劉文艷，閆忠心,2，郝力壯,2，吳海玥，項 洋,2,*

（1.青海大學，省部共建三江源生態(tài)與高原農(nóng)牧業(yè)國家重點實驗室，青海西寧 810016；2.青海省高原放牧家畜動物營養(yǎng)與飼料科學重點實驗室，青海西寧 810016）

近年來，隨著時間的推移、工業(yè)化的不斷發(fā)展以及膳食結(jié)構(gòu)的日益科學化，消費者對食品安全、無公害食品、綠色食品有了新的要求，農(nóng)產(chǎn)品有機安全認證及產(chǎn)品地理標志（即“三品一標”）也受到廣泛關(guān)注和發(fā)展，其銷售利潤也有所增加。然而，由于檢測技術(shù)的不完善及不法商家受利益的驅(qū)使制售假冒食品的現(xiàn)象屢屢發(fā)生，嚴重擾亂了社會秩序，所以亟待研究和開發(fā)食品來源的快速檢測技術(shù)。食品產(chǎn)地溯源是保證采集材料信息的科學性、真實性和透明度及確保食品質(zhì)量及規(guī)范市場秩序的有效手段[1],特別是對于高價值和地理標識的食品，如何快速鑒別來應對產(chǎn)地真實性識別問題以確保產(chǎn)品質(zhì)量具有十分重要的意義。

目前，可用于實現(xiàn)食品產(chǎn)地溯源技術(shù)的相關(guān)應用及研究很多，其中應用研究較多的有條形碼技術(shù)[2]、穩(wěn)定同位素分析技術(shù)[3-6]、礦物元素指紋分析技術(shù)[7-10]、有機組分指紋圖譜技術(shù)[11]等，這些檢測技術(shù)耗時耗力或?qū)悠酚袚p傷，不能滿足快速檢測的需求。而光譜技術(shù)作為一種潛在的分析工具具有簡便、精確、無損、無污染、所需樣品量少，檢測時間短等優(yōu)勢，其中近紅外光譜技術(shù)（Near infrared spectroscopy，NIR）、中紅外光譜技術(shù)（Mid Infrared Spectroscopy，MIR）和拉曼光譜技術(shù)（Raman spectroscopy，RS）在食品產(chǎn)地溯源與真實性研究中均有一定的應用，三種技術(shù)作為具有無損檢測優(yōu)勢的分析技術(shù)，是食品檢測中廣泛使用的光譜分析方法，能夠在復雜的背景中分辨出待測物質(zhì)，適用于各種有限的頻率范圍，能夠?qū)崿F(xiàn)食品產(chǎn)地來源的在線檢測，引起了國內(nèi)外研究人員的廣泛關(guān)注[12-14]。但是在研究中發(fā)現(xiàn)單一分析技術(shù)的測定結(jié)果無法代表產(chǎn)地溯源的全部信息[15-16]，導致產(chǎn)地識別率低。因此針對此狀況，本文重點分析了這三種技術(shù)在食品產(chǎn)地溯源體系中的研究進展，在此基礎(chǔ)上介紹了光譜技術(shù)相結(jié)合及其光譜與多種技術(shù)融合在食品產(chǎn)地溯源中的應用研究，以期可以改善單一光譜技術(shù)在識別率上的不足，為食品追溯體系的推廣提供新的參考。

1 光譜技術(shù)在食品產(chǎn)地溯源中的研究進展

1.1 近紅外光譜技術(shù)（NIR）

近紅外光譜技術(shù)（Near infrared spectroscopy，NIR）是介于可見光（VIS）與中紅外光（MIR）之間的電磁波,波長范圍在780～2526 nm（圖1[17]）。近紅外區(qū)域的主要光譜信息來源于O-H、N-H、C-H 等含氫基團樣品的倍頻與合頻吸收，因此采用NIR 掃描樣品分子表面，可以獲得有關(guān)含氫有機分子結(jié)構(gòu)特征的信息，通過這些吸收信息即可以對樣品進行定性或定量分析，從而有效確定物品來源的可追溯性。

圖1 光譜范圍[17]Fig.1 Range of the spectrum[17]

1.1.1 近紅外在植物源農(nóng)產(chǎn)品產(chǎn)地溯源中的應用 不同地域來源的農(nóng)產(chǎn)品其品質(zhì)有所差異，使得產(chǎn)品的光譜特性不同，而NIR 作為一種無損檢測技術(shù)，具有適用范圍廣、分析效率高、無污染、操作簡單、更適合環(huán)境復雜的工業(yè)在線分析等優(yōu)勢，借助相應的化學計量學可以反映出待測物中有機物的組分和含量差異，進一步促進檢測模型準確率的提高,因此在植物源性食品來源的可追溯性中得到廣泛推廣和應用。

在水果類研究中，Eisenstecken 等[18]采用NIR結(jié)合化學計量學鑒別不同海拔高度和品種的的蘋果，通過主成分分析后對采集到的光譜數(shù)據(jù)降維，然后利用基于主成分分析的二次判別分析法建立判別模型，在不同海拔高度下，判別的準確度分別是93.6%、57.1%和77.9%，而在品種判別中準確率達到了100%，可見NIR 在水果類特色農(nóng)產(chǎn)品溯源方面的巨大應用前景。但是該技術(shù)也存在一些局限性，在檢測水果類產(chǎn)品溯源中，例如水果含水量高達85%～90%，對NIR光譜的吸收較強，會干擾其他成分的吸收，從而影響實驗結(jié)果，導致識別精度較低。因此，在對原產(chǎn)地原始光譜進行預處理提取時，應盡可能控制或適當扣除樣品的峰值含水量，操作稍顯復雜且制約因素多。同樣的，對于蘋果類產(chǎn)地的鑒別，張立欣等[19]選取四個地區(qū)的紅富士蘋果，采用9 種不同的方式對光譜進行預處理，發(fā)現(xiàn)選用多元散射校正對原始光譜進行預處理時總準確率達到90%以上，并通過概率神經(jīng)網(wǎng)絡(luò)（PNN）模型對產(chǎn)地進行識別，產(chǎn)地的準確率分別為100%、100%、90%、100%。為了簡化模型并提高精度，采用MSC-CARS-SPA-PNN（MSC 為多元散射校正，CARS 為競爭性自適應重加權(quán)算法，SPA 為連續(xù)投影算法，PNN 為概率神經(jīng)網(wǎng)絡(luò)）來優(yōu)化模型，使得測試集總準確率和四個產(chǎn)地蘋果準確率均有所提高。從研究結(jié)果中不難發(fā)現(xiàn)四個地區(qū)的原始光譜曲線變化趨勢大致相同，說明不同產(chǎn)地之間蘋果樣本具有極大的相似性，但也可以看出原始光譜圖中仍有一些波峰和波谷處存在明顯的偏離，這是由于蘋果中相同成分的含量差異所導致的，這也為使用NIR 對蘋果產(chǎn)地的識別研究提供了有效的信息幫助。

在蔬菜類研究中，谷物作為主要的糧食作物之一，成為農(nóng)產(chǎn)品溯源的主要研究對象。隨著研究的深入，從一開始的利用NIR 對不同地區(qū)的谷物樣品進行區(qū)分鑒別，進而對不同籽粒進行分析，Wadood 等[20]采用NIR 結(jié)合化學計量學比較了小麥粒和面粉的地理來源，發(fā)現(xiàn)基于面粉的線性判別分析（LDA）模型在3 個產(chǎn)地分類上的總體性能優(yōu)于基于全籽粒的LDA模型。而Zhao 等[21]結(jié)合主成分分析（PCA）和判別偏最小二乘（DPLS）的LDA 對中國四個主要產(chǎn)區(qū)小麥樣品的籽粒和全麥面粉的來源進行鑒別時發(fā)現(xiàn)不同產(chǎn)地小麥光譜存在顯著差異，其中DPLS 正確率最佳，且籽粒辨別能力高于全麥面粉。在使用DPLS對小麥和面粉進行區(qū)分時，González-Martín 等[22]在1100～2000 nm 波長范圍使用NIR 區(qū)分小麥和面粉的產(chǎn)地溯源同樣取得了較好的分類結(jié)果，這些結(jié)果都表明NIR 與化學計量學相結(jié)合是一種很有前途的小麥地理分類技術(shù)。類似的在其它食藥兩用產(chǎn)地研究[23-26]中也已顯示出復雜食品基質(zhì)中快速、強大、有效和可靠地檢測產(chǎn)地來源的巨大潛力。

1.1.2 近紅外在動物源畜產(chǎn)品產(chǎn)地溯源中的應用目前，已有大量關(guān)于NIR 在動物源產(chǎn)地溯源方面的應用報道，不同產(chǎn)地樣品在肌肉組成、脂肪含量、蛋白質(zhì)的組成等方面具有差異性，因此樣品在NIR 下有不同的反射模式，可利用此特點對動物源性產(chǎn)品進行產(chǎn)地鑒別。

在魚類研究中，Liu 等[27]利用NIR 在4000～10000-1nm 范圍內(nèi)開發(fā)了SIMCA 模型，對四個產(chǎn)地的出口羅非魚片產(chǎn)品進行分類，Xiccato 等[28]同樣采用NIR 建立不同養(yǎng)殖方式、不同來源的歐洲鱸魚的SIMCA 識別分類模型，結(jié)果表明該模型下可以實現(xiàn)對樣品的快速鑒別和分類。而Chidini 等[29]采用NIR 結(jié)合化學計量學在1100～2500 nm 范圍內(nèi)研究不同歐洲鱸魚的地理來源，準確率達到100%、88%和85%。

除了追蹤魚類產(chǎn)地外，還成功的對其他肉類食品進行了分類，包括海參、羊肉和雞肉等，其中Guo等[30]開發(fā)了兩步分類模型利用NIR 在800～2500 nm范圍內(nèi)以識別樣品中錯誤的分類或者未被識別的樣品對不同產(chǎn)地的海參進行識別，采用PLS 回歸法建立了近紅外光譜定量分析模型，獲得了100%的分類準確率。王靖等[31]通過提取特征波長，發(fā)現(xiàn)CARS結(jié)合PLS-DA 建模，可以實現(xiàn)不同產(chǎn)地綿羊肉的鑒別。史巖等[32]利用NIR 結(jié)合PCA 和聚類分析法（CA）建立來自不同產(chǎn)地的100 個雞肉樣品的定性判別模型，結(jié)果表明，雞肉中脂肪酸的種類和含量、蛋白質(zhì)肽鏈的結(jié)構(gòu)以及C 和H 同位素的組成不同，導致了紅外光譜中脂肪和蛋白質(zhì)波段以及C-H 和NH 基團的倍頻和合頻吸收帶的差異，有效地對樣品進行了區(qū)分，模型判別率達到100%和96%。除此之外，吳鵬等[33]對不同地區(qū)雞蛋的產(chǎn)地溯源進行了研究，結(jié)合PCA 建立的判別模型判別準確率達到100%，這些研究結(jié)果都證實了NIR 應用于食品產(chǎn)地溯源是切實可行的，作為強有力的工具建立完善的動物源性食品原產(chǎn)地追溯體系，既可以保證動物源性食品的質(zhì)量安全，又可以提高消費者對動物源性食品的信任度。

1.1.3 近紅外在其它食品產(chǎn)地溯源中的應用 NIR作為一種新型綠色分析技術(shù)，被廣泛應用于植物源和動物源產(chǎn)地分析領(lǐng)域，且NIR 用于食品產(chǎn)地追溯的研究主要集中在一些植物源性產(chǎn)品，而動物源性產(chǎn)品的產(chǎn)地追溯研究相對較少，但不難發(fā)現(xiàn)，這些研究均證明了NIR 用于食品產(chǎn)地鑒別是可行的。除此之外，NIR 也被應用于其他可食用食品產(chǎn)地的鑒別研究中，均達到了理想的鑒別效果。

在茶葉類研究中，茶葉作為我國的特有飲料已有幾千年的歷史，Zhuang 等[34]在1050～2500 nm 范圍內(nèi)采用NIR 的多波長統(tǒng)計判別分析方法；Firmani等[35]使用NIR 結(jié)合偏最小二乘判別分析（PLS-DA）和類模擬的軟獨立模型（SIMCA）來鑒別不同地理來源的茶葉；Liu 等[36]選用NIR 結(jié)合PLS-DA 和非線性支持向量機（SVM）建立不同地區(qū)四個月的綠茶樣本，研究結(jié)果取得到了100%的準確度和較高的判別準確率；而胡燕等[37]通過分析不同產(chǎn)地來源的黑茶樣品中紅外光譜的峰位、峰形和峰強度，同樣有效地鑒別了茶葉樣本的地理來源。但研究發(fā)現(xiàn)，基于PLS-DA 建立的模型精準度更高，如Liu 等[38]采用NIR 結(jié)合PLS-DA 在光譜波長400～2500 nm 范圍內(nèi)研究了四個不同國家的雷司令葡萄酒樣品的光譜特征和光譜分類，結(jié)果表明，PLS-DA 模型在這四個地區(qū)的雷司令葡萄酒識別率最佳，達到97.5%、80%和70.5%，這些結(jié)果優(yōu)于使用SLDA 獲得的分類率。在其他類食品中，PLS-DA 也達到了較高的精準度，如Giraudoa 等[39]利用NIR 結(jié)合PLS-DA 對不用國家的咖啡豆樣品進行產(chǎn)地鑒別，準確率為98%，而咖啡產(chǎn)地國準確率可以達到100%。劉星等[40]對兩省產(chǎn)地的壇紫菜樣品進行分析判別時同樣發(fā)現(xiàn)PLS-DA 模型下能夠?qū)墒〉膲喜送耆_溯源，且對于未知產(chǎn)地的壇紫菜溯源結(jié)合化學計量學也能基本實現(xiàn)非破壞性條件下不同來源樣品的產(chǎn)地溯源。

在此背景下NIR 還應用于油料類的地理研究中，油料作物化學成分的含量和結(jié)構(gòu)受其生長環(huán)境因素的影響。NIR 獨特的鑒別優(yōu)勢結(jié)合化學計量學方法可以反映出被測物的化學組成，Jiménez-Carvelo[41]等使用NIR 和熒光激發(fā)-發(fā)射矩陣光譜（EEMS）結(jié)合化學計量學方法對阿根廷60 種特級初榨橄欖油的產(chǎn)地進行了分析，結(jié)果表明兩種光譜下NIR 更能夠準確地鑒別樣品的地理來源。

1.2 中紅外光譜技術(shù)（MIR）

中紅外光譜技術(shù)（Mid Infrared Spectroscopy，MIR）是波長在2500～25000 nm 范圍內(nèi)的一種電磁波，當具有連續(xù)波長的紅外光通過物質(zhì)，物質(zhì)分子中某個基團的振動頻率或轉(zhuǎn)動頻率和紅外光的頻率一樣時，分子能會選擇性吸收某些波長的紅外線，從而引起分子中振動能級和轉(zhuǎn)動能級的躍遷，特征性強，具有指紋特性。雖起步較晚，但由于具有成熟易用、無污染、分析速度快、準確率高、無損且成本較低等優(yōu)勢，近年來逐漸被廣泛應用于產(chǎn)地溯源的研究中。

1.2.1 中紅外在植物源農(nóng)產(chǎn)品產(chǎn)地溯源中的應用MIR 在植物源食品產(chǎn)地溯源中有較多的研究，而在動物源食品產(chǎn)地溯源中的研究鮮有報道。

在蔬菜類研究中，如朱哲燕等[42]在不同波段對不同來源的香菇樣品建立5 種辨別模型；何勇等[43]對四大核桃主產(chǎn)區(qū)主要的10 類核桃樣品通過主成分分析法（PCA）對光譜定性分析,采用小波變換算法對提取出的光譜數(shù)據(jù)進行平滑去噪處理；GORDON等[44]對不同產(chǎn)區(qū)的澳大利亞大麥樣品應用具有交叉驗證的偏最小二乘（PLS）回歸；HU 等[45]采用漂移法結(jié)合化學計量學對黑胡椒樣品進行識別，結(jié)果顯示對于香菇樣品K最鄰近算法（KNN 模型）、支持向量機（SVM 模型）、相關(guān)向量機（RVM 模型）在基于全譜和基于特征波數(shù)兩種情況下的識別效果相近，但RVM 算法更有效。對于核桃樣品采用無信息變量消除結(jié)合連續(xù)投影算法（UVE-SPA）從去噪后的光譜中提取特征波數(shù)，采用四種不同的算法對全譜和特征波數(shù)建模對比，結(jié)果顯示反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）算法的分類效果最優(yōu)，達到了97%的準確率，在品種鑒別中，結(jié)合特征波數(shù)建模的BPNN 算法識別精度高達83.3%。而對于大麥、黑胡椒樣品其結(jié)果也取得了較好的分類精準度。通過這些研究都可以看出，MIR 結(jié)合化學計量學方法在識別光譜差異和相似性方面可以輕松、快速、有效地對不同類型的植物源食品的產(chǎn)地來源進行鑒別，而對于動物源研究較少，希望在今后的研究中對動物源食品的產(chǎn)地溯源也進行相關(guān)的研究。

1.2.2 中紅外在其它食品產(chǎn)地溯源中的應用 比起NIR，由于MIR 是分子的基頻振動組成的光譜，因此有顯著的吸收特性，提供了更多的頻率和強度信息，在一系列新技術(shù)的基礎(chǔ)上，為研究物質(zhì)結(jié)構(gòu)提供了更為有效的手段。

在食藥兩用產(chǎn)品研究中，呂偉奇等[46]利用傅里葉變換紅外光譜（Fourier transform infrared spectroscopy，F(xiàn)T-IR）在1800～500 cm-1波段內(nèi)建立云南4 個不同產(chǎn)地的黃硬皮馬勃樣本判別模型，結(jié)果表明預處理方法ND（7:3）+SD+MSC（ND 為諾里斯導數(shù)平滑，SD為二階導數(shù)，MSC 為多元散射校正）下模型最佳，驗證集、校正集樣本的分類準確率均達到100%，可有效為黃硬皮馬勃的資源鑒別提供產(chǎn)地鑒別和理論依據(jù)。FT-IR 比起NIR 可提供更多有關(guān)分析樣品的化學信息，因為它監(jiān)測的是基本振動，而不是泛音和組合模式，可以通過讀取成分中化學鍵振動情況，獲得更加充分的光譜信息，實現(xiàn)傳統(tǒng)分類方法無法實現(xiàn)的高效鑒別。類似的已用于鑒別其它高價值中藥的產(chǎn)地溯源中，特別是杜仲、牛膝和龍膽[47-49]等領(lǐng)域同樣實現(xiàn)了快速鑒別，可見紅外光譜具有整體性，只要其所含化學成分不同，各成分含量比例有差異，都可以反映在紅外圖譜上進行鑒別分析。

1.3 拉曼光譜技術(shù)

拉曼光譜技術(shù)（Raman spectroscopy，RS）是基于印度科學家C.V.拉曼（Raman）研究的一種拉曼散射效應。通過分析不同頻率下的散射光譜，進一步獲得反映這些分子振動和旋轉(zhuǎn)的光譜信息，然后通過振動模式的判斷來確定材料中的基因類型，是一種應用于分子結(jié)構(gòu)研究中的重要分析方法，具有操作簡單、樣品處理時間短、良好的信噪比不重疊、無損靈敏度高等優(yōu)勢，可滿足非破壞和痕量檢測的需要,設(shè)備原理圖見圖2[14]。

圖2 拉曼光譜檢測設(shè)備原理圖[14]Fig.2 Schematic diagram of Raman spectrum detection equipment[14]

1.3.1 拉曼在植物源農(nóng)產(chǎn)品產(chǎn)地溯源中的應用 植物源產(chǎn)品的產(chǎn)地來源與其品質(zhì)密切相關(guān)，具有區(qū)域特征的植物源產(chǎn)品具有反映區(qū)域自然環(huán)境的獨特品質(zhì)，拉曼光譜分析技術(shù)以其獨特的優(yōu)勢可以快捷分析植物源產(chǎn)地溯源。

在水果類研究中，尤其對于含水量為主的樣品（如葡萄酒[50]、芒果[51]等）的分析，拉曼光譜因振動指紋范圍內(nèi)的水分子的信號相對較弱而更顯優(yōu)勢。其中對于不同產(chǎn)區(qū)不同年份葡萄酒的地理區(qū)分中，通過測試對照組，在初始驗證和交叉驗證中獲得了100%地理來源辨別。而對芒果類這種受歡迎的水果通過拉曼光譜結(jié)合PCA 進行產(chǎn)地判別時結(jié)果顯示不同產(chǎn)地芒果存在地域差別，該結(jié)果也為不同產(chǎn)地芒果的品質(zhì)評價提供了一定的依據(jù)。

在蔬菜類研究中，大米是最重要的食物之一，也是全球人口的主要能源。沙敏等[52]采用先剔除差異數(shù)據(jù)再取平均值的數(shù)據(jù)處理方式，使同一樣本內(nèi)的差異減小、不同樣品間的差異擴大，追蹤不同地區(qū)的大米產(chǎn)地，可將大米產(chǎn)地鑒別模型的識別準確率提高12.89%。Zhu 等[53]結(jié)合多變量數(shù)據(jù)分析利用拉曼光譜對不同地區(qū)的優(yōu)質(zhì)大米進行鑒別研究，結(jié)果顯示SIMCA 被有效用于區(qū)分這些樣本，比PCA、HCA（層次聚類分析）和PLS-DA 獲得了更好的模型，準確率在80%～100%之間。通過這些數(shù)據(jù)顯示，NIR、MIR和拉曼均可實現(xiàn)水稻溯源的快速鑒定，但是NIR 和MIR 在樣品中容易受到水吸收干擾，而拉曼光譜由于水分子的拉曼散射較弱，從而可以克服這種干擾，更適用于稻米的溯源研究中。從這些結(jié)果中，都可以看到拉曼光譜結(jié)合不同的模式識別技術(shù)達到了較高的精準度，可以有效追溯多種植物源食品的來源，具有很高的應用價值。

1.3.2 拉曼在動物源畜產(chǎn)品產(chǎn)地溯源中的應用 在動物源食品產(chǎn)地溯源研究中，拉曼光譜對動物源產(chǎn)品的產(chǎn)地溯源研究少之又少，而在真實性鑒別[54-55]中應用較多，雖然對真實性進行檢測和鑒別時結(jié)果準確，分析時間短，但是同一種食物的不同物種或品種之間的拉曼光譜圖差異非常小，通常需要結(jié)合化學計量提高準確性。

在肉類研究中，Boyaci 等[56]采用拉曼光譜和PCA 相結(jié)合的方式對不同肉類樣品中中提取脂肪樣品進行檢測，這種提取方法消除了來自肉類基質(zhì)的干擾，結(jié)果表明，拉曼光譜結(jié)合化學計量學在脂肪提取后極短的分析時間內(nèi)可檢測肉類物種的來源，有效的對動物源產(chǎn)品進行產(chǎn)地溯源，具有廣泛的應用前景。

1.3.3 拉曼在其它食品產(chǎn)地溯源中的應用 除了在水果類、蔬菜類的產(chǎn)地研究中，拉曼光譜還應用于蜂蜜、中藥和茶葉等的鑒別中，F(xiàn)rancesca 等[57]采用拉曼光譜確定蜂蜜的地理來源，為了提高鑒別率采用PCA 相結(jié)合的方式，通過解釋方差估計樣本分配到蜂蜜類別的可靠性，結(jié)果表明，拉曼數(shù)據(jù)結(jié)合適當?shù)闹鞒煞址治瞿Ｐ团c已知類別具有良好的一致性，可以成功地識別蜂蜜的地理來源。在中藥和茶葉等領(lǐng)域，俞允[58]、鄭玲等[59]通過判別譜峰強度，利用拉曼光譜實現(xiàn)了黃芪飲片、云南三大普洱茶的產(chǎn)地快速溯源。這些研究結(jié)果都證明拉曼作為一種新型實用的無損檢測技術(shù)以足夠的優(yōu)勢應用于各個食品產(chǎn)地的檢測中。在另外一些行業(yè)的檢測中，如郭博遠等[60]總結(jié)了拉曼光譜在皮膚領(lǐng)域取得的一系列進展，拉曼作為新型的無損檢測技術(shù)可以實時監(jiān)測皮膚狀態(tài)，對部分皮膚類疾病進行分級和診斷。連天星等[61]將拉曼光譜應用于骨科疾病，體現(xiàn)出該技術(shù)可有效補充現(xiàn)有醫(yī)學上的不足，能夠及時發(fā)現(xiàn)疾病早期特征性改變，為骨關(guān)節(jié)炎、骨質(zhì)疏松等骨科疾病患者提供有效的幫助。可見拉曼光譜在檢測領(lǐng)域具備強大的潛力和適用性，但是拉曼光譜檢測成像結(jié)果普遍適用性仍然不高，國際應用中缺乏統(tǒng)一有效的拉曼光譜成像數(shù)據(jù)標準格式和新的檢測處理方法，這就需要我們在未來的研究中更多地汲取各個科學領(lǐng)域的精華，簡化拉曼光譜成像的實際操作步驟，促進拉曼光譜的廣泛應用。

2 光譜技術(shù)的比較

近紅外、中紅外和拉曼光譜各具優(yōu)勢特色，作為無損分析技術(shù)，可用于研究分子結(jié)構(gòu)和識別材料成分，能夠快速、準確地對食品產(chǎn)地進行溯源。雖然原理、光譜機制各不相同，但作為重要的光譜分析技術(shù)，既有區(qū)別又可以相互補充，在實現(xiàn)物質(zhì)定量和定性分析中都具有較高的精準度和研究價值。近紅外、中紅外和拉曼光譜對比見表1。

表1 光譜技術(shù)的比較Table 1 Comparison of spectral techniques

3 光譜融合在食品產(chǎn)地溯源中的應用研究

3.1 光譜融合

目前，NIR、MIR 和RS 作為新的檢測技術(shù)，要想在食品工業(yè)中得到廣泛應用，以當前的技術(shù)和設(shè)備水平，單獨作用很難達到預期的效果，因此可以考慮多光譜融合，將不同類型的光譜進行結(jié)合和優(yōu)化，充分發(fā)揮多種光譜之間的互補性，從而獲得更加全面、精準的分類及預測結(jié)果，有效的提高產(chǎn)地判別的準確性，按照融合策略通常分為低層數(shù)據(jù)融合（Low level data fusion，LLDF）、中層數(shù)據(jù)融合（Mid level data fusion，MLDF）和高層數(shù)據(jù)融合（High level data fusion，HLDF）三大類，其中LLDF 和MLDF 是最常用的融合方法，LLDF 可以獲得更全面的信息，但數(shù)據(jù)量大，計算時負擔過重，而MLDF 優(yōu)勢為減少了數(shù)據(jù)量，可剔除無關(guān)變量，有效的提高了計算效率，因此多數(shù)情況下，MLDF 比其它融合表現(xiàn)出了更好的融合效果。

RS 可以用作振動光譜技術(shù)，根據(jù)分子的振動特性與NIR、MIR 等光譜方法相互關(guān)聯(lián)，相互補充。基于中低層融合策略，利用RS 和NIR 結(jié)合化學計量學方法，Bragolusi 等[65]對意大利和希臘兩個國家的特純橄欖油（EVOO）地理來源進行了鑒別，中層融合時鑒別率顯著提高，可達到快速、準確地識別其產(chǎn)地信息的目的，也為特級初榨橄欖油的認證開辟了新的途徑。Sha 等[16]對于四個地理區(qū)域的水稻，采用支持向量機與RS 和MIR 相融合的方式進行產(chǎn)地溯源研究，樣品經(jīng)過精制、粉碎和篩分以獲得相對均勻的樣品進行分析，避免了米粒中蛋白質(zhì)、脂肪等分布不均勻?qū)е妈b定結(jié)果不理想的現(xiàn)象，融合結(jié)果可將識別率提高至97.8%，取得了比單一光譜更好的檢測結(jié)果，表明光譜融合值得推廣應用，這一結(jié)果也為人們研究其他類型的水稻產(chǎn)品提供了良好的技術(shù)參考。但是研究發(fā)現(xiàn)，兩種技術(shù)相融的研究大多只存在于食用油的鑒別分類、含量預測[66-67]和蜂蜜品種鑒別中[68]，對于產(chǎn)地溯源的研究少之又少。

同樣的，將NIR 與MIR 相結(jié)合進行食品產(chǎn)地鑒別，可快速并準確地識別樣品的產(chǎn)地信息，NIR 反映了有機分子中含氫基團振動的合頻和各級倍頻信息，MIR 反映的是分子振動的基頻、倍頻或合頻信息，兩種光譜相融合比起單一光譜對產(chǎn)地來源進行鑒別更能充分的反映樣品中的化學信息。李亞惠等[69]在對不同產(chǎn)地黑果枸杞的品質(zhì)信息進行區(qū)分時采用了NIR 與MIR 融合的策略，融合前兩個光譜的三維主成分分析（PCA）得分圖分別如圖3a 和圖3b 所示，融合后光譜最小二乘支持向量機（LS-SVM）模型的識別率如圖3c 所示，結(jié)果顯示，兩種光譜融合可對樣品進行正確的分類，所建立的LS-SVM 模型校正集識別率達到100%，預測集識別率達到99.17%，可快速識別枸杞的產(chǎn)地和品質(zhì)信息。大量文獻中報道了NIR[38]與MIR[70]結(jié)合化學計量學對葡萄酒產(chǎn)地的鑒別，均可以實現(xiàn)樣品的正確判別，但對于NIR 與MIR 融合的方法來判別葡萄酒產(chǎn)地的研究少之又少，因此將NIR 與MIR 融合極具有研究的價值。向伶俐等[71]應用近紅外透射光譜和中紅外衰減全反射光譜利用PLS-DA 建立四個不同產(chǎn)區(qū)的葡萄酒樣品的判別模型，并采用貝葉斯信息融合進行重新判別，結(jié)果發(fā)現(xiàn)融合模型訓練集和驗證集的準確率均在87%以上，成功鑒別四個產(chǎn)區(qū)的葡萄酒樣品，融合后的模型精度由78.21%（NIR）和82.57%（MIR）提高到87.11%。同樣的，利用這兩種光譜和貝葉斯信息融合對于不同品種和不同陳釀方式的葡萄酒鑒別同樣取得了較好的鑒別效果[72]，說明融合后可以提高模型的判別效果。且隨著傅里葉變換（FT）等技術(shù)的引入紅外更加適用于葡萄酒的檢測，在常規(guī)分析和分類準確性上會更具有優(yōu)勢[73]，Pei 等[74]采用LLDF、MLDF 和HLDF，利用NIR 與傅里葉變換紅外光譜（FT-MIR）結(jié)合PLS-DA 和隨機森林（RF）對野生云南松進行產(chǎn)地研究，結(jié)果顯示在主成分特征變量提取的高層數(shù)據(jù)融合策略中基于RF 模型的準確率達到了100%，可能是由于HLDF 更具有靈活性和強抗干擾性。這些研究結(jié)果都表明，光譜融合可有效提高產(chǎn)地的判別準確率，相結(jié)合也將成為未來研究的熱點。

圖3 光譜主成分分析三維得分圖及光譜融合LS-SVM 結(jié)果圖[69]Fig.3 Spectral principal component analysis 3D score map and spectral fusion LS-SVM result map

3.2 光譜與其它檢測技術(shù)的融合

可見NIR、MIR 和RS 融合可使不同儀器信息互補，實現(xiàn)光譜檢測技術(shù)與光譜數(shù)據(jù)的有機結(jié)合，更加全面地描述樣品信息，提高模型的準確率及穩(wěn)健性。此外，光譜與其它檢測方法的融合同樣具有優(yōu)勢，表2 列舉了這類融合用于食品產(chǎn)地分類檢測的一些研究成果?？煽闯?，融合技術(shù)在食品檢測領(lǐng)域正發(fā)揮著日益重要的作用。

表2 光譜與其他檢測技術(shù)的應用Table 2 Applications of spectroscopy and other detection techniques

4 結(jié)論與展望

大量實驗研究表明，三種光譜技術(shù)（NIR、MIR和RS）都可以實現(xiàn)快速無損檢測的任務(wù)，在食品行業(yè)中廣泛研究和應用，具有較高的定性和定量分析能力。隨著西方各國學者對我國食品溯源檢測技術(shù)領(lǐng)域的相關(guān)研究，NIR、MIR 和RS 受到廣大國內(nèi)外研究人員的日益青睞，目前研究成果已取得一定階段性的重要進展，但對于大多數(shù)食品而言，該光譜技術(shù)在產(chǎn)地溯源上的應用也受到諸多因素的影響，其自身的局限性仍然使得篩選與地域相關(guān)的產(chǎn)地溯源指標較為困難。因此，未來光譜技術(shù)在食品產(chǎn)地溯源中的發(fā)展趨勢主要有：

a.NIR、MIR 在食品行業(yè)中已發(fā)揮出重要的作用，但產(chǎn)地追溯機制和模型建立均處于探索階段，尚未系統(tǒng)地建立完整的研究評價體系，例如產(chǎn)地溯源指標的篩選，而且溯源范圍內(nèi)的研究還沒有形成統(tǒng)一科學的標準，因此在采集樣本時，需要制定統(tǒng)一標準，以減少樣本差異造成的實驗準確性誤判。在實現(xiàn)食品分析可行性的基礎(chǔ)上，需結(jié)合化學計量對光譜信號進行處理，以提取分析中包含的有用信息，并且需要綜合考慮適用范圍、精度、經(jīng)濟適用性等因素。

b.在食品溯源的研究中，NIR、MIR 主要集中在一些植物源性產(chǎn)品，而對動物源性產(chǎn)品的溯源研究較少。在未來，應多角度多方面去研究各個領(lǐng)域的地理來源，使用紅外光譜與化學計量學方法相結(jié)合進行差異分析、降維處理、聚類分析或判別分析等以研究各種因素對檢測過程中存在的障礙性問題，提高產(chǎn)地判別率意義重大。

c.RS 光譜特性可以通過光纖探頭或玻璃、二氧化硅和光纖直接測量，但是在分析某種物質(zhì)時,一些食品表面在可見光的激發(fā)下就會產(chǎn)生強的熒光,這會干擾拉曼光譜的信號檢測，分析時常會出現(xiàn)曲線的非線性問題，制約了該技術(shù)的利用與推廣。因此在今后的發(fā)展中需要增加拉曼光譜信號，消除熒光等的干擾，確保拉曼光譜技術(shù)的準確性。且RS 仍以高精度和昂貴的實驗儀器為主，大大增加了實驗成本，今后應考慮成本較低、模型穩(wěn)定性較高的拉曼儀器設(shè)備。

d.光譜技術(shù)對食品產(chǎn)地溯源進行研究時發(fā)現(xiàn)僅僅局限于單一技術(shù)，在具體的應用過程中會存在一些不足之處，因此可綜合考慮多光譜融合及光譜與多種技術(shù)融合，如NIR 和MIR、RS 和NIR、MIR 等融合，從而增加模型的多維性，使得多種技術(shù)相結(jié)合的優(yōu)勢來優(yōu)化判別模型，使模型更加牢固、更有效地對食品產(chǎn)地溯源進行區(qū)分，且與先進的多光譜數(shù)據(jù)融合能顯著提高定性和定量分析結(jié)果的穩(wěn)定性和準確性。