邱 燁 郝 欣 孔維恒 王藝凱 賈文珅 張 巖 周 巍 劉 鑫*

（1.中國海關(guān)科學(xué)技術(shù)研究中心，北京 100026；2.北京市農(nóng)林科學(xué)院質(zhì)量標(biāo)準(zhǔn)與檢測技術(shù)研究所，北京 100097；3.河北省食品檢驗研究院（河北省食品安全重點實驗室），石家莊 050227）

隨著社會的發(fā)展和生活水平的提高，消費者的消費觀念從“ 吃得飽 ”向“ 吃得好 ”轉(zhuǎn)變。但一些不法商家在經(jīng)濟(jì)利益驅(qū)動下對食品采取添加非法物質(zhì)、以次充好、虛標(biāo)產(chǎn)地來源等手段來獲取高額利潤，嚴(yán)重侵害了消費者的權(quán)益，對食品行業(yè)造成了極大的負(fù)面影響，甚至破壞了消費者對整個食品行業(yè)乃至國家的信任，引起消費者高度關(guān)注[1-3]。中國政府在2008年的“ 三聚氰胺事件 ”之后，采取了“ 最嚴(yán)格的監(jiān)管措施 ”規(guī)范食品行業(yè)[4]；歐盟在2013年“ 馬肉風(fēng)波 ”食品摻假事件發(fā)生后，將食品真實性檢測技術(shù)研究列為“ 地平線2020 ”計劃的重點研究領(lǐng)域[5]。目前食品真實性問題已經(jīng)成為國內(nèi)外關(guān)注的熱點問題，是食品安全監(jiān)管的重要研究方向之一。

食品真實性鑒別方法主要包括理化檢測技術(shù)[6]、分子生物學(xué)技術(shù)[7]、蛋白質(zhì)技術(shù)[8]和傳感器技術(shù)[9]等[10]。與上述方法相比，拉曼光譜技術(shù)具有對樣品無損、靈敏度高、零污染和實用性強(qiáng)等優(yōu)點[11]。拉曼光譜技術(shù)還具有指紋識別功能，可以同時識別多個樣品分子[12]，對樣品進(jìn)行定性定量分析[13]，并且能夠快速進(jìn)行在線監(jiān)測或現(xiàn)場檢測[14]，是一種解決食品真實性問題的有效方法。拉曼光譜技術(shù)通常與化學(xué)計量學(xué)結(jié)合，分離提取樣品中復(fù)雜的分子振動信息，進(jìn)行數(shù)據(jù)描述，用于分析復(fù)雜的食品材料，區(qū)分食品的地理來源和品種，鑒別加工食品的生產(chǎn)方法，鑒定食品成分和非法添加劑等[15，16]。

拉曼光譜技術(shù)是一種基于拉曼散射效應(yīng)的光學(xué)測量技術(shù)。本文重點綜述了該技術(shù)在肉類及其制品、乳制品、食用油、蜂蜜、谷物及其制品等食品的真實性研究和鑒別中的應(yīng)用，并對該技術(shù)在該領(lǐng)域研究的未來發(fā)展進(jìn)行了展望，以期為食品真實性研究提供價值。

1 食品真實性鑒別中拉曼光譜技術(shù)的概述

由于拉曼散射光容易被可見光區(qū)或紫外光區(qū)激發(fā)的熒光覆蓋且強(qiáng)度低，導(dǎo)致信號非常微弱，因此過去很長一段時間拉曼光譜技術(shù)發(fā)展緩慢。激光技術(shù)在1960年興起后，拉曼光譜技術(shù)以激光作為光源，大幅度提高拉曼散射信號強(qiáng)度，自此拉曼光譜技術(shù)快速發(fā)展。拉曼光譜技術(shù)在食品真實性研究領(lǐng)域中，根據(jù)分光系統(tǒng)差異總體可以分為色散型拉曼光譜（DRS）和傅里葉變換拉曼光譜（FT-RS）兩類。DRS主要通過單極或多級光柵進(jìn)行分光，而FT-RS采用邁克爾遜干涉儀進(jìn)行分光。以DRS為基礎(chǔ)，衍生出FT-RS、空間位移拉曼光譜（SORS）、表面增強(qiáng)拉曼光譜（SERS）、共聚焦顯微拉曼光譜、便攜式拉曼光譜等多種拉曼光譜技術(shù)[17]，表1總結(jié)了上述拉曼光譜技術(shù)在食品真實性鑒偽中的優(yōu)缺點。

表1 不同拉曼光譜技術(shù)在食品鑒偽中優(yōu)缺點對比

2 拉曼光譜技術(shù)在食品真實性鑒別中的應(yīng)用

拉曼光譜技術(shù)在食品真?zhèn)握鐒e、產(chǎn)地溯源和檢測非法添加物3個主要的食品真實性研究中具有獨特的檢測優(yōu)勢，例如具有無損快速、樣品深層次檢測、制備樣品簡單且時間短、無需樣品前處理和靈敏度高等優(yōu)點。本文將檢測目的、鑒別對象、拉曼光譜特征帶等總結(jié)在表2，為拉曼指紋圖譜和數(shù)據(jù)庫建立提供參考和借鑒。僅通過光譜上特征峰的位置、峰寬和峰高等對物質(zhì)進(jìn)行定性或定量分析，很難滿足檢測復(fù)雜的食品樣品的需求，因此往往將光譜信息與化學(xué)計量學(xué)結(jié)合，建立化學(xué)計量學(xué)模型，完成分類判別的任務(wù)，實現(xiàn)精準(zhǔn)定性定量的目的[32]。

表2 食品真實性的鑒別技術(shù)應(yīng)用情況

2.1 拉曼光譜技術(shù)在肉類及其制品檢測中的應(yīng)用

通過拉曼光譜技術(shù)分析肉類及其制品的分子結(jié)構(gòu)和各種基團(tuán)之間的關(guān)系，可對其進(jìn)行真實性鑒別分析[33，34]。由于豬肉與牛羊肉有相似的外觀和成分，一些不法商人用豬肉代替較貴的牛羊肉，嚴(yán)重擾亂市場秩序。Haoran等[35]通過結(jié)合拉曼光譜技術(shù)和激光誘導(dǎo)擊穿光譜技術(shù)（LIBS），采用隨機(jī)森林（RF）優(yōu)化的反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN），鑒別肉中的半胱氨酸、谷氨酸和苯丙氨酸，對牛肉、羊肉和豬肉組織進(jìn)行分類，準(zhǔn)確率（ACC）可達(dá)99.42%，表明該方法是快速、穩(wěn)健的肉類組織識別方法。以上研究表征了LIBS和拉曼光譜技術(shù)結(jié)合檢測的可行性，兩者結(jié)合可有效提高模型的識別精度，充分挖掘被測樣品在原子和分子水平上的內(nèi)部信息，在一定程度上克服了其他技術(shù)在樣品識別上的潛在局限性。海產(chǎn)品也存在食品摻假問題，包括地理來源摻假、廉價替代品和有毒有害物質(zhì)非法添加、成分組成比例和重量摻假等。與剛性的SERS基底相比，柔性SERS基底的靈敏度相對有限，一方面因為單層金屬納米粒子的高透過率導(dǎo)致拉曼信號損耗大，另一方面是單層金屬納米粒子膜增強(qiáng)作用弱。但Sun等[36]制備了一種PMMA/Ag/石墨烯/Ag/石墨烯雜化結(jié)構(gòu)的柔性高靈敏度SERS基底，可以直接附著在魚皮上檢測孔雀石綠的含量，該裝置在5 min內(nèi)完成檢測，結(jié)果顯示檢測限（LOD）低至10-7mol/L，靈敏度高，實用性十分強(qiáng)，很適合檢測水產(chǎn)品的非法添加物。這種靈活和透明的柔性SERS基底有望被應(yīng)用于食品安全檢測、醫(yī)療診斷和生物傳感器等其它領(lǐng)域。拉曼光譜技術(shù)對于肉類及其制品的真實性研究已經(jīng)能夠準(zhǔn)確定性分析，但定量分析還需要進(jìn)一步探討，也需要深入探索化學(xué)計量學(xué)模型，確定最佳的建模方法，實現(xiàn)對肉類及其制品的準(zhǔn)確檢測。

2.2 拉曼光譜技術(shù)在乳制品檢測中的應(yīng)用

拉曼光譜技術(shù)在指紋范圍內(nèi)不受水分子干擾，具有快速、無損和準(zhǔn)確等優(yōu)點，因此適用于檢測含水量高的牛奶[37]。許多不法商家不僅利用麥芽糊精、葡萄糖和面粉等廉價物摻假乳制品[38]，還非法添加非蛋白氮摻雜物增加氮含量，危害消費者生命健康。由于SERS具有靈敏度超好、快速無損等優(yōu)點，該方法用于三聚氰胺的檢測已經(jīng)大量被報道。為了減少分析成本、增加結(jié)果的穩(wěn)定性和縮短檢測時間，Viehrig等[39]開發(fā)了一個電化學(xué)輔助的SERS平臺用于檢測牛奶中的三聚氰胺，可以逆轉(zhuǎn)分析物與表面的相互作用，卻不損壞SERS基底，從而實現(xiàn)重復(fù)使用，LOD為0.3mg/L，靈敏度好。因為檢測可逆性，所提出的方法和檢測平臺為需要連續(xù)監(jiān)測和在線檢測的應(yīng)用提供了新的可能性。此外，當(dāng)小型拉曼系統(tǒng)和恒電位儀結(jié)合時，該方法將適用于現(xiàn)場檢測。紙張、紡織品、膠帶等模板化的SERS基底由于具有成本低、操作簡單、易于樣品處理和現(xiàn)場應(yīng)用等優(yōu)點，被越來越多地用來替代傳統(tǒng)的基質(zhì)[40]。Zhang等[41]首次開發(fā)了一種基于銀納米顆粒功能化的市售濾紙的新型疏水SERS基底用于檢測稀釋牛奶中的三聚氰胺。與傳統(tǒng)的基底相比，這種新型的SERS基底不僅可以滿足簡單和大規(guī)模的制備要求，而且還實現(xiàn)了具有可重復(fù)使用特性的直接液滴檢測。該方法檢測限低至1 mg/L，展現(xiàn)了高靈敏度的優(yōu)點。近年來，SERS的發(fā)展受到限制，因為大多數(shù)基底的制造過程非常復(fù)雜，而且基底本身缺乏靈活性、生態(tài)友好性和經(jīng)濟(jì)性，因此可以克服上述缺點的SERS紙基被強(qiáng)調(diào)用于食品安全和環(huán)境應(yīng)用的分析檢測。過去幾年中研究人員一直致力于開發(fā)檢測液態(tài)奶中三聚氰胺的SERS活性基底[42-44]。并且隨著拉曼光譜技術(shù)的不斷進(jìn)步，三聚氰胺的LOD值能達(dá)到痕量級，完全滿足國家要求。

2.3 拉曼光譜技術(shù)在食用油檢測中的應(yīng)用

常見的食用油摻假手段有低價油摻入高檔油、非食用油摻入食用油、高檔油的組成比例與標(biāo)簽描述不一致等情況[45]。由于特級初榨橄欖油（EVOO）、山茶油和牡丹籽油等高檔油具有較高的營養(yǎng)價值，因此常成為非法商家的摻雜對象。Kuang等[46]首次開發(fā)了一種近紅外拉曼光譜結(jié)合反向傳播人工神經(jīng)網(wǎng)絡(luò)（BPANN）模型實時檢測分析山茶油摻假情況的方法。預(yù)測線性值＞0.999和均方誤差（MSE）＜1%，表明該方法是一種快速精確的方法。同時該方法具有分析時間快、無需樣品制備等優(yōu)點，特別適合于快速檢測其它植物油的摻假情況。EVOO是一種復(fù)雜的食品基質(zhì)，很難測試和表達(dá)其質(zhì)量。Wang等[47]提出了一種共聚焦拉曼和熒光光譜（CRFS）與多元線性回歸（MLR）相結(jié)合的技術(shù)方案，實現(xiàn)了拉曼和熒光光譜光譜數(shù)據(jù)的同時采集，并發(fā)現(xiàn)了EVOO中的微量成分——葉綠素和β胡蘿卜素的拉曼光譜。結(jié)果顯示均方根誤差（RMSE）為0.0068，外部預(yù)測的R2為0.9996。結(jié)果表明該方法不僅可以獲得定量分析的微量成分的拉曼光譜，而且還可以減少EVOO中熒光淬滅對光譜定量分析的影響，提高定量精度，具有更廣泛的應(yīng)用范圍。拉曼光譜技術(shù)檢測方法還應(yīng)用于其它食用油的鑒別，例如鑒別棕櫚油中是否非法添加蘇丹IV[48]、快速識別核桃和南瓜油的摻假情況[49]。通過結(jié)合化學(xué)計量學(xué)的拉曼光譜技術(shù)在鑒別食用油真實性的研究中，已經(jīng)達(dá)到了非常高的實驗準(zhǔn)確性，但相應(yīng)的在線檢測平臺有待開發(fā)，以期進(jìn)一步提高實際應(yīng)用中的生產(chǎn)效率。

2.4 拉曼光譜技術(shù)在蜂蜜檢測中的應(yīng)用

蜂蜜因具有獨特風(fēng)味和抗菌、抗炎、抗氧化、調(diào)節(jié)血糖血脂、改善心血管危險因素等功能[50]，導(dǎo)致蜂蜜供不應(yīng)求[51]。一些不法商家為了獲取利益而對蜂蜜進(jìn)行摻假，且一旦摻假難以發(fā)現(xiàn)，使其成為世界上第三大摻假的食品[52]。蜂蜜摻假最常見的做法是在天然蜂蜜中摻入廉價甜味劑，當(dāng)然植物學(xué)或者地理來源的標(biāo)簽不符合天然蜂蜜產(chǎn)品也屬于食品欺詐[53]。雖然拉曼光譜技術(shù)不易受到水分子干擾，但蜂蜜的光譜信息是復(fù)雜和重疊的，因此需要結(jié)合化學(xué)計量學(xué)提取光譜數(shù)據(jù)中的潛在特征和有用信息。檢測蜂蜜摻假的光譜技術(shù)通常會分析有明確摻假物種類的樣品，但Wu等[54]在糖漿類型未知的情況下，將拉曼光譜技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)（CNN）定量模型結(jié)合直接預(yù)測蜂蜜樣品的摻假濃度，是一種更可靠，更接近實際檢測過程的方法。將CNN模型與基于相同光譜數(shù)據(jù)集的偏最小二乘回歸（PLSR）和支持向量機(jī)（SVR）算法進(jìn)行比較，因為這些算法分別是深度學(xué)習(xí)、傳統(tǒng)化學(xué)計量學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域的代表性算法。結(jié)果顯示與PLSR和SVR相比，CNN模型取得了最好的性能，ACC＞99.76%，R2＞0.95和預(yù)測的均方根誤差（RMSEP）＜4.25。表明該方法是一種無損、可靠和有前途的光譜分析方法。此外拉曼光譜也被成功應(yīng)用于區(qū)分不同地理或者品種來源的蜂蜜[55，56]。

2.5 拉曼光譜技術(shù)在谷物及其制品檢測的應(yīng)用

大米產(chǎn)地和品種不同，品質(zhì)也會有所差異，價格也因此不同。一些不法商家為了追逐利益的最大化，常使用劣質(zhì)大米冒充優(yōu)質(zhì)大米或者虛假標(biāo)注谷物地理來源，破壞消費者對生產(chǎn)者的可信度。眾所周知，精米顆粒中的碳水化合物、粗蛋白、粗脂肪和水分布不均勻，因此需要一種能夠無損整個米粒的檢測方法以便進(jìn)行準(zhǔn)確的分析，而拉曼光譜技術(shù)具有這方面的優(yōu)勢[57]。Wang等[58]采用拉曼光譜技術(shù)結(jié)合化學(xué)計量學(xué)的方法，對同一栽培品種但不同產(chǎn)地的稻谷樣品的特征光譜峰進(jìn)行提取和分類，利用PCA提取的8個特征值/特征光譜峰（476cm-1、867cm-1、940cm-1、1121cm-1、1342cm-1、1384cm-1、1462cm-1和2914cm-1）建立反向傳播神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)作為大米原產(chǎn)地識別模型，ACC為98.75%～96.25%，結(jié)果表明該方法作為同一品種水稻類型識別的工具是可行的，方便快捷，可以有效地識別不同地區(qū)的水稻，為大米產(chǎn)地鑒定提供理論支持。

4 結(jié)論與展望

本文總結(jié)了拉曼光譜技術(shù)在食品真實性鑒別中的優(yōu)缺點,與其它方法相比具有顯著的技術(shù)優(yōu)勢。例如不破壞待測樣品、非直接接觸樣品、基本不受溶液中水分子影響、快速簡便高效、對環(huán)境友好、能夠提取大量信息和提供指紋識別能力等。然而，現(xiàn)階段拉曼光譜技術(shù)在食品檢測中也存在一些技術(shù)瓶頸。例如采用不同光譜預(yù)處理方法，選擇不同的波段和建模方法，數(shù)據(jù)分析模型的精度和穩(wěn)定性會因此受到影響，并且預(yù)測模型的應(yīng)用必須與建模前所用的基質(zhì)相一致，否則不能得到較好預(yù)測。目前沒有一種拉曼光譜技術(shù)可以得到待測樣品的所有信息，且拉曼光譜圖庫更新周期長，很難滿足食品數(shù)據(jù)快速變化的趨勢。加上光譜數(shù)據(jù)分析復(fù)雜，需要技術(shù)人員進(jìn)行數(shù)據(jù)處理。為解決拉曼光譜技術(shù)的一些短板，在未來研究中，1）可以通過選擇合適的激發(fā)波長，優(yōu)化前處理技術(shù)，建立優(yōu)秀的化學(xué)計量學(xué)模型，提高準(zhǔn)確性和穩(wěn)定性；2）開發(fā)便攜式或者手持式拉曼光譜儀，或者開發(fā)與其它方法相結(jié)合的拉曼光譜技術(shù)，提高實用性和進(jìn)行快速的現(xiàn)場檢測；3）優(yōu)化光譜處理技術(shù)，擴(kuò)大樣品范圍，針對不同場景建立數(shù)據(jù)庫，開發(fā)在線檢測設(shè)備；4）開發(fā)數(shù)據(jù)集成分析軟件、圖像處理系統(tǒng)，解決拉曼光譜數(shù)據(jù)處理復(fù)雜的問題；5）開發(fā)更加靈活、對環(huán)境更加友好和更加經(jīng)濟(jì)的SERS基底。