譜儀和計(jì)算機(jī)等。當(dāng)光源照射樣品后產(chǎn)生反射或透射，經(jīng)過分光裝置將混合光分散成不同頻率的單色光，用成像高光譜儀可將投射的光轉(zhuǎn)換成光譜圖像，在光譜覆蓋范圍內(nèi)數(shù)十至數(shù)百條光譜波段對(duì)目標(biāo)物體連續(xù)成像，得到包含樣品大量信息的三維光譜圖像數(shù)據(jù)[21]。高光譜成像技術(shù)的高分辨率可檢測出微生物細(xì)胞核中的蛋白質(zhì)、核酸等成分的振動(dòng)信息，微生物分子基團(tuán)對(duì)于光譜吸收產(chǎn)生的光譜曲線也提供了豐富的微生物檢測信息[22]。

2.1 食品中菌落總數(shù)的檢測

高光譜成像技術(shù)能對(duì)食品中的菌落總數(shù)進(jìn)行定量分析，還可檢測出食品中細(xì)菌的污染分布情況。鄭彩英[23]利用高光譜成像技術(shù)檢測冷卻羊肉表面的細(xì)菌總數(shù)，在900～1 700 nm波長范圍內(nèi)采用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了細(xì)菌總數(shù)預(yù)測模型，相關(guān)系數(shù)為0.998 8，RMSEP為0.250 7。并利用高光譜圖像信息對(duì)冷卻羊肉的污染區(qū)域進(jìn)行了有效識(shí)別。成軍虎[24]采用高光譜成像技術(shù)對(duì)冷藏條件下草魚的菌落總數(shù)變化進(jìn)行檢測，并通過將高光譜圖像信息轉(zhuǎn)化成化學(xué)圖像來實(shí)現(xiàn)對(duì)草魚片中細(xì)菌分布的可視化分析，能夠直觀的觀察草魚菌落總數(shù)的污染情況。ACHATA等[25]采用高光譜成像技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)密封保存的牛肉背最長肌上細(xì)菌生長進(jìn)行原位無損預(yù)測，通過兩個(gè)光譜區(qū)域數(shù)據(jù)融合和光譜預(yù)處理等方法提高了預(yù)測模型的性能，得到最佳菌落總數(shù)預(yù)測模型的R2為0.86，RMSEP為0.89 lgCFU/g，RPD 為2.27，成功對(duì)不同貯存溫度下牛肉背最長肌中的菌落總數(shù)進(jìn)行了預(yù)測。表明了高光譜成像技術(shù)對(duì)于肉類供應(yīng)鏈中微生物監(jiān)控和快速分析的潛力。高光譜成像技術(shù)檢測菌落總數(shù)時(shí)更多應(yīng)用于肉類、水產(chǎn)品等極易腐敗變質(zhì)的食品中。已廣泛用于測定羊肉、牛肉、草魚等食品的表面微生物污染情況，并可基于菌落總數(shù)污染情況對(duì)食品品質(zhì)、安全以及新鮮度進(jìn)行評(píng)定與分析。

2.2 食品中大腸菌群的檢測

2.3 食品中霉菌等其他微生物的檢測

高光譜成像技術(shù)可快速、高效的用于檢測食品中的微生物，適用于食品的在線檢測。定量測定食品中微生物時(shí)，還可觀察到微生物在食品樣品中的分布情況，更直觀的反映了食品中微生物的含量。但在微生物菌種分類鑒別的定性檢測中應(yīng)用較少，且在測定細(xì)菌數(shù)量時(shí)，多為測定食品表面的微生物，無法對(duì)食品內(nèi)部微生物進(jìn)行深層檢測。高光譜成像技術(shù)所適用的食品范圍多為肉類、水產(chǎn)品、谷物等具有一定空間性、介質(zhì)復(fù)雜不均勻的食品，而對(duì)于液體類等食品中的微生物可視化檢測較少。高光譜成像技術(shù)可在紫外、可見光、近紅外和中紅外區(qū)域等波長范圍內(nèi)對(duì)微生物進(jìn)行測定成像，使得到的結(jié)果更全面準(zhǔn)確，但其大量的信息使得數(shù)據(jù)處理時(shí)間較長，分析檢測速度較慢。目前測定食品中微生物選定波段多為可見光和近紅外短波(400～1 700 nm)，得到的預(yù)測模型性能更優(yōu)。

3 計(jì)算機(jī)視覺技術(shù)在食品微生物檢測中的應(yīng)用

計(jì)算機(jī)視覺技術(shù)是指采用計(jì)算機(jī)、攝像機(jī)等設(shè)備來模擬人視覺的一種技術(shù)，它可以用攝像機(jī)和電腦代替人眼和人腦對(duì)待測樣品進(jìn)行識(shí)別、拍攝和分析。它的基本原理是用攝像機(jī)獲得待測食品的圖像，通過信號(hào)轉(zhuǎn)換器將圖像信息轉(zhuǎn)換成數(shù)字信息，結(jié)合模式識(shí)別等數(shù)據(jù)處理方法實(shí)現(xiàn)對(duì)樣品的快速分析檢測[30]。計(jì)算機(jī)視覺技術(shù)在食品中已應(yīng)用于食品尺寸大小、外觀形狀、色澤、表面缺陷的檢測等，還可用于食品干燥過程中的實(shí)時(shí)在線監(jiān)控[31]。對(duì)于食品中微生物污染的檢測，計(jì)算機(jī)視覺技術(shù)可通過對(duì)食品表面顏色、狀態(tài)的分析以及對(duì)微生物菌落特征(形態(tài)大小、顏色、紋理等不同特性)的檢測，來達(dá)到對(duì)食品微生物的快速識(shí)別和定量檢測。

3.1 食品中大腸菌群的檢測

計(jì)算機(jī)視覺技術(shù)可以基于對(duì)菌落顏色變化的檢測來實(shí)現(xiàn)對(duì)大腸菌群的識(shí)別和數(shù)目的測定。殷涌光等[32]利用大腸桿菌可以發(fā)酵乳糖產(chǎn)酸從而在特定指示劑中使溶液變色沉淀的特性，設(shè)計(jì)了一套基于計(jì)算機(jī)視覺的大腸桿菌快速定量檢測系統(tǒng)，結(jié)果表明該方法較傳統(tǒng)檢測方法相關(guān)性高(R2為0.995 5)，不存在顯著性差異(t檢驗(yàn)，P>0.05)，且檢測時(shí)間由傳統(tǒng)方法的6 d縮短到了18 h。丁筠[33]采用計(jì)算機(jī)視覺技術(shù)結(jié)合活菌染色法，建立了能夠?qū)κ称分械幕罹倲?shù)和大腸菌群進(jìn)行快速檢測的系統(tǒng)。該快速檢測系統(tǒng)的檢出限為1 cell/mL，檢測范圍為1～1×106cells/mL。丁筠等[34]利用計(jì)算機(jī)視覺檢測了蔬菜中的大腸桿菌，采用美蘭溶液進(jìn)行活菌染色，并結(jié)合主成分神經(jīng)網(wǎng)絡(luò)構(gòu)建模型，結(jié)果表明該模型比普通的BP神經(jīng)網(wǎng)絡(luò)模型識(shí)別時(shí)間短、誤差小，對(duì)大腸桿菌的識(shí)別正確率為91.33%。計(jì)算機(jī)視覺技術(shù)可對(duì)食品中的大腸菌群進(jìn)行快速檢測，但目前計(jì)算機(jī)視覺檢測食品中大腸菌群多與活菌染色相結(jié)合，染色方法對(duì)于不同細(xì)菌的檢測結(jié)果有所影響。

3.2 食品中致病菌的檢測

WANG等[35]設(shè)計(jì)了一種選擇性培養(yǎng)基結(jié)合計(jì)算機(jī)視覺的方法對(duì)食品中的金黃色葡萄球菌進(jìn)行檢測。結(jié)果表明該方法檢測時(shí)間僅需5 h，節(jié)省了大量的時(shí)間，且與傳統(tǒng)平板計(jì)數(shù)法相比相關(guān)性大于0.998，對(duì)金黃色葡萄球菌的檢測范圍為10～107CFU/mL。王慧瑩[36]基于計(jì)算機(jī)視覺技術(shù)對(duì)食品中的蠟樣芽胞桿菌進(jìn)行快速檢測，并基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了識(shí)別模型，能夠很好的識(shí)別目標(biāo)圖像區(qū)域再進(jìn)行計(jì)數(shù)，識(shí)別正確率能達(dá)到95%，與傳統(tǒng)檢測方法相比更加準(zhǔn)確快速、特異性高，檢出限為50 CFU/g。王勇[37]對(duì)食品中的金黃色葡萄球菌、蠟樣芽胞桿菌、沙門氏菌這3種致病菌經(jīng)過染色處理后，結(jié)合計(jì)算機(jī)視覺技術(shù)設(shè)計(jì)了3種快速檢測方法，結(jié)果表明計(jì)算機(jī)視覺技術(shù)可高效的對(duì)這3種致病菌進(jìn)行檢測，檢測時(shí)間都在5 h之內(nèi)，金黃色葡萄球菌的檢測限為10～1×107CFU/mL，蠟樣芽胞桿菌的檢測限為50～1×106CFU/mL，對(duì)沙門氏菌的檢測時(shí)間最短(2 h)，檢測限為10～1×107CFU/mL。以上研究表明計(jì)算機(jī)視覺技術(shù)用于食品中致病菌的快速檢測是可行的，但目前應(yīng)用的致病菌種類較少，因此需要探究對(duì)更多致病菌種類的應(yīng)用以及在更復(fù)雜的食品介質(zhì)中進(jìn)一步研究。

3.3 食品中霉菌及其毒素的檢測

王振杰[30]為探究貯藏過程中稻谷的霉變情況，采用計(jì)算機(jī)視覺技術(shù)對(duì)感染5種常見霉菌的稻谷樣品進(jìn)行圖像采集與處理，建立支持向量機(jī)模型對(duì)正常稻谷和霉變稻谷進(jìn)行區(qū)分，結(jié)果可很好的識(shí)別出早期霉變稻谷和晚期霉變稻谷，但對(duì)于霉變晚期的識(shí)別模型正確率高于霉變早期。同時(shí)對(duì)這5種霉菌進(jìn)行識(shí)別，結(jié)果基于菌落顏色、形態(tài)、紋理特征結(jié)合得到的識(shí)別效果最好。SHEN等[38]基于計(jì)算機(jī)視覺和可見近紅外光譜對(duì)玉米中的真菌感染進(jìn)行檢測分析，結(jié)果表明由于不同菌株之間的顏色變化，計(jì)算機(jī)視覺技術(shù)對(duì)于真菌種類鑒定更為有效。并且采用競爭性自適應(yīng)重加權(quán)算法選擇特征波長的方法使預(yù)測模型準(zhǔn)確率由77.8%提高到了94.4%。張楠楠等[39]為檢測玉米中的霉菌毒素污染情況，采用不同光源照射感染黃曲霉毒素的玉米顆粒，分析其圖像特征，結(jié)果成功的對(duì)感染黃曲霉毒素玉米顆粒進(jìn)行了快速檢測，正確檢出率均為87.5% 以上。計(jì)算機(jī)視覺技術(shù)可根據(jù)霉菌及其毒素污染所造成的食品表面顏色變化，對(duì)食品中的霉菌污染進(jìn)行檢測以及對(duì)引起霉變的不同霉菌進(jìn)行分析鑒別。但對(duì)于低水平霉菌感染的識(shí)別方面仍有些不足，還需進(jìn)一步探究不同種類霉菌污染和多種霉菌污染時(shí)與食品霉變狀態(tài)的關(guān)系。且計(jì)算機(jī)視覺技術(shù)用于食品中霉菌的檢測多為識(shí)別分析，對(duì)于霉菌及霉菌毒素定量檢測方面應(yīng)用較少，檢出限較高，仍不能滿足國家安全標(biāo)準(zhǔn)。

計(jì)算機(jī)視覺技術(shù)可對(duì)食品中的微生物進(jìn)行快速檢測，相對(duì)傳統(tǒng)檢測方法更快速、高效、靈敏度高、所需成本低。計(jì)算機(jī)視覺技術(shù)依賴于圖像處理和分析，因此需要更高效的圖像處理方法和高分辨率的攝像機(jī)提高檢測的精度和準(zhǔn)確度。檢測時(shí)容易受到環(huán)境因素的限制，空氣中的粉塵、太陽光照等都可能對(duì)結(jié)果造成影響。目前研究用的計(jì)算機(jī)視覺儀器更多的是實(shí)驗(yàn)室自制儀器，缺少通用的、商品化的儀器檢測食品微生物。

4 電子鼻技術(shù)和電子舌技術(shù)在食品微生物檢 測中的應(yīng)用

電子鼻技術(shù)的基本原理是模擬動(dòng)物的嗅覺，通過氣體傳感器陣列來檢測和識(shí)別復(fù)雜的揮發(fā)性氣體，再通過信號(hào)轉(zhuǎn)化器傳輸給計(jì)算機(jī)進(jìn)行數(shù)據(jù)處理分析，傳感器對(duì)樣品中的不同氣體成分會(huì)產(chǎn)生不同的響應(yīng)信號(hào)，以此來實(shí)現(xiàn)對(duì)樣品的檢測。食品中的微生物在生長過程中會(huì)產(chǎn)生一些揮發(fā)性的有機(jī)化合物，電子鼻技術(shù)可以通過對(duì)這類物質(zhì)的分析來達(dá)到檢測食品中微生物的目的[40]。電子舌技術(shù)是一種模擬人味覺感知系統(tǒng)的傳感器技術(shù)，能夠?qū)Υ郎y樣品中的各種滋味物質(zhì)產(chǎn)生信號(hào)，從而檢測分析樣品品質(zhì)。電子舌技術(shù)檢測食品中的微生物主要是通過測定微生物所引起的滋味物質(zhì)的變化，與微生物污染狀況建立相關(guān)性，從而對(duì)微生物的種類和污染程度進(jìn)行鑒別區(qū)分[41]。

4.1 食品中菌落總數(shù)的檢測

WANG等[42]使用電子鼻技術(shù)檢測4 ℃貯藏條件下豬肉中的揮發(fā)性化合物，并同時(shí)采用平板計(jì)數(shù)法檢測豬肉的活菌總數(shù)，采用支持向量機(jī)法結(jié)合偏最小二乘法建立預(yù)測模型，模型訓(xùn)練集和驗(yàn)證集相關(guān)系數(shù)分別為0.94和0.88。結(jié)果表明電子鼻響應(yīng)信號(hào)和豬肉中的活菌總數(shù)有很好的相關(guān)性，電子鼻技術(shù)可用于預(yù)測豬肉中的活菌總數(shù)。CHEN等[43]為減少濕度對(duì)電導(dǎo)類傳感器的影響，設(shè)計(jì)了一種基于比色傳感器陣列的電子鼻系統(tǒng)對(duì)雞肉中的總活菌數(shù)進(jìn)行定量檢測。并構(gòu)建了BP-AdaBoost模型成功預(yù)測了雞肉中的活菌總數(shù)，該預(yù)測集決定系數(shù)為0.811 9，均方根誤差為0.543 0 lgCFU/g。韓方凱[41]通過電子舌檢測魚肉營養(yǎng)物質(zhì)分解產(chǎn)物的信息來預(yù)測微生物數(shù)量，結(jié)果支持向量機(jī)模型和BP人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測集相關(guān)系數(shù)分別為0.968和0.993，預(yù)測均方根誤差分別為0.516 lnCFU/g和0.217 lnCFU/g。同時(shí)用距離判別模型構(gòu)建的微生物污染程度的定性模型訓(xùn)練集和測試集的識(shí)別正確率均為100%。表明電子舌技術(shù)可很好的檢測魚類中的菌落總數(shù)與微生物污染情況。賈哲等[44]采用TS-5000Z型電子舌測定不同時(shí)期冷藏雙斑東方鲀的滋味物質(zhì)，結(jié)合偏最小二乘法和多元線性回歸法建立了菌落總數(shù)的預(yù)測模型，其中多元線性回歸模型的性能較高，0、4 ℃組的預(yù)測集決定系數(shù)為0.97和0.99，RMSEP為0.44和0.08。結(jié)果表明該方法能較好的預(yù)測雙斑東方鲀的菌落總數(shù)，并區(qū)分不同冷藏時(shí)期樣品的新鮮度。在對(duì)食品中菌落總數(shù)檢測方面，電子鼻技術(shù)和電子舌技術(shù)均表現(xiàn)出了響應(yīng)信號(hào)與微生物污染水平之間良好的相關(guān)性。

4.2 食品中大腸桿菌等致病菌的檢測

陳麗萍等[45]采用PEN3型電子鼻對(duì)多種食源性致病菌進(jìn)行快速檢測，結(jié)合主成分分析和線性判別式分析方法能將不同培養(yǎng)時(shí)間的細(xì)菌區(qū)分開，并且在低濃度(10 CFU/mL)情況下也可有效區(qū)分。表明電子鼻技術(shù)用于致病菌的檢測是可行的。GOBBI等[46]采用基于金屬氧化物傳感器陣列的電子鼻測定了蔬菜湯中的大腸桿菌，對(duì)大腸桿菌的檢出限為3 cells/100mL，結(jié)果準(zhǔn)確度高且重現(xiàn)性好，可以很好的區(qū)分不同污染程度的蔬菜湯。ABDALLAH等[47]采用Cyranose 320型電子鼻對(duì)感染大腸桿菌、傷寒沙門氏菌、金黃色葡萄球菌和銅綠假單胞菌的牛肉和香腸進(jìn)行檢測，結(jié)果電子鼻技術(shù)可檢測出感染不同致病菌時(shí)樣品中的菌落總數(shù)，并可區(qū)分出未污染樣品和已污染樣品。顧欣哲[40]采用電子鼻技術(shù)檢測不同溫度下接種銅綠假單胞菌的豬肉，構(gòu)建了豬肉中假單胞菌的生長預(yù)測模型，且與實(shí)際菌落數(shù)建立的模型相關(guān)度均高于0.8，表明電子鼻響應(yīng)信號(hào)可用于監(jiān)測豬肉中假單胞菌的生長動(dòng)態(tài)。

4.3 食品中霉菌及其毒素的檢測

黃曲霉毒素是稻谷中最常見的霉菌毒素，吳啟芳[48]基于電子鼻信號(hào)對(duì)感染不同濃度黃曲霉毒素的糙米樣品進(jìn)行判別，偏最小二乘判別分析模型的整體判別正確率均大于85.0%，且對(duì)于小于5 μg/kg(國家標(biāo)準(zhǔn)中黃曲霉毒素的限量)水平黃曲霉毒素的分離更為清晰。沈飛等[49]采用Fox 3000型電子鼻對(duì)接種不同霉菌的花生籽粒進(jìn)行檢測，結(jié)合主成分分析法成功區(qū)分了被不同霉菌感染的花生樣品，偏最小二乘回歸分析模型對(duì)感染多種霉菌花生樣品的菌落總數(shù)預(yù)測決定系數(shù)為0.814 5，預(yù)測均方根誤差為0.244 0 lgCFU/g。鄭飛翔等[50]采用自制的電子鼻系統(tǒng)對(duì)不同霉變時(shí)間的黃豆和白蕓豆進(jìn)行檢測，采用隨機(jī)共振方法提取特征值構(gòu)建預(yù)測模型，黃豆霉變預(yù)測模型的R2為0.990 88，白蕓豆霉變預(yù)測模型R2為0.948 77。結(jié)果得到的霉變預(yù)測模型與樣品的變化狀態(tài)相符合，可很好的區(qū)分不同貯藏時(shí)間的豆類樣品。朱娜等[51]采用電子鼻對(duì)感染灰霉、擴(kuò)展青霉和根霉的草莓進(jìn)行檢測，根據(jù)不同霉菌感染草莓后產(chǎn)生的揮發(fā)性化合物組分不同構(gòu)建了判別模型，對(duì)灰霉、擴(kuò)展青霉和根霉3種霉菌的判別正確率分別為100%、93.3%和86.7%。表明電子鼻技術(shù)用于草莓霉變的監(jiān)測是可行的。電子鼻技術(shù)已經(jīng)應(yīng)用于稻谷、花生、玉米、豆類以及草莓等食品中霉菌的檢測，且具有較高的靈敏度。

基于電子鼻和電子舌的響應(yīng)信號(hào)能夠很好的用于測定食品中的微生物以及食品霉變的區(qū)分。電子舌測定食品中微生物多用于魚類新鮮度的測定、飲料中腐敗微生物的檢測。由于實(shí)際生產(chǎn)中食品同時(shí)受到多種細(xì)菌的污染以及污染后期食品本身所產(chǎn)生的揮發(fā)性物質(zhì)，會(huì)導(dǎo)致電子鼻對(duì)于微生物種類的區(qū)分有很大的困難，因此需要探究更多種類微生物同時(shí)污染時(shí)的檢測以及考慮選擇性的采用合適的傳感器陣列。目前所使用的電子鼻儀器主要是國外商用電子鼻或?qū)嶒?yàn)室自主研發(fā)儀器，自主研發(fā)儀器相對(duì)于商用儀器靈敏度更高、準(zhǔn)確度也更好，但穩(wěn)定性較差且只適用于單一食品樣品的檢測。未來電子鼻儀器還需要更加靈敏便捷、適用性高。

5 結(jié)論與展望

無損檢測技術(shù)具有的快速無損、可在線檢測等優(yōu)點(diǎn)，使其在食品微生物檢測中的應(yīng)用展現(xiàn)了巨大的潛力，如食品中的微生物定量檢測、定性鑒別；生產(chǎn)加工中食品微生物生長變化的在線檢測；以及早期微生物感染食品的預(yù)防監(jiān)控等。上述5種無損檢測技術(shù)在食品微生物檢測方面各有優(yōu)缺點(diǎn)。對(duì)于未來的發(fā)展，近紅外光譜技術(shù)應(yīng)進(jìn)一步探究多種微生物指標(biāo)同時(shí)檢測時(shí)的應(yīng)用以及采用更高效的光譜預(yù)處理方法提高模型精確度；高光譜成像技術(shù)應(yīng)更多的利用光譜信息和空間信息的融合，探究合適的特征提取方法和數(shù)據(jù)處理方法提高檢測速度；對(duì)于計(jì)算機(jī)視覺技術(shù)，研究簡便高效的圖像處理技術(shù)和高性能的攝像機(jī)能夠提高檢測結(jié)果的準(zhǔn)確度和靈敏度；而對(duì)于電子鼻和電子舌技術(shù)來說，更加靈敏的傳感器陣列和合適采樣方式會(huì)對(duì)這兩種技術(shù)的應(yīng)用有所幫助。每種技術(shù)都有其合適的適用范圍，在實(shí)際生產(chǎn)實(shí)踐時(shí)，可采用多技術(shù)融合的方法，兩種或多種無損檢測技術(shù)融合用于食品中微生物的檢測，可更全面的檢測食品中微生物的信息。無損檢測技術(shù)的分析模型雖有很好的預(yù)測效果，但建立模型需要大量準(zhǔn)確的樣品數(shù)據(jù)以及投入一定的時(shí)間精力，且模型通用性不強(qiáng)，還需選擇更多具有代表性的樣本數(shù)據(jù)以及研究更高效成熟的數(shù)據(jù)分析方法用于提高模型精確度。無損檢測技術(shù)儀器目前有些仍比較大型，可繼續(xù)探究更加小型化、簡潔化和智能化的系統(tǒng)裝置來提高儀器的便捷性，使其能更高效的應(yīng)用于實(shí)際的生產(chǎn)檢測中。隨著智能化的不斷發(fā)展，未來可將無損檢測技術(shù)與現(xiàn)代智能設(shè)備結(jié)合起來，更好地用于市場或者居民日常的食品微生物測定。