在當今社會，食品安全已成為關乎公眾健康及社會穩(wěn)定的核心要素。近年來，食品質量不合格現(xiàn)象頻發(fā)。2023年，國家市場監(jiān)管總局網(wǎng)站發(fā)布的第8期92批次食品抽檢信息顯示，有32批次（占比36.95%）存在質量問題，包括微生物超標、化學添加劑違規(guī)使用、營養(yǎng)成分不符等，其中氧化值、總酸、不揮發(fā)酸等指標的不合格情況尤為突出，凸顯了食品安全形勢的嚴峻性。為了保障食品安全，開發(fā)快速、無損、準確的食品檢測方法至關重要。

傳統(tǒng)的食品檢測方法主要依賴化學分析、微生物培養(yǎng)等技術，雖然在一定程度上可以保障檢測的準確性，但普遍存在操作繁瑣、耗時久、預處理復雜以及難以實現(xiàn)無損檢測等缺陷。例如，化學分析需對樣品進行消解、萃取等復雜處理，易引入誤差并造成樣品損耗；微生物培養(yǎng)檢測往往需耗時數(shù)天甚至數(shù)周，嚴重滯后于食品生產(chǎn)流通節(jié)奏。在這種背景下，近紅外光譜技術作為極具潛力的新型分析手段，在食品檢測領域嶄露頭角。該技術利用近紅外光在中紅外與可見光間特定波長范圍內(nèi)有機物質基團對光吸收的顯著差異特性，為食品成分檢測提供了新途徑，具有無損、快速、操作簡便等優(yōu)勢，可在不破壞樣品的前提下迅速獲取光譜信息并實現(xiàn)高效分析。本文深入探索了近紅外光譜分析技術在食品檢測領域的應用，并將其應用于小麥水分的檢測，研究結果顯示，該技術的檢測值與食品真實值高度一致，能夠顯著提升食品檢測的精準度。

一、在食品檢測中應用近紅外光譜技術的注意事項

近紅外光是一種電磁波，所產(chǎn)生的波長多在中紅外與可見光之間。近紅外光譜可以分為短波區(qū)域和長波區(qū)域，這是由不同的有機物質內(nèi)包含的不同基團所導致的，每個基團吸收波長后會存在明顯的差異，借此可以實現(xiàn)食品檢測。在食品檢測中應用近紅外光譜技術時，會經(jīng)歷食品近紅外光譜采集、光譜數(shù)據(jù)預處理與食品檢測三個關鍵步驟，每個步驟都有注意事項。

（一）光譜采集

1.樣品制備。依據(jù)食品種類與特征收集不同成分含量的樣品，確保其代表性并能反映整個批次食品的成分與特性，以制備適配光譜采集的樣本。

2.選定光譜采集設備。根據(jù)食品特性，以設備精度與準確度為核心挑選合適的光譜采集設備。

3.采集光譜。在常溫環(huán)境下對光譜數(shù)據(jù)進行采集，流程如下：近紅外光譜儀→放置樣品于光譜儀樣品臺→垂直照射食品樣品→光譜采集。

（二）光譜數(shù)據(jù)預處理

采集過程中，干擾因素易影響光譜數(shù)據(jù)質量，導致檢測偏差，故采集后需進行預處理，以保障數(shù)據(jù)的可靠性，常用方法有高斯平滑與基線校正。

高斯平滑通過合理設定窗口寬度與高斯函數(shù)參數(shù)，對光譜數(shù)據(jù)實施加權平均處理，可有效抑制高頻噪聲，顯著提升數(shù)據(jù)平滑性，從而更精準地反映光譜特征。在采集過程中，要確定采集數(shù)據(jù)序列并設置高斯函數(shù)與標準差，窗口寬度也要確定。

基線校正旨在消除由儀器穩(wěn)定性、樣品物理性質等引發(fā)的基線漂移現(xiàn)象。常用的方法是采用多項式擬合對光譜數(shù)據(jù)的基線進行擬合，經(jīng)最小二乘法確定系數(shù)后，將原始光譜數(shù)據(jù)減去擬合的基線值，得到校正后的光譜數(shù)據(jù)。

在實際操作中，綜合運用上述兩種方法可顯著降低數(shù)據(jù)誤差，為后續(xù)檢測提供堅實可靠的數(shù)據(jù)基礎。

（三）食品檢測

經(jīng)光譜數(shù)據(jù)預處理后，引入偏最小二乘法對食品近紅外光譜數(shù)據(jù)特征進行分析，再依據(jù)特征提取狀況構建食品成分與近紅外光譜數(shù)據(jù)間的數(shù)學模型，從而實現(xiàn)食品檢驗。偏最小二乘法需要先提取分析預處理后的數(shù)據(jù)矩陣，進一步建立回歸模型，從而對模型進行進一步評估與優(yōu)化，然后得到均方根誤差（RMSE）。該數(shù)值越小，表明模型預測值與真實值偏差越??；R2越趨近于1，說明模型對數(shù)據(jù)的擬合程度越佳，解釋能力越強。借助這些指標對基于偏最小二乘法構建的模型進行評估與優(yōu)化，可以有力提升模型在食品檢測中的準確性與可靠性。

二、近紅外光譜技術在食品檢測中的具體應用

（一）水果檢測

傳統(tǒng)的檢測水果品質的方法多采用物理外觀與化學分析結合法，操作繁瑣且耗時，利用近紅外光譜技術則無需復雜的預處理。比如，檢測水果中的糖分含量時，按照特定波長光譜吸收并結合數(shù)學模型便可快速、準確地得出結果；檢測維生素C含量、內(nèi)部病蟲害情況時，通過與優(yōu)質水果標準光譜進行對比，即可篩選品質不佳的產(chǎn)品，保障上市水果的質量。

（二）肉類檢測

傳統(tǒng)的肉類檢測方法主要是微生物培養(yǎng)法（檢測病菌）、化學分析法（檢測營養(yǎng)成分），檢測周期長且具有破壞性。近紅外光譜技術則優(yōu)勢顯著，可無損檢測脂肪、蛋白質、水分等關鍵指標，經(jīng)大量樣本建模能快速、準確地得出結果，可滿足肉類加工企業(yè)原料快速檢測的需求。

比如，在新鮮度檢測方面，該技術通過捕捉變質過程中分子結構變化引發(fā)的光譜差異判斷其新鮮度，從而防止變質肉流入市場。在采集光譜時，近紅外光譜可以在特定波長范圍內(nèi)（如1000—2500nm）對樣本進行多次掃描，以確保高信噪比和高質量的光譜數(shù)據(jù)，采用反射模式光譜采集也可以減少樣品表面不均勻性對檢測結果造成的影響。

（三）糧食檢測

近紅外光譜技術基于分子振動原理，通過探測分子的振動狀態(tài)和伸縮模式，可以反映食品成分的含量和結構，應用于糧食檢測領域具有快速、準確、低成本、無損、易操作等優(yōu)勢。

以小麥為例，水分是影響其儲存和加工性能的關鍵因素之一，借助近紅外光譜技術可實時監(jiān)測小麥的水分含量，確保小麥在儲存和運輸過程中能夠維持適宜的濕度，有效防止其霉變和品質下降。

三、近紅外光譜技術檢測小麥水分的實驗過程

本實驗選用300個經(jīng)傳統(tǒng)國標法標定水分含量且濃度各異的小麥樣品作為實驗素材，采用長虹PV800R-V近紅外光譜儀套件進行數(shù)據(jù)采集。具體參數(shù)如下：波長范圍（NIR）：1350—2150nm；探測器：銦鎵砷（擴展型）；分光原理：MEMS-FPI；光譜分辨率：lt;25nm；光譜重復性：±2nm；測量時間：lt;16s；光源類型：鹵鎢燈；功耗：4.5W。

（一）光譜采集

在常溫條件下，先將準備好的小麥樣品裝入專門設計的配套工裝件中，確保樣品填滿并壓實，以避免樣品松散或出現(xiàn)空隙導致的光譜采集不均勻。設計工裝件時通常要考慮樣品的形狀、大小和密度，以確保采集到的光譜數(shù)據(jù)能夠準確反映樣品的特性。接著通過藍牙，將PV800R-V光譜儀與智能移動終端連接，這種無線連接方式不僅能提高操作的便捷性，還能確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性和實時性。藍牙連接成功后，就可以利用智能移動終端上的客戶端軟件控制光譜儀進行采樣?？蛻舳塑浖ǔＬ峁┝酥庇^的用戶界面和豐富的功能選項，使得操作人員能夠輕松設置采樣參數(shù)，啟動采樣過程并實時監(jiān)控采樣狀態(tài)。

在采樣過程中，光譜儀會發(fā)射近紅外光并接收樣品反射回來的光譜信號，這些信號經(jīng)過光譜儀的內(nèi)部處理后會轉化為數(shù)字數(shù)據(jù)。隨后，這些數(shù)據(jù)通過無線網(wǎng)絡被傳輸至樣品光譜數(shù)據(jù)庫中進行存儲和分析。無線網(wǎng)絡的應用使得數(shù)據(jù)可以實時傳輸，大大提高了實驗效率和數(shù)據(jù)處理的及時性。

在光譜采集現(xiàn)場，操作人員需要嚴格按照規(guī)范進行操作，如此才能確保采集到的光譜數(shù)據(jù)具有可靠性和可比性，從而為后續(xù)的食品檢測和分析提供有力的支持。

（二）光譜建模與預測能力分析

本實驗總共收集了300個小麥樣品，200個作訓練集用于模型學習優(yōu)化，100個為盲測集驗證預測能力。對于采集到的光譜數(shù)據(jù)，通過數(shù)據(jù)預處理協(xié)同高斯平滑與基線校正提升數(shù)據(jù)質量，并進一步運用偏最小二乘法分析處理光譜數(shù)據(jù)。確定偏最小二乘法模型參數(shù)時，可以借助網(wǎng)格搜索優(yōu)化策略，以全面探尋最優(yōu)組合，設定參數(shù)范圍后可逐一測試各組合的性能，進而選擇最佳參數(shù)。模型構建完成后，運用留一法交叉驗證對模型進行評估，并對盲測集的100個小麥樣品進行預測，將傳統(tǒng)國標法測定結果與近紅外光譜儀預測結果進行對比分析。

交叉驗證結果表明，所得光譜模型的交叉驗證均方根誤差（RMSECV）為0.043，模型相關系數(shù)R2為0.95，充分顯示光譜模型性能優(yōu)良。盲測分析結果顯示，預測均方根誤差（RMSEP）為0.049，與光譜模型交叉驗證均方根誤差（RMSECV）結果相近，有力證明了該模型對盲測集樣本擁有出色的預測能力，其準確性與可靠性較高，完全能夠滿足小麥樣品的檢測需求。

綜上，本文深度剖析了近紅外光譜技術在食品檢測領域的應用，只要在光譜采集、數(shù)據(jù)預處理、光譜建模及預測等環(huán)節(jié)按照規(guī)范操作，就可以得出準確的檢測結果，且大大縮短檢測時間。展望未來，隨著科技的進步，近紅外光譜技術在食品檢測領域的應用前景十分廣闊，有望成為保障食品安全的核心技術，有力推動食品行業(yè)健康發(fā)展。

基金項目：四川省區(qū)域創(chuàng)新合作（2023YFQ0110）。

作者簡介：劉浩（1991—），男，漢族，四川資陽人，工程師，大學本科，研究方向為MEMS器件及光譜數(shù)據(jù)分析。

*通信作者：王毅（1995—），男，漢族，四川成都人，工程師，碩士研究生，研究方向為MEMS器件及光譜數(shù)據(jù)分析。